Hoe catalogustraining en websitetraining van Meta Business Agent onder de motorkap werkelijk werken, uit welke databronnen de agent precies put, en welke instelfouten ervoor zorgen dat hij moet gokken.
De meeste installatiegidsen voor Meta Business Agent zeggen dat u “uw website moet verbinden” en “uw catalogus moet koppelen”, en gaan dan verder alsof die twee stappen vanzelfsprekend zijn. Dat zijn ze niet. Het is ook niet helemaal hetzelfde soort verbinding. De ene leest pagina’s en indexeert wat erop staat. De andere leest een gestructureerde feed van rijen en kolommen. Het verschil begrijpen is belangrijk, want het is meestal de reden dat een agent een catalogusvraag goed beantwoordt en een beleidsvraag slecht, of precies andersom.
Dit is wat er werkelijk gebeurt zodra u Meta Business Agent op uw website en uw productcatalogus richt, en waar ze in de praktijk meestal allebei op stuklopen.
Meta Business Agent put uit vijf aparte invoerbronnen: eerdere gesprekken, een website-URL, een productcatalogus, bedrijfsgegevens en FAQ’s die u zelf intypt, en bestanden die u uploadt. De FAQ- en merkstemkant daarvan hebben we behandeld in onze volledige installatiegids en in ons overzicht van hoe u Meta Business Agent traint om bij uw merkstem te passen. Dit stuk gaat over de twee bronnen die niet werken zoals iemand die een FAQ-antwoord intypt: de website en de catalogus.
U geeft de agent een URL, en Meta crawlt en indexeert de pagina’s op dat adres om er product- en dienstgegevens uit te halen waaruit het later kan antwoorden. Dat is een wezenlijk verschil met “de agent leest uw website live”. Het opent de pagina niet opnieuw telkens wanneer een klant een vraag stelt. Het werkt vanuit een index die is opgebouwd door de pagina’s te crawlen waar u naar verwees, in grote lijnen hetzelfde mechanisme als achter een zoekmachine, geen live opvraging bij uw CMS.
Daar volgen twee dingen uit.
Ten eerste: alles wat openbaar bereikbaar is op de pagina’s die u koppelt, kan opduiken in het antwoord aan een klant. Als uw site een stagingpagina heeft, een oude prijslijst die nog live staat op een vergeten URL, of een pagina die intern bedoeld was en nooit een noindex-tag heeft gekregen, dan kan het richten van de agent op uw domein die aan de oppervlakte brengen. Koppel de pagina’s waaruit een klant daadwerkelijk zou moeten lezen, in plaats van alleen uw homepage op te geven en te hopen dat de crawler op de paden blijft die u bedoelde.
Ten tweede: omdat het een index is en geen live verbinding, garandeert een wijziging die u vandaag op uw site doorvoert niet dat de antwoorden van de agent die vandaag al weerspiegelen. Werkt u een retourbeleid bij of stopt u met een dienst, dan is het veiliger om de testantwoorden van de agent opnieuw te vergelijken met die specifieke pagina dan om aan te nemen dat de update automatisch is doorgekomen. Dit is hetzelfde crawl-gebaseerde model dat achter de meeste AI-trainingspijplijnen zit, en het loont om uw websitekoppeling te behandelen zoals u het indienen van een sitemap zou behandelen: nuttig, maar niet onmiddellijk.
De catalogusverbinding is een volledig ander mechanisme. Er zijn twee routes naartoe. Een klein bedrijf kan een catalogus met de hand opbouwen in de WhatsApp Business-app, artikel voor artikel, met een naam, prijs en foto. Een bedrijf dat al advertenties draait of een grotere voorraad beheert, koppelt doorgaans in plaats daarvan een gestructureerde feed via Commerce Manager, in een van de formaten die Meta’s commerceplatform accepteert: CSV, TSV, RSS XML, ATOM XML of een Google Sheet die in de juiste vorm wordt bijgehouden.
Een feed-gebaseerde catalogus heeft specifieke velden nodig om te werken: een product-ID, de productnaam, een afbeeldingslink, een beschrijving, prijs en valuta, een product-URL en een beschikbaarheidsstatus. Dat laatste veld accepteert maar een kleine set exacte waarden: “in stock” (op voorraad), “out of stock” (niet op voorraad), “preorder” (vooruit te bestellen) of “available for order” (te bestellen), en geen vrije tekstomschrijving van uw voorraadniveaus.
Zodra de catalogus gekoppeld is, wordt duidelijk waarom hier van “catalogustraining” wordt gesproken en niet van “catalogus lezen”. Als een klant iets vraagt als “hebben jullie dit in het blauw”, beschrijft de agent uw voorraad niet in een zin. Het haalt een echt item uit de feed, afbeelding, prijs en een kooplink, rechtstreeks als productkaart de chat in. Dat is het mechanisme achter Meta’s productaanbevelingsfunctie, een WhatsApp Business catalogus-AI-mogelijkheid die de meeste kale FAQ-bots niet hebben, en het is de reden dat een schone feed hier meer telt dan bijna waar dan ook in de installatie: een kaart is ofwel correct, ofwel zichtbaar fout in de chat, zonder het vage middengebied dat een tekstantwoord wel heeft.
Die gestructureerde feed is ook wat een AI-agent-productcatalogus onderscheidt van een gewone productlijst: de feed is niet iets wat de agent één keer leest, het is de bron waaruit hij blijft putten telkens wanneer er een gerelateerde vraag opkomt.
De meest voorkomende catalogusfout is een verouderd beschikbaarheidsveld. Als uw feed nog steeds “in stock” zegt over iets wat vorige week is uitverkocht, zal de agent het met volle overtuiging aanbevelen, want voor zover hij weet klopt dat nog. Dit is een synchronisatieprobleem, geen AI-probleem, en het loont om te controleren hoe vaak uw feed werkelijk wordt bijgewerkt in plaats van aan te nemen dat dat standaard bijna in realtime gebeurt.
De meest voorkomende websitefout is het spiegelbeeld van een goed FAQ-antwoord: pagina’s die alleen uit marketingtekst bestaan zonder concrete details. Een websitepagina die zegt dat een product van “premium kwaliteit” is en nooit de werkelijke prijs, maatvoering of retourtermijn noemt, geeft de agent niets concreets om uit te antwoorden, dus wordt hij ofwel vaag, ofwel leunt hij zwaarder op de FAQ’s die u wel met de hand hebt uitgeschreven. Als een pagina die u koppelt het antwoord niet bevat op een vraag die een echte klant zou stellen, kan de agent er geen antwoord uit fabriceren.
De derde, minder voor de hand liggende fout is tegenstrijdige informatie tussen de twee bronnen. Als uw website een prijs vermeldt die u al maanden niet hebt bijgewerkt en uw catalogusfeed de actuele prijs heeft, of andersom, heeft de agent geen manier om te weten welke leidend is, aangezien beide legitieme invoerbronnen zijn die hij mocht vertrouwen. De twee synchroon houden is geen specifieke eis van Meta Business Agent, het is gewoon goede praktijk die veel zwaarder gaat wegen zodra een AI beide leest en antwoordt vanuit degene waar hij toevallig uit put.
Voordat u de agent live zet, gebruikt u de ingebouwde testflow en stelt u precies het soort catalogus- en productvragen dat uw klanten daadwerkelijk sturen, niet de makkelijke. Bevestig dat de productkaarten die terugkomen werkende afbeeldingen en de juiste prijs hebben, en controleer of minstens één uitverkocht artikel een accuraat antwoord oplevert in plaats van een zelfverzekerde aanbeveling. Hebt u uw website net bijgewerkt met nieuwe informatie, stel dan een vraag die aan die specifieke pagina hangt en kijk of het antwoord de wijziging weerspiegelt voordat u aanneemt dat dat zo is. Voor wat te doen zodra de agent iets tegenkomt dat hij uit geen van beide bronnen kan beantwoorden, zie onze gids over hoe Meta Business Agent overdracht en escalatie afhandelt.
Meta heeft daarnaast een apart Business Agent Platform geopend om systemen van derden, zoals Shopify of een supporttool, directer te koppelen dan een catalogusfeed of een gecrawlde websitepagina toelaat. Dat is een andere laag dan de opzet die hier wordt behandeld, dichter bij wat we in ons stuk over de Meta Business Agent roadmap de enterprise-connectorlaag noemden, en de moeite van het bekijken waard als uw catalogus al ergens staat met meer structuur dan een in WhatsApp beheerde feed.
Alles hierboven is specifiek voor hoe Meta zijn eigen agent traint op een catalogus en een website: gecrawlde pagina’s, een gestructureerde feed, een index die op zijn eigen schema bijwerkt in plaats van dat van u. Dat is een redelijke afweging voor een agent die zelfstandig antwoordt, maar het betekent ook dat de nauwkeurigheid van een geautomatiseerd antwoord niet beter is dan hoe recent u die twee bronnen hebt ververst.
The Chat Quotient werkt anders, want het leest helemaal niet uit een index. De AI Reply Suggestions genereren een concept uit uw eigen kennisbank op het moment dat u erom vraagt, en de AI Agent werkt vanuit de bedrijfsinformatie en doelen die u er rechtstreeks in WhatsApp Web aan meegeeft, zonder aparte catalogusfeed of crawlstap die gesynchroniseerd moet blijven. Voor een bedrijf dat net zijn catalogus heeft gekoppeld aan Meta Business Agent en een tweede laag wil die niet afhangt van dezelfde crawl-en-index-timing, is dat het praktische verschil: één ding minder om op twee plekken bij te houden. Het ingebouwde CRM en de visuele pijplijn pakken vervolgens op waar een gesprek naartoe gaat nadat de productvraag is beantwoord, en volgen de lead door uw pijplijn in plaats van te eindigen bij het antwoord.
Leest Meta Business Agent mijn website in realtime? Nee. Het crawlt en indexeert de pagina’s op de URL die u opgeeft, en antwoordt vanuit die index in plaats van de live pagina op te halen voor elke klantvraag. Controleer uw testantwoorden opnieuw na een ingrijpende website-update in plaats van aan te nemen dat de wijziging direct is doorgevoerd.
Welke bestandsformaten accepteert de catalogus van Meta Business Agent? Een gestructureerde feed via Commerce Manager accepteert CSV, TSV, RSS XML, ATOM XML of een correct opgemaakte Google Sheet. Kleinere bedrijven kunnen ook met de hand een catalogus opbouwen, artikel voor artikel, rechtstreeks in de WhatsApp Business-app.
Waarom beval de agent een product aan dat eigenlijk niet op voorraad is? De agent vertrouwt het beschikbaarheidsveld in uw catalogusfeed. Als dat veld nog steeds “in stock” zegt nadat een artikel is uitverkocht, heeft de agent geen aparte manier om beter te weten totdat de feed is bijgewerkt.
Kan ik voorkomen dat Meta Business Agent bepaalde pagina’s van mijn website gebruikt? De veiligste aanpak is om pagina’s waaruit u niet wilt dat het put, überhaupt niet te koppelen, aangezien alles wat openbaar bereikbaar is op de URL die u verbindt een kandidaat is voor de crawl om te indexeren.
Vervangt catalogus- en websitetraining het schrijven van FAQ’s? Nee. FAQ’s en bedrijfsgegevens die u zelf intypt zijn een aparte databron, en zij dekken juist de specifieke beleids- en procesvragen die een websitepagina of een productfeed meestal niet uitspelt. Onze installatiegids behandelt hoe die twee samenwerken.
Catalogustraining en websitetraining van Meta Business Agent zijn twee verschillende mechanismen onder hetzelfde label “koppel uw data”. De websiteverbinding is een crawl en een index, nuttig voor beschrijvende en beleidsmatige content maar geen live spiegel van uw site. De catalogusverbinding is een gestructureerde feed, en die is niet betrouwbaarder dan het beschikbaarheidsveld erin. Geen van beide repareert zichzelf automatisch wanneer uw bedrijf verandert, en dat is precies het deel dat het waard is om in een routine te gieten in plaats van in een eenmalige installatiestap.
Voeg de Chrome-extensie toe en transformeer hoe je WhatsApp-gesprekken beheert voor je bedrijf.
