打开一个 AI,用大白话说”给我八岁侄女买份礼物,她迷鲨鱼,但好像什么 shark 周边都有了”。几秒钟,一份来自某独立插画师小店的推荐就跳了出来–这家店,买家此前根本没听说过。
推荐这一关,AI 已经过关了。
但真正的问题出现在下一步:如果买家说”就它了,帮我买”,AI 大概率卡住。不是它不想,是绝大多数商家的网站,压根没给 AI 留一个可以结账的口子。
2026 年 10 月,一份覆盖 2,047 家美国公司的调研显示,美国最大的 100 家零售商中,有 97 家没有为 AI 代理提供任何结账路径 [1][2]。
这不是”推荐位没抢到”的问题,而是一个更靠后的断层:品牌刚学会”被 AI 找到”,下一关–“被 AI 下单”–已经开始了,而大多数人还没意识到这一关存在。
01|AI 的”推荐”这半场,为什么先跑通了
先把已经发生的事说清楚。
Rezolve Ai 在 10 月 6 日的纳斯达克投资者日上,公布了《2026 美国 AI 可见性研究》。研究方法很具体:让 OpenAI、Claude、Perplexity、Gemini 四款带联网的助手,回答关于 2,047 家美国公司所在品类的”无品牌”普通问题,实地采集时间从 9 月 23 日到 10 月 5 日 [1][2]。
结果有三条值得记住:
其一,四分之一的公司,从未被任何一款 AI 助手提及;即便在标普 500 里,也差不多每五家就有一家”查无此牌” [1][2]。
其二,AI 回答里引用”品牌自己官网”的比例,只有 1.5%,绝大部分答案是从第三方页面拼出来的 [1][2]。
其三,同一个问题,不同 AI 给出的商家不一样。 Jellyfish 的对照测试也印证了这点:ChatGPT、Google AI Mode、Alexa for Shopping 面对同样的购物需求,会选出不同的零售商 [9]。换句话说,你在一个引擎里”可见”,不代表在另一个里也可见。
推荐层为什么跑得快?因为它的技术门槛低–AI 只要”读懂”你的商品和评价就够了,不需要你的系统跟它对接。于是它天然地先成熟。
但”读懂”和”交易”之间,隔着一整套工程。
02|真正的新断层:能推荐,不能成交
回到那个刺眼的数字。
Rezolve 的研究指出:美国 100 家最大零售商里,97 家没有发布任何能让 AI 代理完成结账的通道;其中 13 家还会主动把自动化访客挡在门外 [1][2]。
“挡在门外”这个细节很关键。很多品牌为了防爬虫、防恶意机器人,在技术上对所有自动化流量一刀切–结果把 AI 购物代理也一起拦掉了。你的商品页写得再清楚,代理进不来看,等于不存在。
支付侧的人也看到了这道断层。Visa 的代理商务产品负责人 Pavan HS 对 PYMNTS 举了一个真实例子:某北美商家在 Gemini 里卖货,Gemini 支持 Google Pay,但这家商家的电商站不接受 Google Pay,线下门店又直连另一家收单机构–结果一位消费者在 Gemini 下单、第二天到店退货时,原始凭证和退货刷的卡对不上,最后要靠 Visa 的凭证管理服务把两笔交易连起来 [7]。
这是一个纯粹的”最后一米”问题:推荐在意的是”谁更合适”,交易在意的是”身份、凭证、风控、退货”能不能串起来。 后者,恰好是代理最不熟悉、也最容易断掉的地方。
Shopify 的判断更克制。在其《2026 全球假日零售报告》里,65% 的消费者表示这个购物季会至少用 AI 完成一项购物任务;但另一组数据同样重要–只有约三分之一的消费者,愿意让 AI 代理真正替自己完成购买 [4]。
也就是说,消费者用 AI 做”研究”,但临到”掏钱”还是想自己点。这背后一半是习惯,一半是信任。而信任,恰恰要靠商家把结账、退货、凭证这些”脏活”补齐才能建立。
03|平台正在悄悄写”结账规则”
如果说 2025 年的竞争是”谁被 AI 推荐”,那么 2026 年 10 月这几周,竞争已经偷偷挪到了”谁定义结账层”。
最直接的一份证据,来自 Meta 的购物代理 Muse。AI 营销平台 Profound 称其研究团队从 Muse 的系统文件里提取到一份”购物指令”文件,并与品牌媒体 State of Brand 共享;后者在 10 月 8 日发布了分析,PPC Land 在 10 月 11-12 日跟进报道 [3]。这份文件里几条规则,直接决定商家能不能被看见、能不能被下单:
– 结果展示环节,文件把”前五件商品来自知名商家或网站”称作一项”必须”(imperative)遵守的要求 [3]–注意,它明确写着”知名商家优先”。
– 代理默认最多浏览 3 个开放网的商家站点,每个请求最多返回 10 件商品,凑够了就提前收工 [3]。
– 价格明显高于或低于同类正常区间的商品,会被剔除–而”低价”正是很多新品牌抢曝光的惯用位置 [3]。
– 只有在 Meta 自有商品目录里、并且打了”代理结账(agentic checkout)”标记的商品,才能在对话里直接结账;开放网找到的商品只能跳转浏览器结账 [3]。
Profound 用 50 条购物指令做了测试:Meta 目录在中位数情形下提供了约 95% 的候选商品,但代理最终展示的 6 件商品里,通常有 4 件来自它自己上网搜到的结果 [3]。翻译一下:进得了目录,只是拿到”候选池”的入场券;能不能排到前面,平台另有算法,而且这套算法更偏爱”你已经是有名字的品牌”。
同样的动作,TikTok 在 10 月 5 日的纽约广告周上也做了一遍:推出对话式 AI 购物助手和一键结账 Buy Direct,背后依赖的是一套叫 UCP(通用商业协议)的规则,用来让 AI 代理和商家系统对接;品牌仍然是交易的”记录商户”(Merchant of Record)[5]。零售媒体也在跟进:THG Commerce 把 Criteo 的”赞助商品”接进了它的 AI 购物助手,在同一段对话里,有机推荐和赞助推荐并排出现,早期数据显示赞助商品的点击率是平均值的 5 倍以上、转化率是平均值的 2 倍以上 [6]。
当”赞助位”开始渗进 AI 对话,一个老问题回来了:谁定义结账层,谁就定义下一轮的流量分配。
04|已经跑通的人,做对了一件事
既然断层在”最后一米”,那先补齐这一米的品牌,跑出了什么?
Shopify 的报告点出了几个样本。百年品牌 Stanley 1913,今年美国市场由 AI 引荐带来的订单,是去年同期的 5 倍;清洁美妆品牌 ILIA,AI 引荐销售额同比接近三倍;防过敏服饰品牌 Cottonique,AI 引荐销售额同比增长 276%,总销售额同比增长 52% [4]。
Cottonique 联合创始人 Nikhiel Genomal 的这句话,值得每个做品牌的人抄下来:“我们的顾客从来不是按搜索引擎想要的方式去搜索的。有湿疹的人,不会去搜’低致敏内衣’。” 他说,AI 渠道是”第一个真正讲我们顾客语言的搜索界面” [4]。
注意,这些品牌没有发明什么黑科技。它们做的是一件很朴素的事:把自己的商品变成”机器可读、代理可交易”的资产。
具体的动作是分层的:
第一层,商品数据要能被机器读懂。 Shopify 的 Catalog 把商家的商品数据结构化,让 AI 代理能读;再通过 Agentic Storefronts 把商品推到大模型渠道,比如 ChatGPT、Google、Muse [4]。行业里对应的就是一套开放协议栈–ACP、UCP、MCP 服务,加上 JSON-LD 结构化标记。
第二层,要有专门的”商品知识层”。 刚成立的 DaVinci Commerce 就押在这上面:它推出一个叫 Product Context Memory 的模块,把商品目录、评分评论、社交媒体讨论、生活方式内容整合成一张知识图谱,让同一件商品能携带上千种”上下文”,而不是一句优化过的产品描述,再分发回商家的商品系统 [8]。它服务的客户包括雀巢、帝亚吉欧、Nordstrom 等 [8]。
第三层,结账能力要真的打开。 进 Meta 目录、开”代理结账”标记、打通 UCP、别在 robots 和防火墙上把代理拦死–这些都是工程师能落地的动作。
第四层,结账之后要接得住。 Visa 提醒得很实在:商家不能把”集成成功”当终点,而要盯着授权通过率、拒付和争议处理,还要能分辨”这是被授权的购物代理,还是恶意机器人” [7]。这里已经有对应的工具在长出来,比如 Visa 的 Trusted Agent Protocol,以及 Cloudflare、Akamai 等在做代理身份识别 [7]。
一句话概括这四层:过去做品牌资产,是把品牌的”故事”整理好;现在还要多整理一份”给 AI 读、给代理交易”的资产。
05|给操盘手:一张「AI 可交易度」自检表
如果你是品牌或电商负责人,下面 6 个问题,建议本周就逐条对着自己的站测一遍:
1. 你能被”点名”吗? 分别用 ChatGPT、Gemini、Perplexity、Claude,既搜品牌名,也搜品类词(“低致敏内衣推荐”这类无品牌问题),看自己是否被提及、是否被引用。推荐层连”1.5%”都没进,谈结账是空的 [1][2]。
2. 商品数据机器可读吗? 每个商品页有结构化的 JSON-LD(价格、库存、GTIN、品类),字段和你的实际库存、价格一致,别一处一个价。
3. 进得了主流商品目录吗? 有没有把自己的商品目录接通到 Meta、Shopify 这类平台的目录体系?这是进入代理”候选池”的前提 [3][4]。
4. 开了代理结账吗? 有没有启用”代理结账”开关、对接 UCP/ACP 这类协议?没有,就意味着代理只能推荐、不能成交 [3][5]。
5. 放行机器访客了吗? 检查 robots 和防火墙规则,确认没有把 AI 购物代理和训练爬虫一刀切地误伤–13 家头部零售商就栽在这一步 [1][2]。
6. 结账之后接得住吗? 代理带来的订单,退货、身份核验、风控、客服流程串得起来吗?别让”下单成功”变成”退货对不上账” [7]。
再加一个低成本习惯:每周以消费者口吻搜一次自己品牌名和品类词,记录 AI 答案怎么描述你、引用了哪些页面。 哪些引用是第三方、能不能修正,这就是你下个月的内容清单。
06|冷静一下:这些数字,都是”方向证据”
必须诚实地说清楚数据边界。
Rezolve 是一家售卖代理商务基础设施的公司,它发布这份研究,本身就是它投资者日的一部分,有明确商业立场 [1]。Meta 的 Muse 指令文件,是 Profound(同样售卖 AI 品牌追踪软件)声称提取、经 State of Brand 单一信源发布的,Meta 尚未回应,且”知名商家”如何定义并未公开 [3]。Shopify 的假日报告是平台自报 [4],THG×Criteo 的 5 倍点击、2 倍转化也是供应商自报数据 [6]。
所以,这些数字应当被当作”方向参考”,而不是独立结论。 一份索引报告里就有人提醒:单个来源的数字不能当定论。
但把不同来源放在一起看,方向是收敛的:推荐层已经成熟,结账层正在被平台重新定义,而绝大多数品牌的商品资产,还没为”被代理交易”做好准备。 这几条同时成立,就足够构成一个值得现在就动手的判断。
07|写在最后:搜索资产的下半场,是”能成交”
过去两个月,我们一直在讲”搜索资产”:让品牌被 AI 检索到、被引用、被记住。
但 10 月这一周出现的新动作提醒我们,这套逻辑还有下半场。
完整的链路其实是四段:被检索 → 被引用 → 被承接 → 被交易。 前三段是”被找到”,第四段是”能成交”。当 AI 从”帮你找”进化到”帮你买”,第四段就成了新的分水岭–它不只考验内容,更考验商品数据、结账通道和售后系统的打通。
推荐只是入场券。真正决定谁能留在场内的,是那”最后一米”。
如果你的品牌今天还没做过一次“AI 可交易度”自检，那可能就是最该先补的那一环。
想要一份现成的自检工具？后台回复「可见性」，领取《品牌 AI 可见性自测表》（可编辑的 xlsx，含逐项检查说明），拿它对着自己的站跑一遍，先把“被找到”这一层看住。
引用与参考资料：
[1] Rezolve Ai,《US AI Visibility Study 2026》暨纳斯达克投资者日新闻稿,rezolve.com,2026-10-06。
[2] Investing.com,”Rezolve Ai holds investor day, study finds AI checkout gap”,2026-10-06;The Bit Gazette,”ChatGPT, Claude and Gemini can recommend products, but 97 of the top 100 US retailers won’t let them complete the sale”,2026-10-07。
[3] State of Brand(基于 Profound 提供的 Muse 指令文件分析),2026-10-08;PPC Land,”Meta’s shopping agent must fill its top 5 picks with well-known merchants”,2026-10-11;AMZ123(中文转载),2026-10-10。
[4] Shopify,”Welcome to the first holiday season of the agentic era”,并引用《2026 Global Holiday Retail Report》,shopify.com/news,2026-10-06。
[5] TikTok,”AI Shopping Assistant”与”Buy Direct”发布(Advertising Week New York),2026-10-05;TechCrunch、The Next Web 报道摘要。
[6] Retail Technology Innovation Hub,”First for THG Commerce as it brings Criteo Sponsored Products to AI Shopping Assistant solution”,2026-10-12。
[7] PYMNTS(Visa 代理商务产品负责人 Pavan HS 访谈),2026-10-06。
[8] AI Agent Chronicle,”DaVinci Commerce ships Brand Agent and a product-memory layer for AI shopping agents”,2026-10-06。
[9] SEORCE Feed(汇总 Jellyfish、HUMAN Security 数据),2026-10-06。
免责声明：
本文基于公开报道与厂商发布信息整理,用于行业趋势分析与交流,不构成任何投资、法律或商业决策建议。文中涉及的第三方研究、厂商数据与测试结果,部分由相关商业主体自行发布,存在商业立场,作者已尽力交叉核对但不对其独立性与最终准确性作担保;具体事实与数据请以原始来源为准。文内引用之品牌、产品名称与商标归其各自权利人所有,本文仅作客观引用与讨论,不代表对其的评价或背书。
