探索正在进行的 AI驱动商业变革

——以及当人工智能 指导购买时如何竞争

人工智能的注意力，人类的忠诚，还是两者皆有？

人工智能的注意力，人 类的忠诚，还是两者皆 有？

¼

2025年使用生成式AI购物工具的消费者比例

人工智能正迅速改变我们的生活方式、工作方式以及娱乐方式。

对许多人来说，生活就意味着购物 。而如今，购物的新方式往往是由 顾客设定目的地后，由人工智能来 选择路线。

人工智能可以在不同层面上参与购 物决策。在某些情况下，它充当研 究助理，收集信息并总结选项。在 其他情况下，它将大量可能性缩小 为一份推荐短名单。越来越多地， 在获得授权时，它也可能代表消费 者完成交易。这些是参与过程中的 不同阶段，消费者

他们之间愿意授权的程度各 不相同。

（直销）企业需要在顾客心中赢得 同样珍贵的地位。

一双低于130美元的深蓝色跑步鞋 ，尺码为11码。并且确保尺码比正 常稍宽，适合休闲穿着。

2025年，已有四分之一的消费者使 用生成式AI购物工具，而具身AI正 进入日常任务。例如，根据德勤 咨询公司的一项调查，超过一半的 消费者每周至少使用一次虚拟助手 来自动化重新订购或餐食计划。

因为谁会每次都跟着GPS走呢？有时 候人们想绕个弯，或者走熟悉的路、 风景优美的路线，或是那条尘土飞扬 的小径，这些地方会带来意想不到的 停留，而算法是不会选择这些的。购 物决策也开始以类似的方式在进行。

未指定特定品牌时，他的代理商只 是简单返回一份符合要求的鞋子清 单，这些清单当然是从结构良好的 网站上抓取的。清单中有些品牌会 出现，而有些则不会。未出现在清 单中的品牌可能会让人觉得一切都 泡汤了。但事情并非如此。如果杰 克问：“X品牌怎么样？”他会立刻 转变方向并刷新清单。突然间，这 种有意识的覆盖操作让一个喜欢的

考虑杰克，一个典型的消费者，在 寻找一双完美匹配他尺码、偏好和 预算的跑鞋。他对他的AI代理人说 ：“帮我找一双质量好的跑鞋。”

在人工智能推荐领域争夺领先 品牌得以保留。 地位时，这些公司（尤其是）..

.

探索正在进行的AI驱动商业变革——以及当AI主导购买时如何竞争 2

1. Capgemini 研究院；2026年，第5页，第31页

在代理的逻辑中以及在客户的思维里获得优先权

探索正在进行的AI驱动商业变革——以及当AI主导购买时如何竞争第3章

在代理的逻辑中以及在客户的思 维里获得优先权

商业的设计和体验方式正在发生一场广泛的变化。

多年来，它一直遵循着一种熟悉的模式。品牌和 零售商设计购物旅程，吸引流量，并在搜索和比 较过程中引导顾客，希望他们的注意力最终能促 成购买。

要在新的代理式商业格局中获胜，组织现在必须 解决一个双重挑战：“我们如何才能让AI代理看 到我们、理解我们并进行交易？”

那么，在服务这些代理人（或客户）的同时，是 否仍在建立品牌吸引力和忠诚度？

昨天的现实是，观众只有一个，即人类消费者。如 今，具有能动性的AI正成为购物旅程中的新参与 者，它自身也要求获得关注。随着AI代理越来越 多地介入从发现到购买的互动过程，品牌正逐渐 失去直接与消费者接触的控制力。

在代理的逻辑中以及在客户的思维里获得优先权

而今日的“发现到购买”用例，仅仅是第一章。

下一波人工智能将超越推荐和交易，转向预测 消费者需求、自主决策以及协调购买行为，甚 至在顾客意识到自己需要之前就完成这一切。

抓住这一机遇，已不仅仅是要在搜索结果中排 名靠前，尤其是在传统的SEO（搜索引擎优化） 方法已无法保证可见性的情况下。相反，品牌 需要GEO（生成式引擎优化），这是一种新的学 科，用于构建内容和数据结构，以便AI系统能 够读取、信任并推荐它们。

无法被机器读取或为人工智能（AI）构建的结构 化网站，有风险从AI的推荐中变得“隐形”。相 比之下，那些...

探索正在进行的AI驱动商业变革——以及当AI主导购买时如何竞争4

那些致力于使其内容易于人工智能理解的做法， 正获得不成比例的可见度和影响力。

Adobe是一家领先的创意技术公司，发现2026年第 一季度来自AI来源的流量至美国零售网站的同比 增长近400%，而在2025年假日季节期间增长了近7 00%。更重要的是，AI推荐访客被证明价值远超传 统流量来源：他们的转化率比传统流量来源高出4 2%，并且表现出更高的参与度和更长的网站停留 时间。

应始终在产品、包装、定价、履约选项和支持内 容中体现。最有可能获得推荐的品牌，是那些 将消费者所重视的价值与代理人用来判断相关性 和适用性的信号相一致的品牌。

2026年第一季度，来自AI来源的流量增长近年率，至 美国零售网站达400%。

但要在AI推荐中获得一席之地，仅仅对机器可读 是不够的。品牌和零售商必须了解代理人（或 ：AI系统）可能为购物者评估的消费痛点、使用 场景和决策标准。然后，这些洞察需要...

42%的AI 推荐访 客转化

2 Adobe报告：美国零售商人工智能流量激增 ，但许多网站并非完全可被机器阅读

赋能型商业警钟：消费品与零售业（CPR）的误区

消费品和零售 (CPR) 行业的代理式商 业警钟

据一些行业估计，到2031年，零售 和电商领域的代理式AI市场规模将 从2026年的约604亿美元增长至2184 亿美元。（3）这揭示了一个简单的 真理：如果你的产品不能完全被AI 代理看见或访问，你的品牌收入可 能面临风险。

作为杂货、家居用品和个人护理用 品。在这里，消费者通常寻求价格 、可用性和便利性的最佳组合，而 不是积极评估每一笔购买。这些类 别非常适合委托给人工智能代理。 为什么？嗯，品牌吸引力并不是消 费者的决定性购买因素，因此这些 品牌必须转而投入更多精力来吸引 人工智能代理。

CPR是自主型商业的一个自然起点 ，但并非所有品类都会以相同的 方式受到影响。该领域处于消费 者偏好的滑动尺度上。一端是高 频重复购买的品类，例如

另一端是声望美容、奢侈和身份驱 动型类别。在这里是人类的偏好

其优势依然稳固，消费者更有可能 忽略代理商对一个他们熟悉且渴望 的品牌所提出的建议。

认识到这一点很重要，因为CPR组织 不需要针对代理式商业制定一个统一 的平均策略。它们需要针对不同类 别制定特定策略：在客户忠诚度较低 时优先考虑机器选择，而在品牌意义 仍具决定性作用时优先考虑人类偏好 。

3 摩尔迪尔（Mordor Intelligence）：零 售和电子商务市场代理式AI的规模与份额分 析

2026年， 零售和电 子商务领 域的代理

并非所有转化都能以同样的方式取得成功。

四种不同的购物场景揭示了消费者可能愿意将多少控制权交给代理，以及品牌偏 好何时可能将他们拉回。 在这些场景中，覆盖行为会因消费者、购买任务、渠道 或背景的不同而有所不同。

1 常规选择 高度授权，低 品牌依恋

常规补货，价格、可用性和便利性 最为关键。 代理商通常直接决策， 使得机器的可见性、可用性和定价 成为主要的竞争杠杆。

2 默认偏好 高度授权，强烈 的品牌依恋

3 发现 低代表团，低品牌 依恋

四、身份与激情 低授权，强 品牌依恋

诸如咖啡、洗涤剂或宠物食品等成熟 畅销产品。 消费者会委托他人购买， 但期望代购者能保持其偏好的品牌， 因此客户维系和机器可识别的品牌优 势至关重要。

首次购买、礼品和探索性购买。 代理 充当顾问，通过证据、评论、比较和 产品属性来塑造偏好。

高端美妆、爱好者产品及其他身份驱 动型购买。 消费者持续深度参与，强 大的品牌资产能够促使代理推翻其推 荐。

重要的是，这些行为并不能简单地对应到公司或品牌。 一个广泛的产品组合可以 同时占据多个位置，而同一种产品也可能根据购物者、场合、渠道或任务的不同 而有所变化。因此，战略单元并非整个组织，而是品牌、产品、购物者、场合和 购买任务的具体组合。

不同玩家，不同杠杆

不同玩家，不同杠杆

这种区分解决了一个关键悖论。最 容易受到自动化影响的类别，往 往是那些最不可能进行覆盖（或 干预）的领域。

玩家 控件 机遇

零售

界面，客户

relationship,

第一方数据

成为值得信赖的 环境中 偏好被记录 并重复使用

因此，仅对投资组合的部分采用以覆盖为主导的策略 。 其他方面，成功则取决于违约情况、证据、可用 性以及机器可读性。

卖家需要迅速认识到客户期望正在变化。 对话式互动 正成为常态，因为快速的AI查询正逐渐取代无休止的 比较浏览。那么，组织该如何应对？

Consumer-products

制造商

产品，品牌 内容，需求 生成

市场

发现，编目 接入，安置 政策

Direct-to-consumer

品牌

自有渠道 客户数据 直接关系

构建机器可见性 并创建偏好 在推荐之前 被制造

通过形状可见性 规则，协议 以及新兴智能体 商业模式

创建面向代理的 经历 观察客户 直接行为

Risk

实现圆满 外部基础设施 代理人

失去内部影响力 代理经历他们 不要控制

信任的侵蚀，如果 商业激励 权衡重要性

日益发现 外部开始 渠道

被看见，被理解，被选择（两次！）

被看见，被理解，被选择（两次！）

许多人已经开始扩展其现有的商业模式，并构建能力 以在两个相互关联的决策层级上运行：代理如何评估 选项，以及人类如何体验和验证这些决策。

下方的三点检查清单对于获得代理的认可和维持人 可交易性是允许卖家利用代理式商业的关键。 类的兴趣至关重要。 虽然可见性和可理解性是GEO 的基础，但

1 2

脱颖而出——确保代理可见性 确保被理解——提供可靠的语境

可见性不再得到保证。 对人类而言视觉效果惊 艳，但对机器而言技术性不佳的产品内容，可能 无法被人工智能系统发现和读取。

代理基于意图而非关键词运行。 它们需要可靠、实 时的上下文来做出决策。这就需要统一的产品、价 格、库存和客户数据，以及一个语义层，为代理提 供一致的解读基础。

源系统可能使用不同的标签、结构和术语，但语义层 将它们翻译成通用的业务语言。 因此，当代理遇到“ 客户”、“账户”、“报价”或“可用性”等术语时 ，无论数据来自何处，它都能理解其含义。

像 Adobe 的 AI 内容可见性检查器这样的诊断工 具，可以帮助分析网站对机器的可读性。

语义层可以想象成一个翻译，它位于代理和企业管理 系统之间。 每一个

被看见，被理解，被选择（两次！）

3

被选中 （由机器和人类）——实现代理交易和人类覆盖

在人工智能代理向用户推荐产品之前，它可能会评估 来自数百甚至数千个数字来源的信号，包括零售商网 站、市场平台、评论、社交社区、发布商内容、产品 数据库、比较引擎和品牌自有渠道。

在此背景下，一个品牌的网站可能只是构成推荐依据 的一小部分。 因此，能否被选中不仅取决于公司对 其自身产品的描述，还取决于它在更广泛的数字生态 系统中是否始终如一且可信地呈现。可见性的争夺正 从控制...

目的地会影响人工智能确定相关性、可信度和价值 所使用的来源网络。

除了这些产品“质量”信号之外，选择还将越来越取 决于产品能否在代理环境中从推荐过渡到交易。 这需 要超越仅仅使产品内容可见和易于理解。品牌和零售 商将需要用于定价、库存、履约、结账和支付等功能 的实时API，并由允许内部和外部代理安全、一致地 通信的协议来支持。

归根结底，被选中并非仅仅是机器的决定。 消费者仍 然可以决定何时授权，何时信任，以及何时推翻代理 人的回答。尽管人工智能能在几秒钟内提出最便宜、 最快或最合理的选项，人们却可以轻易地用一句“不 ，我想要那个”将其驳回。这就是为什么品牌需要保 留那些驱动顾客愿意（至少在一定程度上）违抗人工 智能的情感、体验和基于身份的吸引力。

是否存在突出的交易协议？

尚未。 协议层仍在争论中，不同的生态系统正推动各自不同的路线进入 智能代理驱动的商业领域。无论是谷歌和Shopify的通用商业协议（UCP ）、OpenAI和Stripe的智能代理商业协议（ACP），还是最终胜出的另一 个协议，当前实际要做的是避免过早押注单一胜者。相反，应构建一个 与协议无关的商业基础，使其足够灵活，能够随着标准化竞赛的持续而 适应变化。

实现能动式商业的两大维度 阻碍企业发展的错误观念

实现能动式商业的两个维 度

第一个是一个技术问题（看似容易的部分）。

第二个也是更难的一个维度是团队转型。

每个站点都需要一个智能代理入口 以实现与人工智能的通信。但在实 现这一点之前，组织需要通过解决E RP、CRM、供应链和内容系统之间的 碎片化问题，使其商业栈具备智能 代理兼容性。然后，在构建语义层 的同时，他们就可以提供

基于API的产品、价格、库存和履 约数据访问。

该基础应辅以编排、工具注册表、 内存、监控和控制机制，使代理能 够安全地运行，而无需完全取代现 有系统。

10

探索正在进行的AI驱动商业变革——以及当AI主导购买时如何竞争

代理式商业模糊了营销、销售、 技术、数据、风险、法律乃至人 力资源之间的界限，随着组织从 纯人工工作流程转向人类监督代 理网络的人机混合模式。

曾经界限分明的角色将开始碰撞。例 如，CMO不再能将品牌、内容和活动 视为与API、数据结构和产品洞察力 无关。反之，CIO也不再能...

将建筑、正常运行时间和治理视 为纯粹的后台事务。

如今，API就是营销活动，数据结构 就是品牌故事。在这场竞争中获胜 的组织，要么会将这两种角色合并 为一个负责所有事务的所有者，要 么会建立一个新的职位，明确授权 其同时承担这两种职责。如果品牌 战略和数据架构不是由同一个职能 部门设计，就会持续产生一种割裂 的体验。

衡量推荐——以及覆盖

衡量推荐——以及覆盖

在衡量代理式商业中的绩效时，有三个领域最为关键：

跟踪代理可见性 评估代理代表 监控代理驱动的性能

您的产品在AI生成的推荐中出现的 频率如何？

您的产品是如何被描述、比较和 排序的？

转换率、商品篮子大小和利润率影 响如何？

凯捷帮助组织利用模拟环境和合成用户来持续测试代理如何感知和推荐他们的产品。这些模拟展示了品牌对代理 是否可见、易懂且可被选择，以及其内容、数据和架构需要在哪些方面进行改进。

但代理人的表现只是故事的一半。那当消费者为了一个“绕路”——一个具体、命名的替代方案——而拒绝代理 人的推荐时，又该怎样呢？