智能体商务白皮书：AI 购物智能体、Shopify、ACP、UCP 与 AI 可读商务

DeepLumen 白皮书

AI 智能体如何发现、评估、推荐并协助用户购买产品，以及商家需要理解的 AI 可读产品数据、Shopify Catalog、ACP、UCP 与 GEO。

目录

摘要

智能体商务是一场从人主导的在线购物，转向 AI 辅助、AI 中介、最终由智能体执行的商务变革。在传统电商中，购物者要自己搜索、点击、筛选、阅读、比较、评估、加入购物车并结账。在智能体商务中，AI 智能体代替购物者完成更多这样的工作。购物者用自然语言表达意图，智能体理解需求、检索产品选项、对照约束条件加以比较、推荐一份精选清单，并可能协助完成交易。

这并非对未来的抽象设想。OpenAI 已在 ChatGPT 中扩展了产品发现，并把购物描述为一个用户可以在同一处比较产品、获取最新详情的流程。OpenAI 还推出了 Instant Checkout 与 Agentic Commerce Protocol——这是其与 Stripe 共同开发、面向 AI 辅助购买流程的开放标准。Shopify 已宣布推出 Agentic Storefronts，并让 Shopify Catalog 接入各大 AI 渠道。Google 也面向智能体购物时代推出了商务工具与 Universal Commerce Protocol。这些举措尚处早期、参差不齐、仍在演进，但合在一起表明：电商已不再只是浏览器里的体验，而正在成为一套由 AI 中介的决策系统。

对商家而言，核心问题正在改变。

旧问题是：购物者能找到我的店铺吗？

新问题是：AI 智能体能否理解、信任、比较并推荐我的产品？

这个差别很重要。一件产品可以被索引，却在 AI 推荐中隐形；一个商家可以被收录进目录，却仍未能进入买家的精选清单；一个产品页可以对人很美观，对 AI 系统解析起来却代价高昂。智能体商务奖励那些产品事实明确、结构化、时效新、且便于 AI 系统检索的商家。

DeepLumen 的观点是：智能体商务不会仅靠流量技巧取胜，而要靠 AI 可读的商务基础设施取胜。这意味着减少 AI 系统理解一个站点所需处理的语料单元数量，提升机器可读产品事实的密度与清晰度，并自动应用结构化标记，从而让产品属性、使用场景、政策、对比与信任信号对检索系统可用。

在浏览器时代，产品页是为人眼打造的。在智能体时代，每个产品页都还需要一层机器可读的内容。

本白皮书将解释什么是智能体商务、它为何此刻发生、其技术栈如何运作、它对 Shopify 与电商商家意味着什么，以及 AI 可读性为何正成为一个全新的竞争面。

核心要点

智能体商务是指由 AI 智能体协助用户发现、比较、决策与交易的商务形态。

AI 购物正把电商从搜索结果页转向对话式的产品发现。

目录收录并不等于 AI 推荐可见性。

AI 智能体评估店铺的方式与人类购物者不同。它们检索、解析、比较并对产品事实排序。

智能体商务技术栈包含产品数据、检索、推荐、结账、支付、信任、履约与度量。

OpenAI 的 Agentic Commerce Protocol 聚焦于智能体辅助的商务流程与结账协调。

Shopify Catalog 帮助 Shopify 商家参与 AI 产品发现，但产品的呈现与推荐质量仍取决于数据质量与相关性信号。

Google 的 Universal Commerce Protocol 及相关商务工具表明，智能体商务正成为平台级的优先事项。

商家就绪度取决于 AI 系统能否访问、理解、比较并信任产品事实。

电商优化的下一层是 AI 可读性：降低 AI 阅读成本、提升事实密度，并把产品信息结构化以供机器消费。

1. 什么是智能体商务？

智能体商务是指利用 AI 智能体代表买家、卖家或业务系统执行与商务相关的任务。这些任务可以包括产品发现、产品比较、价格监控、可购性查询、个性化、结账协助、订单追踪、退货支持与售后服务。

一个简单的定义：

智能体商务是由 AI 中介的商务，其中软件智能体理解买家意图、评估商业选项，并协助完成购物旅程的一部分或全部。

“agentic（智能体的）”一词很关键。聊天机器人回答问题，而智能体是在某个目标之下采取行动。在商务中，这个目标可能是“帮我找一款 200 美元以内最好的有机棉床垫保护垫”、“比较这两款用于视频剪辑的笔记本电脑”、“重新下单去年冬天对我有效的那款护肤品”，或者“买一包到货能赶在周五之前、价格最低的补充装”。

传统电商假设用户就是操作者，用户手动执行每一步。智能体商务则假设 AI 系统可以在旅程的部分环节成为操作者：用户设定约束，智能体来干活。

这并不意味着人会从商务中消失，而是意味着人的角色上移了。购物者不再浏览无尽的产品网格，而是描述意图、品味、预算、约束与取舍。智能体检索选项并解释推荐理由。最终决定也许仍归于人，但发现与评估的工作被压缩了。

智能体商务也改变了商家的受众。如今一家店铺有两类受众：

• 看到可视化店面的人类购物者。
• 解析底层信息的 AI 智能体。

第一类受众对设计、叙事、摄影与用户体验做出反应。第二类受众对清晰度、结构、一致性、可购性、产品事实与信任信号做出反应。一个商家可能把一类受众服务得很好，却仍然辜负了另一类。

最重要的含义是：

智能体商务把产品信息变成了一个分发面。

在旧模型里，产品信息帮助转化那些已经到达的用户。在智能体模型里，产品信息决定了 AI 系统是否会把商家纳入对话之中。产品数据不再只是一项后台资产，它是一条一线营销渠道。

2. 智能体商务为何此刻发生

智能体商务之所以发生，是因为多项技术变革正在同一时间汇聚。

第一，消费者已经在把 AI 系统当作调研助手。买家可以让 ChatGPT、Perplexity、Gemini、Claude 或其他助手来比较产品、解释取舍、汇总评价或缩小选择范围。在购物者访问商家网站之前，这些系统正越来越多地被用在购买旅程的起点。

第二，AI 系统在结构化比较方面越来越强。用户可以提供预算、尺寸、成分限制、发货截止时间、偏好风格、兼容性、可持续性或品牌偏好等约束。智能体能把这种杂乱的诉求转化为一个产品检索问题。

第三，主流平台正在加入商务层。OpenAI 的产品发现更新描述了 ChatGPT 内更丰富的购物体验，包括产品比较与更完整的产品信息。OpenAI 早先的 Instant Checkout 公告随 Stripe 一起引入了 Agentic Commerce Protocol。Shopify 已宣布商家可通过 Agentic Storefronts 与 Shopify Catalog 参与 AI 渠道。Google 也为零售商与平台推出了智能体商务工具与 Universal Commerce Protocol。

第四，浏览器页面不再是唯一的界面。购物者可能在聊天界面、语音助手、AI 搜索结果、移动端智能体，或某个零售商专属的 AI 体验中发现产品。商家网站依然重要，但决定也许在用户到达之前就已被塑造。

第五，产品目录正在变得机器可消费。多年来，电商团队为各类市场平台、Google Shopping 与站内搜索优化产品数据。智能体商务把这套逻辑延伸到了需要结构化信息、以便对照自然语言意图比较产品的 AI 系统上。

结果是一个全新的商业环境，AI 系统可以影响：

• 哪些产品被发现；
• 哪些产品被比较；
• 哪些产品被排除；
• 哪些产品属性被强调；
• 哪些商家被信任；
• 提供哪些结账路径；
• 呈现哪些售后体验。

在这样的环境里，赢家不只是拥有最佳可视化网站的品牌，而是那些产品事实最便于 AI 系统检索、解读、比较与佐证的品牌。

3. 从 M2H 到 M2AI 的转变

二十年来，电商营销大体是面向人的营销，即 M2H（Marketing to Human）。M2H 的核心是让人类购物者产生购买欲，它包括视觉设计、着陆页、转化文案、产品摄影、评价、邮件流、达人内容、付费广告与结账体验。

M2H 仍然必要。智能体商务并不会移除人，它改变的是人何时、以何种方式介入。

在 M2H 之外，一门新的学科正在兴起：面向 AI 的营销，即 M2AI（Marketing to AI）。

M2AI 是让品牌、产品、目录与政策层对 AI 系统可读的实践。它绝不只是换了个名字的 SEO。传统 SEO 针对返回链接的搜索引擎做优化；GEO（生成式引擎优化）针对汇总并引用信息的回答引擎做优化；M2AI 的范畴更宽，它涵盖在生成式回答中的可见性、由 AI 中介的产品发现、AI 可读的产品事实、可供智能体访问的商务数据，以及机器可解释的交易上下文。

在 M2H 中，产品页要问的是：这一页能否说服一个人？

在 M2AI 中，产品页要问的是：AI 系统能否提取出推荐这件产品所需的确切事实？

这是两个不同的问题。

人可以推断“以透气天然纤维制成”也许意味着棉、麻、竹或别的什么。AI 系统也能猜，但猜测带来风险。人可以查看一张图片来推断尺寸、质地与颜色；AI 系统也许能看到图片，但要做可靠比较仍需要明确的属性。人可以读一长段文字，理解某产品适合容易燥热出汗的睡眠者；AI 系统则需要把这一使用场景表达得足够清晰，才能匹配诸如“潮湿公寓里最好的凉感床单”这样的查询。

M2AI 并不是要取代品牌叙事，而是要在其下方再加一层。

人类购物者看故事，AI 智能体要的是事实。

最强的商务组织会同时运营这两层。它们会继续打造精美的人类体验，但也会建设 AI 可读的基础设施，让智能体能够理解店铺卖什么、每件产品面向谁、为何重要、以及如何与他者比较。

4. 智能体商务旅程

智能体商务可以理解为一段五阶段的旅程：

• 发现
• 评估
• 推荐
• 交易
• 售后服务

每个阶段都有不同的数据需求。

发现

发现是 AI 系统决定哪些产品或商家应进入候选集的时刻。在传统搜索中，发现往往与关键词、链接、内容相关性和可抓取性绑定。在智能体商务中，发现取决于 AI 系统能否检索到与用户自然语言意图相匹配的产品数据。

如果用户要找“一款 200 美元以内、可快速发货的 queen 尺寸有机棉床垫保护垫”，智能体需要若干事实：

• 产品品类；
• 尺寸；
• 材质；
• 价格；
• 可购性；
• 发货速度；
• 商家资格；
• 评价或信任信号；
• 退货政策；
• 与用户所述需求的契合度。

如果这些事实被埋没、缺失、不一致，或只能通过客户端交互获取，产品就可能无法进入候选集。

评估

评估是比较阶段。智能体跨商家比较产品。正是在这里，含糊的产品文案不敌明确的结构化信息。

评估需要：

• 属性；
• 规格；
• 变体；
• 价格；
• 可购性；
• 评价；
• 政策；
• 认证；
• 使用场景；
• 局限；
• 替代选项。

智能体需要解释某件产品为何比另一件更契合。如果商家未提供可比较的事实，智能体可能更青睐那些数据更易比较的商家。

推荐

推荐就是最终的精选清单。智能体必须决定向用户呈现哪些产品。推荐不只需要匹配，还需要把握。

AI 系统往往偏好这样的信息：

• 清晰；
• 时效新；
• 有佐证；
• 结构化；
• 相关；
• 跨来源一致。

这正是外部信任信号为何重要的原因。评价、第三方引用、产品文档、政策、品牌声誉与权威提及，都会影响这一把握层。

交易

交易是购买这一步。它可能发生在商家网站上、平台控制的结账流程中、应用内浏览器里，或通过某个协议中介的流程完成。OpenAI 的 Instant Checkout 公告与 ACP 文档都指向智能体辅助的交易协调。Shopify 的 agentic storefront 文档把 ChatGPT 描述为一个具有独立顾客结账体验的产品发现渠道。Google 的 UCP 工作则指向购物旅程间更广泛的互操作性。

交易就绪度取决于：

• 结账兼容性；
• 支付支持；
• 商家政策；
• 税费与运费逻辑；
• 库存准确性；
• 欺诈防控；
• 订单确认；
• 顾客同意授权。

售后服务

售后服务包括订单状态、退货、保修、支持、换货、订阅与重新下单等流程。随着智能体能力增强，售后服务可能会并入发起购买时所用的同一个对话界面。

对商家而言，这意味着政策也必须是机器可读的。一份在视觉上存在、但语义含糊的退货政策，可能在智能体中介的服务中制造摩擦。

5. 智能体商务技术栈

智能体商务不是单一工具，而是一套技术栈。

最顶层是用户界面：ChatGPT、Gemini、Perplexity、Claude、Google AI Mode、零售商的 AI 助手、语音助手，或定制的购物智能体。

其下是意图层。智能体把用户语言翻译成结构化约束。这些约束可能包括预算、送达截止时间、产品品类、价值取向、尺寸、材质、医疗或安全限制、风格、所在地与使用场景。

意图层之下是检索层。AI 系统需要产品选项。它可能从平台目录、商家数据源、被索引的网页、结构化数据、API、第一方集成、第三方供应商或实时检索中获取。

检索之下是评估层。智能体利用可得的产品事实、商家声誉、用户偏好与平台规则来比较产品。

评估之下是信任层。系统评估产品信息是否可靠、时效是否新、是否被允许、以及呈现是否安全。

信任之下是交易层。用户可能点击跳转到商家、使用应用内浏览器，或通过智能体商务协议或平台结账完成下单。

交易之下是履约与服务层。商家仍负责库存、支付结算、配送、退货、客户支持与售后流程。

对商家而言，这套技术栈带来一个新要求：仅仅优化可见的产品页已经不够。商家需要能够穿过智能体商务技术栈每一层的产品信息。

实际的问题变成了：

你的产品数据是否足够可读，能够熬过检索、评估、推荐与交易？

6. 智能体商务协议：ACP、UCP、MCP 与协议层

智能体商务需要协议，因为智能体、商家、支付服务商与平台需要一种共享的方式来交换商业信息。

协议格局仍然年轻，商家不应假设某一个协议已经胜出。不同协议解决不同的问题。

Agentic Commerce Protocol (ACP)

OpenAI 于 2025 年 9 月在 ChatGPT 中推出了 Instant Checkout，并把 Agentic Commerce Protocol 描述为其与 Stripe 共同开发的 AI 商务开放标准。ACP 旨在帮助 AI 智能体、个人与企业协同完成购买。OpenAI 2026 年 3 月的产品发现更新也把 ACP 描述为 AI 原生商务与产品发现的基础之一。

通俗地说，ACP 关注的是在用户、智能体与商家之间打通 AI 辅助的商务流程。

Universal Commerce Protocol (UCP)

Google 宣布了面向智能体购物时代的新技术与工具，其中包括 Universal Commerce Protocol。Google 的视角覆盖整个购物旅程，包括发现、购买与售后支持。UCP 被定位为智能体与零售系统通过一种通用商务语言进行交互的方式。

通俗地说，UCP 关注的是在零售商、平台与商务系统之间标准化智能体商务交互。

Model Context Protocol (MCP)

Anthropic 推出 Model Context Protocol，作为把 AI 助手连接到数据所在系统的标准。MCP 本身不是商务协议，它更为通用。但它对智能体商务很重要，因为商务智能体需要访问工具、数据库、目录、政策与运营系统。

通俗地说，MCP 关注的是把 AI 系统连接到外部工具与数据源。

为何协议无法解决一切

协议铺设的是轨道。它们并不保证可见性。

一个商家可以兼容协议，却仍不被推荐。一个商家可以被收录进目录，却仍不出现在某个具体的购物回答里。一个商家可以暴露产品数据，但若产品事实不完整、含糊或难以比较，其 AI 可读性仍然薄弱。

协议回答的问题是：系统之间如何通信？

AI 可读性回答的问题是：一旦通信成为可能，AI 系统能理解什么？

二者缺一不可。

7. Shopify 与智能体商务

Shopify 在智能体商务的讨论中处于核心位置，因为它代表着一个庞大的商家、目录、结账体验与店面数据生态。Shopify 已宣布推出 Agentic Storefronts，并参与到包括 ChatGPT、Microsoft Copilot、Google AI Mode 与 Gemini 在内的各类 AI 渠道。OpenAI 表示，Shopify 商家的产品数据已通过 Shopify Catalog 集成进 ChatGPT，帮助产品在相关对话中更准确、更完整地出现。

这是一次重要转变。它意味着许多 Shopify 商家在 AI 产品发现上不再从零起步。它们的产品可能借助 Shopify 的基础设施而有资格出现在 AI 购物体验中。

但这也带来一种误解。

被 Shopify Catalog 收录，并不等于在推荐中占据主导。

收录意味着一件产品可能在某个渠道里得到呈现；推荐意味着该产品被选中——被认为对某个具体的用户诉求而言相关、可信且有用。

这一区别正是商家的战略落差所在。

AI 系统仍需判断：

• 产品是否匹配查询；
• 属性是否完整；
• 商家是否可信；
• 价格与可购性是否为最新；
• 产品与替代选项相比是否表现良好；
• 产品是否有足够证据支撑一次推荐；
• 产品在平台政策下是否被允许；
• 商家路径是否带来良好的用户体验。

Shopify 给了商家一个强大的分发层，但并未消除对产品清晰度的需求。

对 Shopify 商家而言，智能体商务就绪度如今有两层：

• 平台参与：店铺是否合格、是否在 AI 渠道中得到呈现？
• AI 可读性：产品数据能否被有把握地理解、比较与推荐？

第二层正是许多商家将要竞争的战场。

8. 为何目录收录不等于 AI 可见性

目录收录是一个二元或近乎二元的概念：一件产品要么被收录进目录、数据源或发现渠道，要么没有。

AI 可见性则是概率性的。它取决于一件产品是否出现在相关的 AI 回答、推荐、比较与购物流程中。

这种区别类似于“被 Google 索引”与“排在第一页”之间的区别。被索引是必要的，但并不充分。

在智能体商务中，一件产品可能在多个环节失败：

• 它可能被收录却未被检索到。
• 它可能被检索到却未被理解。
• 它可能被理解却未被信任。
• 它可能被信任却未被选中。
• 它可能被选中却未被转化。

每一种失败都有不同的成因。

如果产品未被检索到，问题可能出在品类映射、目录呈现、可抓取性或缺失的词项。

如果产品被检索到却未被理解，问题可能是 AI 可读性差、属性含糊、事实被埋没，或语料单元过多。

如果产品被理解却未被信任，问题可能是评价薄弱、政策缺失、宣称不一致，或缺乏外部佐证。

如果产品被信任却未被选中，问题可能是价格、可购性、使用场景不匹配，或存在更强的替代选项。

如果产品被选中却未被转化，问题可能是着陆体验、结账摩擦、运费、配送时长或信任。

这正是为什么智能体商务优化无法被简化为单个文件、标签或数据源。它需要一种贯穿发现、理解、信任与转化的分层视角。

9. AI 可读性：智能体商务中缺失的一层

AI 可读性是指 AI 系统能够高效理解、检索并使用一个网站或目录中信息的程度。

AI 可读性与人类可读性并不相同。一个产品页可能对人很好读，对 AI 系统却很难解析。人类读者能容忍含糊，AI 检索系统则需要明确性。

对电商而言，AI 可读性取决于若干因素：

• 产品事实明确；
• 属性结构化；
• 变体清晰；
• 评价可获取；
• 政策可读；
• 对比稳定；
• 使用场景直接陈述；
• 宣称有支撑；
• 媒体有文本等价物；
• 页面没有被无关的语料单元塞满。

“语料单元”这一说法很有用，因为 AI 系统并不像人滚动页面那样去读网站。它们处理的是一块块文本、结构化数据、表格、元数据与被检索的段落。每一个多余或含糊的单元都会抬高理解成本。

一个电商页面往往包含许多低价值语料单元：

• 重复的营销口号；
• 装饰性文案；
• 重复的导航文字；
• 含糊的利益陈述；
• 被隐藏或折叠的内容；
• 客户端渲染的片段；
• 缺失的产品属性；
• 不一致的变体描述；
• 非结构化的评价；
• 脱离产品上下文的政策文字。

减少语料单元并不意味着删除有用内容，而是减少 AI 系统在理解产品之前必须处理的嘈杂、含糊或冗余信息的数量。

在智能体商务中，更低的 AI 阅读成本可以提升检索的把握度。当产品事实清晰时，AI 智能体就更少有理由跳过该产品、误述它，或转而选择一个更易解析的竞品。

这就是 AI 可读商务背后的核心理念：

一件产品越容易被 AI 理解，它就越可能在由 AI 中介的购买决策中被纳入考量。

10. SEO、GEO、AEO 与智能体商务优化的区别

SEO、GEO、AEO 与智能体商务优化彼此重叠，却并不等同。

SEO，即搜索引擎优化，是帮助页面在搜索引擎中获得排名的实践。它关注可抓取性、索引、相关性、权威性、技术性能、内容质量与用户意图。

GEO，即生成式引擎优化，是提升在 AI 生成式回答中可见性的实践。它关注被 AI Overviews、ChatGPT、Perplexity、Gemini 等回答引擎引用、汇总与呈现。

AEO，即回答引擎优化（Answer Engine Optimization），常被用来描述针对直接回答、精选摘要、语音助手与面向回答的搜索系统所做的优化。

智能体商务优化则更为具体。它关注 AI 购物智能体能否围绕产品进行发现、评估、推荐并协助交易。

SEO 问的是：一个页面能排名吗？

GEO 问的是：一个页面能被引用或汇总吗？

AEO 问的是：一个页面能回答一个问题吗？

智能体商务优化问的是：AI 智能体能否用这些产品数据做出一次购买推荐？

最后这个问题有着不同的要求。AI 系统可能需要比较价格、尺寸、材质、可购性、兼容性、评价、退货政策、配送时长、认证与使用场景契合度。它可能需要在与竞品的对照中为一次推荐辩护，需要知道产品在某个渠道里是否可购买，还需要理解商家的政策是否满足用户的约束。

这正是产品数据为何变得核心的原因。智能体商务优化不只是内容营销，它是一种商务数据架构。

11. AI 智能体如何评估产品

AI 购物智能体通常通过检索、排序、推理与回答生成的组合来评估产品。

具体过程因平台而异，但底层模式相似。

第一，智能体理解用户的诉求。用户可能会问：“帮我找一款 250 美元以内、本周能发货的无毒婴儿床垫。”智能体识别出品类、安全顾虑、预算、发货要求，以及可能的信任约束。

第二，系统检索候选产品。它可能使用搜索索引、产品目录、商家数据源、API、结构化数据或购物集成。

第三，系统提取可比较的事实。它需要尺寸、材质、认证、评价、价格、可购性、退货政策与其他属性。

第四，系统评估契合度。它把每件产品对照用户的约束、并相互之间进行比较。

第五，系统生成解释。它呈现一份精选清单，并说明每个选项为何契合。

第六，用户可能进一步细化诉求。智能体更新约束并重复评估。

关键在于：智能体需要足够稳定、可供比较的产品事实。

如果一个商家只提供品牌叙事，产品就可能难以评估。如果一件产品有很好的评价，但这些评价无法以结构化或可读的方式被获取，智能体可能就不会使用它们。如果一件产品有认证，却只以图片徽章的形式展示，智能体可能会错过。如果一件产品有变体，但变体逻辑不清晰，智能体可能会回避给出推荐。

智能体商务奖励明确的产品真相。

12. 产品事实就是新的着陆页

在传统电商中，着陆页是主要的说服面。它把标题、图像、宣称、评价、社会认同、紧迫感与行动号召融为一体。

在智能体商务中，产品事实在用户着陆之前就成了说服面。

设想一个用户向 AI 助手提出：“适合狭窄城市公寓、300 美元以内、易折叠、能放进小型汽车后备箱的最佳旅行婴儿车。”助手也许根本不会给用户展示十个着陆页，而是给出三件产品和一张简短的对比表。

如果你的产品不在那张表里，你的着陆页就永远没有机会。

真正要紧的产品事实包括：

• 确切的产品品类；
• 尺寸；
• 重量；
• 材质；
• 变体选项；
• 价格；
• 可购性；
• 发货时长；
• 退货政策；
• 保修；
• 认证；
• 使用场景；
• 局限；
• 评价摘要；
• 兼容性；
• 对比要点；
• 护理说明；
• 安全约束。

这并不会让设计变得无关紧要，它改变的是顺序。AI 智能体可能先产生精选清单，随后人类再从视觉与情感上评估最终的几个选项。

商家必须先赢得机器可读的比较，人类才会看到品牌体验。

13. 结构化数据是必要的，但还不够

结构化数据帮助搜索引擎与其他系统理解页面内容。Google 的电商结构化数据指南鼓励商家加入与电商相关的结构化数据，而产品结构化数据可以支撑富结果与商家列表体验。

对智能体商务而言，结构化数据依然重要。产品结构化数据、报价数据、评价数据、面包屑、组织数据与 FAQ 数据，都能改善机器理解。

但结构化数据并不是问题的全部。

一个页面可以有 Product 结构化数据，却仍在 AI 推荐上表现薄弱——如果这套结构化数据单薄、不完整，或与买家意图脱节。一件产品可以暴露价格与可购性，却没有陈述使用场景。一个页面可以包含评价，却没有为某类特定购物者汇总那些要紧的评价主题。一件产品可以包含材质，却遗漏了认证或兼容性。

AI 系统需要的不只是基础的结构化数据，它们需要一层可读的产品知识层。

这一层包括：

• 结构化属性；
• 人类可读的事实表；
• 使用场景陈述；
• 便于比较的宣称；
• 政策上下文；
• 评价摘要；
• 问答区块；
• 分品类的实体；
• 产品局限；
• 来源一致性。

结构化数据是标记，AI 可读性则是机器理解的完整体验。

14. llms.txt 的角色

llms.txt 是一项被提议的约定，用于向 AI 系统提供一份经过整理的网站重要内容地图。它通常是放在 /llms.txt 的一个 Markdown 文件。这个想法很有用：给语言模型一份可读的指南，指向那些要紧的页面。

但商家应当理解它的局限。

llms.txt 是一个入口。它既不是排名保证、推荐保证，也不是一个已被所有 AI 系统确认采用的通用标准。

对智能体商务而言，llms.txt 可以帮助把智能体指向重要页面，但它无法修复薄弱的产品数据，无法把含糊的产品文案变成结构化的产品事实，也无法在页面缺少所需属性时让产品对用户的约束更相关。

正确的理解方式是：

llms.txt 帮助 AI 系统找到正确的门，AI 可读的内容决定了门打开之后会发生什么。

这一区别之所以重要，是因为许多商家会去寻找一个简单的开关。智能体商务并不是靠加一个文件就能解决的，它需要对店铺有一份更好的机器可读表达。

15. 智能体商务中的信任信号

AI 系统不只需要事实，还需要把握。

一次产品推荐是一个信任事件。AI 智能体实际上是在说：“鉴于你的约束，这件产品值得考虑。”如果推荐错误、过时、不安全或具有误导性，用户体验就会受损。

商家的信任信号包括：

• 已验证评价；
• 评价数量与时效；
• 第三方报道；
• 品牌声誉；
• 退货政策；
• 配送政策；
• 保修；
• 认证；
• 安全信息；
• 成分或材质透明度；
• 客户支持可达性；
• 企业身份；
• 政策一致性；
• 外部引用。

在传统电商中，这些信号帮助人类决定是否购买。在智能体商务中，它们也帮助 AI 系统决定是否推荐。

最强的信任信号是具体的。“高品质”很弱，“1,240 条已验证评价、4.8 星，电池续航与安装速度屡获好评”更强。“环保”很弱，“GOTS 认证有机棉、OEKO-TEX Standard 100 认证、不含所列化学处理”更强。

相比宽泛的宣称，AI 系统更擅长使用精确的宣称。

16. 分品类的智能体商务

智能体商务并不会以同样的方式影响每一个品类。每个电商品类都有自己的高价值属性、风险与比较逻辑。

时尚与服饰

时尚类查询常涉及尺码、版型、风格、面料、场合、可购性、退货政策与身材方面的顾虑。AI 智能体需要尺码表、版型说明、模特信息、面料成分、护理说明、库存状态与退货灵活度。

挑战在于时尚类页面往往高度依赖图片。人能看出垂坠感、廓形与搭配，而 AI 系统需要文本等价物与结构化属性。

美妆与护肤

美妆类查询涉及成分、肤质、过敏、护肤流程兼容性、禁忌、质地、气味、临床宣称与认证。AI 智能体需要成分的清晰度与宣称的边界。这一品类风险也更高，因为产品推荐可能与健康问题交叉。

诸如“清洁”或“温和”这类含糊宣称，远不如明确的成分与使用场景数据有用。

家居与生活

家居类品类常涉及尺寸、材质、房间类型、兼容性、护理、配送、组装、风格与耐用性。AI 智能体需要尺寸与使用场景。一件沙发、床垫保护垫、灯具或收纳产品，若尺寸缺失或不清晰，就可能被淘汰出局。

电子产品与配件

电子产品需要兼容性、规格、接口、标准、保修、电源要求、电池续航、型号支持与安全信息。AI 智能体很可能直接比较规格，单薄的规格数据会带来重大劣势。

食品、饮料与膳食补充剂

这些品类涉及成分、饮食限制、份量、过敏原、认证、储存、订阅与合规。AI 智能体必须避免过度宣称，并需要清晰的标签。

结论很简单：

智能体商务就绪度是分品类的。一套通用的 AI 可见性策略，弱于一套与品类相匹配的产品属性策略。

17. 面向 DTC 品牌的智能体商务

DTC 品牌在智能体商务中面临一个特殊挑战。它们常常凭借品牌故事、视觉识别、社群、达人信任与产品差异化取胜，而这些往往很难用标准的市场平台字段来表达。

如果 AI 系统无法解析这种差异化，那份优势就可能变成劣势。

一个 DTC 品牌的产品也许比市场平台上的替代品更好，但市场平台上的产品可能拥有更清晰的数据：价格、评价、可购性、配送、图片、规格与结构化属性。如果 AI 系统能更有把握地比较市场平台产品，它可能会先推荐那件产品。

对 DTC 品牌而言，智能体商务的机会很大，因为 AI 智能体能够把小众产品匹配到具体的用户需求。只要差异点明确且相关，一个规模较小的品牌也能被推荐。

但这要求品牌把它的故事翻译成产品事实。

例如：

• “为城市公寓设计”要变成尺寸、可折叠性、收纳占地、重量与安装时间。
• “适合敏感肌”要变成成分排除清单、肤质测试、皮肤科医生说明与使用场景边界。
• “优质材质”要变成材质类型、认证、来源、耐用性与护理说明。
• “更适合送礼”要变成包装、送达时机、价格档位、个性化与收礼人使用场景。

智能体商务可以帮助 DTC 品牌与更大的零售商竞争，但前提是智能体能够理解这件产品为何与众不同。

18. 智能体商务的经济学

智能体商务改变了获客经济学，因为 AI 智能体压缩了发现环节。

在传统效果营销中，商家付费把用户引到页面，再设法转化他们。在智能体商务中，用户可能在旅程的更靠后阶段才到达——他们也许已经向智能体询问过选项、细化过约束、比较过替代品并选定了一份精选清单。

这可能带来意图更强的流量。来自 AI 推荐的用户，可能比来自宽泛搜索查询的用户更接近购买。但它也可能造成“赢家通吃更多”的动态：如果 AI 助手呈现三个选项，第四个选项实际上就隐形了。

经济学的重心从流量规模转向被纳入推荐。

商家需要度量：

• 品牌在 AI 回答中出现的频率；
• 产品在非品牌提示词下出现的频率；
• AI 引用或提及商家的频率；
• 哪些提示词带来可见性；
• 哪些竞品与品牌同时出现；
• 来自 AI 的流量是否转化；
• AI 推荐是否准确；
• 产品事实是否被正确呈现。

这正是监测为何重要的原因。但监测本身并不创造可见性，它只是告诉商家可见性在哪里缺失。商家仍需改进 AI 系统所读取的数据层。

经济优势来自把度量与 AI 可读性结合在一起。

19. 度量：全新的 KPI

智能体商务需要新的指标。传统电商指标依然重要，但它们无法完整捕捉由 AI 中介的发现。

重要的指标包括：

AI 提及率

在一组既定的提示词中，品牌或产品在 AI 回答里出现的频率有多高？

提示词覆盖率

品牌能在多少个相关的用户意图下出现？

AI 回答中的声量份额

当多个品牌同时出现时，相对于竞争对手，商家出现的频率有多高？

引用率

AI 系统引用、链接或提及商家页面的频率有多高？

产品事实准确度

当产品出现时，价格、材质、尺寸、可购性与各项宣称是否正确？

AI 引荐流量

有多少流量来自 AI 平台或 AI 辅助的浏览路径？

AI 引荐转化率

来自 AI 推荐的用户，其转化率更高还是更低？

语料效率

AI 系统要提取出核心产品事实，必须处理多少个语料单元？

属性完整度

在各项关键品类要求上，产品属性的完整程度如何？

结构化标记覆盖率

有多少重要的产品、政策、评价、FAQ 与组织事实是以结构化形式呈现的？

最先进的商家不会把这些当作虚荣指标。他们会用它们来理解 AI 系统在哪里没能读懂这家店铺。

20. 商家就绪度模型

智能体商务就绪度可以从四个维度来评估：

可访问性

AI 系统能否访问相关页面、产品数据、政策与支撑内容？

可访问性包括可抓取性、可索引性、robots 配置、sitemap 是否存在，以及重要事实是否被藏在脚本、标签页、表单或不可访问的媒体之后。

清晰度

AI 系统能否在无需过度推断的情况下理解产品事实？

清晰度包括产品标题、属性、变体、表格、使用场景陈述、对比要点与政策措辞。

可信度

AI 系统能否信任这些宣称？

可信度包括评价、第三方提及、认证、企业身份、客户支持、政策一致性与外部佐证。

商务就绪度

产品能否在相关渠道中被推荐与购买？

商务就绪度包括价格、可购性、配送、结账路径、退货、履约、合规与商家资格。

这个模型之所以重要，是因为一个商家可能在某个维度很强、在另一个维度很弱。一件产品可能可访问却不清晰，可能清晰却不可信，也可能可信却无法在该渠道购买。

智能体商务就绪度是一套系统，而非单一分数。

21. DeepLumen 的角色：降低 AI 阅读成本

DeepLumen 在智能体商务中的立场是：许多电商站点首先面临的并不是可见性问题，而是 AI 可读性问题。

智能体无法有把握地推荐它无法高效理解的东西。

DeepLumen 聚焦三项彼此关联的能力：

1. 计算并减少语料单元

AI 系统必须处理文本、元数据、结构化数据与被检索段落这些单元，才能理解一个站点。许多电商页面包含太多低信号单元，而明确的产品事实却太少。

减少语料单元意味着让 AI 系统理解站点的代价更低。目标不是内容更短，而是信号密度更高。

2. 提升 AI 可读性

AI 可读性意味着让产品与品牌信息更便于 AI 系统检索与比较。它包括更清晰的产品属性、更好的实体结构、更明确的使用场景，以及更少含糊的产品措辞。

3. 自动应用结构化标记

结构化标记有助于把散落的产品、政策、评价与品牌事实转化为机器可读的信号，从而让 AI 系统与搜索系统更容易解读站点。

这些能力合在一起，在既有的人类店面之下形成一层 AI 可读的内容。

人类店面依旧精美，而 AI 可读层让店铺对智能体可读。

22. 关于智能体商务的常见误解

误解 1：智能体商务只是聊天机器人购物。

聊天机器人购物只是其中一种界面。智能体商务的范畴更宽，它包含发现、比较、购买协调、售后支持，以及系统对系统的商务工作流。

误解 2：只要我的产品进了目录，就大功告成了。

目录收录只是起点。AI 系统仍需决定要检索并推荐哪些产品。

误解 3：SEO 已经解决了这件事。

SEO 帮助页面在搜索引擎中排名。智能体商务需要的是能够支撑由 AI 中介的推荐与交易的产品数据。

误解 4：有 llms.txt 就够了。

llms.txt 可以把 AI 系统引导到重要内容，但它无法修复薄弱的产品事实或糟糕的 AI 可读性。

误解 5：AI 智能体总会选最便宜的产品。

价格很重要，但 AI 智能体可能还会考虑可购性、质量、评价、政策、兼容性与用户的约束。

误解 6：产品页好看就够了。

好看的页面有助于人类。AI 智能体需要的是明确、结构化的产品信息。

误解 7：只有大型零售商受益。

大型零售商受益于规模与数据，但只要产品事实更清晰、更相关，规模较小的商家也能在特定意图的查询中胜出。

误解 8：智能体商务会移除商家关系。

有些流程可能让商家的品牌与结账保持核心地位，有些则可能经由平台界面路由。这个生态仍在演进。

误解 9：监测能创造可见性。

监测揭示的是可见性的缺口，它并不会自动让产品数据更可读。

误解 10：智能体商务只关乎结账。

结账只是其中一层。发现与评估可能更重要，因为它们决定了产品是否会被纳入考量。

23. 风险与治理

智能体商务带来了新的风险。

错误的产品推荐

AI 系统可能基于不完整或过时的数据推荐产品。这会引发顾客不满与潜在的合规顾虑。

幻觉式的产品事实

如果产品信息含糊，AI 系统可能会错误地填补空白。清晰的产品事实可以降低这一风险。

政策误读

退货、保修、配送与安全政策若含糊或难以解析，就可能被误解。

数据时效

价格、库存与可购性必须保持最新。陈旧的数据会很快摧毁信任。

渠道依赖

商家可能会变得依赖那些排名与推荐规则并不完全透明的 AI 平台。

度量的不确定性

AI 可见性比搜索排名更难度量，因为提示词千差万别，生成式回答也会变化。

安全与支付风险

由智能体中介的结账需要强有力的同意授权、身份、欺诈、支付与履约控制。

品牌失真

如果品牌实体薄弱或在各来源间不一致，AI 系统可能会不准确地概述这个品牌。

智能体商务治理应当涵盖产品数据质量、政策清晰度、监测、安全审查、客户支持就绪度与品牌实体管理。

24. 商家在行动前应当理解什么

商家应当从理解问题入手，而不是追逐工具。

第一个问题不是“我们该实施哪一种 AI 商务协议？”，而是“AI 系统能否足够准确地理解我们的产品，从而推荐它们？”

一个商家应当知道：

• 它们的产品事实是否明确；
• 变体是否易于解析；
• 重要宣称是否有支撑；
• 评价是否可获取；
• 政策是否清晰；
• 分品类的属性是否完整；
• AI 系统当前是否提及该品牌；
• 品牌是否在非品牌提示词下出现；
• AI 生成的产品描述是否准确。

这就是新的诊断层。

一旦商家理解了这些缺口，就能决定优先做什么：目录呈现、结构化数据、内容清晰度、评价信任、政策可读性、结账兼容性，或外部权威。

智能体商务还太早，谈不上一刀切的处方。但就绪度的规律很清楚：

AI 系统奖励那些产品易读、易比较、易信任的商家。

25. 智能体商务与电商团队的未来

智能体商务将改变电商团队的工作方式。

SEO 团队需要理解 AI 检索与生成式回答。

产品团队需要维护更干净的产品属性。

商品运营团队需要以使用场景匹配来思考，而不只是品类页面。

内容团队需要同时为人类与 AI 系统写作。

数据团队需要支撑产品数据源、结构化标记与度量。

客户支持团队需要让政策与答案能被智能体准确使用。

法务与合规团队需要审查那些 AI 系统可能会复述的宣称。

增长团队需要追踪 AI 可见性、AI 引荐与提示词级别的声量份额。

电商组织将变得更跨职能，因为 AI 智能体不理会内部的部门壁垒。它们检索一切可得的信息，并用来回答用户的问题。

如果产品数据团队、内容团队与营销团队说法不一，AI 系统可能会给出不稳定的回答。

智能体商务奖励内部的一致性。

26. 竞争格局

围绕智能体商务与 AI 可见性，正涌现出几类工具。

AI 可见性监测平台

这类工具帮助品牌衡量自己是否出现在 AI 回答中、哪些提示词带来可见性、竞争对手如何呈现，以及哪些来源被引用。

它们回答的是：我们在哪里可见？

提示词发现平台

这类工具帮助识别顾客可能提出的提示词类型，以及 AI 系统如何回应。

它们回答的是：用户在问什么？

llms.txt 与 AI 爬虫工具

这类工具帮助为 AI 系统提供站点地图或爬虫指引。

它们回答的是：AI 系统能找到重要页面吗？

GEO 内容平台

这类工具帮助创作旨在获得生成式搜索可见性的内容。

它们回答的是：我们能否发布 AI 系统可能引用的内容？

AI 可读的商务基础设施

这一层聚焦于让产品数据、政策、评价与使用场景更便于 AI 系统解析与比较。

它回答的是：AI 系统能否足够好地理解这家店铺，从而推荐它？

DeepLumen 属于最后这一类。它不只是一个监测层，而是聚焦于底层商务数据的可读性与结构。

27. 商家面临的战略问题

每个商家都应当问一个简单的问题：

如果一位购物者向 AI 智能体询问我们所售的那件确切产品，智能体掌握的信息是否足以推荐我们？

这个问题比追问站点有没有 SEO 流量更有用。它检验的是智能体商务就绪度的核心。

要回答它，商家需要审视：

• 产品属性完整度；
• 产品事实清晰度；
• 变体清晰度；
• 分品类的实体；
• 顾客评价的可获取性；
• 信任信号；
• 政策；
• 外部的品牌提及；
• AI 回答中的表现；
• 引荐行为。

如果智能体无法理解产品，它就无法有把握地推荐它。

如果智能体无法比较产品，它可能会选择竞品。

如果智能体无法信任商家，它可能会略去这个品牌。

如果智能体找不到购买路径，它可能止步于推荐。

智能体商务不是单一问题，而是一条链。最薄弱的一环决定了结果。

28. 常见问题：智能体商务

什么是智能体商务？

智能体商务是指由 AI 智能体协助用户发现、评估、推荐并购买产品或服务的商务形态。它把购物旅程的一部分从人工浏览转移到由 AI 中介的决策过程。

智能体商务和对话式商务是一回事吗？

不是。对话式商务通常指通过聊天或消息渠道购物。智能体商务的范畴更宽，它包含能够理解目标、比较选项、协调结账并支持售后流程的 AI 智能体。

智能体商务已经落地了吗？

是的，早期形态已经上线。OpenAI 在 ChatGPT 中提供了产品发现，并随 ACP 推出了 Instant Checkout。Shopify 已宣布 Agentic Storefronts，并让 Shopify Catalog 参与到 AI 渠道中。Google 也推出了智能体商务工具与 UCP。这个生态仍在演进，但转变已经开始。

Shopify Catalog 能保证我的产品出现在 ChatGPT 里吗？

不能。Shopify Catalog 可以帮助符合条件的商家产品在 AI 产品发现中得到呈现，但并不保证某个特定产品会针对某个特定查询被推荐。是否被推荐取决于相关性、数据质量、信任、可购性、平台规则与用户意图。

什么是 Agentic Commerce Protocol？

Agentic Commerce Protocol（ACP）是 OpenAI 与 Stripe 为 AI 辅助商务流程推出的开放标准。它旨在帮助 AI 智能体、用户与企业协同完成购买。

什么是 Google 的 Universal Commerce Protocol？

Google 的 Universal Commerce Protocol（UCP）是 Google 智能体商务工作的一部分。它旨在为购物旅程中的智能体、零售商与商务系统建立一种通用的商务语言。

什么是 AI 可读性？

AI 可读性是指 AI 系统能够高效理解、检索并使用一个网站信息的程度。对电商而言，它意味着产品事实、属性、政策、评价与使用场景足够清晰，便于 AI 智能体进行比较与推荐。

AI 可读性对智能体商务为何重要？

AI 智能体需要清晰的产品事实才能做出推荐。如果一个产品页含糊、嘈杂或难以解析，即便它是一件优秀的产品，也可能被排除或被错误呈现。

结构化数据对智能体商务足够了吗？

结构化数据很重要，但它本身还不够。智能体商务还需要完整的产品属性、清晰的使用场景陈述、可读的政策、可获取的评价与信任信号。

AI 可见性监测与 AI 可读性有什么区别？

AI 可见性监测告诉品牌它是否出现在 AI 回答中。AI 可读性则改进底层的内容与数据，让 AI 系统能更可靠地理解品牌与产品。

什么是语料单元？

语料单元是 AI 系统在阅读或从站点检索时所处理的一个个离散信息片段。减少不必要或含糊的语料单元，可以降低 AI 阅读成本并提升产品事实的清晰度。

商家应如何思考智能体商务就绪度？

商家应当评估 AI 系统能否访问、理解、信任、比较并推荐它们的产品。就绪度并不只关乎结账，它始于对产品的理解。

29. 术语表

智能体（Agent）

一个能够理解目标并朝该目标采取行动的 AI 系统或软件进程。

智能体商务（Agentic Commerce）

由 AI 中介的商务，其中智能体协助用户发现、评估、推荐并购买产品或服务。

Agentic Commerce Protocol (ACP)

由 OpenAI 与 Stripe 推出、用于支持 AI 辅助商务与结账流程的开放标准。

AI 可读性

AI 系统能够高效理解并使用一个网站或目录中信息的程度。

AI 可见性

品牌或产品出现在 AI 生成式回答、推荐与发现流程中的程度。

回答引擎

一种用生成式回答而不只是提供链接来响应查询的系统。

目录收录

产品数据出现在目录、数据源或平台发现层中的状态。

引用率

AI 系统引用或提及某品牌内容的频率。

语料单元

AI 系统所处理的一段文本、元数据、结构化数据或被检索内容的单元。

GEO

生成式引擎优化（Generative Engine Optimization），即提升在 AI 生成式回答中可见性的实践。

llms.txt

一个被提议放在网站根目录的 Markdown 文件，为 AI 系统提供一份经过整理的重要内容地图。

M2AI

面向 AI 的营销（Marketing to AI），即让品牌与产品信息对 AI 系统可读的实践。

产品事实

关于一件产品的具体、可验证的属性或宣称，例如价格、材质、尺寸、兼容性或认证。

提示词覆盖率

品牌或产品在 AI 回答中出现所对应的相关用户提示词数量。

结构化标记

机器可读的元数据，常使用结构化数据词汇，帮助系统理解页面内容。

Universal Commerce Protocol (UCP)

Google 面向跨零售商、智能体与商务系统的智能体商务交互所推出的协议倡议。

30. 结语

智能体商务并不只是一个新的结账按钮，它是介于购物者与商家之间的一层新的决策层。

在旧的网络里，商家争夺点击。在智能体网络里，商家争夺 AI 的理解、AI 的信任与 AI 的推荐。

浏览器页面不会消失，人类体验依然重要。但通往那份人类体验的路径，可能会越来越多地经由一个 AI 智能体。智能体会检索产品数据、比较属性、评估信任并推荐一份精选清单。如果商家的产品对那套系统不可读，商家可能根本进不了买家的考量集。

这正是智能体商务同时也是一个信息架构问题的原因。

商家需要让自己的店铺更便于 AI 理解。他们需要更少的嘈杂语料单元、更清晰的产品事实、更强的结构化标记、更明确的使用场景、可获取的信任信号，以及分品类的产品数据。

智能体商务的赢家不只是拥有最大目录或最精致网站的品牌，而是那些产品能被 AI 智能体以最少含糊、最高把握加以理解的品牌。

下一个销售渠道不只是又一个市场平台。

它是 AI 智能体在决定什么才配进入对话。

参考资料与来源说明

• OpenAI，《Powering Product Discovery in ChatGPT》，2026 年 3 月 24 日：https://openai.com/index/powering-product-discovery-in-chatgpt/
• OpenAI，《Buy it in ChatGPT: Instant Checkout and the Agentic Commerce Protocol》，2025 年 9 月 29 日：https://openai.com/index/buy-it-in-chatgpt/
• Shopify，《Millions of merchants can sell in AI chats》，2026 年：https://www.shopify.com/news/agentic-commerce-momentum
• Shopify 帮助中心，《Using ChatGPT agentic storefront》：https://help.shopify.com/en/manual/online-sales-channels/agentic-storefronts/chatgpt
• Google，《New tech and tools for retailers to succeed in an agentic shopping era》：https://blog.google/products/ads-commerce/agentic-commerce-ai-tools-protocol-retailers-platforms/
• Google Search Central，《Structured Data for Ecommerce Sites》：https://developers.google.com/search/docs/specialty/ecommerce/include-structured-data-relevant-to-ecommerce
• llms.txt 参考站点：https://llmtxt.info/
• Anthropic，《Introducing the Model Context Protocol》：https://www.anthropic.com/news/model-context-protocol

FAQ

什么是智能体商务？

智能体商务是指由 AI 智能体协助用户发现、评估、推荐并购买产品或服务的商务形态。它把购物旅程的一部分从人工浏览转移到由 AI 中介的决策过程。

智能体商务和对话式商务是一回事吗？

不是。对话式商务通常指通过聊天或消息渠道购物。智能体商务的范畴更宽，它包含能够理解目标、比较选项、协调结账并支持售后流程的 AI 智能体。

智能体商务已经落地了吗？

是的，早期形态已经上线。OpenAI 在 ChatGPT 中提供了产品发现，并随 ACP 推出了 Instant Checkout。Shopify 已宣布 Agentic Storefronts，并让 Shopify Catalog 参与到 AI 渠道中。Google 也推出了智能体商务工具与 UCP。

Shopify Catalog 能保证我的产品出现在 ChatGPT 里吗？

不能。Shopify Catalog 可以帮助符合条件的商家产品在 AI 产品发现中得到呈现，但并不保证某个特定产品会针对某个特定查询被推荐。是否被推荐取决于相关性、数据质量、信任、可购性、平台规则与用户意图。

什么是 AI 可读性？

AI 可读性是指 AI 系统能够高效理解、检索并使用一个网站信息的程度。对电商而言，它意味着产品事实、属性、政策、评价与使用场景足够清晰，便于 AI 智能体进行比较与推荐。

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@context": "https://schema.org",
      "@type": "Organization",
      "@id": "https://staging2.deeplumen.io/#organization",
      "name": "DeepLumen",
      "url": "https://staging2.deeplumen.io/",
      "inLanguage": "zh-CN",
      "logo": {
        "@type": "ImageObject",
        "url": "https://staging2.deeplumen.io/logo.png",
        "width": 200,
        "height": 200
      },
      "image": "https://staging2.deeplumen.io/og-image.png",
      "slogan": "面向商家侧的智能体商务层",
      "description": "DeepLumen 是一个智能体商务（agentic commerce）平台，帮助品牌和产品被 AI 智能体发现、推荐，并进入交易流程。",
      "sameAs": [
        "https://www.linkedin.com/company/deeplumen/",
        "https://x.com/Deeplumen0922"
      ],
      "knowsAbout": [
        "智能体商务",
        "AI 购物智能体",
        "生成式引擎优化",
        "AI 搜索优化",
        "产品结构化数据",
        "结构化数据",
        "llms.txt",
        "AI 推荐流量",
        "M2AI"
      ]
    },
    {
      "@context": "https://schema.org",
      "@type": "WebSite",
      "@id": "https://staging2.deeplumen.io/#website",
      "name": "DeepLumen",
      "url": "https://staging2.deeplumen.io/",
      "inLanguage": "zh-CN"
    },
    {
      "@context": "https://schema.org",
      "@type": "BreadcrumbList",
      "itemListElement": [
        {
          "@type": "ListItem",
          "position": 1,
          "name": "首页",
          "item": "https://staging2.deeplumen.io/zh/"
        },
        {
          "@type": "ListItem",
          "position": 2,
          "name": "白皮书",
          "item": "https://staging2.deeplumen.io/zh/whitepapers/"
        },
        {
          "@type": "ListItem",
          "position": 3,
          "name": "智能体商务",
          "item": "https://staging2.deeplumen.io/zh/whitepapers/agentic-commerce/"
        }
      ]
    }
  ]
}

{
  "@context": "https://schema.org",
  "@graph": [
    {
      "@type": "WebPage",
      "@id": "https://staging2.deeplumen.io/zh/whitepapers/agentic-commerce/#webpage",
      "url": "https://staging2.deeplumen.io/zh/whitepapers/agentic-commerce/",
      "inLanguage": "zh-CN",
      "name": "智能体商务白皮书：面向 AI 原生的产品发现、评估与购买",
      "description": "一份关于智能体商务的实战白皮书：AI 智能体如何发现、评估、推荐并协助用户购买产品，以及商家需要理解的 AI 可读产品数据、Shopify Catalog、ACP、UCP 与 GEO。",
      "isPartOf": {
        "@id": "https://staging2.deeplumen.io/#website"
      },
      "about": [
        {
          "@type": "Thing",
          "name": "智能体商务"
        },
        {
          "@type": "Thing",
          "name": "AI 可读商务"
        }
      ]
    },
    {
      "@type": "Article",
      "@id": "https://staging2.deeplumen.io/zh/whitepapers/agentic-commerce/#article",
      "inLanguage": "zh-CN",
      "headline": "智能体商务白皮书：面向 AI 原生的产品发现、评估与购买",
      "description": "一份关于智能体商务、AI 购物智能体、Shopify Catalog、ACP、UCP、GEO 与 AI 可读商务基础设施的实战白皮书。",
      "author": {
        "@type": "Organization",
        "name": "DeepLumen"
      },
      "publisher": {
        "@type": "Organization",
        "name": "DeepLumen",
        "@id": "https://staging2.deeplumen.io/#organization"
      },
      "datePublished": "2026-06-02",
      "dateModified": "2026-06-02",
      "mainEntityOfPage": "https://staging2.deeplumen.io/zh/whitepapers/agentic-commerce/",
      "wordCount": 8561
    },
    {
      "@type": "FAQPage",
      "inLanguage": "zh-CN",
      "mainEntity": [
        {
          "@type": "Question",
          "name": "什么是智能体商务？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "智能体商务是指由 AI 智能体协助用户发现、评估、推荐并购买产品或服务的商务形态。它把购物旅程的一部分从人工浏览转移到由 AI 中介的决策过程。"
          }
        },
        {
          "@type": "Question",
          "name": "智能体商务和对话式商务是一回事吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "不是。对话式商务通常指通过聊天或消息渠道购物。智能体商务的范畴更宽，它包含能够理解目标、比较选项、协调结账并支持售后流程的 AI 智能体。"
          }
        },
        {
          "@type": "Question",
          "name": "智能体商务已经落地了吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "是的，早期形态已经上线。OpenAI 在 ChatGPT 中提供了产品发现，并随 ACP 推出了 Instant Checkout。Shopify 已宣布 Agentic Storefronts，并让 Shopify Catalog 参与到 AI 渠道中。Google 也推出了智能体商务工具与 UCP。"
          }
        },
        {
          "@type": "Question",
          "name": "Shopify Catalog 能保证我的产品出现在 ChatGPT 里吗？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "不能。Shopify Catalog 可以帮助符合条件的商家产品在 AI 产品发现中得到呈现，但并不保证某个特定产品会针对某个特定查询被推荐。是否被推荐取决于相关性、数据质量、信任、可购性、平台规则与用户意图。"
          }
        },
        {
          "@type": "Question",
          "name": "什么是 AI 可读性？",
          "acceptedAnswer": {
            "@type": "Answer",
            "text": "AI 可读性是指 AI 系统能够高效理解、检索并使用一个网站信息的程度。对电商而言，它意味着产品事实、属性、政策、评价与使用场景足够清晰，便于 AI 智能体进行比较与推荐。"
          }
        }
      ]
    }
  ]
}