当 AI 知道真正还有什么库存。
一个 DTC 外套品牌如何让 ChatGPT 与 Perplexity 与实时库存保持同步——并把 AI 渠道会话环比提升了 51.2%。
时尚买家向 AI 提出的问题带着时间维度。
季节性服饰有个记忆问题。AI 助手很爱推荐“去年冬天的爆款大衣”——可品牌早就卖光了。消费者会问有货、有我的码、在某日期之前——这些是静态产品页回答不了的问题。等 AI 爬完页面，尺码情况早就变了。目录需要每晚和模型对话，而不是每季一次。补上这个缺口的品牌会被引用；补不上的，则会因为半年前就售罄的 SKU 而被推荐。
库存一变，镜像也跟着变。
Atelier Vauclair 在 Shopify Plus 上做 124 个当季外套 SKU——羊毛大衣、羊羔毛夹克、上蜡棉风衣。部署之前，ChatGPT 与 Perplexity 已经在推荐里引用这个品牌，但引用的是已经断货半年的 SKU。更糟的是，模型漏掉了真正在架上的款。AI 渠道的进站量表面看着健康；可那些落地的跳出率却很扎心。
Agentic Page 把 AI 可读的镜像直接接到 Shopify 库存，每晚刷新当前的库存状态、尺码可用性与价格。可用性如今作为结构化事实存在于镜像里——而不是样式化的徽标——所以 AI 能把它内联引用。五天内，ChatGPT 与 Perplexity 就识别了新的数据形态。到第九天，首次真实的 ChatGPT 检索在一场“800 美元以内有货”的对话中落到了一个羊羔毛夹克产品页上。
行为改变随之而来。到第三十天，AI 渠道会话越过比上月高 +51.2% 的水平，AI 驱动落地的跳出率大幅下降——买家现在到达的页面还有他们的码。到第六十天，品牌稳定在每天 528 次 AI 检索的新基线，断货 SKU 在库存归零后的二十四小时内就干净地从 AI 提及中消失。
六十天，五个转折点。
由库存驱动的部署有不一样的节奏。索引是容易的部分——真正重要的是每晚的刷新是否真的改变了 AI 谈论目录的方式。Atelier Vauclair 的弧线正好刻画了这一点。
Agentic Page 部署到 124 个当季 SKU。每晚的镜像刷新直接接到 Shopify 库存、尺码可用性与定价。
首批索引完成。ChatGPT 与 Perplexity 识别了实时库存的数据结构，开始把可用性字段当作结构化事实处理。
首次 ChatGPT 实时检索。模型在一场“800 美元以内有货”的对话中抓取一个羊羔毛夹克产品页——并在答案中内联呈现正确的尺码可用性。
转折点。AI 渠道会话越过比上月高 +51.2% 的水平。AI 驱动落地的跳出率大幅下降——买家现在到达的页面还有他们的码。
在每天 528 次 AI 检索建立新基线。断货 SKU 在库存归零后二十四小时内干净地从 AI 提及中消失。AI 可见性评分达到 88.3 / 100。