4 亿、8 倍、100 项。按 11 月 11 日的公开报道口径，过去 12 个月有超过 4 亿用户用过 Alexa for Shopping，代理式购物功能的用户数今年增长超过 8 倍，10 月 29 日这个助手一次性新增了 100 多项功能（新浪财经）。三个数字指向同一件事：AI 正在从“帮你挑”变成“替你买”，而它读的不是广告，是商品页里的标题、属性、图片和评价。对做商品和做页面的人来说，这是一次底层规则的更换：过去争的是搜索排名和广告位，现在争的是能不能被模型正确识别并加入购物车。漏填一个属性，可能就意味着从候选里消失。
发一张食谱照片，商品名写得清不清楚就见分晓
食谱照片这个场景很能说明问题。用户发一张千层面做法，AI 要识别出面条、奶酪、番茄酱、鸡蛋和橄榄油，再在货架上找到对应商品。识别靠的是语义匹配：商品标题里如果只有“优质意大利面组合”，属性里没有“千层面用”，匹配概率就会下降，最后被选中的往往是描述更直白的竞品。
商品页的写法要按“机器可读”重排
过去优化商品页是为了让人看懂，现在还要让模型看懂。三件事优先级最高：标题里写清品类与用途，不要只写系列名；属性表填满，尤其是规格、容量、适用场景；主图之外补场景图，让图像识别有依据。三项都做到，被 AI 选中的概率才会上升。
产品开发的顺序也跟着变。以前先定卖点再想标题，现在要在设计阶段就把“可被检索的关键词”写进规格：口味、成分、适用人群、使用场景。产品概念如果只能靠一句广告语传达，在 AI 渠道里几乎没有存在感。
价格历史透明，促销的空间被压缩
这个助手能查最长一年的价格历史，还能在用户设定的目标价触发时提醒甚至自动下单。对品牌来说，这意味着“先涨价再打折”的套路会被记录，虚假促销的识别成本降到零。定价策略要更诚实，促销节奏要更可预测。
更直接的影响在比价环节。用户只要问一句“这个现在是不是最低价”，代理就能调出一年的曲线；过去靠限时话术制造的紧迫感，在一条可查的历史曲线面前很难成立。品牌如果还想保留促销弹性，做法是把优惠做成结构性降价，比如换规格、加赠品，而不是在标价上反复横跳。
| 商品页要素 | 对人的作用 | 对 AI 的作用 |
|---|---|---|
| 标题 | 一眼识别 | 品类与用途匹配 |
| 属性表 | 对比参数 | 筛选与排除 |
| 场景图 | 想象使用 | 图像识别依据 |
平台在收紧入口，品牌要选边
今年 9 月，亚马逊封禁了 Meta 旗下的 AI 购物智能体 Muse，禁止第三方 AI 抓取商品信息、代消费者下单（环球网）。一边封禁外部代理，一边推出自家短信购物，逻辑很清楚：购物入口必须留在自己的生态里。品牌能做的不是对抗，而是判断哪个入口值得投。
对多平台经营的品牌，这意味着要按入口分别准备商品数据：在亚马逊生态里优化属性与价格历史，在独立站上保证结构化数据可被抓取，在社交平台上维持内容供给。三套动作的投入产出不同，但底层是同一件事——把商品信息做成机器能读的格式。属性漏填的代价，在过去只是少几个筛选结果，现在可能是整条链接不出现在对话里，而品牌往往连被跳过的过程都看不到。补齐字段的成本不高，难的是把它变成新品上架流程里的必填项，并且有人定期抽查。
常见问题
AI 代买会看广告吗？
目前公开信息里，AI 选品依据是商品信息、价格历史与评价，不涉及广告位采购。付费能否影响结果，平台未披露。
商品标题要写多长才合适？
够写清品类、用途和关键规格即可。堆关键词会降低可读性，也可能让语义匹配失焦。
价格历史透明后，还能做大促吗？
能，但要做真实降价。先涨后降会被历史曲线记录，消费者和 AI 都能识别。
中小品牌没有数据团队，怎么开始？
先把属性表填满，把标题改成人能读懂的完整句，再补场景图。三项不需要技术投入，但直接影响被选中概率。
