针对 AI 购物 Agent 做优化，从概念走向真正的商业机会

LinkedIn 上一份评估 300 个商品详情页的双重测试报告（来源：@ericsheinkop）显示：按人类买家体验评分，60% 的页面得分超过 70 分（满分 100 分）；但换成 AI 解析视角，达到同等得分的页面只有 19%。

这种落差正在转化为商业价值。2026年10月21日，Azoma 首席执行官 Max Sinclair 宣布公司完成 1120 万美元 A 轮融资（来源：@max-sinclair-ai），专门帮助品牌产品接入 ChatGPT、Gemini 以及 Alexa for Shopping。

Azoma 将这一领域定义为 Agentic Commerce Optimization（购物 Agent 优化）。Max Sinclair 将其与通用 AI 内容优化工具区分开来，强调 Azoma 专注做电商领域的 AI 优化。

市场需求带来了真金白银：公司一年内营收增长近 10 倍，团队规模从 12 人扩展到 40 人（来源：@the-cvc-club）。

虽然 Azoma 目前的服务对象多为欧莱雅（L'Oréal）、联合利华（Unilever）和玛氏（Mars）等全球消费品巨头，但这证实了一个切中痛点的需求：必须针对 AI Agent 优化网站结构。

为什么出单高的页面在 AI Agent 前会失效？

传统的商品详情页通常围绕两个核心目的搭建：拿下搜索排名，促成买家下单。人类买家扫一眼图片就知道价格，看一眼尺码表就知道选哪一款。

AI Agent 却不同。它只读取 HTML 代码，需要先穿过导航菜单、脚本、样式表以及追踪代码，才能触达介绍产品的核心内容。

方便人类视觉的设计，往往在阻挡代码解析：价格嵌在 Banner 图片里，参数藏在需要点击展开的 Tab 下，运费计算依赖一整段 JavaScript。

这种损失不会像自然流量暴跌那样显眼。AI 引擎不会列出十个蓝字链接供用户挑选，而是直接读取少量页面，萃取两到三个来源。未被引用意味着彻底缺席对话，数据后台也不会留下任何可供排查的点击记录。

如今 Agent 已经能够直接推进到结算环节。Shopify 已在2026年10月向 Agent 开放了 Checkout 接口。

对于 Shopify 卖家来说，眼下大部分工作在于整理和清洗详情页上的既有数据。

无论是推荐产品还是代下单，Agent 都至少需要价格、库存、变体、运费和退换货政策。这些信息必须通过结构化数据（Structured Data）、数据 Feed 或 API 提供。

准备好这些字段后，接下来的问题是如何呈现给 Agent。非 Shopify 架构的电商平台 Maho 在面对 Agent 请求时，会直接返回一份清晰的 Markdown 文件，包含产品名、SKU、价格、库存、GTIN 码及各个变体，同时附带 llms.txt 文件以及专门分流 AI 爬虫的 robots.txt。

Shopify 独立站卖家或许无法直接修改底层的路由逻辑，但页面内部的内容（字段数据与文案）完全由你自己掌控。

这一服务赛道的命名仍在演变，Azoma 提出了包含 Completeness（完整性）、Context（上下文）、Citations（引用）、Correctness（准确性）、Customer Acquisition（客户获取）的 5C 框架。中小卖家虽然未必会聘请专业机构，但头两个“C”（完整与准确）足以构成一份检查清单：逐一排查商品页面，看看哪些字段缺失、哪些数据错误、哪些内容还被卡在图片里。

当购物 Agent 开始变成真正的付费买家，相关的优化动作就会直接带进来收益。面对即将到来的 2026年 BFCM 网一黑五大促，Shopify 卖家应当提前布局这一全新的销售渠道。