货架消失问题：AI 购物没有第二页

在搜索引擎时代，结果页第一页有十个位置，后面还有第二页、第三页。排名靠后只是流量少：你仍在场上，仍有机会往前挪。AI 购物把这个结构直接拆掉了：用户问「预算 150 元、适合敏感肌的洗面奶，推荐哪个」，答案里只有一到三个名字。没有列表、没有翻页，也没有「查看更多结果」。

我们把这件事叫货架消失问题：不是货架变小了，是「排在后面」这个空间整个不存在了。在 AI 的货架上，数据残缺的商品不是排名靠后，是根本不在场。

答案就是货架

搜索引擎的工作方式，是「列出所有匹配项，让你自己挑」。AI 引擎的工作方式，是「替你挑完，给出能直接行动的两三个」。这是产品形态的差别，不是参数调整。答案就是货架，答案之外没有库存区。

两条曲线同时在动。旧入口在收窄：SparkToro 2026 年的分析显示，Google 搜索里真正产生点击的已不足三分之一。Search Engine Land 报道，2026 年初美国 Google 搜索的零点击占比已达 68%。新入口在起量：Adobe Analytics 测得 2025 年假日季美国零售网站的 AI 引荐流量同比增长 693%，转化率反超其他渠道 31%。Salesforce 测得同一季全球线上销售额的 20%(约 2,620 亿美元)有 AI 与 agent 参与影响。

流量没有消失，它换了入口进来。新入口后面，没有第二页。

同题实测：十分钟，三个引擎

这个实验十分钟能做完，不需要任何工具：

1. 挑三个你品类里真实的购买问题：带预算、带场景，像真买家那样问。例：「预算 400 美元，适合久坐的人体工学椅，推荐哪把」「送长辈的茶叶礼盒，300 元以内有什么靠谱的」。
2. 拿去问两到三个 AI 引擎。每个市场的买家，问的是不同的 AI。你卖到哪个市场，就至少测一个当地的主流引擎。
3. 数答案里出现几个品牌，通常是一到三个。追问「还有别的选择吗」，看它最多再补几个。天花板来得很快。
4. 核对你自己的品牌在不在场。

做完这一轮，「没有第二页」就从概念变成了体感。商品不在场的商家，下面五件事就是起点。

今天就能做的五件事

1. 把上面的实验记录下来。三个问题 × 三个引擎一张表：谁被推荐、你在不在、缺席的是哪类问题。这是你的可见性基线，之后所有动作都对着它验收。
2. 补齐商品数据的硬字段。价格、库存、发货范围、规格材质、真实可购买的链接。AI 组答案要的是一张能直接放进对话的商品卡，缺字段的卡直接出局。
3. 把数据用机器读得懂的方式交出去。schema.org 的 Product 标记、Google Merchant Center 的 feed。结构化数据，是商品进入 AI 答案的前提。
4. 确认 AI 的爬虫进得来。robots.txt 别把 AI 引擎爬虫挡在门外。关键商品信息，别只存在于 JS 渲染之后的页面里。
5. 建立复测节奏。AI 的答案是活的：引擎在换模型，竞品在补数据。每月同题重问一轮，盯趋势，不盯单次结果。

四个坑，提前绕开

• 「SEO 第一 = AI 可见」。两套机制：搜索排名解决「网页被发现」，AI 推荐依赖机器读得懂的商品数据。搜索第一名，照样可能不在 AI 的货架上。
• 「找服务商刷提及」。凡是承诺「保证被 AI 推荐」「提及率提升 N 倍」却拿不出方法学的，绕开。AI 引擎的答案没有竞价位，能持续影响它的只有数据本身。
• 「做一个引擎就够了」。引擎之间不共享货架：ChatGPT、Perplexity、Google 各有各的货架，豆包、通义千问等中国市场主流引擎又各有一套。只测一个引擎，等于只看了一面货架。
• 「做完一次就完了」。货架每天都在重组。可持续的数据管道加复测节奏，比任何一次性冲刺都值钱。

货架消失是既成事实，但谁登上货架，还远没有定局。此刻动手的商家，面对的是大多数同行还没意识到的空档。