貨架消失問題：AI 購物沒有第二頁

在搜索引擎時代，結果頁第一頁有十個位置，後面還有第二頁、第三頁。排名靠後只是流量少：你仍在場上，仍有機會往前挪。AI 購物把這個結構直接拆掉了：用戶問「預算 150 元、適合敏感肌的洗面奶，推薦哪個」，答案裡只有一到三個名字。沒有列表、沒有翻頁，也沒有「查看更多結果」。

我們把這件事叫貨架消失問題：不是貨架變小了，是「排在後面」這個空間整個不存在了。在 AI 的貨架上，數據殘缺的商品不是排名靠後，是根本不在場。

答案就是貨架

搜索引擎的工作方式，是「列出所有匹配項，讓你自己挑」。AI 引擎的工作方式，是「替你挑完，給出能直接行動的兩三個」。這是產品形態的差別，不是參數調整。答案就是貨架，答案之外沒有庫存區。

兩條曲線同時在動。舊入口在收窄：SparkToro 2026 年的分析顯示，Google 搜索裡真正產生點擊的已不足三分之一。Search Engine Land 報道，2026 年初美國 Google 搜索的零點擊佔比已達 68%。新入口在起量：Adobe Analytics 測得 2025 年假日季美國零售網站的 AI 引薦流量按年增長 693%，轉化率反超其他渠道 31%。Salesforce 測得同一季全球線上銷售額的 20%(約 2,620 億美元)有 AI 與 agent 參與影響。

流量沒有消失，它換了入口進來。新入口後面，沒有第二頁。

同題實測：十分鐘，三個引擎

這個實驗十分鐘能做完，不需要任何工具：

1. 挑三個你品類裡真實的購買問題：帶預算、帶場景，像真買家那樣問。例：「預算 400 美元，適合久坐的人體工學椅，推薦哪把」「送長輩的茶葉禮盒，300 元以內有什麼可靠的選擇」。
2. 拿去問兩到三個 AI 引擎。每個市場的買家，問的是不同的 AI。你賣到哪個市場，就至少測一個當地的主流引擎。
3. 數答案裡出現幾個品牌，通常是一到三個。追問「還有別的選擇嗎」，看它最多再補幾個。天花板來得很快。
4. 核對你自己的品牌在不在場。

做完這一輪，「沒有第二頁」就從概念變成了體感。商品不在場的商家，下面五件事就是起點。

今天就能做的五件事

1. 把上面的實驗記錄下來。三個問題 × 三個引擎一張表：誰被推薦、你在不在、缺席的是哪類問題。這是你的可見性基線，之後所有動作都對著它驗收。
2. 補齊比較所需的商品事實。價格、庫存、發貨範圍、規格材質與真實可達的購買連結。資訊缺失或彼此衝突，會令商品更難被準確辨認、比較並繼續進入購買路徑。
3. 把同一份商品事實，發布成 AI 讀得懂的形式。schema.org Product 標記與 Google Merchant Center feed 是兩條重要路徑。重點不是押注一種格式，而是讓不同平台取得的事實始終準確一致。
4. 確認 AI 的爬蟲進得來。robots.txt 別把 AI 引擎爬蟲擋在門外。關鍵商品資訊，別只存在於 JS 渲染之後的頁面裡。
5. 建立複測節奏。AI 的答案是活的：引擎在換模型，競品在補數據。每月同題重問一輪，盯趨勢，不盯單次結果。

四個坑，提前繞開

• 「SEO 第一 = AI 可見」。搜索排名與 agent 推薦會使用部分相同、部分不同的信號。頁面可以排名靠前，商品事實卻仍可能在 agent 採用的信源與平台數據中殘缺或互相衝突。
• 「付費曝光 = 推薦資格」。廣告可以買到曝光，買不到推薦資格。凡是承諾「保證被 AI 推薦」或「提及率提升 N 倍」卻不說明方法與測量對象的方案，都不值得採信。持續經營的底座，是可信來源與準確一致的商品事實。
• 「做一個引擎就夠了」。引擎之間不共享貨架：ChatGPT、Perplexity、Google 各有各的貨架，豆包、通義千問等中國市場主流引擎又各有一套。只測一個引擎，等於只看了一面貨架。
• 「做完一次就完了」。貨架每天都在重組。可持續的數據管道加複測節奏，比任何一次性衝刺都值錢。

貨架消失是既成事實，但誰登上貨架，還遠沒有定局。此刻動手的商家，面對的是大多數同行還沒意識到的空檔。