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. 補齊商品數據的硬欄位。價格、庫存、發貨範圍、規格材質、真實可購買的連結。AI 組答案要的是一張能直接放進對話的商品卡，缺欄位的卡直接出局。
3. 把數據用機器讀得懂的方式交出去。schema.org 的 Product 標記、Google Merchant Center 的 feed。結構化數據，是商品進入 AI 答案的前提。
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」。兩套機制：搜索排名解決「網頁被發現」，AI 推薦依賴機器讀得懂的商品數據。搜索第一名，照樣可能不在 AI 的貨架上。
• 「找服務商刷提及」。凡是承諾「保證被 AI 推薦」「提及率提升 N 倍」卻拿不出方法學的，繞開。AI 引擎的答案沒有競價位，能持續影響它的只有數據本身。
• 「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。