AI agent 如何「看見」你的商品：信源、目錄與 feed

AI agent 不是從一張統一的「商品卡」認識市場。網頁信源提供品牌背景、使用場景與外部佐證，平台目錄、feed 與協議端點則提供身份、規格、價格、庫存、配送與購買連結。不同平台使用不同組合，共同形成 agent 能夠取得的商品視圖。

進入候選之前，商品資訊至少要經得起三層判斷：找得到，能夠辨認；資訊足以比較；購買條件與路徑可以繼續驗證。任何單一渠道都無法獨自覆蓋這三個環節。

多類資訊面，共同組成商品視圖

網頁、評測與品牌內容回答商品是誰、適合甚麼場景、有哪些外部佐證。平台目錄與 feed 回答當前售賣的是哪個變體、價格與庫存是多少、配送範圍覆蓋哪裡。協議端點進一步把這些事實組織為機器可以請求和執行的商業資訊。

兩類資訊並非替代關係。信源質量影響 agent 願意從哪裡取信，商品事實則決定取得資訊之後，商品能否被準確辨認、並列比較並繼續走向購買。

缺失欄位，會在比較環節變成缺失條件

買家按預算、材質、適用對象、到貨時間或售後條件提出需求時，agent 必須把自然語言轉成可以核對的商品條件。價格缺少幣種，規格缺少單位，庫存與配送範圍互相衝突，都會使比較失去依據。

完整、準確的商品事實，讓 agent 有依據辨認商品、納入比較並繼續走向購買。提及、引用與推薦也是不同的證據層級：出現品牌名稱，不等於商品已經進入帶有購買意圖的候選。

三類買家問法，同一組商品事實

買家的表達各不相同，支撐答案的仍是同一組基礎事實。以下場景說明每類問題需要哪些資訊，不模擬任何引擎的真實回答，也不虛構推薦結果。

三個場景的共同點不在品類，在數據：身份明確、條件完整、狀態可更新，agent 才有依據把商品納入比較。

一份商品數據，適配多個發佈端

品牌通常同時經營自有網站、平台商品頁、平台目錄、feed 與協議介面。逐處手工維護會讓同一商品出現不同名稱、規格、價格、庫存或政策；agent 跨來源核對時，這些差異會直接變成不確定性。

SoldByAI 匯集品牌現有的商品數據，把商品身份、價格、庫存、政策與購買連結整理成機器可讀的統一版本。經品牌確認的修正寫回同一份數據，再發佈至相應位置，使不同入口取得同一版當前事實。

商品資訊上線之後，經營才真正開始

SoldByAI 以真實購物問題持續實測主流引擎，分別記錄品牌處於提及、引用、推薦或未出現的哪一層，並保留測試時間與回答依據。錯誤與缺口回到商品數據形成修正建議，經品牌確認後發佈，再由下一輪複測檢驗變化。

品牌定義、競爭語境、歷次巡測、有效問法與修正記錄會進入下一輪。專屬優化智能體不必重新認識同一品牌，而是沿用已經確認的事實與處理歷史，把判斷集中到尚未解決的問題。

進入候選之後，繼續驗證購買路徑

商品被找到、格價、選中之後，SoldByAI 繼續檢查購買路徑是否真實可達。Agent Commerce 入口帶來的訪問與訂單保留引擎、商品與渠道來源，使推薦到訂單的路徑可以核對。

Agent Commerce 的數據基礎仍在形成。商品數據越早具備機器可讀的結構，品牌越早建立可供 agent 讀取的數據與首輪測量基線。完整的進入時機論證，見《入口大遷徙》。