SEO、GEO、Agent Commerce 基礎設施：三代打法，差在哪一層

過去一年，商家的收件箱經歷了一次集體改詞：原來賣「SEO 優化」的，現在賣「GEO 服務」。原來做「代運營」的，現在做「AI 代運營」。名字全換新了，東西卻不一定。分辨的標準只有一條：這套打法優化的是哪一層。

這不是商家第一次站在入口換代的關口。上一次遷移在十幾年前：商品從線下貨架搬上線上平台。今天看理所當然，但當年沒趕上的商家，後來花了幾年補課。那一輪新入口催生的打法，就是 SEO。現在是第二次遷移：顧客越來越習慣直接說出需求，由 AI 先理解、先篩選，再端出少數候選。入口正從搜尋框移進 AI 的答案裡。新入口，同樣需要新一代打法。

按「優化哪一層」數，市面上的打法正好三代。第一代優化「網頁被找到」：上一次遷移的答案，給搜尋引擎排名做的 SEO。第二代監測「品牌被提及」：這一次遷移裡最先出現的儀表板，數 AI 答案裡你出現了幾次，給一個分數。第三代優化「商品成交」：把商品數據接進 AI 購物的管道，從 AI 讀懂，一路管到 agent 下單。三代不是新舊之分，是層與層之分：儀表板是這次遷移的產物，但把商品送到成交的，是修通的路。

第一代：SEO，優化「被找到」

SEO 值得尊敬：二十多年打磨，它把「在十條藍色連結裡排前面」做成了一門可執行的學科。但此刻很多商家的真實處境是：預算還押在舊入口上。關鍵詞一年比一年貴，排名保住了，顧客卻越來越多地不再從搜索結果頁進來。2026 年初，美國 Google 搜索的零點擊佔比已達 68%(Search Engine Land)；同一時間，AI 引薦給美國零售網站的流量同比增長 693%，轉化率反超其他渠道 31%(Adobe Analytics,2025 年假日季)。預算留在原地，人已經換了入口。

更深的一層在輸入端：外鏈、頁面信號、關鍵詞密度，這些你此前優化的全部對象，在新入口的選品邏輯裡不再是輸入。AI 組答案不看你的外鏈，看你的欄位：價格、庫存、規格、發貨範圍，一張能直接放進對話的商品卡。搜尋排第一的站，商品數據殘缺，照樣不在 AI 的貨架上(機制我們在《貨架消失問題》裡展開講過)。這一層，「SEO 加幾個新技巧」補不上。入口遷移了，打法隨之換代。

第二代：GEO 監測，看見「被提及」

入口遷移之後，最先出現的新工具做的是測量：把你的品牌放進成批的 AI 問答裡跑，數出現次數、給一個可見性分數、按週出報告。這類工具把「AI 裡的可見性」變成了可測量的東西，是真實的進步。知道位置，好過沒有測量。

但它的產品形態到「看見」為止。分數掉了，它告訴你掉了。訂單流失在哪個欄位、哪個引擎、agent 走到哪一步斷掉，它看不見。修，更不在它的範圍裡。週報沒有下一步，報告到此為止。而「被提及」離「成交」還隔着整整一段管道：可核對的價格庫存、機器讀得懂的商品數據、走得通的購買路徑。這一段，監測類工具本來就不做。你買到的是知道位置，不是改變位置。

第三代：Agent Commerce 基礎設施，管到「成交」

第三代打法把測量當起點，不當終點。一條完整的管道：跨引擎測量，主流引擎全量測 → 診斷出具體缺什麼，哪個欄位、哪個引擎、哪一步 → 把商品數據按機器讀得懂的標準補齊，結構化交出去 → 用真實試單驗證 agent 走不走得完購買路徑 → 下個週期複測，對着基線看趨勢。測量、接入、端點、每週循環，四件事擰成一條鏈。這就是「基礎設施」的意思：報告只描述路況，基礎設施把路修通。

SoldByAI 就按這條鏈建：主流引擎全量測，豆包、通義千問、DeepSeek 等中國市場主流引擎在內。結論帶真實答案證據，不止一個分數。數據按可驗證的標準補齊，試單真跑通。修完的項，下一輪複測對着基線驗收。形容詞不作數：每個結論，原始回答逐條可查。

同一個市場上，還有一類：AI 旗號下的老打法

每次入口遷移，都會有同一批東西換個名字重新出現。這一輪也不例外：內容軟文矩陣改叫「GEO 投放」，人工代運營改叫「AI 代運營」，老 SEO 套餐換個名字變成「AI 推薦優化」。動作還是上一代的動作，只有名字進了新時代。五個識別特徵，足以認出它們：

• 沒有跨引擎測量。要麼根本不測，要麼只截一兩張單個引擎的圖。連你現在在哪都測不出來的服務，談不上把你送到哪去。
• 「接入」是發內容，不是交數據。問它怎麼讓 AI 認識你的商品，答案若是「鋪軟文、做內容矩陣」，那是在猜 AI 的口味。AI 引擎公開聲明讀取的，是結構化商品數據：schema.org 標記、feed。
• 數字很猛，方法學沒有。「首推率提升 6 倍」「線索成本降三成」，精確到小數點，卻不說樣本量、時間窗、測的是誰。可驗證的小數字，永遠強過不可驗證的大數字。
• 承諾結果，不承諾過程。AI 引擎的答案裡沒有競價位，沒有人能「保證被推薦」。能承諾的只有過程：數據補到什麼標準、多久複測一次、趨勢怎麼看。
• 標題裡全是感嘆號。這是機制問題：AI 引擎挑選引用信源時，恰恰在過濾這類低質內容。用軟文打法做 AI 可見性，等於拿 AI 拒絕引用的材料去討好 AI。

7 個問題，分辨你面前的是哪一代

評估任何一家「GEO / AI 可見性 / AI 推薦」服務時，拿這 7 個問題逐條核對。答得上答不上，一問便知。

1. 我能看到自己在主流引擎的真實答案原文嗎，還是只有一個匯總分數？
2. 你們的數字有方法學嗎？樣本量、prompt 怎麼選、時間窗多長，寫在哪裡？
3. 所謂「接入」，交付的是結構化商品數據(schema.org、feed)，還是發軟文？
4. 測量止步於「被提及」，還是能驗證 agent 真的走得完購買路徑？
5. 你們承諾的是過程和標準，還是「保證被推薦」這類結果？
6. 發現問題之後，給我的是能執行的數據修復項，還是又一份報告？
7. 你們的結論，我拿同樣的問題去問同一個引擎，能重現嗎？

七問全答得上，你面前的是第三代。只有前兩問答得上，是一塊儀表板：有用，但修不了路。一問都答不乾脆的，是上一代打法換了個名字。

兩次入口遷移相隔十幾年，預算配置都晚於用戶行為的變化。品牌需要在繼續經營搜索與平台的同時，開始建立 Agent Commerce 的商品供給、測量與成交能力。