AI 代理購物趨勢來了——消費者準備好了，零售商的數據基礎建設跟上了嗎？

Lewis wang

16 Apr 2026 — 閱讀時間 13 分鐘

前 Amazon 高管 Andrea Le 家裡有三個青少年，每週要買超過 25 樣食材。她受夠了一個一個把商品加進線上購物車的過程，花了兩小時跟 ChatGPT 來回迭代，最後搞出一個 Chrome 瀏覽器外掛——把整張清單丟進去，外掛自動幫她在 Fred Meyer 的網站上加購物車，她就去做別的事了。

LinkedIn 貼文一發出來，15 個人立刻跑來跟她要腳本。

你知道為什麼嗎？

因為每個經常採購的人心裡都有同一個痛：決定今天煮什麼很有趣，但把那 20 幾樣食材逐一搜尋、逐一加進購物車？煩死了。

而且有一件事讓我特別在意——Andrea 是前 Amazon 高管，她在電商生態系統裡面打滾多年，技術能力遠超一般消費者。結果就算是她，也得自己花兩小時拼湊出一個「自己都說可能有點不安全的」外掛。

需求是真的。工具還沒到位。

消費者購物行為的真相：你不想承認的專案管理

FMI（美國食品行銷協會）的研究數據很有意思：83% 的消費者會列購物清單，79% 會先盤點家裡還剩什麼，69% 會做餐點規劃，60% 會主動找優惠券。

重點是什麼？

大家嘴上說「逛超市很療癒」，但實際行為根本就是在跑一個小型專案——盤庫存、列需求、規劃菜單、比價找折扣。這就像你經營一間小店，每週的補貨流程：點庫存、列採購單、比價、下單。消費者每週也在做一模一樣的事，只是規模小一點。

我自己就有很深的體會。以前在百貨公司當櫃哥的時候，每週幫專櫃補貨就是一套標準作業——盤點、叫貨、確認到貨、上架。那時候我就覺得，消費者每週的採購行為其實跟我們做零售補貨沒什麼兩樣，只是他們自己不這樣想而已。

所以 PwC 2025 年的消費者調查出現了這樣的數字：

47% 的消費者願意讓 AI 幫忙規劃菜單
41% 願意讓 AI 管理採購預算
36% 願意用 AI 根據購買紀錄自動生成預測性購物清單

消費者已經在明確地說：那些無聊的部分，我很樂意交出去。

AI 代理購物的市場缺口：現有電商工具解不了的「混亂中間地帶」

你可能會想：「不是已經有 Subscribe and Save（訂閱制）、常購清單、一鍵再買了嗎？」

切入重點——這些工具只能處理兩種極端：

一是「完全固定」的，像訂閱制，每月自動送。但 Amazon 的價格是會波動的。前 Amazon 和 eBay 高管 Barengure Chantefuke 講了一個場景：她兒子最愛的麥片，今天一盒 5 美元，明天突然變 11 美元。你訂閱了，帳單來的時候才發現被當盤子。

二是「完全手動」的，像在瀏覽器上一個一個商品慢慢加。

但真實的購物行為？是混亂的中間地帶。

有些東西每週都要買（牛奶），有些是某幾週才要（那瓶醬料），有些你已經吃膩了想換口味。Barengure 說得好：她用的購物平台累積了好幾年的購買數據，結果這些數據完全沒被拿來做什麼事——如果 AI 能分析這些 pattern（消費模式），知道什麼時候該推薦新口味，那才叫有用。

以前你只能選「完全自動」或「完全手動」。現在消費者要的是中間那段——有彈性的智慧代購。

這個東西，目前還不存在。

AI 代理購物的信任挑戰：消費者真的會讓 AI 幫他挑酪梨嗎？

每次講到 Agentic Shopping（AI 代理購物），一定有人丟出這個問題。

這個疑慮是真的。Instacart 的數據就證實了——香蕉是平台上賣最好的單品，同時也是顧客備註最多的商品。為什麼？因為每個人對「熟度」的偏好完全不同，有人要全綠的，有人要帶斑點的。

但我想講一個觀點：

信任缺口是工程問題，不是心理學問題。

Instacart 後來怎麼解的？做了一整套「香蕉熟度偏好系統」，結帳前讓你選。FreshDirect 更早，2003 年就為不同種類的蔬果建了獨立的溫控倉庫和內部品管系統。

以前你把信用卡號打到網路上，覺得超級恐怖，什麼都可能發生。現在呢？你連密碼都記不住，自動填入就按結帳了。

信任這種東西，是一步一步建起來的。生鮮外送花了好幾年才把 Trust Gap（信任缺口）縮小，AI 代理購物一定會走同一條路。

而且 Visa 2025 年報告的數據已經講得很清楚：三分之二的消費者已經在用或願意用 AI Shopping Agent（AI 購物代理）來省時間、找更好的價格。九成要求 AI 的決策過程要透明，大約一半擔心會發生未經授權的購買。

這些條件合不合理？當然合理。

消費者不是在抗拒，是在開條件。技術滿足這些條件只是時間問題。

AI 廣告對零售媒體的衝擊：Amazon 花 18 年，ChatGPT 只用 18 個月

講完消費者端，來看廣告端。

如果你問我，2025 到 2026 年零售廣告圈最值得注意的事，就是 ChatGPT 正式啟動廣告測試。

AI 廣告分析師 Debbie Aho Williamson 提出了一個讓人倒抽一口氣的對比：

Amazon 從電商平台到建立廣告業務，花了大約 18 年。ChatGPT 從產品上線到整合廣告？大約 18 個月。

Sensor Tower 的數據顯示，ChatGPT 早期廣告主中大約四分之一來自零售業——Target、Williams Sonoma、Best Buy、Albertsons 都在名單上。

零售商為什麼這麼急著跳進去？

一來是想學——這個新平台怎麼運作、廣告效果如何、跟既有的 Search Ads（搜尋廣告）比起來怎樣。二來是怕——怕被排除在 AI 的推薦引擎之外。想像一下，消費者開始用 ChatGPT 問「幫我推薦一台適合小家庭的洗碗機」，而你的品牌根本不在 AI 的資料庫裡。

你就等於隱形了。

但更有趣的是 Debbie 的下一步預測：

未來的廣告，目標受眾可能不是人類，而是 AI Agent（AI 代理人）。

這聽起來很科幻？但哥倫比亞大學和耶魯大學的研究已經顯示——現在的 AI 代理在選品時，會對 Sponsored Products（贊助商品）做 8% 到 14% 的降權處理。

AI 已經學會「跳過廣告」了。

這意味著什麼？以後品牌要影響 AI 代理的決策，靠的不是砸錢買版位，而是 Structured Product Data（結構化產品數據）和信任訊號——讓 AI 能「讀懂」你的商品資訊，覺得你值得推薦。

這就像從買電視黃金時段的廣告，進化到做好 SEO 讓搜尋引擎信任你。本質上是同一件事：你得讓機器看得懂你、信任你。

零售商 AI 轉型策略：Costco、Target、Home Depot 三種路線解析

最近 Shop Talk（零售業大型研討會）上，幾家零售巨頭對 Agentic Commerce（代理商務）的態度很值得觀察。eMarketer 跟 Bain 的調查顯示，36% 的 Retail Media Network（零售媒體網絡）領袖把「零點擊搜尋和 Gen AI 搜尋」列為頭號威脅，28% 擔心 AI 代理改變廣告買家的決策方式。

恐慌是真的，但大家的應對方式天差地遠。

Costco：模組化數據基礎建設，不跟風但保留彈性

Costco 零售媒體副總裁 Mark Williamson 說了一句很實在的話：「Costco doesn't give into peer pressure.」（Costco 不跟風。）

他把 AI 代理購物定義為一個「排序問題」——不是要不要做，而是先做什麼。目前專注在建構 Modular Tech Stack（模組化技術架構），確保今天的每一個技術決策，未來要整合 LLM（大型語言模型）時不會變成絆腳石。

他的策略很聰明：先跟 Symbiosys 合作跑 Google Shopping 廣告，建立可衡量的數據基礎。用他自己的話說——「今天是 Google，明天就是 ChatGPT。」

Target：重寫 60% App 程式碼，打造 AI Ready 基礎架構

Target 的 CIO Prat Virmani 透露，他們已經把 App 60% 的程式碼重寫成「AI Ready」版本，搜尋引擎和推薦引擎都從頭重建。

不是我說，這種苦工最不 sexy，但也最有底氣。

更厲害的是——Target 跟 ChatGPT 的整合現在可以把用戶在 ChatGPT 上的對話式查詢回傳給 Target。什麼意思？以前 Target 只知道消費者「在 Target 上買了什麼」，現在他們還能知道消費者「在 ChatGPT 上問了什麼、在研究什麼」。

這是金礦級的客戶訊號。

Home Depot：守住核心業務，不為早期技術分散資源

Home Depot 客戶體驗副總裁 Jordan Brock 態度最直接——第三方平台上的 AI 購物功能？那是「someone else's side quest」（別人的支線任務）。他們不想為了搶先做一個極早期的東西，犧牲已經有規模的核心業務資源。

三種態度，三種策略。但有一個共同點——

不管你選哪條路，數據基礎建設都得先做。

沒有會員級別的 Identity Layer（身份識別層），沒有廣告曝光到銷售的 Closed Loop Measurement（閉環歸因），你連「做好站內體驗」都做不到，更別說接入未來的 AI 代理流量了。

Mark Williamson 在 Costco 待了兩年半，最近才開始有一些讓人興奮的技術成果上線。而這些成果的前提，是更早之前就必須處理的數據和身份識別層問題——光是把倉庫、線上商城、眼鏡部、旅遊部等十個不同業務系統的客戶資料串起來，形成統一的客戶視圖，就是一個巨大的工程。

零售商數據基礎建設：你現在就該開始的 5 件事

如果你是做電商、做零售、做品牌的，以下這幾件事現在就該開始：

1. 盤點你的結構化產品數據（Structured Product Data）

你的商品資訊有沒有用 Schema.org 或 JSON-LD 格式標記？AI 代理「讀」商品資訊的方式跟人類完全不同——人類看圖片和行銷文案，AI 讀結構化數據。你的商品頁如果只有美美的圖配感性的文字，AI 根本看不懂你在賣什麼。

2. 建立或強化你的客戶身份識別層（Identity Layer）

能不能把線上瀏覽、App 使用、實體門市消費的數據串在一起，形成統一的客戶視圖？Costco 光是把十個業務系統的資料對接，就花了兩年半。你的進度呢？

3. 開始測試 AI 平台的廣告投放

不用大筆預算，但至少要有第一手的學習。Target、Best Buy 都已經在 ChatGPT 上跑廣告了，你至少要知道這個戰場長什麼樣子。

4. 優化站內搜尋與 AI 推薦體驗

不管外部 AI 代理未來會不會幫你導流，站內體驗做好是基本功。智慧搜尋、情境式推薦、個人化商品排列——Mirakl Ads 的美洲區副總裁 Ane Halik 觀察到，零售媒體領袖們正在出現一種「務實的讓步」：與其恐慌外部威脅，不如先把站內做對。這些投資怎麼都不虧。

5. 重新思考品牌的「機器可信度」

AI 代理已經會主動跳過贊助商品了。你的品牌如果只靠買廣告曝光，未來在 AI 推薦裡可能會被降權。品牌信任度、產品評價品質、結構化的商品資訊——這些基本面，會比廣告預算更決定你在 AI 代理購物時代的能見度。

AI 代理購物趨勢展望：消費者行為永遠跟著技術能力走

回到 Andrea Le 的故事。

她自己說的一句話讓我印象很深：「Maybe the future of agentic commerce is everyone building their own little tools to solve their own little problems.」（也許代理商務的未來，就是每個人自己拼裝自己的小工具來解決自己的小問題。）

如果你問我，這句話說的是「現在」，不是「未來」。

做了這麼多年零售跟數位行銷，如果我學到一件事，就是消費者的行為從來都是跟著技術能力走的。以前你覺得網路購物不安全，後來覺得還行，再後來你連刷臉都刷了。AI 代理購物也會走一模一樣的路——現在看起來還很粗糙，但需求真真實實地擺在那裡。

Content Square 2025 年的調查說 30% 的消費者願意讓 AI 代理幫他完成購買。Visa 的報告說三分之二的消費者已經在用或願意用。OpenAI 今年撤回了 ChatGPT 的應用內結帳功能，承認初始版本沒能滿足商家需求，正在重新調整。

技術還在找路。但方向已經很清楚了。

每多拖一季沒有建好你的數據基礎建設，你跟領先者的差距就會再拉大一點。而那個差距，已經不小了。

Mark Williamson 說得最好：「If AI-assisted shopping becomes material, we have no choice. We're obligated to be there.」

如果 AI 代理購物真的起來了，零售商別無選擇，必須到場。

問題只在於：到時候你的管道通了沒有。

本文觀點整理自以下影片與公開研究報告：

資料來源：PwC 2025 消費者調查、Visa 2025 報告、FMI 研究、Content Square 2025 調查、eMarketer & Bain 2025 調查、Sensor Tower 數據、哥倫比亞大學及耶魯大學研究報告。