商品描述要改寫給 AI Agent 讀：Anthropic Project Deal 實驗解析

Anthropic Project Deal 實驗：同顆紅寶石，Opus agent 賣 $65、Haiku 只賣 $35。未來商品描述不是寫給人看，是寫給 AI agent 讀。

Lewis wang

26 Apr 2026 — 閱讀時間 8 分鐘

Anthropic 上週丟了一份報告出來，叫 Project Deal。

他們找了 69 個自家員工，每人發 $100，讓 Claude agent 代表你去公司 Slack 上開了一個二手市集。一週，186 筆交易，總成交額超過 $4,000 美金。雪板、二手書、破腳踏車、一袋乒乓球，全部由 AI 自己談、自己出價、自己成交，人類完全不介入。成交完，他們才把貨真的搬出來換。

數字看起來不大對吧？但裡面有一組對比讓我倒抽一口氣。

同一顆人工合成紅寶石，Opus 4.5 的 agent 賣 $65，Haiku 4.5 的 agent 只賣 $35。

同一台破腳踏車，Opus 賣 $65，Haiku 只賣 $38。

差的不是商品。差的是 agent 怎麼「讀」這顆紅寶石。

換句話說，這場實驗真正在測的不是 AI 會不會殺價。是同一份商品資訊，餵給強的 agent 跟弱的 agent，被「敘事」出來的價值差多少。

而下一個風暴，會直接打在 B2C 品牌的商品頁上。

你以為 SEO 已經夠捲了？

如果你問我，這份報告對電商人的衝擊，比對 AI 圈的衝擊大十倍。

想像一下，你早上打開 GA4，發現上週流量看起來正常，但訂單掉了 30%。你查來源，發現 Perplexity 跟 ChatGPT 帶來的引用流量裡，連續一週你的店都沒被列進推薦名單。對手反而每天被列出來。

你慢慢意識到，買家根本不再是用 Google 搜你。他先問了 AI agent「我想買 X，有什麼推薦？」AI 比較完幾家就直接給三個連結。你的店不在裡面。

你的商品描述、價格頁、FAQ、退貨政策，全部被 agent 讀進去，跟競品 PK，然後決定「要不要把你列進推薦」「要不要幫你的價格背書」。你的店在 agent 的選擇清單裡，可能只有 3 秒的決定時間。

寫得糊？被跳過。
寫不出獨特性？輸給對手。
連退貨政策都寫得像律師函？agent 直接把你排到第 8 順位。

這就是 Anthropic 用一週時間證明的事情。

從實體零售、到 Google、到 agent 的對話視窗

讓我用一個百貨銷售人員的視角來拆解這件事。

我以前站過百貨專櫃。同一條雨傘，A 櫃姐能賣 $1,200，B 櫃姐只能賣 $880。差別在哪？不是商品，是話術、節奏、framing。

後來我跨到電商，發現規則變了。櫃姐沒了，戰場搬到 Google。誰的關鍵字佈局好、誰的標題寫得勾人，誰就贏。

現在規則又要變一次。

1995 百貨櫃位 → 2010 Google 搜尋 → 2026 AI agent 對話視窗

戰場從「人看你的網站」變成「agent 讀你的網站」。

agent 不會被你的促銷彈窗感動，不會被你的精美攝影迷倒。它讀的是文字、結構、可信度、紅線。它把這些東西變成它在談判桌上的彈藥。

Anthropic 那份報告有兩個發現對品牌端特別關鍵。

第一，教 agent「要狠殺價」幾乎沒效。研究團隊把實驗者交代給 agent 的「請強硬一點」的指令做了控制變數，跑統計，結果不顯著。也就是說，agent 不太會被買家口頭指令拉著走，它會照客觀資訊判斷。

第二，agent 會照人類個性 framing 商品。報告裡有個員工請 Claude 用「失意牛仔」的口吻賣絨毛狗，Claude 認真寫了一段「leans against fence post, gazing wistfully at the sunset」開場的銷售文。

兩件事合在一起，代表什麼？

代表你的「品牌 voice」會直接變成 agent 的彈藥。在二手市集裡，這彈藥拿來談判；在你品牌官網上，這彈藥拿來決定要不要把你推薦給用戶、值不值得幫你的售價背書。

你寫得清楚、寫得有故事、寫得有底氣，agent 願意推你、願意說「這個值得」。
你寫得平、寫得制式、寫得像規格表，agent 連看都懶得看完，直接跳下一家。

重點是什麼？

未來的商品描述不是寫給人看，是寫給 agent 讀。

而 agent 讀的東西，跟你以為的 SEO 完全不一樣。

五件事你今年就可以開始做

切入重點，下面這幾件事，越早動越好。這不是季度專案，是永久性的架構調整，跟當年從紙本目錄改成電商網站是同一個量級。

► 把商品描述從「規格表」改寫成「使用故事」。agent 不缺規格，它缺 framing。把「304 不鏽鋼、容量 500ml」改成「適合每天通勤兩小時的上班族，因為下午三點開會前不用再跑去買咖啡」。讓 agent 有東西可以引用、可以說服它的人類主人。

► 把品牌 story 寫成乾淨的純文字段落，放在首頁顯眼位置。不是塞 footer、不是寫 hidden meta、更不要假設 agent 會去抓某個 /brand-context.md。LLM 抓資料的方式很單純，它讀首頁能看見的內容。把「我們是誰、為什麼這樣定價、跟便宜款差在哪」用人話寫一段三百字，就在 hero 區下面。

► 在 FAQ 強化價值錨定，不要寫議價式問答。把「Q：為什麼這條雨傘比夜市貴 5 倍？」「Q：跟某品牌的差別是什麼？」「Q：誰最適合這個價位？」寫進去。agent 在比商品時會引用這些理由，幫你的售價背書。重點不是劃議價紅線，是讓 agent 找得到「為什麼值這個價」的彈藥。

► 監測非人類流量基準線。打開 GA4 或 server log，看 user agent 字串，看 ChatGPT、Claude、Perplexity、PerplexityBot、GPTBot 等的訪問佔比。現在抓 baseline，半年後再看一次，差距會嚇到你（這是我看自家客戶數據的保守估計，不保證每個產業都這樣）。

► 做一份 agent-friendly 的 product feed。schema.org 的 Product 已經不夠用了。把「適合誰用、不適合誰用、跟誰比有什麼差別、適合的搭配商品、解決的痛點」全部寫進 description 欄位（用結構化的純文字，不是堆砌關鍵字）。agent 在挑商品時會直接讀這個。