智能體電商最佳化（ACO）實操指南：怎樣讓 AI 購物智能體選中你的商品
美國一半以上的消費者已在用 AI 購物。一套每週都能跑的流程，讓 ChatGPT、Gemini、Meta Muse 和 Rufus 推薦你的商品。
美國已經有一半以上的消費者在購物時用上了 AI。NielsenIQ 9 月的追蹤資料顯示，過去一個月這個比例是 51%，5 月時還是 42%。Meta 的 Muse 智能體已經能在 Shopify 商店裡直接用 Shop Pay 下單。消費者問一句，拿到兩三個答案。
你的商品不在其中，消費者就根本看不到你的商品頁。
「怎麼成為那兩三個答案之一」這件事，開始有了一個固定的叫法：智能體電商最佳化（Agentic Commerce Optimization，簡稱 ACO）。這篇講清楚它是什麼、和 SEO、GEO 有什麼不同，以及一套小團隊也跑得起來的每週流程。
先說結論
| SEO | GEO | ACO | |
|---|---|---|---|
| 買家在哪裡提問 | 搜尋框 | AI 助手 | 能直接下單的 AI 購物智能體 |
| 贏的是什麼 | 排名靠前的網頁 | 被提到、被引用 | 成為智能體推薦的那幾個商品之一 |
| 引擎讀什麼 | 網頁、外部連結 | 網頁、來源、實體 | 結構化商品資料：屬性、價格、庫存、評價、售後政策 |
| 看什麼指標 | 排名、點擊 | 被提及次數、回答占比 | 每個問題下的被推薦比例，以及智能體管道帶來的訂單 |
ACO 不取代 SEO 和 GEO，而是在上面多加一層：這一層裡，智能體挑的是商品，不是網頁。
購物智能體到底看什麼
問智能體「適合帶兩個孩子搭長途飛機的登機箱」，看它怎麼做。它不會去翻你的首頁，而是拿幾件商品，用它能讀出來、也能複述的事實做比較：
- 具體屬性。 重量、尺寸、材質、容量。「輕巧」輸給「2.4 kg」。
- 價格和庫存。 各管道一致的當前價格，和可信的庫存狀態。
- 證據。 評價數量和評分，以及找得到出處的賣點。
- 售後政策。 保固期限、退換窗口、配送承諾。
- 是否貼合問題。 商品頁有沒有寫清楚適合誰，用的詞是否接近買家的問法。
智能體給出的推薦理由，是你能拿到的最有用的訊號。「推薦它，因為寫了內部尺寸和 10 年保固」，直接告訴你該補哪幾個欄位。
每週一次的 ACO 流程
1. 寫下值得爭取的問題
先列 10 到 20 個買家問題，用買家的原話。從評價、客服工單、搜尋詞裡找。每個問題標上高、中、低優先級，並寫明哪些 SKU 應該是答案。
2. 查一遍貨架
把每個問題拿到買家常用的智能體裡問：ChatGPT、Gemini、Meta Muse、Amazon Rufus。每次開新對話，提問裡不帶品牌名。記下你排第幾（或者沒出現）、推薦了誰、智能體給的理由，並摘錄原文作為證據。
同一個問題，每次問的回答都會有差異，所以單次檢查只是一個樣本。幾週下來的趨勢才有意義。
3. 在資料裡找缺口，不在文案裡找
對每個沒贏的問題，把你的商品頁和贏家並排放，說出具體差在哪。大部分缺口是這五種之一：缺屬性、說法沒有出處、各管道價格不一致、庫存狀態、缺售後資訊。
4. 每個欄位提一條修改，並附上來源
「補上淨重：3.1 kg（供應商規格書 C 版第 2 頁）」是一條可以核對的修改。「優化描述」不是。競品的數字幫它排上去了，也不要照抄。拿不出來源的值，先放著。
5. 上線之前讓人批一下
智能體會把你的商品頁當成事實，複述給一個可能當場付款的買家。價格、保固、認證、相容性這類說法，一律等人批准。文案微調可以快一點。
6. 再查一遍
下週的檢查會告訴你這次修改有沒有帶來變化。按問題、按智能體看變化，一次結果不能證明因果。
常見的坑
- 追著回答的文字改，而不是改資料。 把文案改得像贏家，很少奏效。智能體是按事實挑的。
- 為了補缺口編參數。 編出來的屬性比缺失更糟：智能體會引用它，顧客會拿它來找你。
- 不同管道不同價格。 智能體在一個結帳頁看到 179 美元、在另一個看到 189 美元，可能兩個都不選，也可能按錯的那個價格買下。
- 只查一次。 一張 AI 回答的截圖，只是個例。
用一支智能體團隊來跑 ACO
上面這套流程大部分是重複勞動：每週問同樣的問題、比對商品頁、按欄位起草修改。這些適合交給智能體。判斷哪些事實是真的、哪個價格可以接受，不能交給智能體。
在 Buda 裡，一支電商 AI 智能體團隊在同一個商店工作區裡協作，商品資料、供應商表格、售後政策都在旁邊：研究智能體追蹤競品商品頁；目錄補全智能體補齊缺失的屬性，標出價格過期或各管道庫存衝突的商品；上架智能體按管道格式寫好文案。每一項產出都先以草稿形式交回來，由人批准後才會到達商店。
同一個工作區還能把這套每週流程存成可重複使用的技能，按計畫定時執行。已經在做關鍵字聚類的 SEO 智能體，也能讓搜尋和 AI 回答這兩條線放在一處管理。
從小處開始：挑五個買家問題、一條產品線，連續查三週，看看那些推薦理由告訴了你什麼。
常見問題
智能體電商最佳化和 GEO 是一回事嗎？
不是。GEO 關注的是在 AI 回答裡被提到、被引用。ACO 關注的是成為 AI 購物智能體推薦的那件商品，而且越來越多時候，是它直接買下的那件。它更依賴結構化商品資料、價格和庫存，而不是文章。
應該查哪些 AI 購物智能體？
查你的買家在用的。對大多數做美國市場的賣家來說，是 ChatGPT、Gemini、Meta Muse 和 Amazon Rufus。Walmart 等平台在自己的站內也有購物助手。
檢查可以自動化嗎？
先看各平台的服務條款，很多平台不允許擷取。更穩妥的做法，是讓智能體在你控制的瀏覽器工作階段裡，按正常人的節奏去問，並把每次回答儲存下來作為證據。
修改多久能見效？
取決於各個智能體更新商品資料的頻率。按週追蹤，看一個月的趨勢。