傳統的搜尋、比較、購買模式，正被 AI 代理人驅動的智慧化體驗取代。AI 將重塑消費決策，為電商帶來結構性挑戰與全新機遇。
（前情提要：a16z 重磅預測：Vibe coding 贏者通吃？ ）
（背景補充：人型機器人變「礦機」？a16z領投 PrismaX 如何建構機器人協調層 ）
你有沒有想過，為什麼 Google 能成為一家市值 2 兆美元的巨頭，而維基百科 (Wikipedia) 卻是一個非營利組織？答案很簡單：商業搜尋的魔力。當你搜尋「銫原子有多少個質子」時，Google 一分錢都賺不到。但當你搜尋「最好的網球拍」時，它就開始印鈔票了。這種不對稱性定義了整個搜尋經濟的本質。現在，隨著 AI 的崛起，這個平衡正在被徹底打破。
最近讀到 a16z 合夥人 Justine Moore 和 Alex Rampell 的一篇深度分析，他們對 AI 如何重塑電商領域的洞察讓我深感震撼。他們不僅分析了 Google 可能面臨的威脅，更重要的是，他們描繪了一幅 AI 時代電商的全新圖景。在這個圖景中，傳統的搜尋-比較-購買模式正在被 AI agent 驅動的智慧化購買體驗所取代。我花了很多時間思考他們的觀點，並結合自己對這個行業的觀察，想要分享一些更深層的思考。
Google 的真正危機：不是搜尋量，而是價值遷移
Justine 在文章中提到了一個讓我印象深刻的觀點：Google 即使失去 95% 的搜尋量，收入仍然可能增長，只要它能保住那些有商業價值的查詢。這個觀點聽起來違反直覺，但實際上揭示了搜尋經濟的核心秘密。我經過深入思考後發現，這背後隱藏著一個更深層的問題：AI 正在改變價值創造的位置。
傳統模式下，Google 扮演的是資訊中介的角色。用戶有購買意圖，Google 提供搜尋結果和廣告，商家獲得流量，Google 收取廣告費。這是一個相對簡單的三方博弈。但 AI agent 的出現打破了這個平衡。當 ChatGPT 或 Perplexity 能夠直接回答「什麼是最好的網球拍」這個問題，並給出具體推薦時，用戶為什麼還需要點擊 Google 的廣告連結？
更關鍵的是，AI 不僅僅是在回答問題，它正在重新定義「搜尋」本身。我們以前的搜尋行為是：提出問題→獲得連結列表→點擊查看→比較資訊→做出決策。而 AI agent 的流程是：描述需求→獲得推薦→直接購買。中間的比較和研究環節被大幅壓縮甚至消失了。這意味著傳統搜尋引擎不僅失去了查詢量，更失去了在決策鏈條中的關鍵位置。
從 2025 年 5 月蘋果 (Apple) 高級副總裁 Eddy Cue 在 DOJ 反壟斷審判中的證詞可以看出端倪。他表示 Safari 的搜尋量在二十多年來首次下降，這個消息直接導致 Alphabet 股價單日下跌近 8%，市值蒸發超過 1500 億美元。雖然 Google 的 Q2 財報顯示搜尋收入仍在增長，這表明目前流失的主要是低價值查詢，但這種趨勢的方向是明確的。
我認為，Google 面臨的不是簡單的競爭威脅，而是商業模式的結構性挑戰。當 AI 能夠直接完成從意圖識別到購買決策的全過程時，傳統的「流量→廣告→轉化」模式就會變得低效甚至過時。Google 需要的不是更好的搜尋演算法，而是一個全新的商業模式來適應 AI 驅動的消費行為。
五種購買行為的 AI 化改造：從衝動到深思
Justine 在文章中將購買行為分為五個類別，從衝動購買到人生重大購買，每一種都將在 AI 時代發生不同程度的變化。我覺得這個分類框架非常精準，但我想從更深層次分析每種購買行為背後的心理機制，以及 AI 如何重塑這些機制。
衝動購買 (Impulse buy) 看似是 AI 影響最小的領域，因為衝動意味著沒有理性的研究過程。但我認為這個判斷可能過於表面化。AI 的真正威力在於預測和引導衝動。想像一下，當你在 TikTok 上看到一個搞笑 T 恤時，AI 已經分析了你的瀏覽歷史、購買記錄、社交媒體活動，甚至你的情緒狀態，然後在最精準的時刻推送最符合你當前心理需求的產品。這不是簡單的演算法推薦，而是對人類衝動心理的深度理解和操控。我覺得這種個人化的衝動引導可能會讓衝動購買變得更加頻繁和精準。
日常必需品 (Routine essentials) 的 AI 化改造最容易理解，也最容易實現。但我觀察到一個有趣的現象：當 AI 開始代理我們的日常購買決策時，我們的消費習慣可能會發生微妙變化。比如，AI 可能會根據價格波動、庫存情況、甚至天氣預報來調整你的購買時機和數量。一個聰明的 AI agent 可能會在你的洗衣精快用完的前一週，發現某個品牌正在打折，於是提前購買並建議你嘗試。這種「智慧套利」行為可能會讓消費者在不知不覺中獲得更好的性價比，同時也會迫使品牌重新思考他們的定價和促銷策略。
生活方式購買 (Lifestyle purchases) 是我認為 AI 將產生最大影響的領域。這類購買的特點是：有一定價格門檻、涉及個人品味、需要一定程度的研究。Justine 提到了 Plush 這樣的產品，但我認為這只是冰山一角。真正的革命將來自 AI 對個人風格和偏好的深度學習。想像一個 AI 助理，它不僅知道你過去買過什麼，還理解你的體型、膚色、生活方式、社交圈層，甚至你的 aspiration (抱負)。它可以推薦的不只是單個產品，而是整套搭配，甚至是生活方式的升級路徑。這種個人化程度是傳統電商平台無法達到的。
功能性購買 (Functional purchases) 的 AI 化最複雜，也最有挑戰性。這類購買通常涉及大額支出和長期使用，消費者需要的的不僅是產品推薦，更需要專家諮詢。我認為這裡會出現一個新的 AI 應用類別：AI 顧問。這些 AI 不僅擁有豐富的產品知識，還能進行類似人類銷售專家的深度對話。它們可以問詢你的具體需求、使用場景、預算限制，甚至你的未來規劃，然後提供高度個人化的建議。更重要的是，這些 AI 顧問是跨品牌的，不會因為佣金或庫存而偏向某個特定產品。
人生重大購買 (Life purchases) 可能是 AI 影響最小但也最重要的領域。買房、結婚、教育這些決策太過重大和個人化，很難完全交給 AI。但 AI 可以在資訊收集、選項比較、風險評估等方面發揮重要作用。我想像中的 AI 教練不是要替你做決策，而是要幫你做出更好的決策。它可以整理海量資訊、識別潛在陷阱、模擬不同選擇的長期後果，甚至幫你進行合約談判。我覺得這種 AI coach 的價值在於它的中立性和全面性，不像人類顧問可能有利益衝突。
亞馬遜 (Amazon) 和 Shopify 的護城河：數據與基礎設施的雙重優勢
Justine 在分析中指出亞馬遜 (Amazon) 和 Shopify 相比 Google 有更強的防禦能力，我完全贊同這個觀點，但我想從更深層次分析這種優勢的來源和可持續性。亞馬遜的優勢不僅在於它控制了從搜尋到配送的完整鏈條，更重要的是它掌握了最有價值的 behavioral data (行為數據)。
亞馬遜知道你買了什麼、什麼時候買的、多快收到的、是否退貨、是否回購等等。這些數據的價值遠超搜尋歷史，因為它們直接反映了真實的購買行為和滿意度。當 AI agent 需要為用戶做購買決策時，這些數據就是最珍貴的訓練素材。Google 雖然知道你搜尋了什麼，但它不知道你最終買了什麼，更不知道你對購買結果是否滿意。這個數據差距在 AI 時代會被進一步放大。
更重要的是，Amazon Prime 這個 loyalty program (忠誠度計畫) 創造了一個獨特的經濟學現象：sunk cost bias (沉沒成本偏見)。當你已經付費成為 Prime 會員時，你會傾向於在亞馬遜購買更多商品來「回本」。這種心理機制在 AI 時代可能會變得更加強大。AI agent 在為你尋找最佳購買選項時，可能會自然地傾向於亞馬遜，因為它知道你是 Prime 會員，能享受免費配送和其他優惠。
Shopify 的防禦邏輯完全不同，但同樣強大。它不是透過控制消費者來建立護城河，而是透過賦能商家來創造網路效應。隨著越來越多的 D2C (Direct-to-Consumer，直接面對消費者) 品牌選擇 Shopify，這個平台就變得越来越不可替代。在 AI 時代，這種分散化的優勢可能會更加明顯。AI agent 可能需要同時從數百個不同的品牌官網獲取資訊和完成購買，而如果這些網站都運行在 Shopify 上，就會形成一個標準化的 API 生態系統。
我認為 Shopify 還有一個被低估的優勢：它距離品牌故事最近。在 AI 時代，產品的功能性差異可能會被 AI 快速識別和比較，但品牌的情感連結仍然需要人類去感受。Shopify 上的品牌通常都有獨特的故事和文化，這些軟性價值很難被 AI 完全量化，但卻是影響消費決策的重要因素。
AI 商業化的四大基礎設施挑戰
Justine 在文章末尾提到了 AI 在商業領域發揮全部潛力所需要的四個基礎條件，我覺得每一個都值得深入探討，因為它們不僅是技術挑戰，更是商業模式創新的機會。
首先是更好的數據問題。當前的產品評論系統確實存在嚴重問題：刷評、極化、缺乏背景資訊。但我認為問題的根源在於激勵機制的錯位。消費者寫評論通常是因為極度滿意或極度不滿，中間狀態很少有人記錄。而且，現有的評論系統無法捕捉產品的使用場景、用戶的期望值、以及時間維度的變化。
我想像中的理想數據系統是這樣的：AI agent 不僅收集用戶的主觀評價，還會透過物聯網設備監控產品的實際使用情況。比如，一個智慧手錶不僅要看用戶是否給了五星評價，還要看用戶實際佩戴的頻率和時長。一台咖啡機的評價不僅要看文字反饋，還要看用戶的實際使用頻率、清潔保養情況等等。這種客觀使用數據結合主觀反饋才能形成真正有價值的產品評價體系。
統一 API 的挑戰更多是政治性而非技術性的。每個電商平台都有自己的 API 結構、數據格式、認證機制，這些差異很大程度上是故意為之，目的是創造平台鎖定效應。但在 AI agent 時代，這種分割可能會成為整個行業的效率瓶頸。我預測會出現專門的 API 聚合服務，類似於旅游行業的全球分銷系統。這些服務會標準化不同平台的接口，讓 AI agent 能夠無縫地跨平台比較和購買。
身份和記憶是最複雜的挑戰，因為它涉及隱私、準確性和適應性的平衡。我認為未來的 AI 購物助理需要建立一個多層偏好模型。這個模型不僅要記錄你的歷史購買，還要理解你的價值觀、生活階段、財務限制等等。比如，它需要知道你在工作日午餐時追求便利性，但在週末聚餐時更注重品質和呈現效果。這種情境感知推薦需要 AI 具備近似人類的社會理解能力。
嵌入式捕獲可能是最具創新潛力的領域。傳統的數據收集都是被動的、延後的：買完再評價、用完再反饋。但 AI agent 可以實現即時偏好學習。比如，當你在瀏覽某個產品時在某個特性上停留時間較長，AI 及可以推斷你對這個特性比較關注。當你快速跳過某些顏色選項時，AI 就可以學習你的顏色偏好。這種微交互分析可以讓 AI 對你的偏好有更細緻的理解。
電商平台的重新洗牌：誰將勝出？
在思考了 Justine 的分析後，我對電商行業的未來格局有了一些自己的判斷。我認為 AI 將引發一次新的平台洗牌，但獲勝的邏輯與以往不同。
傳統電商時代的競爭主要圍繞三個維度：選擇豐富度、便利性和價格。亞馬遜靠著「Everything Store」的理念在選擇方面獲勝，同時透過 Prime 在便利性上建立優勢。但在 AI 時代，這些優勢的重要性會發生變化。
當 AI agent 能夠自動比較全網價格並代理購買時，單個平台的價格優勢就會被稀釋。當 AI 能夠智慧批量處理和跨平台履行時，便利性的定義也會改變。真正的競爭優勢將轉向數據品質、AI 能力和生態整合。
我預測會出現幾類新的平台玩家：AI 原生電商平台、垂直 AI agent 和商業基礎設施提供商。AI 原生平台將從頭開始設計，以 AI agent 的需求為中心，提供結構化的產品數據、標準化的 API 和 AI 友好的用戶體驗。垂直 AI agent 將專注於特定品類，比如時尚 AI、數位產品 AI 或家居改裝 AI，透過深度專業化建立競爭優勢。商業基礎設施提供商將提供底層的技術服務，幫助傳統電商平台 AI 化。
我還認為會出現一個新的商業模式：AI agent 訂閱。消費者可能不再直接在各個電商平台購物，而是訂閱一個或多個 AI 購物 agent，由這些 agent 代理所有的購買決策。這些 agent 會收取訂閱費而非佣金，從而避免利益衝突，真正站在消費者立場。這種模式可能會重新定義電商的價值鏈分配。
品牌行銷的 AI 化重構：從大眾行銷到個體對話
AI 對商業的改變不僅限於購買行為，更會從根本上重塑品牌行銷的邏輯。在 AI agent 時代，傳統大眾行銷的效果會大幅下降，因為消費者不再主動搜尋和比較產品，而是依賴 AI agent 的推薦。
這意味著品牌需要學會與 AI 對話，而不是與人類對話。AI agent 在評估產品時會更加理性和數據驅動，它們不會被精美包裝或情感廣告所影響，而是會關注客觀性能指標、成本效益和用戶滿意度評分。
但這並不意味著品牌故事變得不重要。相反，我認為真實品牌敘事會變得更加重要，因為 AI agent 會深度分析品牌的一致性和可信度。一個品牌如果在不同平台、不同時間點傳達的資訊存在矛盾，AI 很容易識別出來並降低推薦權重。
我預測會出現一個新的行銷角色：AI 關係專員。這些專員的工作是確保品牌的產品資訊、價格策略、庫存管理等各個方面都能被 AI 正確理解和評估。他們需要優化產品數據、管理 API 整合、監控 AI 推薦模式等等。
另一個重要變化是個人化的極致化。當 AI agent 對每個消費者都有深度了解時，品牌就可以為每個人提供客製化產品。這不僅是個人化推薦，而是個人化產品本身。想像一下，當你的 AI agent 告訴某個服裝品牌你的確切尺寸、顏色偏好、材質要求和預算範圍時，這個品牌就可以為你訂製一件獨特單品。這種大規模客製在 AI 時代變得經濟可行。
未來十年：我們正在見證什麼？
在深入思考了 Justine 的分析和我自己的觀察後，我覺得我們正在見證的不僅是電商行業的變革，而是一場更深層的經濟行為轉變。
傳統經濟學假設消費者是理性行為者，會主動收集資訊、比較選項、做出最優決策。但現實中，我們都知道人類的決策充滿了偏見、情緒和認知局限。AI agent 的出現可能會讓消費者變得更加「理性」，因為 AI 能夠處理更多資訊、避免情感偏見、一致地應用決策標準。
這種理性消費的普及可能會帶來深遠影響。首先，市場效率會大幅提升，因為消費者能夠更準確地評估產品價值。其次，產品品質會變得比行銷能力更重要，因為 AI agent 不會被花俏的廣告所迷惑。最後，價格透明度會增加，因為 AI 能夠輕鬆比較全網價格。
但我也擔心這種「超理性」消費可能會帶來一些負面後果。購物的發現樂趣可能會減少，因為 AI agent 總是推薦「最優」選擇，而不是令人驚喜或愉悅的選擇。衝動購買雖然不夠理性，但它也是生活樂趣的一部分。如果一切都被 AI 優化，生活可能會變得過於可預測。
從更宏觀的角度看，我認為 AI 在商業領域的應用將加速經濟數位化。越來越多的商業行為會被數位化記錄和分析，這將為經濟規劃和政策制定提供前所未有的數據基礎。政府可能能夠更準確地預測經濟趨勢、識別市場失靈、設計針對性干預措施。
我預測未來十年內，我們會看到 AI 驅動的商業從實驗性應用發展為主流實踐。早期採用者會獲得顯著競爭優勢，但隨著技術普及，這些優勢會逐漸被商品化。真正的長期贏家將是那些能夠在 AI 時代重新定義客戶價值的企業。
“`
