AI 购物代理开始替客户比价 你的产品数据还锁在 PDF 里

代理式购物的入口已经换了一轮

2025 年下半年开始，OpenAI 的即时结账、Perplexity 的 Buy 按钮、Google 在 AI Mode 里嵌入的商品卡片，把「比价下单」这个动作从浏览器标签页搬进了对话框。买家不再打开十个工厂官网慢慢看，而是把需求写成一两句话丢给代理。

入口换了，被比较的对象也跟着换。代理比的不是你的首页设计，也不是你写了多少年的品牌故事。它比的是字段，一段可以被程序直接解析、直接代入判断的字段。

从人挑货变成代理筛货

人挑货是浏览逻辑。图片好看、描述通顺、感觉对味，就能留住人，信息不整齐也可以被人的经验补上。代理筛货是查询逻辑，它把一个需求拆成若干条约束，逐条去你的产品数据里找答案。

约束落不到字段上，这一条就被判为不确定。不确定累积到两三处，产品被移出候选清单。整个过程安静得像什么都没发生，你的后台只会显示「今天询盘少了几封」。

五类字段的可读性分级

同一款产品，放在五种常见的数据形态里，代理读到的结果差距极大。下表按实际抓取时能否解析、能否形成判断来分级，可以直接拿去对照自己的站点。

这张表最刺眼的一行是第一行。绝大多数工厂最用心的那份 PDF 规格书，恰好是代理最读不进去的形态。它排版越精美，越像一份只给人类看的作品。

AI 答案层把字段差距放大成候选差距

代理式购物不是多了一个流量渠道，它是多了一道筛选闸门。这道闸门每执行一次，就会把原本细小的字段差距放大成名单上的位置差别。

一个买家在对话框里问「有没有能在零下二十度连续工作的液压阀，五天内发到鹿特丹」，代理不会去理解你的工艺水平有多扎实。它只会去核对你有没有写出工作温度下限、有没有写出欧洲仓的可用量、有没有写出清关责任归属。

候选清单只留三到五个

人类比价会留下十个备选慢慢删，代理不会。它的输出长度有限，通常只给出三到五个可执行选项，剩下的连名字都不会出现。

这意味着竞争的单位从「页面排名」变成了「是否被点名」。排名第二十一位和排名第二千位在代理的答案里没有区别，两者都是零次出现。

一次读错会被逐层复制

代理读到你的一款老型号，把它当成了主推型号，这个错误会跟着答案进入买家的询盘邮件，再进入他的内部比价表。等到你来纠正，价格和交期已经被压在一个不存在的产品上。

更麻烦的是答案会被缓存和转述。同一个问题被不同的人问，代理往往复用同一批信源。一份过期的参数页可以在半年里持续制造同一个误判。

代理式购物里的信源平权

传统搜索时代，域名权重、外链数量、历史积累决定谁能排前面，新站和中小工厂几乎没有翻盘机会。代理式购物的判定依据换成了字段，这一层壁垒被削弱了。

代理不关心你是不是行业五十年的老厂，它关心的是它想核对的每一条约束有没有对应数据。字段齐的产品页，哪怕域名只有半年，也能被直接取用。

域名权重让位给字段完整度

在代理的读取过程中，产品页首先是数据的容器，其次才是排名的载体。一份把温度、材质、认证、交期、装箱量全部写成可解析字段的页面，比一篇流量很高但参数笼统的文章更有取用价值。

这不是说域名完全无关。域名影响的是你能不能被抓取、被抓取后会不会被信任，字段影响的是被抓到之后能不能被读懂。两道关都要过，但第二道关过去被忽略得太久。

中小工厂第一次能靠数据质量进场

隽永东方服务过的很多制造企业，产品线不宽，SKU 只有几十个，过去在搜索里永远排在平台和大牌后面。这批企业的优势恰好是数据可以做到极细，每个型号的材质、公差、认证、包装都能写清楚。

代理式购物把这种细变成了竞争力。大品牌有几千个 SKU，字段反而容易写得笼统；几十个 SKU 的工厂，有条件把每一行都填满。

三个可以自己验证的杠杆

下面三个方向都不依赖预算，只依赖把已有的资料重新组织一遍。每一个都能用同一个办法验证，就是拿一个真实的采购问题去问主流 AI，看它能不能从你的站上找到答案。

价格与库存必须带单位和数量

写「价格面议」等于把这一条约束交给对手。代理对没有数值的字段只能判为不可用，然后转向下一家。合理的做法是给出区间、给出价格阶梯、给出币种和贸易术语，让代理知道在什么数量下是什么价。

库存同理。写「现货充足」是形容词，写「欧洲仓 320 件，补货周期 18 天」才是数据。形容词在代理那里不占任何权重。

规格书从附件变成可索引页面

PDF 不是不能留，但它是给人下载的，不该是参数的唯一存放地。把规格书里的核心参数同步成一张 HTML 表格，放在产品页正文里，代理才有机会读到。

有一家做工业插头的客户，产品页上只挂了三份 PDF，正文只有两段介绍。我们把参数搬进正文表格、给每个变体单独一行之后，同样的问题在 AI 答案里开始出现这个品牌的名字。改的只是呈现形态，产品一个没动。

变体口径统一到同一个源头

变体是最容易出错的一层。同一个型号在目录里叫 A，在产品页叫 A-1，在报价单里叫 A/1，代理会当成三个不同的东西，然后给出三个互相矛盾的答案。

可行的做法是先定一份主数据，型号、材质、规格、认证编号都从这份主数据生成页面内容，而不是各写各的。口径统一之后，代理才能把一次询问准确地落到一个 SKU 上。

隽永东方的处理顺序

我们在给制造企业做独立站时，遇到的情况相当一致。产品资料其实都在，散在画册、报价表、检测报告、业务员的邮件里，只是从来没有被当成数据整理过一遍。

所以顺序是先把产品库当资产重排，再谈页面表现，最后才谈内容营销。跳过第一步去做内容，写出来的东西读起来漂亮，但代理依然取不到数。

先把产品库重排成一份主数据

这一步的产出不是网页，是一份可复用的字段清单。哪些字段每款产品都必须有，哪些字段只有部分型号有，缺失的字段由谁补。这份清单定下来，页面、目录、报价单、结构化数据都从同一个源头生成。

更细的方法在[产品页优化实战指南](https://eastdigi.com/b2b-product-page-optimization-guide-2026/)里有完整拆解，包括规格表怎么写才既给人看也给机器读。这里不重复展开。

用引用监测判断哪类字段在起作用

字段补齐之后，需要知道哪一类字段真正影响了代理的判断。做法是固定一组采购问题，每两周问一次主流 AI，记录品牌有没有被点名、被点名时引用的是哪个页面。

如果抓取正常但一次都没被引用，问题通常在字段层而不是流量层。如果被引用但描述有偏差，问题在口径层。这两种情况的修法完全不同，先分清再动手，能省掉大量返工。

想先看清自己的缺口在哪

代理式购物还处在早期，规则每个季度都在动。但有一条不会变，能被机器读懂的产品数据，在任何一代代理面前都不会吃亏。

与其等平台把规则定死，不如先把自己的五类字段过一遍。这件事没有技术门槛，只有耐心门槛。

三个可以直接做的自查动作

把主推产品的页面另存为纯文本，看看价格、库存、变体、运费、认证这五项还剩几项。把最常用的一个采购问题丢给两个不同的 AI，看答案里有没有你的品牌。把三份不同的对外资料里的型号写法摊开对比，看是不是同一个写法。

三个动作做完，缺口基本就现形了。多数企业会在第二项上发现问题，页面在，但代理没读到。

聊一聊也行

如果自查下来发现字段散得太开，不知道从哪一层先动手，可以把手上的资料发过来。我们通常先看产品库结构，再判断是补字段、改页面，还是重排整站的信息架构。

方便的话加我微信：15821651082。把产品目录和现在的主推页面发我，我先帮你判断代理读不到的是哪一层。