我问了Forest City Digital的创始人Kenny Trusnik，在如今AI浪潮汹涌的背景下，电商初创企业如何吸引客户。
他回答说：“专注于在结构化环境中尽可能深入、干净地获取产品数据。”他还补充了一些用于LLM引用和推荐的其他策略。
在最近的一次对话中，Kenny分享了这些方法，以及他的机构所关注的重点和基本原则。完整音频已嵌入下方；文稿经过编辑以缩短篇幅并提高清晰度。
埃里克·班德霍尔茨：给我们做个简要介绍。
Kenny Trusnik: 我是Forest City Digital的创始人，这是一家位于俄亥俄州克利夫兰市的营销机构。我的职业生涯始于美国大企业，曾在丰田（Toyota）和宣伟（Sherwin-Williams）工作。后来我加入了一家小型初创公司，帮助内容创作者通过电子商务将其观众流量变现。
我在2020年创立了Forest City。
作为企业员工时，我很欣赏的一点是：无论涉及哪些机构，都要朝着实际目标努力。我将这种理念带入了自己的机构：我们如何将营销与客户的实际目标挂钩？
班德霍尔茨：你专注于哪些渠道？
Kenny Trusnik: 主要是搜索、社交和留存。其中搜索包括Google和Bing的自然排名，以及AI可见性。
我们看到许多客户从大型语言模型（LLMs）中获得良好成效——在线收入占比高达10%。我们与Shopify的Agentic Storefronts以及售后汽车零部件和规格密集型品牌客户合作，做了大量元数据后端工作。更好的数据有助于提升AI可见性。对于商家而言，第一步是确保网站的robots.txt文件不会阻止顶级生成式AI平台的爬虫抓取。
在社交媒体方面，我们管理网红营销项目和付费渠道。
对于留存环节，我们使用Klaviyo或Brevo等电子邮件平台来弥补客户销售漏斗中的漏洞。
班德霍尔茨：请多谈谈代理式商店页面。
Kenny Trusnik: Shopify在今年早些时候推出了Agentic Storefronts。该工具将商家的商品目录暴露给ChatGPT、Claude和Gemini等主流大型语言模型（LLM）。其概念类似于将产品同步到Google Merchant Center或Meta Commerce账户。
Agentic Storefronts使商家的数据对这些LLM可访问且可抓取。所有Shopify商品字段现在都对LLM爬虫可见，示例包括类别、颜色、尺寸、功能和材质。
目标是让生成式AI平台在购物者搜索这些功能或特征时推荐商家的产品。
结构化数据（如Schema.org标记）也很重要，因为它有助于爬虫和算法理解网站、其产品及其用途。
班德霍尔茨：假设你在2026年创立了一家电子商务公司，你会采取什么策略来吸引客户？
Kenny Trusnik: 我会专注于在结构化环境中尽可能深入且干净地获取商品数据。在Shopify上，我会选择启用Agentic Storefronts。
我会尝试在知名的列表类文章或最佳推荐文章中获取外链。这些是向LLM发出强烈信号的方式。在资源有限的情况下，我会专注于结构化商品数据和列表类文章链接。
如果我有资金，我会投资Meta广告以建立顶层漏斗的品牌知名度。
内容——文章、视频、社交媒体帖子——如果包含其他地方无法获取的原创信息，就会更有帮助，这与AI生成内容不同，后者按定义来说是重新包装的内容。
除此之外，要思考蓝海与红海的概念。产品必须具有新颖性并解决未被满足的痛点。
班德霍尔茨: 更具迭代性的创新似乎更适合大多数创业者。一个例子是Grüns软糖。软糖维生素已经广泛存在，但Grüns添加了数十种成分，并将其定位为超级食品，而不仅仅是维生素。
Kenny Trusnik: 是的，不要过于追求新奇。我们经常与大麻饮料公司合作。这一领域作为酒精的替代品已迅速崛起。它仍然是大麻产品，但其新颖之处在于它在社交场合中替代了酒精。