随着AI代理代表消费者执行购买行为的“代理式商务”（Agentic Commerce）时代即将到来，电商企业不仅被要求继续运营现有的电商平台，更需对业务战略本身进行根本性的变革。在欧美零售企业中，一些公司通过重新定义自身的角色和定位，并在网站内外全面推进AI应对措施，从而取得了显著成果。Mirakl的内藤誓力良先生就面向代理式商务时代的业务战略，解读了全球最新动向。
什么是“代理式商务”？
所谓“代理式商务”，是指由AI代理代替消费者行动的数字化商务形态。它是对基于消费者的目标、偏好和条件，自主处理从商品发现、比较、购买到购后管理等全过程的统称。
在AI时代，购买行为的“发现”、“评估”和“购买”这三个阶段的过程，正逐渐转变为以AI代理为前提的行动。这些过程整体被统称为代理式商务。（内藤氏）
内藤誓力良氏
以往，推动消费者购买的通常是来自家人或朋友的推荐，但2025年冬季的调查显示，重视“AI建议”的消费者较多。
这种变化不仅发生在海外，国内的大型电商平台也在发生。“Yahoo!购物”从2026年2月起在网站内提供AI代理，利用率急剧上升。通过AI渠道的销售占比已超过20%。
此外，美国的调查预测，到2028年左右，通过LLM（大语言模型）产生的流量将超过传统的关键词搜索流量。
从2028年倒推，电商企业剩余的准备时间仅剩约一年半。不仅是欧美，日本许多零售企业也已着眼于这一变化。根据Adyen针对日本零售商进行的调查（《Adyen Index 2026》），回答“计划在未来两年内考虑投资代理式商务”的企业比例接近100%。
阻碍实现代理式商务的三大障碍
然而，在迈向实现代理式商务的过程中，目前仍存在若干障碍。内藤先生指出，需要解决的近期障碍主要可归纳为以下三点。
① 无法充分应对AI时代的数据设计
② 与各个LLM连接的技术难度高
③ 被割裂的顾客购买体验
障碍① 无法充分应对AI时代的数据设计
随着LLM成为搜索主流且代理式商务普及，消费者在购买过程中的搜索行为将发生结构性变化。
例如，当用户因居家办公感到炎热而无法集中注意力，正在寻找能防暑降温的商品时，在传统电商中，通常以“炎热 居家 推荐”等关键词搜索开始。随后，消费者自行根据价格、设计、配送日期等因素对显示的商品进行筛选和过滤，这是主流流程。
当转向代理式商务时，用户不再使用关键词，而是在LLM上结合语境搜索想要解决的问题本身。结果是，AI会对对话形式的输入做出响应，提供不限于单一商品类别的广泛建议。以之前的例子来说，不仅展示室内空调设备，还会同时提示颈挂冷却器、凝胶坐垫等不同类别的商品，并通过对话逐步缩小选择范围。
过去是用户自行进行关键词搜索，并对显示的商品应用过滤算法的世界。未来，机制正在转变为通过与AI对话，深入挖掘用户的语境和真实意图（intent），然后将客户引导至电商平台。（内藤氏）
然而实际上，许多电商平台尚未被AI识别。根据Adobe对美国电商平台进行的调查数据，目前34%的电商平台商品未被AI识别（来源：Adobe《Adobe报告：美国零售业AI流量激增，但多数网站未能适应机器可读性》）。
即使在应对措施较为领先的美国，截至2026年仍处于这种状态。电商平台尚未形成便于AI检索的数据结构，这已成为代理式商务中的第一大障碍。
障碍② 与各LLM集成的技术难度较高
第二大障碍是与LLM集成的难度较高。OpenAI于2025年9月发布了可在“ChatGPT”内完成购物的“Instant Checkout”功能，但在2026年3月又撤回了该功能，转而调整方针，选择与零售企业合作。
其背后的原因是购买伴随的处理复杂性。除了价格的准确性、促销价格的反映、免运费门槛的应用外，还需要处理库存状况、指定日期时间的配送确认、门店取货、积分或会员等级的授予，以及退货退款处理、保修政策、发票开具等各种事项。
由于这些要求的复杂性，据说OpenAI放弃了在聊天内完成交易，转而与零售企业合作。
障碍③ 割裂的顾客购物体验
第三个障碍是消费者购物体验的割裂。此前曾提到一项调查结果，显示日本近100%的零售企业正在考虑对代理式商务（Agentic Commerce）进行投资；但在同一调查的消费者问卷中，超过60%的受访者表示“对将购买委托给AI助手感到抵触”。
这意味着有相当数量的消费者认为可以接受在搜索中使用AI，但在购买前仍不愿完全委托给AI。其背景是对商品信息、库存、价格等准确性的担忧吧。在当前的电商平台上理所当然的信息准确性，如果在LLM中不能以同等水平得到保障，消费者的购买体验将在LLM和电商平台之间产生巨大割裂。（内藤氏）
应对代理式商务需从网站的“内部”和“外部”着手
面对代理式商务时代的到来，零售企业应如何为这些障碍做好准备？内藤先生指出主要有两种方法。
第一点是站外的AI策略。以“如何被AI选中”为中心的思考方式，被称为“GEO（生成式引擎优化）”或“AIO（AI优化）”。第二点是站内的AI对应，即让AI对访问的顾客进行接待，提升购买体验的举措。
站外和站内。这两项举措作为应对代理式商务的准备，需要并行推进。（内藤氏）
其中已取得成果的企业之一是澳大利亚最大的百货公司Myer。Myer早期就在Mirakl的支持下开展市场业务，并积极投资于GEO（生成式引擎优化）。
结果，如图所示左侧所示，由于站外对策，通过LLM的流量急剧增加，转化率达到了其他流入源的约2倍。此外，如右图所示，站内的AI助手也促进了销售增长，其中包含大量来自“ChatGPT”的流入。这是站内外双方举措取得成果的典型案例。
被LLM选中的三个关键要素
那么，实际上该如何做才能被AI选中呢？内藤先生列举了以下三点。
① 完善商品信息
在GEO等旨在被AI选中的站外对策中，充实且规范的商品信息至关重要。也就是说，需要在信息的数量和质量两方面下功夫，除了单个商品的信息量、准确性和全面性之外，当然网站内展示的商品总数本身也是评估的对象。
这意味着以往数据整理的积累会影响结果，表明了回归基础的重要性。尽早完善商品数据是最优先事项。（内藤氏）
②GEO施策
接下来是GEO策略。这是以元数据为代表的，优化人类肉眼不可见的后端数据，使其结构更易于AI读取的举措。评论和留言数据也包含在优化对象中。
然而，如果在作为前提的商品信息整理不充分的情况下进行元数据优化，很难取得成果。必须先在完成商品信息的整理和完善后，再进行元数据优化。
③ 代理目录馈送（Agent Catalog Feed）
最后一步是“代理目录馈送（Agent Catalog Feed）”。所谓代理目录馈送，是指将商品信息以及价格、库存、退货等政策信息结构化，并以AI平台可直接获取的形式提供的机制。在保持数据结构的同时优化API连接，从而实现AI对商品的搜索、比较乃至交易的自动化。尽管美国已有先进企业开始采取应对措施，但预计其普及仍需一定时间。。在保持数据结构的同时优化API连接，从而实现AI对商品的搜索、比较乃至交易的自动化。尽管美国已有先进企业开始采取应对措施，但预计其普及仍需一定时间。
在全球范围内取得成果的企业普遍认同的观点是：必须按照①、②、③的顺序依次执行。。如果在未完成①的情况下就进行②，无异于空中楼阁。虽然会有顾客上门，但无法促成购买，因此这一顺序至关重要。（内藤氏）
市场平台对GEO（生成式引擎优化）具有“效果”
Mirakl的全球研究团队针对特定类别，在“ChatGPT”上使用约2000个关键词调查了商品的搜索排名和展示频率。对比对象包括在美国运营专业垂直市场的零售巨头，以及Walmart、Amazon、Target等大型平台方。调查结果显示，运营专业垂直市场的零售巨头在商品出现在“ChatGPT”搜索结果中的比例以及被推荐至首位的比例两方面，均超过了大型平台方。
当仅处理自有商品时，展示比例为69.35%，而在引入市场并增加其他卖家商品以扩充品类内的商品数量和库存后，展示比例上升了约24个百分点。
引入市场不仅提高了展示比例，还将作为第一位推荐的概率提升了4.7个百分点。这些数据表明，市场拓展本身自然有助于应对LLM（大型语言模型）。（内藤氏）
市场具有由多个商家上架商品并在一个EC网站上展示多种类商品的架构。虽然丰富的选品和库存是其优势所在，但由于其他卖家也参与上架，除了商品数据的全面性外，整理和统一各商家不同的表述以实现标准化也必不可少。例如，同一类别的商品可能因商家不同而分别注册为“裤子”、“短裤”、“长裤”等不同表述。
商品数量、变体的丰富性以及积累的数据，不仅有助于构建受AI青睐的数据结构，还直接关联到购买体验的提升。此外，LLM将零售品牌的可信度作为评估对象，与处理所有品类的大型平台方相比，由专注于特定领域的专业商家运营的市场在可信度方面更具优势。（内藤氏）
助力商业进化的Mirakl解决方案
Mirakl是一家总部位于法国巴黎、成立约14年的独角兽企业，提供实现市场平台功能的SaaS平台，并于2022年5月进入日本市场。客户数量已超过450家，在日本已应用于Nitori（尼达利）、Hankyu Hanshin百货店等企业。
Mirakl自创立以来一直将其核心解决方案“Mirakl Marketplace & Dropship”推向市场。采用该方案的零售企业可以吸引多样化的入驻商家，从而在无库存风险的情况下扩大其自建网站的商品阵容。
此外，还配备了周边解决方案，包括通过卖家投放广告推动零售媒体化的“Mirakl Ads（Miracle Ads）”、将平台与入驻商家进行匹配的“Mirakl Connect（Miracle Connect）”，以及利用AI扩充商品目录数据的“Mirakl Catalog（Miracle Catalog）”等。
此外，正在加强与OpenAI和Stripe等全球合作伙伴的联系。在海外已推出的面向LLM的GEO解决方案，也在为日本市场的提供做准备。我们期待关注其今后在日本市场的展开情况。