想象一下这样的消费者：他们从不访问企业网站，从不逛零售商的货架，也从不在搜索栏中输入品牌名称。相反，他们会告诉 AI 智能体，自己需要一款适用于染后发质、价格低于 15 美元的温和洗发水，剩下的事就交给智能体：扫描数千个网页、评价、付费广告和网红帖子；权衡成分；交叉比对评价；然后下单。所有这一切都在几秒钟内完成，消费者甚至不会看到品牌标识、包装或耗资数百万美元的广告活动。
欢迎来到智能体商务：一种数字商务形态，AI 智能体会根据购物者的目标、偏好和限制条件，自主完成商品发现、比较、购买和购后服务。 [[/INST]]
这并非一个遥不可及的未来场景。随着消费者在整个购买过程中越来越多地使用 AI，传统搜索的使用量正在迅速下降，而大型语言模型（LLM）的流量则在 Google 的 Gemini、OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等平台上激增。BCG 于 2025 年 12 月针对美国主要消费品（CPG）公司的生成式 AI 消费者调查显示，80% 的消费者已经在使用 AI，其中近半数用它来购物；这在许多情况下是零售商打造自有 AI 智能体的结果。
在这些 AI 购物者中，96% 的人会用它来发现产品，80% 的人会用它进行考虑——这对应传统购买漏斗的前两个阶段；另有 24% 的人会用它进行购买。完全自主的购买行为仍不常见，只有 4% 的消费者表示愿意让 AI 智能体独立完成购买，但我们预计，AI 智能体在整个购买旅程中的应用将持续增长。
对于消费品公司及其零售合作伙伴而言，这并非渠道转移，而是从发现产品到购后阶段的整个漏斗重构。消费者旅程中的每个阶段都无法置身事外。需要明确的是，这归根结底关乎增长。随着购物活动越来越多地转向 AI 智能体，未能获得展示的品牌今天会失去销量，明天则会失去增长机会。例如，一项针对某全球消费品企业开展的评估表明，随着产品发现转向 AI搜索，其 20% 至 30% 的线上收入可能面临风险。
随着购物活动越来越多地转向 AI 智能体，未能获得展示的品牌今天会失去销量，明天则会失去增长机会。
然而，大多数消费品公司表示尚未做好准备。根据波士顿咨询公司《2026 年消费品行业生成式 AI 调查》，41% 的公司已开始开发一些智能体 AI 能力，其余 59% 则表示目前在这一领域尚无实质性能力。
要在这个新世界中保持竞争力，消费品包装商品（CPG）公司需要在销售漏斗的每个阶段都按照 AI 智能体的规则参与竞争。它们应采用生成式引擎优化（GEO），通过让丰富的数据和优化后的内容更易于 AI 系统获取，提升自身曝光度。它们还应构建自己的智能体，提供个性化体验并收集第一方数据。此外，还应融入不断发展的智能体商务生态系统，通过科技企业、零售商和专业服务商扩大覆盖范围。反过来，这将带来更多数据，提升 GEO 成效，形成良性循环。
这三项策略都是增长杠杆：GEO 在发现阶段赢得曝光度和市场份额，自有智能体深化互动并积累第一方数据，生态系统整合则扩大覆盖范围。我们的研究显示，试行 GEO 的 CPG 公司营收已实现 1% 至 5% 的增量增长；而测试自有智能体和生态系统整合的公司，凭借更深入的消费者互动以及在科技和零售平台上扩大的覆盖范围，营收增长了 3% 至 10%。
与此同时，通过自有智能体收集的第一方数据有助于实现更精准的定向投放，据估算，可使数字媒体支出的投资回报率最高提升 50%。
销售漏斗正从头到尾经历转型
BCG 的另一项调研——《2025 年 BCG CCI 全球消费者雷达调研》发现，如今约有 40%至 50%的消费者会在购买前进行广泛调研，对多个品牌进行比较。因此，购物旅程正变得复杂得多：消费者在社交媒体上寻找灵感、在互联网+上阅读产品评价、查看电商零售网站上的产品和价格选项之间来回切换。与此同时，他们越来越多地选择由 LLM 驱动的平台和 AI 智能体作为重要的调研目的地。（见图表 1。）
在使用 AI 的消费者中，约 70% 会用它比较产品属性，约 50% 会在购买前比较价格。因此，他们的购物决策正变得更有条理，也更倾向于比较多个品牌，价格和属性的重要性日益凸显。由此，消费者的购买漏斗也在发生巨大变化。
在发现阶段，购买漏斗正从流媒体浏览和滚动浏览（企业需要通过搜索引擎优化策略触达消费者）转向由 LLM 驱动的推荐，由智能体代表消费者进行调研。据我们的 Radar 调查，与 LLM 流量增长 87% 相比，传统流量和互动普遍下滑，2024 年自然流量已下降 10%。2025 年底，AI 驱动的引荐流量在欧洲主要零售商和品牌网站的访问量中占比不到 1%；到 2026 年底，这一比例可能达到 5%，而在美国，AI 驱动的流量预计最早将在 2028 年超过自然搜索流量。随着这一趋势加剧，未被智能体推荐的品牌，对于借助 AI 购物的消费者而言，实际上将无从发现。
在考虑阶段，AI 智能体会针对不同选项生成更有条理的比较，纯粹由冲动驱动的购买也因此减少。虽然在购买阶段，品牌被提及的情况往往与市场份额相关，但在考虑阶段仍存在明显差距，因此，品牌显然有机会在这一关键环节取得优势。
在购买阶段，从发现到购买之间仍存在明显的去中介化。不过，随着购物漏斗不断收窄，互动方式也在发生转变，发现和购买最终很可能会在一次互动中完成。与此同时，这可能会让直接面向消费者的消费品公司难以确保良好的购买后体验。因此，在相关情况下，品牌必须确保客户服务和自动补货功能均已到位。
随着由 大语言模型驱动的搜索日益普及，未能被智能体展示的品牌，对于使用 AI 购物的消费者而言，实际上将无从查找。
请注意，智能体商务对不同领域的影响程度不一，因为不同领域的消费者依赖调研的程度也有所不同。例如，在护肤品领域，52% 的消费者倾向于直接选择自己喜爱的品牌，只有 42% 的消费者会通过调研来寻找合适的产品。相比之下，购买家用电器的消费者中，只有 35% 会直接选择偏好的品牌，而 59% 的消费者会先进行调研。
转变正在发生
消费者已经在大量使用 AI，生态系统中的其他参与者也没有等待观望。AI 实验室（负责开发和测试 AI 相关应用与技术的专业机构）正与 ChatGPT、Gemini 和 Claude 等主要平台合作，推出新的智能体商务功能。与此同时，Google 通用商务协议等新标准的推出，正推动从发现到结账（乃至未来的送货）的端到端购物旅程成为可能。
零售商正在迅速提升自身能力，尽管发展并不均衡。许多零售商仍完全依赖第三方 AI 引擎和浏览器进行被动式发现，对数据来源和推荐内容的掌控有限。但亚马逊和沃尔玛等一些零售商已在自有平台上构建了专有 AI 智能体。这些智能体依托深厚的内部数据，并可全面掌控 AI 的推理、推荐和消费者信息，支持完整的顾客旅程。另一些零售商，如家乐福和塔吉特，则已在 ChatGPT 中推出专属应用，可由零售商控制数据访问，并结合客户和会员忠诚度历史记录丰富数据。
在这一系列变化之下，存在着一种结构性矛盾：LLM 驱动的平台拥有用户，却往往依赖不完整、过时或不准确的产品数据；品牌网站具备专业知识和内容，却需要投入大量获客费用才能带来少量自然流量；零售商则在打造自己的智能体，但往往缺少品牌方的充分参与。CPG 公司需要设法确保正确的产品信息在正确的时间出现在正确的位置，才能在这一新现实中保持竞争力。
CPG 公司需要设法确保正确的产品信息在正确的时间出现在正确的位置，才能在这一新现实中保持竞争力。
CPG 公司应采取三种策略，在智能体商务中胜出
问题已不再是 CPG 公司是否应该采取行动，而是应该如何行动。目前正涌现出三种不同的策略，各有不同的目标。
成功的 GEO 策略。为了确保品牌能够出现在所有由 AI 驱动的发现界面（即由 LLM 驱动的平台和 AI 智能体）上，并获得这些界面的推荐，企业需要针对 GEO 优化品牌内容和产品数据。对于所有希望在客户进行搜索的场景中获得曝光的 CPG 公司而言，GEO 都是必不可少的，同时也是近期的一项重大机遇。
这意味着要创建 AI 可读的数据、结构化的产品宣称，以及基于研发的科学内容，展现竞争对手无法复制的深度，并以此作为品牌在所有这些界面上获得曝光和推荐的起点。BCG 已为多家企业制定 GEO 评分卡，以支持这项工作。
通过优化 GEO 战略，企业有望维持甚至提升市场份额。为此，企业应从了解消费者需求入手，利用消费者调查以及第一方和第三方数据，构建消费者提示词分类体系。随后，企业应根据消费者向智能体提出的问题，调整产品宣称，必要时也调整产品本身。这套分类体系还有助于企业跟踪自身在由 LLM 驱动的平台和 AI 智能体中的呈现情况。
此外，企业应利用这些发现创建针对 AI 优化的内容：为品牌网站重新构建 AI 可读的底层架构，将科学研究和研发数据融入产品内容，并将内容整理为常见问题、使用案例和带有 Schema 标记的板块（通过结构化数据告知 LLM 和搜索引擎页面的主题）。
接下来，企业需要与零售商和科技平台分享专有数据，例如产品信息、研发宣称或消费者洞察，以便为其模型提供数据，并提升品牌推荐度。随后，企业应开展试点、快速评估成效，并扩大有效做法的规模。同时，企业还应建立适当的治理机制、组织架构和流程，以实现快速运营，并在全球范围内推广经验。
早期成果令人鼓舞。一家全球奢侈时尚集团优先筛选了 500 个消费者提示词，并启动了约 10 个试点项目，首先进行结构化数据和元数据等技术修复。八周内，其品牌网站在 AI 搜索中的引用率翻了一倍多；六个月内，来自 LLM 的流量增长了四倍多。
一家全球奢侈时尚集团优先筛选了 500 个消费者提示词，并启动了约 10 个试点项目，首先进行结构化数据和元数据等技术修复。八周内，其品牌网站在 AI 搜索中的引用率翻了一倍多；六个月内，来自 LLM 的流量增长了四倍多。
自有智能体。为了提供个性化推荐和体验，企业需要利用自有数据和品牌服务，打造由 AI 驱动的专属品牌智能体——无论是否具备内嵌购买功能——并明确以掌握消费者关系、收集第一方数据，以及在智能体商务生态系统中拓展合作伙伴关系为目标。
要实施这一策略，企业首先需要定义独特的价值主张，确保竞争对手或平台都无法复制，并以现有品牌资产和服务为基础。企业应将专有数据作为核心驱动力，包括产品知识、基于研发的科学内容、消费者洞察和消费者购物任务。随后，企业应从第一天起就将自有智能体设计为可互操作，使其能够接入外部生态系统。此外，还应优化智能体，确保在每次互动中都能采集第一方数据。
一家领先的个人护理公司展示了这项举措能够取得怎样的成效：与其 AI 顾问交流的购物者，转化为买家的概率比未交流者高出约 25%；由该智能体生成的一方数据驱动的数字活动，其投资回报率是依赖传统一方数据的活动的两倍。
生态系统整合。自有智能体虽然优势显著，例如能够全面掌控品牌推荐和品牌定位，但其触达范围有限且成本高昂，因为消费者必须被直接吸引到品牌自有网站（而不是在 LLM 上搜索或使用生态系统中的其他智能体）。要扩大触达范围，强大的生态系统整合至关重要。
值得庆幸的是，拥有专有数据和成熟智能体的品牌，在智能体商务生态系统中拥有独特的价值主张：具备与合作伙伴谈判的资产和公信力。合作对象既可以是上游的科技平台，例如直接整合到 ChatGPT 和 Gemini 等 LLM 平台；也可以是下游零售商的智能体，例如在购买时通过 API 或智能体对智能体协议直接连接 Walmart 和 Amazon 的智能体；还可以是专业机构和倡导者。所有这些都能扩大消费者触达范围，并生成互动数据反馈给智能体，从而形成闭环。
然而，接入零售商生态系统并非板上钉钉：32% 的零售商仅向选定的智能体提供直接数据访问权限，而 87% 的零售商完全不与智能体共享顾客数据。因此，在洽谈生态系统合作时，专有数据和自有智能体能力显得更加重要。
要实施这一策略，企业需要决定在哪些领域开展整合最能拓展自身触达范围，例如与科技平台和零售商合作。随后，他们应将一到两个战略合作项目作为试点，在积累经验证的行动方案后再扩大规模，同时设计双赢的价值主张，明确双方各自带来的价值和获得的收益。此外，企业还需要组建由业务和技术人员构成的专门跨职能团队，明确其职责，并获得高层管理者的支持。
驱动智能体商务飞轮
根据我们针对消费品包装（CPG）行业开展的生成式人工智能调查，当前企业未来一年将重点投资于生成式引擎优化（GEO）（65%）和产品数据结构化（47%）；另有企业考虑投资自有智能体开发（41%），或与零售商或科技平台（如 OpenAI 或 Google）开展智能体商务生态系统整合（35%）。
但对消费品包装（CPG）企业而言，要在智能体商务竞争中胜出，并非从这三项策略中任选一项并将其执行到位即可。相反，三者缺一不可，因为它们彼此促进，像飞轮一样不断积蓄动能：优质数据和结构完善的内容能增强自有智能体的能力；更强大的智能体能提高与生态系统中其他智能体整合的成功率；更广泛的生态系统整合能提升消费者调研和变现潜力；更紧密的合作伙伴关系则能带来更广的触达范围和更丰富的数据。由此，飞轮持续转动。（见图表 2。）
相比之下，只专注于 GEO 的 CPG 公司会发现，随着 GEO 的普及，它在中期将不再构成差异化优势。因此，只把 GEO 和数据共享作为防御性策略进行投资的品牌，可能会沦为同质化商品。
相反，企业还应将投资自有智能体和生态系统整合作为必要的进攻性策略。自有智能体能够激活生态系统、协商合作关系，并收集专有数据，为智能体解决方案提供动力。能够推荐合适产品并了解消费者特征的品牌智能体，不仅能带来更好的体验；每一次互动都会产生第一方信号，反哺内容、创新和媒体策略。
能够推荐合适产品并了解消费者特征的品牌智能体，不仅能带来更好的体验；每一次互动都会产生第一方信号，反哺内容、创新和媒体策略。
设想两家 CPG 企业面临着智能商务带来的同一变化。两家都加快了 GEO 和数据共享，重构了产品数据，并确保 LLM 能够找到自己。但其中一家就此止步，另一家则更进一步：它开发了自己的智能体解决方案，并借此激活生态系统合作关系。
一年后，两个品牌都已崭露头角，但只有一家能够大规模收集第一方数据，拥有可为生态系统合作伙伴创造价值的资源，并积极影响智能体推荐其产品的方式。它们的起点相同，结果却大相径庭。
价值方程正在改变
无论 CPG 企业选择采取哪种策略，有一点是确定的：沿用数十年的商业模式无法在智能体转型中原封不动地延续下去，CPG 企业将不得不重新思考自己的价值方程。
购物篮构建、定价、媒体、分销——商业领域的这四大支柱，都是为消费者做出决策的世界而构建的。当智能体接管决策后，旧规则便不再适用。我们建议采取以下措施，支持这四大支柱。（见图表 3。）
购物篮逻辑与交叉销售。消费品公司需要推动智能体超越单一产品推荐，在同一品牌下构建包含多件商品的购物篮。为此，企业应利用 LLM 和智能体可读取的数据，在品牌内部建立产品间的关联。例如，美妆类别采用的就是基于日常护理流程的方法：将同一品牌的多种产品组合起来，以实现特定效果。
定价与促销活动。当智能体让传统折扣变得不可见，并通过即时比价压缩利润空间时，消费品公司需要重新思考传统定价和促销策略。企业应建立实时、结构化的促销数据流，供智能体读取并纳入推荐考量。此外，企业还应投资于高质量数据和产品宣称的权威性；在智能体商务环境中，这两者比折扣更有可能带来额外销量。
媒体策略与内容渠道。AI 智能体会忽略传统广告，因此，智能体商务媒体形式正在兴起，CPG 公司需要适应这一变化。这些公司应将更多媒体投资转向能够影响智能体的形式。它们还应及早投资新兴媒体渠道，例如赞助提示词和智能体内广告，同时确保赞助结果与自然结果之间保持透明，以维护消费者信任。
分销渠道战略。智能体正在削弱消费者感知到的零售商差异化，并开辟新的直面消费者渠道。为此，CPG 企业需要重新思考分销策略，抓住智能商务带来的直面消费者机遇，例如打造内嵌购买功能的品牌智能体。这样一来，企业便能从消费者关系和利润中获取一部分价值，而这些关系和利润目前由零售商居间掌控；同时，还能保护销售不受尚未成熟的零售商影响，并通过差异化的零售渠道策略（例如提供不同的产品组合）来减少价格竞争。
采取行动的窗口正在收窄
GEO 是一项稳赚不赔的举措，但仅靠这种防御机制并不能赢得胜利。如今无法被发现的品牌，明天就无法创造收入。下一个前沿方向也已初现端倪：AI 触点开始在不同的购买路径中扮演不同角色，例如帮助消费者研究产品、发送补货提醒，或提供抓取工具以帮助消费者找到最优惠的价格。因此，价值将从广泛触达转向精准触达——针对每位消费者的购物任务，提供恰当的内容、智能体或合作伙伴。
准备更进一步的消费品公司应主动出击，打造自己的智能体，并借此开启生态系统合作，将第一方数据转化为持久的竞争优势。迟迟不行动的公司错失的将不只是增长机遇。之后，它们还不得不在弱势地位下洽谈生态系统合作，面临更少的合作名额、更弱的议价能力，以及不断扩大的数据差距。
致谢
作者感谢波士顿咨询公司的同事 Sebastian Bak Adamek、Roelant Kalthof、Arthur Frossard Paulin、Jimmy Royston 和 Nathan Shenck 对本刊的贡献。
原文链接：https://www.bcg.com/publications/2026/how-cpg-companies-win-agentic-commerce
原文链接:
合集下载
经济管理文库 |
麦肯锡 |
|
|
|
|
|
|
|
研究报告 |
埃森哲 | 行业报告 |
|
