核心要点
在Google AI Mode中浮现的所有产品链接里，超过一半被引导至Google Shopping商品列表页面，而非品牌官网。相关报告引用Search Engine Land于2026年10月29日发布的数据，将该比例定为57%——这一数据值得当前正在投放付费或自然流量产品广告的从业者再次审视。但这组数字里还藏着几个比57%本身更值得拆开看的细节：46.5%的美国产品类回答只链接到Google自有页面，没有指向任何外部网站；在泳装品类里，这个“只链Google”的比例是60.4%，女装是57%，防晒是54.1%，运动服是53.8%；而运动营养品类只有7.6%，本地服务类只有5.1%，软件类只有1.1%。AI Mode的产品链接流向，不是一个均匀分布的百分比，它在时尚、美妆、运动服饰这些视觉驱动、SKU丰富、价格和库存信息标准化的品类上，表现出最强烈的“内部闭环”倾向。
Findrix的研究方法本身也需要先摆清楚。它在2026年10月14日至17日之间，用18,400个买家问题在35个美国市场上测试，从ChatGPT、Gemini和Google AI Mode收集了55,198条AI生成的回答，每个问题在每个平台上只测试一次。它测量的是“AI回答里展示了哪些链接”，不是“用户实际点击了哪些链接”，也不是“最终成交发生在哪里”。这意味着57%描述的是AI Mode在组织产品类回答时，选择引用谁的内容作为信息来源，而不是“57%的购买被Google截流了”。但这个区别并不削弱它的分量——当一个买家在AI Mode里问“适合潮湿天气的平价越野跑鞋”，AI给出的答案里引用了哪些产品、这些产品挂在谁的页面上，决定了这个买家在对话界面里看到的第一个选项是谁，以及他有没有机会在点击之前就绕过品牌官网。
关键洞察
当消费者向Google AI Mode提出产品相关问题时，回答越来越倾向于将其引导至Shopping标签生态系统，而非直接跳转至DTC落地页或PDP。这意味着，未积极管理其Shopping商品源、标题和产品数据的品牌，甚至在用户点击之前就被过滤出对话之外。如今，商品源质量就是广告创意。
“商品源质量就是广告创意”这句话的分量，需要放到Merchant Center在2026年实际承担的职能里才看得清。Google副总裁Courtney Rose在2026年零售广告解码大会上确认，同一份Merchant Center产品数据现在同时供给七个界面：AI Mode、Gemini购物、Google Lens虚拟试穿、Business Agent、品牌简介、免费商品信息，以及购物广告。过去，Merchant Center的feed主要服务于购物广告的匹配和竞价；标题、GTIN、价格、库存这几项填对，广告就能跑。现在，同一份feed在AI Mode里承担的是一个完全不同的任务：AI需要从结构化属性中提取出“这个产品能不能回答买家那个具体的自然语言问题”。AI Mode里的查询平均长度是传统搜索的三倍，买家问的不是“越野跑鞋”，是“哪些价格实惠的越野跑鞋最适合潮湿环境”；AI要回答这个问题，需要把防水性能、鞋重、地形兼容性和价格当作四个独立的、可查询的字段去比对，而不是在一段标题文本里找关键词。
这个转变带来的第一个硬门槛是属性深度。行业观察给出的基准线是：一个商品在feed里的结构化属性少于15个，在AI Mode里除了最基础的品类查询之外，大概率是不可见的。15个不是Google官方公布的阈值，但它指向的方向和Google自己的措辞是一致的——Google在Merchant Center帮助文档里对popularity rank、document link、question and answer、related product这几项属性都标注了“This attribute is primarily intended for use in conversational experiences such as AI Mode”。这些字段不是从旧的Shopping基础设施里改造过来的，是为对话式查询模式专门设计的。一个标题写得再漂亮、主图拍得再精致的商品，如果feed里的结构化属性停留在“品牌、品类、颜色、尺寸”这四五个基础字段上，它在AI Mode里的可见性不会比一个属性填满但标题平庸的商品更高。FeedArmy的案例给出了一个可以对照的结果：一个客户仅仅改进了产品数据，没有调整出价、没有更换创意素材，Google广告表现提升了80%。
第二个门槛在标题的前70个字符。Merchant Center的标题上限是150个字符，但购物移动端和AI Mode的展示面通常只呈现前70个字符左右，超出部分继续被索引，但买家几乎看不到。这意味着标题的信息密度必须在前半段完成三件事：核心品类词、关键差异化属性、以及一个能被AI解析的规格或场景限定。一个写成“XX品牌女士户外防水透气越野跑鞋轻量缓震适合潮湿路面”的标题，前70个字符覆盖了品牌、品类、核心功能和使用场景；一个写成“XX品牌2026新款春秋季女士运动鞋舒适百搭”的标题，前70个字符里没有一个可以被AI用来回答“潮湿环境”这个条件的字段。
第三个门槛是feed与网站的一致性。2026年Google对“feed里写的和网站上展示的不一致”的店铺，处理力度比一年前明显收紧。一个在feed里把材质写成“Gore-Tex”但产品页上只写“防水面料”的商品，AI在交叉验证时会降低对这条feed的信任权重；一个在feed里标价49.99美元、落地页上显示59.99美元的商品，不仅会在购物广告侧被拒，在AI Mode的引用池里也会被降级。“商品源质量”的第一层是填得全，第二层是填得准，第三层是填的东西和买家最终看到的东西对得上。
为何重要
如果你的品牌依赖自然搜索或品牌定向PMax流量将消费者引流至你的Shopify商店，那么这57%的比例就是一个警示信号。优化策略需向前端延伸：Google Merchant Center商品源的数据卫生状况、具有竞争力的价格信号以及评论增长速度，现在决定了AI Mode是否会提及你的产品。请像测试Meta广告创意一样，对你的Shopping商品源进行严格测试。
对依赖自然搜索的DTC品牌，57%的含义不是“你的自然流量被Google偷走了”，而是“AI Mode在产品类查询里，更倾向于把买家留在一个Google可以完整控制信息呈现的界面里，而不是把他送到一个Google无法控制页面结构、无法保证价格和库存实时同步的外部网站”。Findrix的联合创始人Yosif Merman对此的解释很直接：Google的产品数据库里装着价格、评分和库存信息，AI Mode可以用这些数据来组织产品回答，不需要引用那么多外部网站。一个DTC品牌官网上的产品页，即使SEO做得再好、结构化数据再完整，它在AI Mode眼里仍然是一个“外部页面”，AI无法从那个页面上实时读取价格、库存和评价并保证信息的准确性；而Google Shopping的商品页，信息来自Merchant Center的feed，是Google自己的数据。在“信息可控性”这个维度上，DTC官网和Google Shopping不在同一个竞争位置上。
但这不意味着DTC品牌在AI Mode里没有入口。57%的链接流向Shopping，剩下43%的链接里仍然有品牌官网、零售商页面和其他外部来源的空间。问题在于，进入那43%的条件，和进入Shopping页面的条件不是同一套。进入Shopping的条件是feed完整、价格有竞争力、库存实时更新；进入那43%的条件是品牌在AI Mode的引用池里被认为“提供了Shopping feed无法覆盖的信息增量”——比如深度的产品使用场景说明、第三方测评的交叉引用、或者品牌在某个细分品类里已经积累的认知信号。一个在AI Mode里被引用的DTC品牌官网页面，通常不是因为它的标题里堆了更多关键词，而是因为AI判断这个页面上有Shopping feed里没有的东西：一个真实的使用故事、一段详细的材质对比、或者一个权威第三方的评测结论。
“请像测试Meta广告创意一样，对你的Shopping商品源进行严格测试”这个建议，在操作层面可以拆成四个具体的动作。
第一，先做一次属性深度审计。把Merchant Center里每个活跃SKU的结构化属性数量数一遍。低于15个的SKU，优先补的不是标题关键词，是Google在2026年新增的六项对话属性里的高权重字段：question_and_answer、related_product、item_group_title，以及use case、compatibility这类直接对应买家自然语言查询的维度。一个卖手机壳的SKU，如果feed里只有“品牌、型号、颜色”，AI在回答“有没有适合iPhone 17 Pro的磁吸防摔壳”时，能用来匹配的字段只有型号和颜色；补上“compatible_with: iPhone 17 Pro”和“best_for: 防摔、磁吸”之后，这个SKU才进入了那个问题的候选池。
第二，用custom_label把利润和库存信号写进feed。PMax已经不再以关键词定位，它从feed属性（category、brand、custom_label、product_type）构建listing groups，自动出价在这些组之间分配预算。custom_label_0到custom_label_4是免费的分段字段，Google不读它们的内容，但广告系列的结构和出价策略会继承这些标签。把“高毛利快动销”“低毛利慢动销”“深库存”“尾货”这些信号写进custom_label，PMax的预算分配才有依据把资源从低效SKU上挪开。一个feed里所有SKU共用同一个ROAS目标的账户，本质上是在让算法用同一个标准去衡量一批成本结构完全不同的商品。
第三，像做创意A/B测试一样做feed测试。Meta广告创意测试的节奏是：提出假设、生成多个变体、用统计上足够的样本跑一轮、看哪个变体的转化成本更低、然后把资源集中到胜出的变体上。Feed测试的节奏可以类似：选一组同品类的SKU，一半用现有的标题和属性结构，一半用重写后的标题和补全的对话属性，在PMax或标准购物里跑两周，看两组的展示份额、点击率和转化成本有没有统计上可区分的差异。Feed优化的问题在于它的反馈周期比创意测试更长——一个标题改动对AI Mode可见性的影响，可能需要几周才能从展示份额和引用频次上被观测到；但正因为周期长，那些在2026年上半年就开始做feed测试的品牌，到了下半年已经积累了两到三轮的迭代数据，而还在用“填完必填项就跑”的账户，手里没有可对比的基线。
第四，把评论增长速度作为feed质量的一个外部信号来管理。Google Shopping的商品页会展示评分和评论数，AI Mode在组织产品回答时也会引用这些信号来判断一个商品是否“被验证过”。评论的增长速度，在AI的排序逻辑里可能比评论的绝对数量更有信息量：一个过去30天新增了20条评论的商品，比一个两年前积累了200条评论、最近半年没有新增的商品，在“当前是否值得推荐”这个判断上占据更有利的位置。DTC品牌在自己的Shopify站上积累的评论，如果通过Merchant Center的产品评论feed同步到了Google Shopping，这些评论就同时服务于网站和AI Mode两个界面；如果评论只停留在自己的网站上，AI Mode在组织产品回答时看不到它们。
回到57%这个数字本身。它不是一个“Google在封闭生态”的道德判断，它是一个可以被测量的流量结构变化。在AI Mode出现之前，一个DTC品牌的自然搜索策略核心是“让我的页面在关键词搜索结果里排到前面”；在AI Mode里，产品类查询的答案越来越多地由AI从结构化数据中组装，“排到前面”这个动作的对象从“网页”变成了“feed里的字段”。一个在Google搜索里排名第三的品牌官网页面，在AI Mode的产品回答里可能一次都不会被引用，因为AI判断Shopping feed里的信息已经足够回答那个问题；一个在Google搜索里排名第十的零售商页面，如果它的Merchant Center feed属性完整、价格有竞争力、库存实时更新，它反而可能出现在AI Mode的引用列表里。竞争的位置变了：从“网页与网页之间的排名竞争”，变成了“feed与feed之间的信息完整性竞争”，以及“DTC官网与Google Shopping之间的信息可控性竞争”。
如果你的品牌在Shopify上，Merchant Center的feed同步通常是自动的，但自动同步不等于自动优化。Shopify的Google Shopping应用会把标题、价格、库存、变体这些基础字段推过去，但对话属性、custom_label、question_and_answer这些决定AI Mode可见性的字段，往往需要手动补充或通过补充feed（supplemental feed）写入。一个“已经连上了Merchant Center”的Shopify店铺，和一个“feed为AI Mode做过结构化改造”的店铺，在57%这个数字面前的暴露程度是不同的。 前者在AI Mode的产品回答里，可能只出现在最基础的品类查询中；后者才有机会进入那些长尾的、具体的、带着使用场景和约束条件的买家问题里——而那些问题，恰恰是购买意图最明确的入口。
Source: Industry Report, 2 days ago.