Alphabet的三季度成绩单里，Google广告这块录得约820亿美元，同比涨了约11%。数字本身不稀奇，稀奇的是收入的构成在悄悄挪位：AI助手开始承接购物决策的前半程，一部分商品的曝光和比较，发生在Google自己的界面里，没点到任何商家的网站。820.1亿美元里，搜索贡献633.5亿、同比增长12%，YouTube贡献112.07亿、增长9%。两个板块的增速都在放缓，但放缓的背面是另一个变化——Google在AI Mode里塞进了越来越多的购物交互，产品卡片出现在64.4%的购物查询答案中，比较类查询里这个比例升到66.7%。买家在Google的界面里完成了“看什么、比什么、选什么”的前半程，商家的网站只承接了最后一步的结算。
Wayfair的启示
Wayfair被反复提起，原因不复杂，但它参与的机制比“AI推荐商品”更深一层。2026年1月，Wayfair参与了Google通用商务协议（UCP）的共同开发；到2月，美国消费者已经可以在AI Mode或Gemini里直接完成Wayfair商品的结账，不需要离开Google的界面。5月的Google Marketing Live上，Universal Cart进一步把这条路径铺到Nike、Sephora、Target、Walmart和Shopify商家，结账层由Google的Agent Payments Protocol（AP2）支撑，浏览和选择在前，支付执行在后，两者在协议层被拆开。
这条链路对归因的冲击是结构性的。UCP的结账路径产生了一个曝光和一笔成交，但发送给商家网站的点击数是零——买家从未落到Wayfair的域名上，浏览器的cookie没有触发，GA4的会话没有建立，传统的点击流在物理上就不存在。传统的末次点击归因依赖“广告展示—点击—落地页—转化”这条可追踪的链条，而当购买发生在AI界面内部、商家页面根本没有被渲染时，这条链条在采集端就断了，不是模型偏差的问题，是数据本身没有被生成。一个Wayfair的营销负责人看到的报表，可能是一笔来自“direct”或“Google organic”的订单，甚至是一笔没有任何来源标记的订单，而实际上这笔订单的起点是AI Mode里的一句自然语言提问。Google的信号是，专门针对UCP驱动销售的归因能力仍在开发中，gclid和wbraid等点击标识在UCP流程里是否出现、以什么形式出现，还没有定论。在标准落地之前，商家如果只依赖平台自带的报表，AI渠道的贡献在账面上是隐形的。
尺子得换，但换的不只是“多开几列”
“多层归因”这个方向是对的，但操作层面需要比“报表里多开几列”更具体。2026年9月，Google为AI Max推出了统一报告，声称可以把用户从搜索查询到购买的整条路径串起来看，用多触点归因替代碎片化的数据点。这个工具本身有价值，但它有一个内置的冲突：平台在自己建的报表里给自己的AI功能打分，数据的偏向是结构性的——如果用户点击了一个搜索广告、看了一段YouTube、最后通过AI Max完成购买，Google会把功劳全部记在AI Max上，商家无法从这份报表里判断自然搜索、邮件营销或其他付费渠道在其中起了什么作用。
更务实的做法是把归因拆成两层，一层用平台报表看趋势，一层用独立信号做校准。平台报表解决的是“AI Max有没有在跑、跑的方向对不对”，独立信号解决的是“这笔钱花得值不值”。独立信号的来源可以是服务器端的订单标记、独立的第三方归因工具，也可以是商家自己维护的一张多指标追踪表。这张表不需要精确到每一分钱，但它需要能把AI渠道的贡献从“完全看不见”变成“有一个可对比的趋势”：品牌词的自然搜索量在AI Mode产品卡片出现之后有没有抬升、Feed商品的曝光份额有没有变化、AI界面内商品卡片的互动（如果有独立参数可以捕获）对应的加购和成交是否在爬升。趋势不精确，但它比“只看末次点击”更接近真实。
Feed质量从“优化项”变成了“准入条件”
AI比较环节挑商品，挑的是资料全、属性清的。这句话在2026年的Merchant Center里有具体的字段支撑。Google从1月起陆续在Merchant Center上线了专门为对话式体验设计的属性，5月的Google Marketing Live正式命名为“对话式属性”（Conversational Attributes），包括question_and_answer（每个商品最多30组问答）、document_link（最多5个PDF链接）、related_product（最多30个关联商品，关系类型覆盖替代品、配件、必需组件、常一起买、不同品牌同类、同系列套装）、item_group_title和variant_option（变体层面的结构化描述）、popularity_rank（卖家自己目录里的相对热度）。这些字段不是给购物广告的关键词匹配用的，是给AI在回答自然语言查询时提取事实用的。
Google的副总裁Courtney Rose在Retail Ads Decoded 2026上确认，Merchant Center的产品数据现在同时供给七个界面：AI Mode、Gemini购物、Lens虚拟试穿、Business Agent、品牌简介、免费商品信息，以及购物广告。同一份feed，七个出口，但出口对字段的要求不一样。购物广告时代，标题、价格、GTIN、库存填对就能跑；AI Mode里，一个商品如果question_and_answer是空的、related_product没有建立关联、variant_option没有把变体差异结构化，AI在回答“有没有适合宽脚的版本”“和另一款有什么区别”时，找不到可以用来匹配和引用的字段。一份没有对话式属性的feed，在AI Mode的检索里不是“排名靠后”，是“根本不进入候选池”。行业侧的判断更直接：Feed已经不再只是购物广告的后台工具，它是AI购物的数字产品护照，不控制feed，在AI代理的世界里就不存在。
对商家的含义是，Feed优化的优先级需要从“广告投放的附属动作”提升到“独立的前置条件”。一个在AI Mode里被引用的商品，它的Feed里至少需要填满对话式属性中与自身品类相关的字段：服装品类需要variant_option把颜色、尺寸、材质的结构说清楚，家居品类需要related_product把“配套买什么”的关系建起来，电子品类需要question_and_answer覆盖兼容性和使用场景。这些字段的填充成本不高，但它们决定了AI在组织回答时有没有素材可以引用这个商品。
预算重排：比较面板里的位置值多少钱，用小预算测
“比较面板里的曝光位值多少钱”这个问题，在2026年的Google Ads里还没有一个现成的出价建议。AI Mode里的赞助广告仍在测试阶段，Universal Cart的结账路径也还没有独立的归因标识。在定价机制明确之前，最稳妥的方式是用一小笔预算去测“AI界面内的曝光”对应的转化增量，而不是直接按传统购物广告的CPC去推算。
测试的设计可以简化为三步。第一步，选一组同品类、价格带和评价基础接近的SKU，一半确保Feed里的对话式属性完整、related_product关联建立，另一半保持基础字段不变。第二步，在AI Mode或Performance Max里给两组相同的预算和出价，跑两到四周，观察两组在“AI来源的曝光份额”和“成交增量”上的差异。第三步，把差异折算成单次AI曝光的增量价值，用这个数字去决定下一轮预算往AI界面倾斜多少。测试的样本不需要大，但它需要干净——两组的Feed质量差异是唯一变量，价格、库存和配送条件尽量对齐。
另一个值得放进预算模型的信号是品牌词的自然搜索量。AI比较面板里被引用的商品，后续的品牌词搜索量往往跟着涨，因为界面内的曝光在给品牌蓄水。这意味着AI渠道的贡献不只在“AI界面里成交的那几笔”，还在“AI界面曝光之后、用户回到搜索框搜品牌词、从自然结果或品牌广告完成购买”的那一批。品牌词的广告投入可以适度加码，但需要把“AI曝光带来的品牌搜索增量”和“品牌广告本身的转化”分开记录，否则品牌广告的ROI会被高估，AI渠道的蓄水效应会被低估。
820亿的盘子还在涨，涨的部分越来越多长在AI界面里。归因这件事，早换尺子的商家先看清钱从哪来，晚换的继续在自己的报表里迷路。但换尺子不只是“多开几列”，是把Feed从后台工具提到前台、把平台报表和独立信号分开看、把AI曝光的定价权用测试拿回来。UCP的结账路径已经在Wayfair、Etsy、Nike、Sephora、Target、Walmart和Shopify商家身上跑起来了，零点击成交不是未来的假设，是已经发生的交易。归因的缺口不会等标准落地才影响预算决策；在标准落地之前，用自己的表先攒数据的人，等标准来的时候手里有底子。