Adobe对英国假日季的预测里有两个数字：线上消费盘子接近290亿英镑，AI来源的流量增幅可能达到214%。前者说明盘子够大，后者说明分蛋糕的方式正在变。买家开始用AI助手搜礼品、比价格、做决策，流量入口的结构性变化已经写进了预测里。
214%这个增速需要拆到“基数”上才有参照。AI来源流量在整体线上流量里的占比还处在个位数，一个低基数上的高增速，绝对增量不等于“214%的盘子”。但它指向的方向是确定的：AI助手在购物决策里的介入深度在加深，从“推荐一个商品”到“比较几个商品”，再到“替买家完成筛选”，介入越深，商品“被AI理解”的重要性越高。流量入口从“搜索框加关键词”变成“对话框加自然语言”，两种入口对商品信息的要求不一样。搜索框要的是“标题里有关键词”，对话框要的是“描述里有可被提取的事实”。
承接AI流量的功课有三块，现在补都来得及。
第一块：商品页要能被读懂
AI推荐商品的前提是理解商品。结构化数据是底线：价格、库存、材质、尺寸、配送时效，这些字段用标准格式写全。描述文案要回答具体问题，“适合送给爱喝茶的父亲”这类句子对AI检索的价值，远大于“匠心工艺品质之选”。AI替买家做筛选时，信息越具体的商品排位越占便宜。
结构化数据的“标准格式”，落到具体字段上是几组可核对的项。价格字段需要包含“当前售价、原价、折扣率”，AI在做“预算五百以内”的筛选时，读的是当前售价，不是原价；库存字段需要标注“可售状态和预计发货时间”，AI在回答“能不能在节前到”时，读的是发货时间；材质字段需要写到“具体材质和成分比例”，AI在回答“这个杯子适不适合装热水”时，读的是材质和耐温范围；尺寸字段需要带单位，AI在回答“这个收纳盒能不能放进行李箱”时，读的是尺寸数字和单位。五个字段里任何一个缺了或写了模糊表述，AI在那个具体问题面前就找不到依据。
描述文案的“回答具体问题”，落点在“把卖点翻译成买家会问的问题”。一个保温杯的文案，写“316不锈钢内胆、保温12小时、容量500毫升”，对应的是“这个杯子保不保温、能装多少水”三个问题；写“匠心工艺、品质之选”，对应的是零个问题。AI在替买家筛选时，读的是“这个商品能不能回答买家提出的那个条件”，条件越具体，能回答的商品越少，排位越靠前。
第二块：Shopping Feed的质量分
Google的购物体系里，Feed数据质量直接决定商品能不能被各种入口调用。假日季前把Feed过一遍体检：标题关键词覆盖、图片规格、价格与库存同步的及时性、GTIN填写率。Feed错误率高的账户，等于在AI分发的时代关门谢客。
Feed体检的四项里，GTIN填写率是最容易被低估的一项。GTIN是商品条码，Google用它来“确认这个商品是哪一个”，没有GTIN的商品，在AI的候选池里无法被“精确匹配”到具体的产品型号，只能被“模糊匹配”到品类。一个填了GTIN的收纳盒，AI在回答“这个型号的收纳盒有没有优惠”时，能精确定位到它；一个没填GTIN的收纳盒，AI只能把它归到“收纳盒”这个品类里，和其他几百个同类商品一起被模糊处理。价格与库存同步的及时性同样关键，一个Feed里显示“有货”、实际缺货的商品，AI把它推荐给买家，买家点进去看到缺货，这个商品的“推荐信用”会被平台记录，后续的推荐权重往下走。
标题关键词覆盖的做法，需要按“买家在对话里会用的词”来写，而不是按“卖家想强调的卖点”。一个买家在AI助手里的提问是“适合送妈妈的保温杯”，标题里写“保温杯 母亲节礼物 316不锈钢”，覆盖的是“保温杯、母亲节、不锈钢”三个词；标题里写“高端商务礼品杯”，覆盖的是“商务、礼品”，但漏了“保温杯”这个核心品类词，AI在匹配“保温杯”这个条件时，可能跳过它。
第三块：传统SEO不作废
AI搜索的答案大量引用传统搜索的优质结果，SEO的基本功没有作废，反而被放大了。礼赠类关键词的内容页值得补一轮：礼品指南、场景清单、预算分区，这些页面既是传统搜索的入口，也是AI引用的高频素材。
礼品指南类内容页的价值，在“它覆盖的是一组问题，而不是一个关键词”。一个“送父亲礼物指南”的页面，覆盖的是“送父亲什么礼物、预算多少、什么场合送”三个维度的问题；AI在回答“送父亲什么礼物好”时，引用的是这类“已经把答案组织好”的页面，而不是“一个只卖单一商品”的产品页。场景清单的价值，在“它把商品放进了具体的场景里”，一个“冬季居家礼物清单”的页面，把保温杯、毛毯、香薰放在“冬季居家”这个场景里，AI在回答“冬天送什么礼物给朋友”时，引用的是这个场景化的清单。预算分区的价值，在“它对应了买家最常提的那个筛选条件”，一个“50英镑以下礼物”的页面，对应的是买家“预算有限”的筛选，AI在回答“预算五十以内送什么”时，引用的是这个页面。
内容页的“被引用率”，取决于“页面上的答案有多容易被提取”。一段写成“送礼要考虑对方的喜好、预算、场合”的段落，AI提取不出具体答案；一段写成“预算五十英镑以下，推荐保温杯、香薰蜡烛、围巾三类，理由是实用、不挑人、有节日感”的段落，AI能直接提取“三类商品加三个理由”。内容页的写法，从“讲道理”转向“给答案”，被引用的概率往上走。
285.2亿英镑的盘子里，流量入口的分布会和往年不一样。三块功课都做完的卖家，吃到的是新增的那部分；没做的，吃的是缩水后的旧盘。
执行上分三步走。第一周完成结构化数据和Feed体检，把硬错误清零——硬错误指的是“价格和库存不同步、GTIN缺失、图片规格不符”这三类，它们不修复，商品在AI入口里连候选池都进不去。第二周补礼赠关键词的内容页，抢在搜索热度爬坡前上线——内容页从上线到被搜索引擎和AI引用，中间有一到两周的索引期，晚于热度爬坡上线，引用的时间点会错过搜索高峰。第三周用几个主力礼品词测试AI搜索给出的推荐结果，看自家商品出现的位置和缺位——出现的位置，说明“这个商品在哪个问题上被AI认为是答案”；缺位的位置，说明“这个问题上，AI推荐了谁、为什么没推荐我”。
英国是AI购物渗透最快的市场之一，这里的承接经验，明年会复制到其他市场，先练好这一课，后面处处受益。英国市场的特殊性，在于“英语语料的丰富度”和“电商基础设施的成熟度”两个条件同时成立——英语语料的丰富度，让AI助手的回答质量高于小语种市场；电商基础设施的成熟度，让“AI推荐到下单”的链路比新兴市场短。两个条件叠加，英国是“AI购物闭环”跑得最完整的市场之一，在这里跑通的承接动作，迁移到其他英语市场（美国、澳大利亚、加拿大）的适配成本低，迁移到非英语市场的适配成本高一些，但“结构化数据、Feed质量、内容页”三块功课的框架是通用的。