當 ChatGPT 成為購物入口，零售商要開門、築牆，還是加一層自己的 AI

搜尋、推薦與結帳，正在被同一個對話介面吞進去

過去顧客先在搜尋引擎找商品，再進電商或零售 APP 比價、選配送並結帳。當基礎大模型能理解需求、整理選項甚至代為下單，零售商可能只剩後端供貨角色，品牌與顧客關係則留在 AI 平台。

報告把零售商的態度概括為擁抱或封閉。實務上其實有第三條路：對外開放流量入口，但由自己的 AI 與 API 作為中介。Walmart 的 Sparky 正是這種做法，讓外部模型負責探索與觸達，自有系統負責商品、庫存、履約與交易。

即時結帳的第一次嘗試，暴露了網頁資料的侷限

2025 年 9 月，OpenAI 宣布與 Stripe 合作推出即時結帳；同年 10 月，Walmart 宣布使用者可在 ChatGPT 內完成商品下單。到了 2026 年 3 月，功能路線出現調整，商家可以使用自己的結帳系統。

報告引用相關資訊指出，初期方案仰賴抓取公開網頁，難以核驗即時庫存、配送時效，也無法完整接上零售商既有購物工具。這說明商品頁不是零售真相的全部；真正可交易的答案，需要即時庫存、價格、會員權益、地址、運能與售後一起回應。

開放 API，不等於交出顧客

零售商應把可開放與必須掌握的層次分開。商品發現、規格與公共價格可以廣泛分發；即時庫存與配送承諾需要授權 API；會員偏好、購買紀錄、支付與售後則應由企業在明確同意下管理。

對規模較小的零售商，完全自研大模型未必經濟，但仍可建立自己的商品知識層、庫存 API、會員識別與品牌回應規則。沒有能力訓練模型，不代表只能把整間店的鑰匙交出去。

• 開放：取得最大外部流量，但平台依賴與資料流失風險最高。
• 封閉：控制力最強，但可能錯失新的需求入口。
• 中介層：兼顧流量與控制，代價是 API、資料治理與產品能力。

AI 入口的競爭，會把商品資料從 SEO 文件變成可交易的即時服務

過去零售商為搜尋引擎準備商品標題、描述與結構化資料，目標是讓使用者點進網站。代理型 AI 需要的卻不只是可閱讀頁面，而是可以查詢、比較、承諾與下單的介面。顏色、規格、庫存、到貨時間、會員價格、退貨條件與替代品都必須以清楚欄位回應；若只讓模型抓取網頁，它很容易把過期資訊組合成看似完整的答案。

這代表零售商要建立一個『商品真相層』。公開資訊可以供任何 AI 探索，即時庫存和履約則由受控 API 回應，會員權益與交易必須經過身分驗證。每個回答都要標示更新時間、適用門店與限制，讓外部模型不必猜測。這層基礎能力不只服務 ChatGPT，也能同時支援自家 APP、客服、門店人員與未來其他代理平台。

當 AI 能替顧客完成比較，品牌也要重新思考被選中的條件。過去可以依靠版位與廣告，未來模型更可能根據可取得性、價格、評價、配送承諾與退貨風險排序。商品資料不完整、庫存常失準或售後規則難以理解，即使品牌有知名度，也可能在代理的答案裡被排除。資料品質因此從資訊工作，變成新的通路競爭力。

開放、封閉與中介層的選擇，應依顧客關係與議價能力分層

完全開放適合需要快速取得新流量、品牌認知較低的商家，但必須先談清楚排名、歸因、付款、退貨與資料回傳。完全封閉能保留體驗，代價是顧客可能在外部 AI 就完成選擇，根本不再打開零售 APP。中介層則讓外部平台負責觸達，自有系統負責商品真相與交易，是較平衡但也更需要工程與治理能力的做法。

合作契約至少要回答：誰能看到對話與交易資料、平台能否用資料訓練、顧客要求刪除時由誰處理、錯誤價格與錯誤承諾由誰負責，以及零售商能否把會員關係帶回自己的渠道。若這些問題沒有答案，短期新增訂單可能同時累積長期依賴。流量不是免費，它常以資料與顧客接觸權交換。

台灣中小型零售商不必各自訓練大模型，可以共用標準商品 API、身分驗證與訂單協定，再保留品牌語氣、選品規則與會員權益。最重要的是不要把自己的資料層省略。模型供應商會變、入口也會變，但商品、庫存、服務承諾與顧客信任仍應由零售商掌握，才能在下一個入口出現時保有選擇權。