为零售媒体而构建，为智能体商业做好准备
AI 驱动的商业正在重塑消费者发现与购买商品的方式。Moloco Commerce Media 已通过深度商品目录、实时决策和衡量能力，为您的零售媒体业务提供支持。我们正在此基础上继续构建，以适应新兴的智能体购物体验。
Moloco 客户包括：
智能体商业开启两大前沿
AI 为零售网站带来的推荐流量同比增长 4 倍。越来越多的购物旅程从 ChatGPT、Gemini 等 AI 平台开始，在零售商网站完成。零售商由此有机会获得智能体推荐，并与消费者建立信任。 {[data-attribute="init-tooltip"][tooltip-content="<p>来源：<br><br>EMARKETER，《AI作为零售引流渠道正快速增长——零售商如何取胜》（“AI is growing quickly as a retail referral channel. Here's how retailers can win.”），2026年第一季度（Q1 2026）。</p>"]}
影响消费者购买考虑的场景
在消费者访问您的网站之前，AI 智能体会利用结构化商品信息决定推荐哪些零售商。关键在于让商品更容易被发现，同时保护业务的独特优势。
培养消费者习惯的场景
消费者会围绕及时、相关且有帮助的体验形成习惯。上下文智能能够帮助零售商提供这类体验，并与消费者建立更牢固的直接关系。
推理引擎只推荐可验证的商品
当消费者向智能体询问适合小户型的升降桌时，引擎并不是简单匹配关键词，而是根据尺寸、兼容性、使用场景和库存等结构化属性进行推理。商品目录数据不完整或过时，不仅会降低转化率，还可能让商品完全失去进入考虑范围的机会。
让商品数据为智能体做好准备
接入 Moloco 的零售商已经通过商品 Feed 对目录进行结构化和丰富，包括为每件商品补充关键细节的自定义字段。这项工作可以发挥双重价值：
- 目前，Moloco 的 AI 模型利用这些数据支持站内个性化、相关性和商品搜索。
- 未来，AI 购物智能体将能够使用同一套增强后的商品数据来理解、比较和推荐您的商品。
跨渠道共用一套商品目录基础
目前支撑零售媒体业务的商品目录工作可以发挥双重作用：
- SEO 帮助商品提升搜索排名；结构化商品数据帮助推理引擎评估是否推荐。
- 用于站内个性化的同一组结构化属性，也能帮助外部智能体理解您的商品。
控制信号的共享与使用方式
Moloco 的信号治理方式：
- 自由共享商品事实，包括规格、价格和库存；
- 有选择地分享从效果数据中提炼的洞察，而不暴露底层数据；
- 保护专有行为数据、退货率和学习引擎。
上下文 AI 融入消费者的搜索与浏览路径
消费者花了 20 年养成搜索与浏览习惯，页面角落里的聊天窗口无法轻易改变这一点。
聊天机器人需要消费者主动发现并明确操作。
站内智能
我们认为更好的模式是环境智能：当行为信号显示消费者产生疑虑时，帮助即时出现；当消费者恢复信心后，帮助自然消失。
我们的愿景是让 Moloco 的实时决策读取会话内信号，并在消费者遇到阻碍的准确时刻提供符合情境的商品智能。
由行为触发，而非按钮
站内互动会产生外部智能体无法获取的行为信号，包括：
- 查看商品规格所用时间
- 不同款式之间的切换
- 在商品页面之间反复跳转
基于只有您掌握的数据
前沿模型在通用推理方面持续进步，但无法获取哪些 SKU 适合具体使用场景的数据。这些洞察来自：
- 退货数据
- 客服模式
- 购买后行为
培养消费者直接访问的习惯
当消费者直接选择某家商城时，这种关系可以：
- 帮助保护利润率
- 产生能够持续强化优势的专有数据
What's live today. What we're building next.
Here's what MCM can do right now, and the capabilities currently in development.
Live in Moloco Commerce Media today
Catalog normalization and product understanding
Real-time behavioral decisioning for onsite personalization, retrieval, and ad relevance
Demand and creative automation workflows
Capabilities in active development,
subject to change.
Structured product data that helps offsite agents discover and understand products
Tools for controlling how signals are shared and used
Monetization based on outcomes from agent-led shopping experiences
零售商当前构建能力的三项重点
商品目录越深，优势越能持续积累
前沿模型无法自行了解哪些 SKU 适合具体使用场景。这些知识存在于您的数据中，也是推理引擎有信心推荐您的关键。
同时建设站内习惯与站外排名
支撑站内智能的商品目录工作，也正是帮助外部智能体理解您的基础。一项投入，同时覆盖两大前沿。
学习速度会持续累积为优势
当智能体流量真正形成规模时，提前行动的零售商已经完成了数十轮实验。这种知识无法购买，也无法压缩时间快速获得。
常见问题
什么是智能体商业，为什么现在值得关注？
智能体商业是指购物旅程由 ChatGPT、Gemini 和 Perplexity 等 AI 平台塑造，而不再主要依赖传统搜索或直接访问。之所以现在重要，是因为这些平台已经在影响哪些零售商会被推荐和信任，而这些模式可能会随着时间推移越来越难以改变。
环境智能与聊天机器人有何不同？
聊天机器人等待消费者主动发现并明确操作。我们设想的环境智能则根据表示犹豫的行为信号触发，在恰当时刻提供符合情境的帮助。界面仍可能采用对话形式，真正不同的是它何时出现、为何出现。
开始使用是否需要构建新的基础设施？
Moloco Commerce Media 可以使用您现有的商品目录与一手数据，但可能需要进行部分目录更新或技术集成。Moloco Commerce Media 会为您部署专属的商业媒体 AI 模型、广告活动管理和广告投放基础设施。专属实例中的商业媒体 AI 模型仅使用您的数据训练。同一基础既支撑当前的零售媒体业务，也能在未来支持智能体商业。
应该与智能体平台共享什么，又该保护什么？
我们建议采用三层方法判断共享与保护范围。商品规格、价格和库存可以自由共享；从效果数据中提炼的洞察可以有选择地共享，在不暴露底层数据的情况下提供有用结论；原始行为流、属性级退货率和学习引擎本身则应受到保护。
如何判断智能体触点是否带来真实效果？
多触点归因模型可能低估智能体辅助会话等新触点的贡献。Moloco 基于对照组的增量衡量框架利用控制组，更准确地识别智能体辅助会话带来的净新增收入。
