Human Forward 的调研称近半美国零售商在拦截 AI 代理流量，只有两家支持 AI 独立结账，黑五前这组数字说明 AI 帮你下单这件事在落地端被卡住了。品牌在 AI 回答里被推荐，和在 AI 代理那里能完成交易，是两件不同的事：前者是可见度问题，后者是接入与合规问题。这些判断只能以11月9日的公开信息为限，拦截比例的口径、样本范围与站点清单都还没有完整披露。
被拦的是流量，不是答案
零售商拦截 AI 代理，动机并不复杂：代理流量会绕过首页与推荐位，直接命中商品页，广告与陈列的价值被跳过；同时代理请求会拉高服务器压力，却没有对应的转化归因。对零售商来说，拦掉它短期更划算。
对品牌来说，这形成一个错位：AI 平台上品牌被推荐得越多，落到零售站点时越可能被拦在门外。可见度数据好看，成交数据不动，两套指标各说各话。做监测的人要先把这层错位说清楚，否则报告会被误读成效果不佳。
可见度和可交易性要分开记
监测口径里至少要拆成两层：第一层是品牌在 AI 回答中的出现与推荐位次，第二层是回答落地后能否完成购买。第一层用问题库抽样就能测，第二层需要逐站点验证代理可访问性，成本高得多，但缺了它，可见度就只是半个指标。
拆开之后，优化动作也分开了。第一层靠内容与信源建设，第二层靠与平台的接入谈判与结构化数据。把两件事混在一个指标里，团队会不断在错误的环节投入。
样本怎么取才站得住
| 监测项 | 可测内容 | 证据边界 |
|---|---|---|
| 品牌提及率 | 问题库抽样中的出现比例 | 样本问题数决定误差 |
| 推荐位次 | 同一问题下的排序位置 | 平台个性化影响可比性 |
| 引用来源 | 回答中引用的站点与页面 | 部分平台不显示来源 |
| 可交易性 | 代理能否完成结账 | 需逐站点人工验证 |
样本设计上最常见的错误，是把消费者端看到的个性化结果当成公共结果。同一个问题，不同账号、不同地区、不同历史行为拿到的答案可能完全不同。监测要么固定账号与环境，要么扩大样本量并报告分布，不能只取一次截图当结论。
这件事对品牌 GEO 管理意味着什么
先把拦截清单摸出来
在可见度报告之外，值得单独建一张拦截清单：品牌主要销售的站点里，哪些会拦代理、哪些支持结账、哪些只在特定品类开放。这张清单更新频率不用高，但必须在，否则预算会持续投在无法转化的入口上。
清单之外还要一条判断边界：拦截是平台策略，不是品牌能直接改变的变量。品牌能做的是把资源往可交易的入口倾斜，同时保留在不可交易入口的存在感，把这两层指标并排看，会得到一个更实际的结论：AI 入口的价值取决于它能否走到交易，而不只是能否带来曝光。对预算分配来说，先确认入口可交易，再谈可见度优化，顺序反了就会把资源投在只能被看见、无法被买走的地方。反过来，如果某入口长期不可交易，维持基础信息覆盖即可，把优化预算留给能闭环的场景。这一步不做，可见度报告就只能解释曝光，解释不了生意。
常见问题
近半零售商拦截 AI 代理，这个比例可信吗？
来源是 Human Forward 的调研，具体样本与统计口径尚未完整公开。可以当作方向性信号，不宜直接外推为行业精确比例。
品牌在 AI 回答里被推荐，为什么成交没有变化？
常见原因是落地站点拦截了代理流量，或结算链路不支持代理完成下单。可见度与可交易性是两层指标，需要分开看。
GEO 监测要固定账号吗？
建议固定。AI 回答存在个性化差异，固定账号与环境才能做时间序列对比；若要测分布，则需扩大样本量并报告区间。
拦截清单多久更新一次？
季度更新即可。平台策略变化不快，但新站点上线频繁，新增站点应即时补录，避免预算投到不可交易的入口。
