截至 10 月 29 日的公开信息，Meta 宣布个人 AI 智能体 Muse 在新加坡上线，用户可通过 iOS、Android 应用及 muse.ai 使用，并可连接 Shopee、Lazada、Grab、新加坡航空、Agoda、ShopBack、Klook 与 Trip.com 等服务；在购物场景中，用户可以要求 Muse 搜索商品并比较 Shopee 与 Lazada 上的价格。新加坡是 Muse 继美国、加拿大、日本之后的上线市场，也是其进入东南亚的首站。对做 AI 搜索可见度监测的团队来说，这份名单透露了一个关键变化：智能体不再只读公开网页，而是直接调用平台的商品接口，品牌被看见的方式正在从「网页被抓取」变成「接口被调用」。
从读网页到调接口 可见度的底层变了
传统的 AI 搜索可见度建立在网页之上：模型抓取页面、建立索引、在回答中引用。这条链路里，品牌可控的部分是内容质量与结构化程度。智能体接入电商平台之后，链路变成接口调用，模型直接读取商品库，品牌可控的部分变成了平台侧的数据完整度与可售状态。
这个变化的直接影响是，同一品牌在不同连接器上的表现会明显分化。Shopee 与 Lazada 的商品库独立维护，价格、库存、评价各不相同，模型据此给出的 AI 回答与推荐自然也不同，引用来源也会指向不同页面。把两个平台的可见度合并成一个总数，等于把差异平均掉，失去诊断价值；竞品对比更会因此失真，因为对手在两个平台上的可售状态同样不同。
被接入本身就是一个变量
亚马逊的拒绝说明了什么
公开信息显示，亚马逊此前已阻止 Muse 访问 Amazon.com 购物。这条事实的意义不在于某一家平台的取舍，而在于它证明了「被智能体接入」不是默认状态，而是平台可以单方面决定的事情。对品牌而言，这意味着可见度的第一层不是排名，而是是否在可接入范围内。
于是监测口径需要加一层前置判断：这个平台是否对智能体开放、开放到什么程度、开放的是哪些字段。三层都确认之后，才谈得上提及率与位次。跳过这一步直接比较排名，会把「根本没被读取」误判为「排名靠后」，导致优化方向完全错误。
确认环节抬高了候选清单的价值
Meta 说明敏感操作需要用户确认，密码与支付信息不向智能体开放。这个设计在合规上是必要的，但对可见度的含义很具体：既然最后一步由用户点确认，那么模型给出的候选清单就成了决定性的筛选关口。品牌进入清单，才有被选中的可能；没进清单，后续所有优化都没有意义。
这解释了为什么「候选清单进入率」应当成为独立指标。它比推荐位次更前置，也比提及率更接近交易。一个品牌可能被频繁提及但从不进入清单，这种情况在品类词回答里很常见——被当作背景信息提到，却没有被列为可购买选项。
| 监测层级 | 观测口径 | 判断价值 |
|---|---|---|
| 可接入性 | 平台是否对智能体开放及开放字段 | 决定是否纳入监测 |
| 清单进入率 | 回答中品牌出现在候选清单的比例 | 决定是否可能成交 |
| 位次与引用 | 清单内排序与引用来源构成 | 解释差异原因 |
分层变量要加上用户类型
免费与订阅的差异
Muse 大部分日常功能免费，更多功能通过订阅提供。这意味着同一品牌在免费用户与订阅用户面前，可能面对不同深度的智能体能力——更长的上下文、更细的比价、更多的连接器。可见度因此出现分层，用单一数值描述会失真。
实践上建议在采样时标注用户类型，把免费与订阅分开统计。这个分层在早期影响不大，但随着订阅功能扩张会越来越重要。提前建立分层口径，比事后回溯要省力得多。
常见问题
智能体接入电商平台后，品牌的 AI 可见度为什么要分平台算？
因为每个连接器背后的商品库、排序逻辑与库存状态都不同。同一个品牌在 Shopee 与 Lazada 上的可售状态、价格与评价可能完全不同，模型据此给出的推荐自然也不同，合并成一个总数会掩盖差异。
亚马逊阻止外部智能体访问，说明了什么？
说明被接入本身不是默认状态，而是平台的选择。品牌不能假设所有渠道都会被智能体读取，需要按平台逐一确认可接入性，这本身就是一个可见度变量。
敏感操作需要用户确认，会影响可见度的价值吗？
会降低即时转化的权重，但提高了推荐环节的重要性。既然最后一步由用户确认，模型给出的候选清单就成了决定性的筛选关口，品牌进入清单比排在清单第几位更关键。
订阅制功能对品牌有什么影响？
付费用户可能获得更强的智能体能力，比如更深的比价与更长的上下文。这意味着同一品牌在免费用户与订阅用户面前的可见度可能不同，监测时需要把用户类型作为一个分层变量。
