11 月 9 日一份覆盖 200 家美国零售商的调研发布，到 11 月 11 日为止，结论没有变：近一半站点把 AI 代理挡在门外亿邦动力。200 家受测站点中 98 家直接拦截调研方爬虫或无法正常加载，48 家可正常读取内容的零售商里只有 2 家完成配置、支持 AI 代理独立走完全流程结账。对做品牌 AI 可见度的团队来说，这份数据的价值不在「谁拦了」，而在它把可见度拆成了三层：能不能被访问、能不能被读懂、能不能被成交。
三层漏斗，断在哪一层
第一层是访问。站点把爬虫挡掉，AI 助手就抓不到内容，后面的推荐与引用都无从谈起。这一层的判断标准很硬：能不能取到页面。调研里近五成的拦截比例说明，很多零售商把 AI 流量当成负担而不是渠道。
第二层是读懂。58 家站点在 robots.txt 里标注允许 AI 访问，实际规则却与公开声明不符——声明是给监管和合作方看的，执行是给流量看的，两者不一致时，AI 侧拿到的是「允许」的承诺和「拒绝」的结果。这种不一致对品牌最伤，因为它无法从公开信息判断自己到底有没有被读到。
第三层是成交。48 家能正常读取的零售商里只有 2 家支持 AI 代理独立完成全流程结账。这意味着即便品牌被 AI 推荐了，用户点进去仍然要自己走完下单流程，代理购物的体验断在最后一步。
品牌识别失败比拦截更隐蔽
七个助手把床垫听成了颜色
调研里有一个细节值得单独说：8 款 AI 助手中 7 款被问到「Purple 是什么」时，返回的是颜色释义，没有识别出这是床垫品牌亿邦动力。这不是模型能力问题，是实体识别与语料覆盖问题——品牌名与常用词撞车时，模型默认走通用语义。
同类问题在国内也存在。品牌名是双关、是地名、是常见词，都会让 AI 回答滑向通用解释。对 GEO 团队来说，这类偏差必须靠问题库主动发现：把「品牌名 + 是什么」「品牌名 + 哪个好」这类问题固定进监测集，观察回答是否指向正确的实体。
偏差的修复路径也不同于传统优化。写更多品牌稿不解决问题，需要的是让品牌实体在语料中被明确绑定——商品页标题、百科条目、媒体报道里的完整表述（品牌名 + 品类 + 特征）比形容词有用。监测上则要记录「识别正确率」这个指标，而不只是提及率。
只合作一两个助手等于只开一两家店
调研提到，多数头部零售商只与 1 到 2 款 AI 助手合作，没有向全量 AI 代理开放。报告方用一个类比说明风险：只在 Debenhams 和亚马逊卖货，却拒绝入驻 eBay、Argos、Tesco 这些主流卖场亿邦动力。
| 层级 | 判断标准 | 该记的指标 |
|---|---|---|
| 可访问 | 页面能否被抓取 | 抓取成功率 |
| 可读懂 | 实体能否被识别 | 识别正确率 |
| 可成交 | 代理能否结账 | 全流程完成率 |
这个类比对品牌的启示是渠道覆盖逻辑，而不是技术逻辑。AI 助手正在变成一个新的分销渠道，只挑一两家合作，等于主动放弃其余入口的流量；而 AI 入口的用户不会因为品牌不在某个助手里就换一个品牌，他们会换一个推荐里出现的品牌。
入口变多，缺口也会变多
国内平台的入口扩张速度可以参照。千问办公在 11 月 9 日发布 2.0 版本，成为首个支持多人与 Agent 协作的 Team Agent量子位；Fable 5.2 在 11 月 10 日前后发布，主打从零构建系统与性价比量子位。模型与入口都在加密，品牌如果按「选两个助手合作」的思路布局，覆盖缺口只会越来越大。
这件事对品牌 GEO 管理意味着什么
第一件事是把「可见度」拆成三层指标。过去只统计 AI 回答里有没有提到品牌，现在要同时看抓取是否成功、实体是否识别正确、代理能否完成交易。三层指标的组合，才能解释「为什么提到了却没带来订单」。
第二件事是检查自己的站点规则。robots.txt 与实际执行不一致是行业通病，品牌方至少要确认两件事：声明允许 AI 访问的部分是否真的放行，以及放行的路径是否包含商品页与价格页。这一步不需要平台配合，自查就能完成。
第三件事是调整监测节奏。调研给出的时间判断是，按当前适配进度，行业整体准备可能要等到 2027 年黑五周期亿邦动力。这意味着未来一年是「有流量但接不住」的阶段，监测的重点应该放在缺口识别，而不是短期转化归因。
边界也要说清。这份调研的样本是美国 200 家零售商与 8 款助手，国内平台的抓取政策、结账链路与实体识别表现都不同，结论不能直接平移。能平移的是那三层漏斗的结构——它描述的是代理购物的通用条件，而不是某个市场的具体水平。
常见问题
拦截 AI 爬虫，对品牌是保护还是损失？
短期看是保护服务器与价格体系，长期看是放弃入口。拦截会让订单转向开放的竞品，而用户不会为此改变品牌偏好。
robots.txt 写了允许，为什么还是抓不到？
声明与执行经常不一致，前端渲染、频控、WAF 规则都会拦截。要按实际抓取结果判断，而不是只看声明。
品牌被 AI 认错，该怎么修？
先修实体绑定：商品页、百科、媒体报道统一使用「品牌名 + 品类 + 特征」的完整表述，再用问题集验证识别是否改善。
多平台可见度怎么对比才有意义？
用同一套问题集、同一时间窗、同一口径，分别跑各助手，再横向比；否则差异多半来自问题设计。
这套结论在国内适用吗？
结构适用，数值不适用。国内平台的抓取政策与结账链路不同，需要按本地样本重新测。
