嘿，各位行銷夥伴們，我是小圭！
今天看到 TechOrange 一篇文章引用麥肯錫的研究，預計 2030 年美國的 AI 代理人驅動商務市場規模將達 1 兆美金，全球更上看 5 兆。再搭配 IBM 同一年的數據：45% 消費者已經在購物流程中使用 AI 工具協助決策。看到這 2 個數字我背脊發涼 — 不是因為大，而是因為它在問一個很尖銳的問題：如果 AI 才是逛網站、比商品、下決定的那個『人』，你打給人類看的廣告誰看？
我認為這是行銷人未來 3 年最該擔心、也最該抓住的轉折點。今天想拆給你看 3 個正在發生的「邏輯逆轉」，以及你本月就該開始準備的事。
第一個逆轉：你的客戶不再「滑」，他們「問」
過去 20 年，行銷的核心動作是「讓客戶滑到你」。SEO 搶 Google 第一頁、社群搶 Threads 推薦頁、廣告搶 IG 限動之間的縫隙。但 AI agent 商務興起後，消費者的動作從「滑」變成「問」 — 「幫我找台幣 3 萬內最適合敏感肌的洗臉機」、「我要買今晚台北信義區能取的生日蛋糕，預算 1500」。
客戶問完之後，AI 不會給他 10 個搜尋結果讓他自己選，是直接給 1-3 個推薦。這個變化的衝擊比你想像的大。我自己這半年常用 ChatGPT 跟 Claude 查產品，從查到下單我大概只看 1-2 個品牌 — 沒被 AI 推薦到的品牌，對我來說根本不存在。
那要怎麼「被 AI 推薦」？答案不在你的 IG 廣告，是在你網站有沒有讓 AI 抓得到、看得懂、相信你。我猜測未來 SEO 跟「llms.txt」這種給 AI 看的檔案，會變成跟 robots.txt 一樣的標配。
第二個逆轉：結構化資料變成新時代的「廣告」
傳統廣告的邏輯是「讓你的訊息出現在客戶眼前」。AI 商務時代的邏輯是「讓你的資料被 AI 讀得到、能信任」。這 2 種邏輯需要的能力完全不同。
結構化資料是什麼意思？簡單說就是 Schema.org 那一套：你的網頁 HTML 裡加一段 JSON-LD 告訴 AI「這是一支手機、品牌 Asus、型號 Zenfone 11、價格 NT$22,990、評分 4.6/5、適合中階使用者」。沒加這段，AI 只能猜；加了這段，AI 抓進它的推薦清單時就會優先考慮資料完整的品牌。
我自己以前覺得 Schema 是技術人的事，懶得碰。直到我看到 Google Search Console 報表，有 Schema 的頁面點擊率比沒 Schema 的高 2-3 倍。那 1 次差別讓我認真把全站每個產品頁都加上 Product Schema，3 個月後自然流量明顯上升。
同樣的邏輯延伸到 AI agent 上面只會更極端。沒做 Schema 的品牌，在 AI 推薦榜上會直接消失，比 Google 第二頁更慘 — 至少 Google 第二頁還有人點進去，AI 推薦你不在前 3 名根本沒人會看到。
第三個逆轉：行銷預算分配，從「人類眼球」移向「AI 信任度」
過去 20 年行銷預算的主軸大概是：社群投放 + KOL 合作 + 搜尋廣告，加起來常常佔 80% 預算。這套打法的前提是「人類會看廣告」。但 AI 商務時代，這個前提逐漸動搖。
未來的預算分配我認為會慢慢變成這樣：
- 30% 還是給社群（建立品牌知名度，讓 AI 知道你存在 + 抓得到品牌名稱）
- 25% 給 SEO 跟內容（讓 AI 訓練語料庫吃到你品牌的描述）
- 20% 給結構化資料、Schema、llms.txt（直接讓 AI 抓對的資料）
- 15% 給品牌資料的『資料化』（產品 feed、Product feed for Shopping、Merchant Center）
- 10% 留給實驗 — 新的 AI 工具、新的曝光通路
我跟你一樣，看到這個比例會覺得「天啊我們公司根本沒人在做後面這些」。這正是現在就動作的人能拉開差距的窗口。等到 AI agent 商務全面起來再開始學 Schema，已經太慢了 — 因為 AI 的推薦清單是有「先進入有優勢」的特性的，越早被它吃到資料，越早被它信任。
行銷人怎麼把這個套到自己身上？4 個本月就能做的事
- 用 ChatGPT 問 5 個你產業的客戶最常問的問題，看 AI 推薦的前 3 名有沒有你品牌。例如賣咖啡機就問「2026 年最推薦的家用咖啡機？」、「預算 1 萬內的義式咖啡機」、「適合新手的咖啡機推薦」。如果你品牌沒出現，就是你最該緊張的訊號。問完把結果存起來，每個月再問一次看有沒有進步。
- 檢查你網站有沒有 Schema markup。打開 Google 的 Rich Results Test（網址：search.google.com/test/rich-results），把你網站丟進去測。沒有 Schema 的話，先從最重要的 3 個頁面開始補 — Product Schema 或 Article Schema，Schema.org 官網有現成範本可以抄。
- 加一份 llms.txt 到你網站根目錄。這是新興的「給 AI 看的網站簡介檔」，類似 robots.txt 但寫給 LLM 看的。內容就是你網站重點頁的列表 + 每頁一句話描述。這 30 分鐘就能做完，但會慢慢成為 AI 抓站的標準。
- 把你 3 個招牌產品的「規格 + 價格 + 適用對象 + 比較表」整理成乾淨的列表，發在自家網站。不是寫給人看的文案，是寫給 AI 抓的資料 — 越具體越好（「適合 25-35 歲、皮膚偏油、預算 3000 內」這種精準描述），AI 抓到才能在推薦時把你帶上來。
結語：AI 商務不是未來，是 45% 的現在
麥肯錫 1 兆美金的數字看起來很遙遠，但 IBM 那個 45% 已經發生了。你的客戶現在就在問 ChatGPT、Claude、Perplexity 該買哪個品牌 — 差別只是你品牌出不出現在那個答案裡。
過去廣告打人類眼球，未來行銷餵 AI 資料。這 2 套邏輯不衝突，但比例正在快速翻轉。現在開始，至少花 10% 預算給「資料化」，3 年後你會謝謝今天的自己。