84%的AI成交，藏在这张小卡片里

一张卡片，84%的成交。

ReFiBuy 委托 Clickstream Solutions 完成的一项AI购物行为研究给出了一个足够扎眼的数字：在 ChatGPT 里，84%的最终产品选择来自产品卡片——就是那些把商品图片、价格和关键信息直接带进AI会话的视觉化列表。几乎同一时间，英国老牌零售商 Argos 宣布扩大 Trusted Sellers（可信卖家）计划，年底目标13万商品。两件事看似无关，其实指向同一个判断：AI购物时代，卡片即货架，信任即流量。

📈 84%的成交，发生在一张卡片上

在AI购物里，店铺消失了，只剩卡片。

先还原一个典型场景。一位英国用户在 ChatGPT 里问："300英镑以内，适合露营的便携咖啡机，帮我推荐三款。"几秒后，AI给出的不只是文字答案，而是一排产品卡片——主图、价格、关键参数、购买入口，全部嵌在会话流里。用户在卡片之间横向滑动、追问两句，然后直接下单。他没有打开任何一家店铺。

这不是想象，是 Clickstream Solutions 用真实点击流跑出来的结论。这项由 ReFiBuy 委托的研究，最重要的方法论价值在于：它看的是用户实际怎么走，而不是用户嘴上怎么说。 过去判断AI购物潜力，行业习惯用问卷和流量数据，问卷里十个消费者九个说"我会货比三家"，点击流却告诉你，84%的人在卡片上就把决定做完了。

84%意味着什么？意味着传统电商的漏斗——曝光、点击、详情页、比价、下单——在AI会话里被压缩成了两个环节：AI生成卡片，用户在卡片上决策。详情页、评价区、比价工具的职能，全部折叠进卡片本身。

对卖家来说，这是一个运营重心的迁移信号：详情页优化的时代正在过去，卡片优化的时代刚刚开始。业内私下有人把这话讲得更直白——以后没有Listing，只有卡面。

🔍 AI购物不是新渠道，是一次货架重构

过去十年，卖家研究的核心命题是"怎么在搜索结果里排得更靠前"；接下来十年的命题是"怎么被AI选中放进卡片"。

把AI购物的决策路径拆开看，逻辑其实很清晰：

再看这个84%和剩余16%的结构：

这组结构揭示了一个关键事实：在AI会话里，卡片就是货架的排面。 AI要"上架"一个商品，依赖的是干净的结构化数据——标准化图片、准确的标题与属性、实时价格、清晰的卖点。谁的机器可读数据成色高，谁就更容易被AI检索到、被放进卡片；反过来，一个详情页做得再华丽、但结构化数据稀烂的商品，在AI眼里约等于不存在。

这也是货架重构的真正含义：排序权从搜索算法的关键词匹配，部分转移到AI对商品数据的理解力。流量入口没有消失，但分发逻辑换了一套操作系统。卖家过去投入在关键词广告、店铺装修上的力气，需要按新的权重表重新分配。

🏬 Argos的算盘：把信任做成供给侧

老牌零售这次赌的不是商品数量，是信任本身。

看 Argos 的 Trusted Sellers 节奏：2026年7月，先用40家精选合作方小规模试水；试水被验证跑通后快速扩容，目前已提供超过7万件经审核的第三方卖家商品；按照官方口径，到2026年底，这个数字要冲到13万件以上。

三个月量级接近翻倍的扩张速度，说明这不是防御性试水，而是被初步数据验证后的主动加码。

有意思的是Argos选择的路径。零售平台做第三方扩张的历史剧本通常是"先放量、后治理"——先把供给堆起来冲GMV，假货和劣质供给的事后收拾。Argos 走的是反过来的路：先做"可信"这个前置筛选，再放数量。

这步棋的产业逻辑，恰恰和AI购物的大背景咬合在一起。当越来越多消费者让AI替自己做购买决策时，一个新的问题浮出水面：推荐错了，责任算谁的？平台和零售商需要的是可问责、可追溯的供给池。经过审核的卖家集合，本质上是给AI时代提前准备好的"干净商品池"——它既能进入AI的检索视野，又能兜住出问题时的责任链条。

换句话说，Trusted Sellers 卖的不只是13万件商品，是一份"可以放心交给AI推荐"的名单。在AI采购信息的时代，信任是比流量更稀缺的资源。

📊 三种货架的对决：谁在争抢那张卡片

过去拼的是店铺装修，现在拼的是数据成色。

把三种模式摆在一起，博弈关系一目了然：

这张表背后是三方博弈：平台方担心AI会话把用户留在别处、成交发生在自家域外，所以要拼命把卡片、交易能力做进AI触达路径；AI方需要高质量、可问责的商品数据源，否则推荐一次翻车一次，用户信任就崩一层；卖家夹在中间，既要在自家平台保住位置，又要确保自己"存在于AI的货架上"。

Argos 的选择提供了一个老牌零售的标准答案：既然留不住会话入口，那就控制供给质量，让AI愿意引用你的商品池。而对纯卖家的启示更直接——卡片是三方共同争抢的核心资产，谁在卡片上的呈现质量高，谁就拿到下一轮分配权。

🚀 跨境卖家的行动清单：五件事现在就该做

别再问流量从哪来，先问AI认不认你。

基于84%这个数字和 Argos 的动向，给跨境卖家五条可落地的动作：

第一，把产品卡片当一级资产运营。 主图规格、标题结构、关键属性字段，按"机器可读"标准重做一遍。AI看不见你的心情文案，只看得见你的结构化字段。

第二，价格与库存数据必须实时准确。 AI引用一条过期价格，用户下单发现不符，失去的不只是这一单，是被AI持续推荐的资格。

第三，攒信任凭证。 认证、评分、履约记录，这些是 Argos 们审核门槛的材料，也是AI判断"该不该推荐你"的输入。

第四，换度量口径。 别只盯详情页转化率，开始建立"卡片成交率"的独立指标——用户在卡片上的停留、追问与跳失，是新的优化输入。

第五，关注可信供给类渠道的窗口期。 Trusted Sellers 从40家扩到目标13万件商品的过程中，早进入的卖家拿的是低门槛红利；等池子满了，审核和竞争成本都会上来。历史上每一轮平台供给扩张，先行者的位置溢价都是最高的。

⏳ 把两条线索放回同一张时间表

单看每条新闻都只是行业动态，放在一起才看得出节奏。

• 行为研究落地：ReFiBuy 委托 Clickstream Solutions 完成AI购物行为研究，确认84%的 ChatGPT 购买决策来自产品卡片——学术侧完成验证；
• 2026年7月：Argos 以40家精选伙伴试水 Trusted Sellers——供给侧开始小范围实验；
• 试水后数月：商品规模扩至7万件以上——模式被数据验证，进入加码期；
• 2026年底前：目标13万件以上商品——可信供给池规模化成型。

把这张时间表和84%放在一起读，信号就很清楚了：AI购物从"能不能成立"的验证阶段，走到了"供给怎么组织"的落地阶段。学术研究确认了需求端的决策结构，零售商则用供给端的重组去承接它。两端的进度条在同一时间段推进，不是巧合，是产业共识正在形成。

小结

回到开头的判断：卡片即货架，信任即流量。84%这个数字告诉我们，AI购物时代的竞争单元已经从店铺缩小到卡片；Argos 的13万商品目标则告诉我们，能被放心放进卡片的供给，正在被系统性组织起来。对跨境卖家而言，接下来的窗口期动作很明确——把卡面做干净，把数据做准确，把信任攒起来。等AI成为主流购物入口的那天，货架上的位置，只会留给今天就开始准备的人。