SHOPLINE乔冠元：独立站要成为AI“事实源”，把AI封装进经营动作
【亿邦原创】7月23日，在亿邦动力“2026全球化新品牌AI竞争力大会”上，SHOPLINE乔冠元发表了题为“Agentic AI破解跨境内卷，独立站如何引爆品牌全球化新趋势”的演讲。
乔冠元认为，AI可能是继供应链红利和人力红利之后，中国卖家的又一次机会。但当前AI带来的流量仍处于早期阶段，商家不必被短期流量焦虑裹挟。不过，AI流量的转化质量正在快速改善，商家真正需要提前完成的准备，是将商品、政策、评价、会员等经营信息沉淀为机器可以理解和调用的结构化资产。
他表示，AI正在成为消费者发现和比较商品的新入口，而独立站将成为品牌向AI世界输出事实的核心资产。站点的信息越清楚，AI就越容易引用和推荐它。商家最重要的是理解自己的业务核心，并学会准确地向AI表达业务需求。
在乔冠元看来，虽然底层大模型的能力正在快速进化，但企业真正的难点也不是能不能买到最强的模型，而是如何把模型接入业务流程、数据体系和组织能力。AI的价值也不只是生成内容、回答问题或降低成本，而是进入建站、营销、客服、会员和履约等经营流程，把模型能力变成可执行的经营动作，这样AI的回答能力才能真正变成商家的生产力。
本文根据嘉宾现场演讲整理，在不影响原意的基础上有所删改。
以下为演讲实录：
01 AI流量仍处于早期阶段，但转化质量正在快速改善
大家好，我是SHOPLINE乔冠元。
今天的话题是AI。我特别同意刚才杨总（红杉中国杨钧）分享的一个观点：AI可能是继供应链红利、人力红利之后，中国卖家的另一个广泛套利机会。
最近跟客户交流时，我感受到整个行业对AI存在很多焦虑，从流量入口到经营效率，大家都在担心发生变化。所以我今天不再讨论AI会不会改变跨境电商，这个答案已经比较清楚。我更想讨论的是： AI会首先改变什么？哪些焦虑被过度放大了？哪些准备工作应该提前完成？商家又该如何把AI转化为经营结果？
先介绍一下SHOPLINE。SHOPLINE已经在市场上发展了14年，总部位于新加坡，从建站工具起家，目前已经服务超过60万家企业，帮助它们搭建零售站点和技术栈。过去几年，我们也在跟随客户需求，从建站工具公司逐步发展为一家全球化、全链路的零售解决方案公司。
从2023年到2025年，我们持续推出企业版本和企业级能力，服务了安踏集团、科大讯飞等出海品牌。过去一年，据我们统计，大约有4500个站点从Shopify迁移到SHOPLINE，其中包括35个Shopify Plus级别的客户站点。
可能就在今天晚上，荣耀手机可能于当晚正式从自建站迁移到SHOPLINE。这反映出，SaaS化、标准化的电商能力正在尝试承载复杂市场和复杂营销场景。企业级客户要求的已经不只是能不能建站，还包括全球化部署、会员营销、履约和数据能力。商家面临的挑战，也不只是能不能把流量带进来，而是后端系统能不能承载复杂的流量和经营逻辑。
对于跨境电商行业，我们总结出正在发生的三层革命：第一层是利润重构，第二层是流量端的革命，第三层是后台效率的质变。
一些企业已经不只把AI用于减员增效，而是尝试用它创造更多利润。过去，以社交媒体电商和广告投放为主的品牌，要提高内容产能，往往需要增加运营、设计、拍摄和模特等成本。现在，AI已经开始改变内容生产方式。以我所在的广州为例，我观察到过去为SHEIN拍摄商品图片的俄罗斯籍模特正在明显减少。
独立站过去的主要成本包括物流、流量和人力。传统广告非常依赖素材、测试和运营经验。今天，AI在素材生产、广告优化、客服和数据决策上的应用，正在改写这条经营链路。过去广州和深圳聚集了大量优秀的独立站投放和运营人员，现在借助AI，杭州也可能快速缩小这一能力差距。
不过，AI流量目前仍处于早期阶段。
过去一个季度，业界对AI流量会不会改变行业格局产生了很多焦虑。一些厂商反复强调商家必须立刻做GEO，因为AI流量即将像洪水一样到来。Shopify在美国公布的一个数据是，2026年相关流量同比增长了7倍。我们看SHOPLINE自己的数据，也增长了大约7倍。
但增长率之外，还要看基数。据现场披露和测算，Shopify在2026年第一季度由AI带来的订单金额约为3000万美元，占其平台整体交易金额大约0.03%，也就是万分之三。
映射到SHOPLINE的数据，趋势也差不多。直到现在，通过ChatGPT、Claude、Gemini等AI入口带来的流量占比仍不到1%。所以，AI流量并不是没有到来，但确实还在非常早期的阶段。商家不必过度焦虑，不过应该提前补足基础设施。
值得重视的是，AI流量的转化质量正在快速改善。去年同期，AI来源流量的转化率比Google、Facebook等传统来源流量低38%；到了今年，AI来源流量的转化率已经比普通流量高出41%。这意味着，AI带来的流量正在变得更加精准，也更加接近真实成交意图。AI帮助消费者完成商品咨询、比较和初步筛选，正在产生实际价值。
消费者越来越愿意让AI参与购物前的研究，比如比较电子产品参数、缩小选择范围。但只有很低比例的消费者愿意把最后的购买决定直接交给AI。AI已经成为购物环节中的副驾驶，但还不是无人驾驶。
购物本质上仍然与信任、偏好、审美和责任有关。硅基生物可以帮助碳基生物整理信息、排除选项，但到了按下支付按钮的时候，消费者仍然希望把方向盘握在自己手里。
不同品类获得AI流量的能力也存在明显差异。智能硬件、医疗器械、手机配件和3C等品类，在AI渠道中的转化率明显高于大盘；服饰、礼服等视觉主导型品类，在AI渠道中的转化率则相对较低。
服装消费往往不靠参数决策，而是依赖视觉、触觉、社交媒体推荐、明星带货和流行趋势。消费者很难用一句话准确描述自己想要一件什么样的衣服，Facebook、Instagram和TikTok等传统社交媒体因此仍然具有很强的种草壁垒。
但对于3C、医疗器械、智能硬件等依靠参数和表格才能讲清楚卖点的商品，情况就不一样。我们观察到，AI流量带来较高GMV的商家有一个共性：商品参数非常结构化，并且在Reddit等专业评测和高权重内容平台上有充分曝光。
02 AI越像入口，独立站越要成为“事实源”
AI流量不会平均分配，它会优先奖励那些能够被AI理解、拥有结构化商品数据的商家。这不是一个简单的技术细节，而是AI流量时代的入场券。
目前，AI爬虫每天都在抓取独立站的信息。很多人认为做AI流量，首先要做GEO、做外链。但就像SEO一样，站内信息同样是非常重要的数据源，甚至可能比外链更加重要。商品详情、退换货政策、FAQ、可信的第三方评价，以及价格、材质、规格、适用场景、促销和会员政策，都需要逐步变成机器可读的资产。
我们比较关注Google构建的UCP服务协议。它提供了一套更加完整的电商购物数据抓取逻辑。SHOPLINE也计划在下个季度推出AI原生模板。所谓AI原生模板，是指视觉呈现之外，其背后的结构化数据更加重要。
未来，如果Agent逐步接管部分购物研究和比较行为，独立站就不再只是给人看的，也需要能够被机器准确读取。
商家是不是要自己组建技术团队，研究不同AI爬虫的规则，再改造自己的站点？我认为不需要，这些事情应该由基础设施服务商来完成。我们希望成为AI的“平权器”，在商家背后把复杂的技术变成默认能力，帮助AI看懂商家的商品和服务。
例如，我们即将上线Knowledge Base FAQ能力。商家可以整理常见问题、退换货政策以及过去与客户沟通形成的语料，并将其上传为可信赖的数据源。这既能提升消费者的自助体验，也能减少AI回答客户问题时产生的幻觉。
我们还会继续推动商品标准、类目和属性的结构化，让AI能够更加准确地收录、引用和推荐商品。这些工作会影响站内搜索、平台推荐、Google对AI商品信息的抓取以及多语言市场的曝光。
商家不需要研究每个模型如何抓取信息，但底层事实必须标准化。面向人的表达可以自由化，底层的事实必须标准化。商品评价、会员数据和客服知识库等能力组合在一起，才能让AI更好地读懂、理解和信任一个品牌，进而推荐它。
这也是为什么独立站在AI时代不会变得越来越不重要，相反，它可能成为品牌向AI世界输出事实的核心资产。站点的信息越清楚，AI就越容易引用和推荐它。SHOPLINE要做的，就是把这些复杂的底层能力尽可能产品化、默认化和基础设施化。
很多商家现在很焦虑：今天要学OpenClaw，明天要学Hermes，接着又出现Claude Code和Accio Work，到底应该学什么？
我的观点是，有时候学得慢一点，反而可能学得最快。
大模型的升级速度太快。今天刚学会的技巧，明天模型可能已经将它内化。商家最重要的是理解自己的业务核心，并学会准确地向AI表达业务需求。基础设施公司会持续吸收模型和入口协议的变化，把复杂技术变成默认能力。
学得慢不代表不准备。AI不只是一个入口效率的故事，不是今天从这里多来一点流量、明天从那里少来一点流量。它本质上是一层经营系统的升级。不要急着追逐AI流量是不是下一个浪花，而要先修好自己的码头。
如果AI流量进一步爆发，全社会的商品信息都会被重新组织、重新比较。来自独立站和Amazon的信息，会被放在AI面前一起比较。
Amazon拥有自己的会员体系、履约能力和信任门槛。独立站卖家则需要思考，自己的产品和交付体系能否满足消费者需求。独立站里的数据是商家可控的，用户关系是品牌的私有资产，服务标准和真实评价沉淀下来后，才能成为让AI信服的资产。
只有通过独立站系统，建站、营销、会员和履约才能形成闭环，而不完全受平台电商规则控制。
所以，AI越来越像入口，独立站越来越像事实源。独立站不是被AI削弱，而是被AI增强、被AI重新定义。
03 AI进入经营动作，才能真正变成生产力
未来到底会有一个大模型还是多个大模型？OpenAI和Gemini等模型之间的竞争结果现在还不清楚。底层大模型的能力正在快速进化，也在逐步吸收很多通用软件能力。
但真正与商家关系最紧密的，是建站、内容、客服、订单、履约、支付、数据和营销等应用层能力。这些都是真实生意中每天发生的动作，更接近物理世界，也更需要长期积累的行业数据和经营经验。
大模型负责通用智能，SHOPLINE要做的是把通用智能封装成电商场景里可用、可靠、可执行的能力。
模型能力强，并不代表商家能够充分使用。企业真正的难点也不是能不能买到最强的模型，而是如何把模型接入业务流程、数据体系和组织能力。
过去，跨境电商最重要的岗位之一是运营。优秀的独立站运营需要完成广告投放、页面优化、商品运营和会员运营等大量工作，再把经验封装成SOP，用于培训新人。
未来，我们希望把这些经验装进可执行的智能助手中，覆盖商品内容翻译、客服响应、人群细分和复购营销等环节，从而让员工有更多时间思考更高层的商业策略。
所以，AI不会替代优秀的运营，但会替代运营工作中低效、重复的部分。AI的价值也不只是帮助企业少花钱，更重要的是帮助运营多赚钱。
以AI建站为例，过去我们说“五分钟建一个站”，更多像一句广告语。现在，随着AI对代码、设计和内容的理解能力提升，用一句话生成一个可用店铺，并针对各个模块进行语义化调整，已经开始成为现实。
过去建设独立站、落地页或大促页面，需要安装插件、请设计师排版，再由前端人员编写代码。如果企业没有技术人员，还要寻找外部开发团队，成本和周期都很高。现在，过去属于运营、设计和前端的部分经验，可以转化为商家直接调用的平台能力。
在日常运营环节，SHOPLINE正在推进Copilot能力。商家的操作逻辑会从“寻找功能”进化为“表达目标”。
过去，如果商家想分析某个国家、某个品类或几款商品最近7天的流量为什么增长或下降，可能要打开多个页面、导出Excel，再根据经验进行分析。未来，商家可以直接告诉后台：“分析这几款商品最近7天流量下降的原因，并给出针对性的举措。”
Copilot可以调取经营数据，分析可能的原因，也可以结合外部环境和平台沉淀的运营经验，提出促销、文案和商品组合建议。在商家确认后，活动配置、营销调整、组合销售和折扣设置可以被串联起来执行。
我们还计划上线用于用户运营场景的AI Segment和SHOPLINE Smart。商家可以通过一句话，从过往客群中筛选高价值用户，并开展更精准的复购营销，提高用户全生命周期价值。
AI会降低运营门槛，让运营系统从功能驱动转向目标驱动。Copilot的价值不只是回答问题，而是把数据判断和执行动作串联起来。
与此同时，AI操作台正在从聊天工具变成新一代操作界面。越来越多业务动作不一定要先打开后台、逐级寻找菜单，而是可以在AI工作台中直接调用业务软件。
SHOPLINE近期完成了面向Claude和 ChatGPT等AI操作台的接入。商家可以通过这些入口查看订单、检查库存、分析转化漏斗，或者规划SEO和营销方案，并直接在工作台中确认执行。
但这些能力背后需要大量基础设施，包括API、开发文档、数据清洗、业务动作接口、权限管理、日志审计和安全边界。对于涉及商家资金、订单和客户数据的系统，如果缺少权限确认和安全机制，直接接入AI操作台可能会带来风险。
在开发环节，设计稿也可以通过AI进入开发流程。例如，一个Figma设计稿可以被转化为前端组件代码，从而提高页面开发和还原效率。平台还可以把过去需要开发者反复查阅的文档和接口，封装成AI能够理解和调用的工具。
AI也会改变电商软件生态。一方面，它降低了软件开发门槛，很多小型工具和单点应用会快速出现；另一方面，大量缺少技术和业务积累的插件也可能涌入市场，增加商家的选择成本。
平台的责任不应该只是堆积插件，而是加强审核。建站、订单、会员、客服和数据等主流程能力，应当深入扎根在平台中；GEO、全渠道营销、内容生成和一件代发等垂直领域，则可以与专业的生态伙伴合作。