智能体商务对零售商的机会大于风险，短期去中介化风险仍低

概览

本报告讨论AI与智能体商务对宽线、硬线及休闲零售商的影响。核心结论是，现阶段智能体商务更像新增流量入口和商品发现工具，而不是立即颠覆零售商的交易与履约位置。大型零售商如果及早接入主要LLM、建设自有平台智能体并强化数据基础设施，反而可能获得客户获取、转化、购物篮构建和零售媒体变现机会。

核心观点

报告认为去中介化风险仍然较低，原因在于LLM不控制实体履约网络，零售商已重新掌握结账环节，并且仍拥有库存、定价、会员、履约和零售媒体数据。风险并非均匀分布：食品杂货和CPG因低参与度、强复购和高价格发现而更易受影响；服饰和鞋类中具备DTC能力的强品牌也可能绕开零售商。相对而言，美容、宠物、家居装饰、项目型家装和其他高参与度购物类别风险较低。

分析框架

报告从消费者使用阶段、交易控制权、履约能力、数据与广告归因、品牌DTC能力、品类参与度和零售商技术投入等维度评估智能体商务影响，并比较WMT、TGT、BBY、HD、LOW、ULTA、ASO、WSM、DKS等零售商在第三方LLM接入和自有智能体方面的进展。

方法论与常识提炼

• 行业结构分析去中介化风险框架

  按交易控制、履约控制、数据控制和品牌DTC能力判断零售商被绕开的概率。

  如果AI平台只负责发现和购物篮构建，而零售商仍控制结账和履约，去中介化风险较低；若品牌拥有成熟DTC履约并希望捕获零售利润，风险上升。

• 品类风险分析购买参与度与复购属性框架

  低参与度、商品化、复购类商品更适合自动补货，高参与度和体验型商品更依赖浏览与决策过程。

  食品杂货和CPG更容易受到AI价格发现和自动补货影响；美容、宠物、家居装饰等更依赖体验、情绪和购物篮构建，风险较低。

• 渠道与数据分析LLM合作加自有平台智能体双轨策略

  零售商既要接入ChatGPT、Gemini等外部LLM，也要建设自有App和网站智能体。

  外部LLM带来获客和发现流量，自有平台智能体有助于保留客户关系、提升转化、收集专有数据并支持零售媒体。

标的映射与对比

研报将主题/逻辑映射到具体标的时的结构化摘要（优势、劣势、对比与风险）。

• WMT

  领先受益者

  优势

  品类宽、市场平台能力强、履约规模大，Sparky上线较早且已嵌入自有App和第三方LLM场景。

  劣势

  食品杂货占比较高，长期也暴露于自动补货和价格发现压力。

  对比

  报告认为WMT在零售商中进展最领先，TGT次之。

  风险

  若LLM未来控制交易入口并压缩零售媒体，食品杂货相关利润率可能承压。

• TGT

  跟随型受益者

  优势

  已建设ChatGPT和Google Gemini内App体验，支持搜索、购物篮构建和最终结账。

  劣势

  自有平台智能体仍处于不同阶段的测试和完善过程中。

  对比

  落后于WMT但领先于多数其他零售商。

  风险

  若数据连接、库存准确性或支付体验不顺畅，用户可能停留在信息查询而非交易。

• BBY

  品类数据受益者但存在品牌DTC风险

  优势

  在电子产品类别中拥有深度知识和商品匹配数据，可帮助LLM把复杂需求映射到合适产品。

  劣势

  历史上曾受到主要电子品牌渠道绕行影响。

  对比

  复杂电子产品咨询属性高于普通商品，但单一强品牌商品可能更容易被绕开。

  风险

  Apple等具备DTC能力的品牌可能绕过零售商，LLM增强价格透明度也可能压缩利润。

• HD / LOW

  相对低风险并有自有智能体机会

  优势

  家装项目型需求、履约复杂度和专业建议需求较高，HD的Magic Apron、LOW的MyLow可用于建议和购物篮构建。

  劣势

  需要保持库存、门店级可得性和配送承诺准确。

  对比

  相较食品杂货和标准化消费品，家装高参与度购物更不容易被完全自动化。

  风险

  如果外部LLM信息与真实价格、库存或配送速度不一致，可能损害转化。

• ULTA

  低风险体验型零售商

  优势

  美容属于情绪和体验驱动类别，会员和客户数据价值高，ULTA AI可增强个性化推荐。

  劣势

  需要持续提升自有数据基础设施和LLM连接质量。

  对比

  相较商品化品类，美容购物更依赖发现、试用和偏好。

  风险

  品牌若加强DTC或AI平台截流发现入口，可能削弱部分流量。

• WSM

  品牌自有化防御者

  优势

  报告称近90%销售由自有品牌驱动，可缓和强第三方品牌DTC绕行风险。

  劣势

  家居品类仍需优秀的浏览、设计建议和交付体验。

  对比

  自有品牌结构优于依赖第三方强品牌的零售商。

  风险

  若自有智能体和外部LLM接入不足，可能错失高意图流量。

• DKS

  受品牌行为影响较大

  优势

  运动用品具备部分体验型和专业化购物属性，已有Coach等自有智能体尝试。

  劣势

  部分核心品牌具备强DTC能力。

  对比

  Nike历史上曾阶段性绕开零售伙伴，报告将其作为风险案例。

  风险

  Nike等品牌若借智能体商务获取市场份额并捕获零售利润，可能压缩零售商角色。

关键数据

• AI平台流量占比<1%报告称AI平台在关键电商市场和零售网站总流量中的占比仍低于1%。
• ChatGPT可购买商品查询占比约2%报告引用2025年9月NBER研究，称约2%的ChatGPT查询与可购买商品有关。
• 信息查询占比约21%同一研究显示约21%的查询用于寻求信息。
• 使用AI做购买决策的用户占比约43%JPM私营公司研究消费者调查显示约43%的用户曾使用AI做购买决策。
• 使用AI聊天机器人完成交易的用户占比约9%调查显示真正通过AI聊天机器人完成交易的比例仍低。
• OpenAI早期Instant Checkout费率约4%报告称OpenAI最初曾对通过Instant Checkout完成的交易向零售商收取平均约4%的联盟费用，但该模式已弱化。
• Google UCP合作参与方约20家报告称约20家零售商和互联网公司参与Google UCP council。
• WMT Sparky使用情况约一半App用户使用，购物篮规模高35%报告称WMT披露约一半App用户使用Sparky，且购物篮规模高35%。

影响与含义

对零售股而言，智能体商务短期更可能强化强者恒强：具备规模、履约、会员数据、库存可见性和广告技术能力的大型零售商更有条件把LLM流量转化为销售和数据资产。WMT、TGT以及已接入Google UCP或建设自有智能体的零售商处于更有利位置；食品杂货、CPG渠道和依赖第三方强品牌销售的零售商需警惕价格发现、渠道绕行和广告收入转移。

风险

• LLM提升价格发现能力，可能加剧食品杂货、CPG和其他价格敏感品类竞争。
• 若未来AI代理足够成熟并控制完整交易与结账，零售商可能失去交易数据和高利润广告收入。
• 具备DTC履约能力的强品牌可能绕开零售商，尤其在服饰、鞋类和消费电子部分单品中更明显。
• 外部AI界面与零售商真实价格、促销、会员、库存和配送信息不一致，可能降低消费者信任和转化。
• 零售商若未能及时接入主要LLM或建设自有智能体，可能在新入口中丢失流量和客户数据。

后续跟踪

• WMT Sparky、TGT App体验、HD Magic Apron、LOW MyLow、ULTA AI、WSM Olive、ASO Scout、DKS Coach等自有智能体的用户渗透率、转化率和购物篮变化。
• Google UCP、OpenAI ACP和零售商App集成的落地速度，以及结账控制权是否继续留在零售商侧。
• AI平台流量占电商网站总流量是否从低于1%开始显著提升。
• 消费者是否从商品发现和信息查询进一步转向通过AI完成交易和自动补货。
• 零售媒体收入是否受到AI平台广告分流，或因更强客户数据与上下文广告而提升转化。
• 食品杂货、CPG、品牌鞋服和消费电子等高风险品类的价格竞争和渠道策略变化。