Agentic Commerce现阶段机遇大于风险，零售商去中介化风险仍低

概览

本报告讨论AI和Agentic Commerce对综合零售与硬线零售行业的影响。核心结论是，当前LLM主要充当商品发现、信息查询和购物篮构建入口，类似更强版本的搜索，而不是已经能大规模替代零售商的交易与履约角色。由于零售商仍控制结账、客户关系、库存信息和履约环节，报告认为去中介化风险仍低，Agentic Commerce对大型零售商更偏机会。

核心观点

报告的核心观点包括：第一，AI平台当前带来的电商流量仍低于1%，商业化路径也不清晰，AI平台重心正从直接Agentic交易转向数字广告和应用集成。第二，零售商需要尽早与ChatGPT、Gemini等LLM合作，同时建设自有平台Agent，以提升获客、留存、商品发现、购物篮构建和自有数据沉淀。第三，交易控制权从OpenAI Instant Checkout等模型控制环境转向零售商应用集成和UCP等零售商控制环境，是降低零售媒体与数据流失风险的关键。第四，不同品类风险差异较大，低参与度、标准化、复购属性强的杂货/CPG风险更高，而美妆、宠物、家居装饰等情绪化和浏览驱动品类风险较低。

分析框架

报告采用行业主题分析框架，将Agentic Commerce拆分为流量入口、交易控制、履约能力、客户数据、零售媒体和品类特征几个维度，并结合WMT、TGT、BBY、HD、LOW、ULTA、ASO、W、DKS、WSM等公司的LLM合作和自有Agent进展进行横向比较。

方法论与常识提炼

• 行业结构分析去中介化风险框架

  交易控制、履约控制、客户数据控制

  报告认为只有当LLM既控制交易又能影响数据和广告收入时，零售商去中介化风险才会显著上升；目前结账和履约仍主要由零售商掌握。

• 品类风险分析参与度与可替代性框架

  低参与度、复购、标准化、DTC能力

  杂货/CPG因价格发现、复购和商品可替代性较强而风险较高；高参与度或体验驱动品类因消费者仍重视浏览和选择，风险较低。

• 竞争策略分析LLM合作加自有Agent双轨策略

  第三方LLM接入与自有平台Agent并行

  报告建议零售商既要接入主要LLM以获取新增流量，也要发展自有Agent以沉淀数据、提升转化和改善客服体验。

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

  Sparky进展领先，产品范围广，市场平台和履约能力强，并已在第三方LLM和自有App中推进购物助手能力。

  劣势

  杂货敞口较高，长期面临价格发现和自动补货带来的利润率压力。

  对比

  报告认为WMT在零售商中处于领先位置，TGT次之，其他公司快速跟随。

  风险

  若LLM最终控制交易并弱化零售媒体触点，杂货和广告收入可能承压。

• TGT

  跟随型受益者

  优势

  已在ChatGPT和Google Gemini中构建App体验，支持搜索、购物篮构建和结账。

  劣势

  自有平台Agent仍处于不同beta阶段，成熟度不及WMT。

  对比

  位于WMT之后，是报告认为较积极布局Agentic Commerce的零售商。

  风险

  若商品价格、库存或支付体验不一致，消费者可能停留在信息查询而非交易。

• BBY

  低至中等风险零售商

  优势

  在复杂品类中拥有深度商品知识和数据，可帮助匹配具体使用场景下的最佳产品。

  劣势

  需要更好地连接网站数据与LLM。

  对比

  电子品类曾受AMZN冲击，但复杂产品匹配能力在LLM时代可形成优势。

  风险

  Apple等强势品牌若强化DTC，可能削弱零售商渠道价值。

• HD/LOW

  相对低风险并具备AI服务机会

  优势

  家装项目通常高参与度、服务和建议需求强，自有Agent如Magic Apron、MyLow可提升购物和客服体验。

  劣势

  需要确保库存、价格、配送速度等本地信息在外部LLM与自有平台间一致。

  对比

  相较低参与度商品，家装类更依赖项目式购买和专业建议。

  风险

  若Agent推荐过度商业化，可能损害用户体验和转化。

• ULTA

  相对低风险品类代表

  优势

  美妆属于情绪化和高参与度品类，忠诚度和客户数据价值较高，ULTA AI可强化个性化推荐。

  劣势

  仍需持续投入数据和Agent体验。

  对比

  报告将美妆列为低风险篮子，而非杂货式高风险品类。

  风险

  品牌DTC和广告预算迁移仍需监测。

• Grocery/CPG

  高风险品类

  优势

  高频、复购和自动补货属性使Agentic Commerce可能推动线上渗透率提升。

  劣势

  低参与度、商品标准化、价格发现增强，可能压低零售商毛利。

  对比

  相比美妆、宠物、家居装饰等浏览驱动品类，杂货更容易被自动化购买流程重塑。

  风险

  LLM若控制交易并只把履约交给零售商，零售商可能损失高毛利广告收入。

• NKE/Apple等强势DTC品牌

  潜在去中介化来源

  优势

  品牌认知强，并具备直接面向消费者的渠道和履约能力。

  劣势

  若过度绕开零售商，可能影响渠道管理和分销关系。

  对比

  报告以Nike历史上对DKS等零售伙伴的去中介化作为参考案例。

  风险

  若通过Agentic Commerce捕获零售利润，相关零售商可能失去流量和利润池。

关键数据

• AI平台电商流量占比<1%AI平台在关键电商市场和零售商网站总流量中的占比仍低。
• ChatGPT可购买商品相关查询占比约2%报告引用2025年9月NBER研究，显示购买商品相关查询仍是少数。
• 信息查询占比约21%同一研究显示大量用户仍主要将AI用于信息搜索。
• 使用AI做购买决策的用户占比约43%JPM Private Company Research消费者调查显示AI已影响购买决策。
• 使用AI聊天机器人完成交易的用户占比约9%完成交易的渗透率仍明显低于决策辅助使用率。
• OpenAI Instant Checkout早期商户费用平均约4%报告称OpenAI曾对通过Instant Checkout完成的交易收取零售商affiliate fee，后续该模式被弱化。
• Google UCP参与方规模约20家公司包括AMZN、BBY、HD、LOW、META、MSFT、ETSY、SHOP、TGT、ULTA、WMT、W等。
• WMT Sparky使用与购物篮表现约一半App用户使用；购物篮规模高35%报告称WMT披露Sparky参与度较高，且相关购物篮更大。
• WSM自有品牌销售占比近90%自有品牌占比高降低了被外部品牌DTC去中介化的风险。
• J.P. Morgan全球股票研究评级分布Overweight 53%，Neutral 36%，Underweight 12%截至2026-07-04的披露表，四舍五入可能导致合计不为100%。

影响与含义

对投资判断的含义是，市场对AI平台去中介化零售商的担忧可能偏高。短期更重要的是谁能更快接入LLM生态、保持交易与数据控制权、改善本地库存和价格信息准确度，并把AI流量转化为更高意图的客户。大型零售商因规模、履约网络、客户数据和广告业务基础更有机会受益，但杂货、CPG、品牌DTC和部分服饰鞋类零售仍需警惕价格透明度和品牌绕过渠道的压力。

风险

• AI平台未来若重新控制交易和结账，可能削弱零售商客户数据、广告收入和渠道控制。
• 杂货/CPG因价格透明、复购和低参与度属性，可能面临更强利润率压力。
• 具备成熟DTC履约能力的强势品牌可能绕过零售商，尤其在服饰、鞋类和部分消费电子品类。
• 如果外部Agent界面与零售商网站在价格、库存、促销、忠诚度和配送速度上不一致，消费者采用率可能受限。
• 零售商在AI推荐中若过度推销或广告负载过高，可能损害用户体验和信任。

后续跟踪

• WMT Sparky、TGT App in ChatGPT/Gemini及其他零售商自有Agent的用户参与度、转化率和购物篮规模。
• Google UCP、OpenAI ACP、Stripe checkout及Anthropic MCP等协议在电商场景中的采用速度。
• AI平台流量占电商网站总流量的变化，尤其是否从低于1%显著上升。
• 消费者是否从商品发现和购物篮构建进一步迁移到AI平台内完成交易。
• 零售媒体收入增速、广告转化率和品牌广告预算是否向AI平台迁移。
• 杂货、CPG、鞋服和消费电子中DTC品牌绕过零售商的迹象。
• 零售商本地库存、价格、促销和忠诚度数据与LLM接口的准确性。