2026 年 10 月 6 日，Shopify 用一个很具体的例子描述所谓“代理式购物”：消费者不输入某个品牌或品类词，而是说“送给痴迷鲨鱼、却几乎什么鲨鱼周边都有的 8 岁孩子”。系统要从年龄、兴趣、已有物品和礼物新鲜感这几层约束里找商品。
这只是 Shopify 对自家商业基础设施的说明，不足以证明全球零售已经整体改写。但同一时期的 OpenAI 官方购物说明给出了更清楚的机制：商品是否出现，取决于查询和上下文的相关性；商家直接商品源需要持续提供标识、描述、价格、库存、媒体与履约选项。两个官方材料共同确认了一件事：机器先要读懂商品，再判断它能否回答一个具体人的具体需求。
对跨境品牌来说，这会改变产品视频的采购单位。过去的拍摄清单常从“核心卖点、情绪镜头、三种比例”出发；现在还要从“消费者会提出哪些带条件的问题”出发。商品源能告诉系统“这是什么”，视频则应让人和机器获得“为什么适合、怎样使用、什么时候不适合”的可见依据。
商品数据齐全，不等于购买问题被回答
结构化商品数据擅长表达 SKU、颜色、尺寸、库存和价格。它不一定能独立回答这些问题：戴眼镜时耳机会不会顶住镜腿？小户型收纳后占多少空间？湿手能否操作？安装需要哪种墙体？礼物包装里是否已经包含转接件？
这些问题有三个特点：它们来自使用情境，而不是品牌文案；答案常跨越产品、配件、人体动作与环境；一旦说错，会直接变成退货、差评或客服成本。
因此，品牌不能简单地为商品源“配一条视频”。它需要把高价值约束拆成可验证的镜头，并把镜头与商品事实的版本绑定。此前我们讨论过，平台自动组合广告时，品牌应采购可重组的素材组件，而不是一套固定横幅。代理式购物再往前推一步：组件还必须对应一个明确的购买问题，而不只是一个画面版位。可参看《Amazon 正把商品页自动拼成广告：品牌该采购组件，不是一套横幅》。
ONCE“约束—场景矩阵”：先列问题，再写分镜
我们建议新品或重点 SKU 在拍摄前建立一张六列表，而不是直接写脚本：
- 消费者约束：为谁、在什么环境、与什么设备或习惯一起使用。
- 可判定答案：适合、不适合，或需要满足什么前提，避免“都可以”式空话。
- 商品事实：尺寸、材质、兼容型号、功率、套装内容、交付范围等可核对字段。
- 证据场景：一个能让答案被看见的动作、对照、尺度参照或安装过程。
- 版本锚点：对应 SKU、配件、包装、固件、市场与生效日期。
- 发布限制：未经验证不得说的主张，以及需要客服、法务或工程确认的例外。
例如，“适合随身登机”不能只拍一个人拉着箱子走过机场。矩阵需要追问：适用于哪些航空公司的哪类尺寸规则？镜头里的轮子和把手是否计入外廓？画面展示的是哪一款 SKU？如果规则因航司和航线而异，成片应呈现测量方法和具体尺寸，而不是给出无限定的“所有航司均可登机”。
又如，“适合戴眼镜久戴”也不该只靠模特微笑。更有用的交付包括：镜腿与耳罩接触位置的近景、夹持结构、可调范围、连续佩戴的真实动作，以及“不同镜框厚度体验会有差异”的限制说明。这里的目标不是把每个疑问都拍成实验室报告，而是让最容易影响选择的条件获得诚实、可复用的回答。
预算改按“可回答问题成本”看
只看单条成片价格，会鼓励团队用同一批漂亮镜头裁出更多版本，却没有增加任何新答案。ONCE 建议增加一个内部指标：
单个可回答购买问题成本 =（证据场景拍摄 + 主张核验 + 数据绑定 + 本地化）÷ 通过审核且能被商品数据指向的独立购买问题数。
这里的分母不是镜头数。一个问题只有同时满足四个条件才计数：答案明确；有可见场景；有商品事实或责任人支持；能绑定到正确 SKU 与市场版本。
这项指标适合比较两种方案：再拍十条气氛变化，还是补齐五个会改变选择的高频约束。它不是行业平均，也不能直接预测转化率；它的价值是防止“产量很多、决策信息没有增加”。
14 天先跑一个 SKU，不要先重做全站
第一周，从客服问答、退货原因、站内搜索、评论和销售聊天中提取 20 个带条件的问题，删掉只问价格与库存的项目，再按“影响购买决定、现有内容是否缺答、错误答案风险”排序。选前 5 个填入矩阵，并由产品、客服与市场共同确认答案。
第二周，只补拍能复用的证据场景：一镜回答一个主要问题，同时保留横竖构图和干净特写。上线时，让商品页文字、商品源字段、字幕与镜头使用同一答案；若其中一处更新，矩阵负责指出哪些素材需要下线或重审。
如果团队发现高频问题没有稳定答案，先不要加拍。可能真正缺的不是内容，而是规格定义、配件策略、包装清单或履约承诺。视频不该替产品运营掩盖不确定性。
这会让谁的决策改变
对品牌方，选制作供应商时应多问一句：团队能否把消费约束转成可审核的镜头，并维护 SKU 与市场版本，而不只是交付多少条片。对制作公司，新的可售服务不是“用 AI 多做版本”，而是从问题挖掘、事实核验、证据场景到数据绑定的一整套产品内容工程。
对 ONCE 来说，长期可积累的资产也不是某次拍摄的素材硬盘，而是“哪个场景回答了哪个购买问题、适用于哪个 SKU、何时需要更新”的关系表。它让同一批可信镜头能够服务商品页、广告、销售对话和购物代理，同时保留明确的停止使用条件。
来源与适用范围
本文事实依据包括 Shopify 2026 年 10 月 6 日发布的《Welcome to the first holiday season of the agentic era》、Shopify 2026 年 3 月 24 日发布的《Millions of merchants can sell in AI chats》，以及 OpenAI 2026 年 9 月更新的《Shopping with ChatGPT Search》和 Agentic Commerce 产品源文档。中文站不附未经中国大陆网络实测的海外链接；英文对应稿保留官方原始来源。
这些材料只能证明相关平台当前公开的产品方向与运行说明，不能单独证明所有购物平台已经采用同一机制。约束—场景矩阵和成本公式是 ONCE 的采购与制作方法，不是平台排名规则或行业标准。
