購物體驗再進化：讓大語言模型真正讀懂商品與消費者需求，通過 GECX 打造 AI 時代全新消費者體驗
零售正從「使用者自己動手搜尋」的 Digital 時代，進入「告訴 Agent 目標、它幫你完成」的 Agentic Commerce 時代；商品資料要為 AI 重寫，安全與評測是導入的必修課。
- Josie Cheng・Google Cloud 台灣 AI 解決方案資深協理
- Felix Chin 覃志宗・Engineering Manager，統一超商
第一段 · Josie Cheng（Google Cloud）
為什麼零售需要 AI Agent
- 市場數據：全球零售客戶已有 51% 導入 AI Agent，其中 37% 部署超過 10 個 Agent。
- 痛點：82% 的消費者若在數位體驗上感到不好，就會直接流失；提供個人化服務則能提高轉化。
- 典範轉移：過去 Digital 雖簡化流程，但使用者仍要自己「瀏覽→搜尋→篩選→比較→下單」；導入 Agent 後，只要說出目標，其餘步驟交給 Agent 代勞。
Agentic Commerce 的應用場景
- 模糊需求探索：拍冰箱照片給 AI →「我有這些食材想做晚餐」→ AI 推薦料理並列出要加購的商品。
- 跨渠道一致：電話客服 → 網頁 → 手機，同一個 Agent 都記得你、延續脈絡。
- 個人化參照：依歷史訂單回答「這件衣服對照你上次買的尺寸」「這房間比你上次住的大」。
- 目標導向 + Agentic Payment：設定「降到某價格就通知我／直接幫我下單」，Agent 自動追蹤並成交，解決「看到通知時已缺貨」的問題。
零售「人、貨、場」的重構
| 要素 | Digital 時代 | Agentic AI 時代 |
|---|---|---|
| 人 | 用演算法「猜」使用者喜好 | 大模型理解當下意圖＋短期上下文＋長期記憶 |
| 貨 | 商品打標籤、關鍵字/推薦演算法、SEO | 商品資料 enrich（場景化長描述）、符合 UCP 協議、SEO→GEO 生成式優化 |
| 場 | 瀏覽型、探索型、搜尋 | 任務／目標導向 |
GECX 與 Universal Commerce Protocol
官方定位文案
Gemini Enterprise for CX 作為主動式數位管家，串接從初步探索到售後支援的完整流程。**The Universal Commerce Protocol（UCP）**是一項為未來商務設計的開放標準，讓您能將 AI 互動轉化為即時銷售。透過將 UCP 作為通用的商務語言，GECX 能深入理解客戶歷史，不僅能立即辨識用戶，還能在 Google 生態系統與更廣泛的 AI 生態中，全面掌握並維持品牌形象的一致性。
- 四大能力：複雜對話 training、多模態互動（圖/聲音 in-out）、互操作性（串接各系統完成交易）、授權機制（碰到金流等敏感行為要確認 user 授權）。
- 產品：GECX（Gemini Enterprise Platform — Customer Experience），end-to-end 支援探索→購買→售後，涵蓋電商、餐飲點餐、生鮮下單。內含：
- Agent Studio：low-code 拖拉建 Agent，內建模擬器可即時測試（也支援 high-code）。
- A2UI 協議：對話中自動生成商品卡片、輪播 UI，不只乾巴巴的文字。
- UCP 協議：商品符合統一協議，可被跨平台（甚至 Google 生態）調用。
- Gemini Live：原生語音（免 STT/TTS），支援中英日韓與東南亞語系。
- Eval 工具 + Guardrails：協助評測、防 Prompt Injection、限制回答範疇。
- FDE 團隊：Google 成立 Forward Deployed Engineer 團隊，協助客戶從定義探索到正式上線。
第二段 · Felix Chin 覃志宗（統一超商，最精華）
iOPENMall Shopping Agent 實際流程
01 進入官號／熱門推薦 → 02 需求收斂 → 03 商品推薦 → 04 加入購物車，實機截圖示範完整購物旅程
官方 POC 展示了完整四步驟：01 進入官號／熱門推薦（進入 iOPENMall 官方帳號，AI 主動打招呼「Hi，我是您的購物助理小蟹！告訴我你想買什麼，我幫你找」）→ 02 需求收斂（AI 反問「今天想買什麼呢？你可以點選下方情境，或直接輸入需求喔！」提供如「端午節熱門送禮粽子」「外出旅遊～防曬防蚊必備」等情境選項）→ 03 商品推薦（依使用者選的價格區間，如 500–1000 元，推薦對應商品，例如抹茶粉、抹茶筅等）→ 04 加入購物車（直接彈出商品卡片，含口味、尺寸、數量選擇，一鍵加入購物車）。
統一超商 UniOpen 背景
- 背景：統一集團 2,000 萬會員，UniOpen 生活平台（2024 底網頁版、2025 新 App）；AI Agent 主打官方帳號，串起整個集團。與 Poko 合作打造 GECX agent + OpenMall shopping agent。
- 踩過的坑（兩年 POC 血淚）：
- Data enrichment：商品細節多藏在圖片裡，Agent 讀不懂 → 要先 enrich 再打標籤；且 enrichment 是持續工程，只對特定分類有效。
- Prompt Injection：有人用「軟爛 context」情緒勒索，讓 shopping agent 跑去寫程式、講笑話；也可能被誘導改價格、洩漏系統。
- Session：兩面刃，開太長容易被攻擊。
- Memory：記憶會過時（記了生日/年紀，明年就不對）。
- Eval：機率性模型當確定性用的風險——舉航空公司案例，Agent 誤答「機票可打折」造成糾紛（模型沒幻覺，但引用到錯資料）。
- 解法：Root Agent + Sub Agent 分層架構、確定性的事交給 tool、Scenario 回歸測試、回覆用 Callback 清洗、設 Private List（最低價/醫療保健/違法商品不回答）、User 隱私資料絕不進 Agent（只透過 session 參數打 API）。
UCP 如何讓「新增一個 Agent」的成本趨近於零
沒有 UCP 之前：uniopen agent、iOPENMall shopping agent 各自要對接商品／搜尋／購物車，6 條線、6 種寫法；接上 UCP schema 後：所有 agent 只需對接同一套 schema，新增 agent 的整合成本趨近於零
Felix 用一張技術圖解釋 UCP 的實際效益：現在（沒有 UCP）——agent 各自接，各自寫 wrapper：uniopen agent、iOPENMall agent 要分別跟「商品／搜尋／購物車」三個系統對接，等於 6 條線、6 種寫法；接上 UCP schema 後——新 agent 只接一次：所有 agent 跟系統都講同一種 schema，「之後每加一個新 agent，接的成本趨近於零」。這是這場少數把「導入標準協議的實際工程效益」講得非常具體的例子。
「做一個 Agent 給 100 人用是一回事，給 2,000 萬人用，完全是另一回事。」
總結
- 電商客戶的商品資料要「為 AI 重寫」：enrich、長描述、場景化標籤——這正是 SEO→GEO 的延伸，方向完全一致，可以包成服務。
- UCP 協議值得關注：未來商品要能被 Google 跨平台調用，結構化商品資料會是勝負關鍵；統一超商的「6 條線 vs 一套 schema」案例，是說服客戶投資標準化的好素材。
- Agent 導購／客服是可落地的服務題材：從官方帳號切入（統一就是這樣做），門檻比想像低。
- 安全與 Guardrails 是必修：幫客戶做 AI Agent，Prompt Injection 防護、Private List、隱私隔離要在第一天就設計。