十一月十三日路透报道,据其看到的内部文件,亚马逊计划自建一张覆盖全网商品的「世界商品图谱」,品牌方主动供数,亚马逊同时抓取其他零售商的站点数据,目的是让外部的人工智能购物代理在找商品时不得不调用亚马逊的索引。文件里写的设想上线日期是2027年10月1日,亚马逊回应说那只是一份草稿。
一份草稿值不值得当真,取决于它指向的问题是不是真的。这个问题是真的。当消费者开始让 AI 替自己找衣服,谁的商品数据被调用,谁就决定了推荐结果。
第一个问题,商品数据算谁的资产。多数董事长会说算公司的,因为衣服是自己设计的。可真实情况是,一件衣服的描述、尺码、面料成分、搭配建议、退货原因,散落在电商后台、客服记录、经销商表格和设计部的文件夹里,没有一处是完整的。亚马逊要做的这件事,本质是把别人散落的数据整理成一张可被机器读的表,然后收过路费。
第二个问题,自建这样一张表值不值。对平台来说值,因为它服务的是几百万个卖家。对一家年营收五十亿的服装企业来说,答案取决于它有多少个渠道。渠道在三个以内的,自己的商品中心建一张干净的母表就够用;渠道过十个、每个渠道的字段都不一样,母表的价值就超出渠道本身,它变成了定价和选品的依据。
第三个问题,不做会怎样。不做不会立刻掉销量,会慢慢失去被搜到的机会。消费者问 AI 哪件大衣适合通勤,AI 调用的是它能读到的表,读不到的款就不存在。这个损失没有报表,也没有人负责。
FDE 咨询在这个题目上的位置很清楚。FDE 是 Forward Deployed Engineer,前沿部署工程师,Palantir 大约二十年前把这个偏解决方案的工程角色改成了这个名字,2025到2026年 OpenAI、Anthropic、AWS、Google DeepMind 都在招,国内岗位需求今年增长超过800%,驻场报价已出现一人一天一万元。它做的事是把企业自己的商品数据整理成机器能读的格式,再接到各个渠道和 AI 搜索上去。
具体动作可以说明白。驻场头两周盘点数据源,把商品主数据、尺码表、面料成分、洗涤说明、搭配关系、退货原因这六类字段列出来,标出哪些有、哪些缺、哪些三个渠道各说一套。第三到第五周定标准,一个款一个编码,一个编码一套属性,属性值用枚举不用自由文本。第六周起把标准写进上新流程,让设计部在出款时就填,不做事后补录。
收费按人天计价的时候,这类项目通常四到八周,视渠道数量而定。和企业自己的电商部门怎么分工,一句话说清,FDE 定标准和接口,电商部门定业务规则和优先级。传统咨询公司交一份数据治理方案,软件公司卖一个中台,FDE 交的是一张跑起来的表加一条能自动执行的校验规则,三者的交付物不一样,验收方式也不该一样。
什么条件下不该用 FDE。渠道只有一个、年上新款数不到三百的公司,用现成的电商后台导出功能加两个人就够了,请外部驻场是浪费。另一种是产品高度定制、一件一版的,标准化的商品表意义有限,该做的是把定制参数管好。
反方的观点也站得住。有人说亚马逊这张表就算建成,也只影响跨境和平台卖家,做国内百货和购物中心的品牌不受影响。这话在渠道以线下百货为主的公司里成立。转到线上那一刻就不成立了,因为 AI 搜索不区分线上线下,它只认能不能读到。
可以当场核的检验有三个数,商品主数据完整率、跨渠道同一款式的属性一致率、客服因信息错误产生的退换占比。第一个低于八成、第二个低于七成,说明这张表还不存在,谈 AI 导购是空话。
数据这件事的残酷之处在于,它不会因为你没整理就消失,只会被别人整理好之后拿来给你定价。
希纪 · 服装产业观察