2026年9月，Meta旗下AI购物智能体Muse正式上线。上线20天内，下载量超过250万次。这个数字说明消费者对“让AI帮忙购物”这件事的接受度正在快速提升。但对于跨境卖家，尤其是尚未建立起品牌知名度的新卖家而言，Muse的推荐规则带来的是一个需要认真对待的新问题。

根据AI购物行为追踪软件Profound对Muse的测试研究，Muse在筛选和推荐商品时，系统性地优先考虑知名商家。这意味着，新品牌即使拥有符合需求、价格合理的商品，也可能在消费者看到之前，就已经在推荐排序中处于不利位置。

Muse的推荐规则：知名商家优先

Profound的研究人员使用同一个Muse账号，在零售品类中测试了50条购物指令。测试发现，对于一条典型的购物指令，Meta商品目录通常返回约60件商品，涉及30家商家；Muse的浏览器则只访问3个网站，找到4件商品，来自其中2家商户。最终，Muse通常会向用户展示6件商品，其中4件来自网页搜索，2件来自Meta商品目录。

商品能否进入推荐列表，不仅取决于产品是否符合用户需求，还与商家的知名度直接相关。Muse首先按照用户要求筛选商品，排除不符合需求、看起来质量不高，或者价格明显偏离同类商品正常范围的选项。

值得注意的是，价格筛选并非只针对高价商品。如果某件商品的价格远低于同类产品，也可能被剔除。而对于许多新兴品牌来说，以更低的价格吸引消费者，恰恰是它们与知名品牌竞争的重要方式。这一规则对新品牌的价格策略形成了直接约束。

完成初步筛选后，Muse会对剩余商品进行排序，系统文件多次强调知名商家的重要性。在商品发现流程中，指令明确要求优先考虑知名卖家；在结果展示环节，文件甚至将前5件商品来自知名商家或网站，并且符合用户需求，列为一项“必须”遵守的要求。

结账规则：未接入Meta目录，购买体验断层

推荐排序之外，Muse的结账规则同样影响品牌的销售转化能力。

Meta商品目录中带有“智能体结账”标记的商品，可以通过基于Shopify的购买流程，在Muse对话中直接完成购买。相反，如果商品来自开放网页，即使Muse找到了该商品，用户也必须进入商家网站，通过浏览器完成结账，相关商品卡片不会提供对话内结账功能。

购物车功能也受到同样限制。Muse可以为用户建立购物车，但购物车只能包含已开启相应结账功能的Meta目录商品。系统文件明确指出，不具备这一能力的商品无法加入购物车，通过浏览器找到的商品也不例外。

这意味着，新品牌即使成功进入推荐列表，如果没有将商品接入Meta目录并启用相关功能，也无法获得与目录商品相同的购买体验。在消费者已经习惯“一键下单”的场景里，多一步跳转就可能意味着转化率的流失。

品牌难以追踪Muse的访问

对于品牌而言，另一个容易被忽视的问题是：它们可能根本不知道Muse曾经访问过自己的网站。

Profound的研究指出，Muse在浏览网页时不会主动表明智能体身份，而是通过住宅互联网连接访问网站，留下的访问记录看起来与普通用户相似。它们给出的答案也不会注明所参考的网站来源。这意味着，即使智能体已经替消费者浏览并评估了商品页面，品牌也可能无法从常规网站分析数据中准确识别这类访问。

不过，Profound通过间接数据发现了一些线索。在测试中，部分Muse会话发生前，相关网站曾收到来自标记为“meta-webindexer”的请求。Muse上线后的前20天内，美国和加拿大零售网站收到的这类请求增长幅度，是其他地区网站的1.6倍。该比较涉及约280个网站，这可以作为判断相关活动的间接指标，但不能证明每一次请求都来自Muse。

个性化推荐机制

Muse的另一项重要机制是个性化推荐。开始购物前，Muse会读取用户保存的偏好资料，查看用户的一般信息，并搜索记忆中记录的尺码和喜好。如果消费者是在为别人挑选礼物，Muse会结合用户提供的收礼人信息，以及专门保存的相关备注来推荐商品。

对于某些商品，Muse还要求用户在搜索开始前明确具体需求。例如购买服装时需确认穿着者的性别和尺码，购买配件时可能需要确定适配的具体设备型号。Muse会一次询问一个问题，并被要求不能根据姓名猜测用户性别，也不能随意填入默认答案。用户在某个品牌下保存的鞋码，也不会自动套用到另一个品牌。

不过，目前还无法确定个性化机制会在多大程度上改变不同用户看到的商品。Profound的测试只使用了一个账号，无法判断两个用户提出相同购物需求时，最终获得的商品推荐会有多大差异。

新品牌的应对方向

面对Muse的推荐规则，新品牌可以从几个方向着手。

第一，接入Meta商品目录是基础门槛。 对于规模较小的品牌，将Shopify与Meta商品目录打通，是进入Muse候选范围的前提。接入目录不仅能让商品获得被推荐的机会，也是商品在Muse内直接结账和加入购物车的必要条件。

第二，优化商品页面的“AI可读性”。 即使商品已经进入候选池，Muse仍然优先推荐知名商家。品牌需要把商品页面做得更便于智能体识别：确保每个页面对应一件具体商品，使用真实清晰的商品图片，明确显示库存状态，让尺码、适配范围和兼容设备等信息一目了然。链接必须直接指向具体商品页面，而不能只是搜索结果页；页面需要明确显示商品有货，并且可以加入购物车；页面上必须存在真实的商品图片，图片占位符和商家标志不能代替产品图。

第三，定价策略需要重新审视。 Muse的筛选规则中，价格远低于同类商品的选项也可能被剔除。新品牌过去常用的“低价切入”策略，在AI推荐场景下可能适得其反。在定价时，建议参考同类商品的正常价格区间，避免因为价格过低而被系统排除。

第四，利用Instagram的商品标签。 Muse可以调取Facebook Marketplace上的商品，如果消费者分享一条带有商品标签的Instagram帖子，Muse会直接查找帖子中标记的商品，并按照指令跳过常规搜索流程。对于在Instagram经营的新品牌，给商品添加准确标签，可能成为获得展示的重要方式。

第五，关注智能体访问的间接指标。 虽然Muse不会主动表明身份，但来自“meta-webindexer”的请求增长可以作为观察窗口。品牌可以定期检查网站日志中这类请求的变化趋势，评估自身商品页面对AI智能体的吸引力。

总结

AI购物助手正在成为消费者发现商品的新入口。Muse的推荐规则中，“知名商家优先”的设定，意味着新品牌面临的不仅是流量竞争，更是在AI推荐排序中的位置竞争。接入Meta目录、优化页面结构、调整定价策略、利用Instagram标签——这些动作的共同目标，是让商品在AI的筛选流程中不被提前排除。在AI购物时代，能被AI看见，和能被消费者看见，同样重要。