人工智慧正在成為每個品類的私人顧問

美容產業正在出現一個容易被誤讀的數字。Euromonitor 指出，2026 年美容與個人護理已占全球由 AI 平台發起產品搜尋的近一半；Euromonitor 在 2026 年針對超過兩萬名消費者的調查更顯示，約一半受訪者已使用 ChatGPT 搜尋商品，近五分之四表示 AI 曾讓他們注意到原本沒有考慮的品牌。這不是把 Google 的搜尋框換成聊天框，而是消費者開始把原本必須自己完成的需求定義、知識整理、比較與判斷交給一個能持續追問的顧問。

搜尋引擎回答的是「哪裡有資料」，顧問回答的是「以我的條件應該怎麼做」。兩者看似只差一層語言介面，實際上改變的是交易以前的決策分工。當消費者問「敏感肌又容易長痘，夏天去日本應該帶哪一套保養」，真正需要的不是十個藍色連結，而是先理解膚質、氣候、既有用品、預算與使用順序，再把商品放進一套可執行方案。AI 因而不是 Search 2.0，而是把零售業過去分散在店員、專家媒體、朋友口碑、論壇與搜尋引擎之間的工作重新組裝成一個對話角色。

從關鍵字到任務才是這次入口真正的改變

傳統搜尋的基本單位是關鍵字。即使搜尋引擎已經高度智慧化，使用者仍大致負責拆解問題：先搜尋成分，再看評價，再比較價格，最後自己決定。生成式 AI 的基本單位則逐漸變成任務。使用者可以直接描述目的、限制與情境，系統替他把問題拆成數個子問題，再把不同來源重新組成答案。

Amazon 的購物助手 Rufus 後來更名為 Alexa for Shopping，它已能按照活動、用途與場合推薦商品，結合個人購物紀錄回答問題，還能追蹤價格、在條件符合時自動購買。這種功能的核心不是「更會搜尋 Amazon」，而是理解「我要完成什麼」。跑鞋不再只是品牌、尺寸與價格的篩選，而可能從腳型、跑量、路面、受傷史與訓練目標開始；露營用品也不必逐項搜尋，而可以從人數、天數、氣候與交通方式生成一套採購清單。

Walmart 的 Sparky 同樣把入口往任務移動。它不是要求消費者先知道商品名稱，而是讓人從聚會、料理、旅行或家庭需求開始。Walmart 又與 Google 合作，把商品發現、推薦、加入購物車與結帳延伸到 Gemini 的對話介面。當「我週末要替八個人辦烤肉」可以直接變成一組商品與購物車，零售商面對的就不再只是站內搜尋轉換率，而是誰有資格成為 AI 完成任務時調用的供應來源。

美容最適合先發生因為它本來就是顧問型品類

美容是這個變化最早顯形的品類並不偶然。護膚、彩妝與香氛都有高資訊密度：膚質、膚色、成分、過敏、季節、場合、妝效與既有產品會互相影響。商品數量越多，搜尋效率反而越不足，因為消費者真正缺少的不是商品，而是把商品組合成答案的能力。

Euromonitor 預估 2026 年全球美容與個人護理銷售可達 6,698 億美元；中國護膚品已有 54% 銷售在線上完成，美國香氛線上購買占比也已達 52%，並預估 2030 年升至 63%。原本被認為高度依賴觸摸、試色與嗅覺的品類都能大規模線上化，表示數位介面已經不只是交易終點，而是教育與決策場域。AI 恰好補上電商最弱的一塊：沒有專櫃人員站在消費者旁邊持續問問題。

Ulta Beauty 在 2026 年與 Google 推出 Gemini 驅動的購物體驗，一方面把 Ulta 商品帶入 Google AI Mode 與 Gemini，另一方面在自己的網站與 App 推出 Ulta AI。這個雙軌策略很有代表性：零售商既要讓外部 AI 顧問知道自己有什麼，也要在自有場域建立自己的顧問。e.l.f. Beauty 與 Alta 的合作則把顧問再往生活情境推進，讓使用者在數位分身上把彩妝與服裝一起試配。彩妝不再只是「找一支口紅」，而是「這套衣服、這個場合、我的風格應該配什麼」。

顧問角色會跨出美容進入每一個高摩擦品類

同樣的邏輯正在食品、3C、家居與其他高摩擦品類發生。Instacart 在 2026 年 9 月推出 Clementine，讓消費者可以從一段對話、一張清單或一份食譜直接生成個人化購物車；它處理的不是「搜尋雞胸肉」，而是今晚吃什麼、幾個人吃、預算多少、有哪些飲食限制。Google 推出的 Universal Commerce Protocol 也把這種任務式購物往更廣的商品世界推進，系統甚至能在組裝電腦時辨識零件相容性。當 AI 開始替人把需求拆解成商品組合，零售商真正競爭的就是誰能被顧問納入答案。

這也解釋為什麼 AI 顧問不必等到完全自動代購才產生商業影響。Euromonitor 的資料顯示，消費者目前更願意使用 AI 來搜尋與推薦，而不是直接把購買權完全交出去。顧問與代理人是兩個階段：前者取得判斷權，後者才取得執行權。對零售業而言，第一階段甚至更重要，因為誰控制建議清單，誰就已經在結帳以前重新分配品牌的曝光機會。

品牌真正爭奪的是被顧問理解與信任的資格

SEO 的舊邏輯是假設消費者會看到一串結果，因此品牌努力取得更高排名、更多點擊與更好的商品頁。顧問介面會壓縮這個貨架。AI 不需要向使用者展示五十個選項，它可以根據需求只提出三個，甚至只提出一個。品牌從爭取「被看見」變成爭取「被推薦」。

這使產品資料的性質改變。規格、成分、適用情境、禁忌、認證、庫存、價格、使用方式、售後條件與大量真實評價，都不只是給人閱讀的內容，也成為模型判斷商品是否適合某個人的證據。品牌故事如果只能讓人感動、卻不能被機器辨認成可靠的產品事實，在顧問型入口裡會逐漸失去作用。相反地，一個知名度較低但資料完整、評價一致、用途清楚的品牌，可能更容易進入 AI 的推薦集合。

零售商的會員資料也因此獲得新的價值。過去個人化常停留在「買過 A 所以推薦 B」，本質仍是商品關聯。顧問型 AI 可以把購買紀錄與對話中的目的結合：不是因為某人曾買嬰兒用品就一直推嬰兒用品，而是理解孩子年齡已改變、家庭即將旅行、預算有所限制，再重新生成當下方案。CRM 從預測下一個 SKU，向理解下一個生活任務移動。

搜尋引擎不會消失但它會退到顧問背後

AI 成為顧問並不表示搜尋技術消失。相反地，搜尋會成為顧問的基礎設施之一。模型仍要取得最新價格、庫存、規格、評價與外部知識，只是使用者不再需要親自操作每一次檢索。搜尋從前台產品退到後台能力，就像資料庫沒有因 App 出現而消失，卻不再是一般使用者直接面對的介面。

這個差異決定零售業接下來的投資方向。如果把 AI 當成搜尋引擎 2.0，企業會繼續把重點放在關鍵字、流量與排名；如果把它視為品類顧問，企業就必須回答更困難的問題：我的商品資料能不能支持一個專家級答案，我是否有足夠可信的證據讓模型推薦，我的會員資料能不能描述人的情境而不只是交易，以及當顧問介面掌握需求定義權之後，我還能不能直接理解自己的顧客。

每個成熟品類最後都有一套專業知識。美容有膚質與成分，食品有營養與料理，家居有空間與施工，3C 有規格與使用場景，金融有風險與期限，旅遊有時間、預算與偏好。生成式 AI 的商業意義，就是把這些原本昂貴、稀缺、難以規模化的顧問能力變成每個消費者都能隨時取得的介面。搜尋只是其中一項工具；真正被重新分配的是「誰替消費者做判斷」的權力。