上一篇我们讨论了 B2A 基础设施——让 AI Agent 能读懂你的商品数据。但被读懂只是第一步。更关键的问题是：AI 读懂你之后，到底发生了什么？
这个问题指向一个行业级的结构性空白。
一笔 AI 驱动的订单是如何发生的
让我们追踪一笔完整的 AI 驱动电商交易：
- 用户在 ChatGPT 中问：「推荐一双 200 美元以下的防水跑鞋」
- ChatGPT 通过 UCP 接口查询 Shopify、Google Merchant Center 的产品目录
- ChatGPT 综合信息，向用户推荐三个品牌的产品
- 用户点击其中一个推荐链接，到达品牌 A 的网站
- 用户浏览产品页面，查看评价，对比尺码表
- 用户加入购物车
- 用户完成结账，支付 189 美元
- Shopify 记录这笔订单
现在的问题是：谁能看到这条链路的全貌？
步骤 / 谁能看到 / 谁看不到
1. 用户问 AI / ChatGPT / 品牌、Shopify、GA4
2. AI 查询产品目录 / UCP 协议日志 / 品牌（除非有 Edge Lite）
3. AI 推荐三个品牌 / ChatGPT / 品牌不知道自己是否被推荐
4. 用户点击到达网站 / GA4（部分）、CG JS / ChatGPT 不知道用户是否点击
5. 用户浏览、比较 / GA4、Shopify Pixel / ChatGPT、UCP
6. 用户加购 / Shopify Web Pixel / ChatGPT、UCP
7. 用户结账支付 / Shopify、ACP（如有） / ChatGPT（除非 ACP 集成）
8. 订单完成 / Shopify / ChatGPT 不知道用户是否购买
没有任何一个参与方能看到完整链路。
ChatGPT 知道它推荐了什么，但不知道用户是否购买。Shopify 知道用户购买了什么，但不知道 AI 推荐了什么。GA4 知道用户从哪里到达，但它的 AI 来源识别只覆盖约 1% 的 AI 活动（Adobe 数据）。UCP 知道 Agent 查询了什么产品目录，但不知道用户在网站上做了什么。
这就是证据缺口：从 AI 推荐到商业结果之间的整段度量链路，不属于任何一个参与方。
缺口的结构性原因
这个缺口不是设计疏忽——它是由 Agentic Commerce 的架构决定的：
协议关注的是机器之间的互操作性。 UCP 解决的是"AI Agent 如何安全地查询商家目录"。ACP 解决的是"AI Agent 如何安全地执行结账"。AP2 解决的是"AI Agent 如何证明自己有权花钱"。这些都是机器-机器交互标准，不关心人类在网站上做了什么。
AI 平台不跟踪发送出去的流量。 ChatGPT 不知道（也不关心）用户点击推荐链接后是否购买。Perplexity 不知道引用链接的点击者是否转化。这和传统搜索引擎不同——Google 至少可以通过 Ads 和 GA4 跟踪点击到转化的链路。AI 推荐平台目前没有类似的回传机制。
商家的分析工具不理解 AI 上游。 GA4 可以识别一部分 AI 来源的 referrer（2026 年 3 月加入了"AI Assistants"渠道组），但它看不到 AI 的推荐上下文——用户问了什么、AI 推荐了哪些竞品、为什么推荐了你。它更看不到 Agent 的服务端请求——BrightEdge 数据显示这些请求占总流量 15%，全部是 GA4 盲区。
缺口的商业后果
这个证据缺口正在产生三个层面的实际后果：
第一，品牌无法归因 AI 收入。
Shopify 说 AI 订单增长了 13 倍。但你作为一个 Shopify 品牌，能确定自己有多少收入来自 AI 吗？
大多数品牌的答案是"不确定"。因为：
- GA4 的 AI 来源识别不完整（很多 AI 推荐流量被归类到"Direct"或"Organic"）
- Shopify 订单没有 AI 来源标签
- 没有 session-to-order join 把 AI 到站和 Shopify 订单关联起来
你知道 AI 总体在增长，但你不知道这个增长和你的收入之间的具体关系。
第二，品牌无法优化 AI 渠道。
传统 Paid Search 有清晰的优化杠杆：关键词、出价、广告文案、着陆页、结账流程。每一步都有数据，每一步都可以 A/B 测试。
AI 渠道呢？你不知道 AI 在推荐你时给出了什么理由。你不知道 AI 推荐了你和哪些竞品。你不知道用户从 AI 到达后在你网站上做了什么和其他渠道用户有什么不同。你甚至不确定那个看起来是"Direct"的访问是不是来自 AI。
没有中间层的数据，你无法优化 AI 作为一个增长渠道。
第三，AI 在资源分配中被低估。
当 CMO 需要在 Google Ads、Meta Ads、Email 和"AI/GEO"之间分配预算时，前三个渠道有清晰的 ROAS 数据。AI/GEO 呢？"我们的 AI 流量好像在增长，但具体带来了多少收入不太确定。"
在这种信息不对称下，AI 在资源争夺战中几乎必然输给数据更完整的传统渠道。不是因为 AI 真的效率低，而是因为它缺乏度量基础设施。
CitationGraph 的结构性机会
回到那张链路图。如果我们标注每个参与方的覆盖范围：
``` [UCP 覆盖] [ACP 覆盖] AI 查询目录 ──→ AI 推荐 ──→ 用户点击 ──→ 浏览 ──→ 加购 ──→ 结账 ──→ 订单
←────────── 证据缺口 ──────────→
←──── CitationGraph 覆盖 ────→
```
CitationGraph 正在构建的能力精确对应这个证据缺口：
缺口环节 / CitationGraph 能力 / 数据来源
AI 是否推荐了我 / SOV / Answer Evidence / Prompt Sampling / AIAA Answer 层
AI Agent 是否抓取了我 / Request Visibility / Edge Lite / Log Bridge / AIAA Request 层
用户是否从 AI 到达我的网站 / 一方 JS / AI Referrer 识别 / GA4 / AIAA Visit 层
到达后做了什么 / 页面行为追踪 / Shopify Web Pixel / AIAA Commerce 层
是否产生了可归因收入 / Session-to-Order Join / Shopify 订单 / AIAA Attribution 层
这不是偶然的产品布局。 它是从"AI 可读性诊断"出发，沿着 AI 商业链路向上游（Answer/Request）和下游（Commerce/Attribution）同时延伸的结果。GEO 工具只覆盖上游（AI 有没有看见我）。归因工具只覆盖下游（收入从哪来）。CitationGraph 是唯一一个正在构建全链路覆盖的平台。
协议演进不会自动填补缺口
有人可能会想：UCP 和 ACP 成熟后，这个缺口不就自然消失了吗？
不会。原因有三：
第一，协议解决的是互操作性，不是度量。 UCP 让 Agent 能查询目录，但不度量查询是否产生了推荐。ACP 让 Agent 能结账，但不度量结账前发生了什么。协议是管道，不是监控系统。
第二，缺口涉及人类行为。 从用户点击 AI 推荐链接到完成购买，中间发生的是人类在网站上的浏览、比较、犹豫、放弃或购买。这些行为只有商家自己的追踪系统能观测到，不可能被任何外部协议覆盖。
第三，跨平台碎片化只会加剧。 用户可能在 Perplexity 上研究，在 Gemini 上比较，在 ChatGPT 上确认，最后直接输入 URL。每个 AI 平台只能看到自己那段。商家需要一个跨平台的证据汇聚层。
AIAA 是填补缺口的框架
在 AIAA 系列中，我们详细阐述了五层度量框架。它与证据缺口的对应关系：
AIAA 层 / 度量什么 / 填补哪段缺口
Answer / AI 回答中是否提到你、如何描述 / AI 推荐阶段
Request / AI Agent 是否抓取你的数据 / AI 查询 → 推荐的过渡
Visit / 用户是否从 AI 到达你的网站 / AI 推荐 → 用户到达
Commerce / 到达后是否产生商业行为 / 用户到达 → 购买意图
Attribution / 是否有可追溯到 AI 的收入 / 购买意图 → 订单归因
AIAA 不试图替代协议——它填补协议之间的度量真空。协议说"Agent 查询了什么"和"Agent 完成了什么"。AIAA 说"在这两个点之间，实际发生了什么"。
对品牌的实操建议
不要等协议成熟才开始度量 AI 影响。 协议的完全互操作性可能还需要 18-36 个月。但 AI 对你的商业影响今天就在发生。
从 Visit 层开始。 部署一方 JS 识别 AI 来源的访问——这是成本最低、见效最快的起步。你会发现有些你以为是"Direct"的流量其实来自 AI。
然后部署 Edge Lite。 这会让你第一次看到 AI Agent 的服务端请求——那些 GA4 完全看不到的 15%。
最后，建立 session-to-order join。 把 AI 来源的会话和 Shopify 订单关联起来。这是 Attribution 层的基础，也是回答"AI 到底带来了多少收入"的唯一方法。
下一篇预告
证据缺口的存在意味着传统归因在 AI 时代失效。下一篇我们深入分析 AI 归因的结构性危机——为什么 GA4 的 last-click 模型系统性低估 AI 的贡献，为什么 AppsFlyer 看不到 AI 上游，以及分层归因模型如何解决这个问题。
FAQ
Q1: 什么是 AI 商业链路中的"证据缺口"？
A: 指从 AI 推荐（Answer 层）到商业结果（订单/收入）之间的整段度量链路。UCP 协议覆盖 AI 发现端（产品查询），ACP 协议覆盖执行端（结账），但中间的 AI 推荐上下文、用户点击、网站浏览、加购行为——不属于任何协议的观测范围。品牌需要独立的度量层来填补这个缺口。
Q2: 为什么协议成熟后缺口不会自动消失？
A: 三个原因：(1) 协议解决的是机器互操作性，不是度量——UCP 让 Agent 能查询但不度量查询结果。(2) 缺口涉及人类行为——用户在网站上的浏览和决策只有商家的追踪系统能观测。(3) 跨平台碎片化只会加剧——用户在多个 AI 平台间切换，每个平台只能看到自己的部分。
Q3: CitationGraph 如何填补这个缺口？
A: 通过 AIAA 五层框架覆盖证据缺口的每个环节：Answer 层（AI 是否推荐你）、Request 层（Agent 是否抓取你的数据）、Visit 层（用户是否从 AI 到达）、Commerce 层（到达后的商业行为）、Attribution 层（可归因收入）。CitationGraph 是唯一一个从 AI 可读性到商业结果全链路覆盖的平台。
Q4: 品牌应该先填补缺口的哪个部分？
A: 从 Visit 层开始——部署一方 JS 识别 AI 来源访问。然后是 Edge Lite（看到 Agent 服务端请求）。最后是 session-to-order join（Attribution 层）。不需要一次性覆盖全部五层。
Q5: 这个缺口对广告团队意味着什么？
A: 意味着 AI 在预算竞争中会被低估。Google Ads 和 Meta Ads 有完整的 ROAS 数据，AI/GEO 没有。如果不填补证据缺口，CMO 会因为数据缺失而把资源从 AI 渠道转移到数据更完整的传统渠道——即使 AI 的实际效率更高。