DaVinci Commerce 推 AI Brand Agent：把商品目录改写成智能体可读格式，10 月 1 日上线
顾客问 AI“有没有涂几小时也不会发黄斑驳的粉底”，商品页里写的却是“净含量 30 毫升、色号 N20、适合中性皮”。两句人话之间，隔着一整套商品目录的表达方式。DaVinci Commerce 说，这道鸿沟就是接下来几年的生意。10 月 1 日，它上线了一套把商品目录翻译给机器看的平台，10 月 5 日正式对外公布。
据 DaVinci Commerce 10 月 5 日发布的新闻稿，其 Agentic Commerce Experience Platform 扩展版自 10 月 1 日起可用，由三块能力组成：Agentic Discoverability Engine、Brand Agent，以及处于专利待批状态的 Product Context Memory。三者分别负责富化、分发与消费端体验。
公司位于加州圣马特奥，创始人兼首席执行官为 Diaz Nesamoney。他此前共同创办 Informatica 并于 1999 年推动其上市，后创办广告技术公司 Jivox，后者在 2026 年 1 月更名为 DaVinci Commerce。公司称，其客户包括雀巢、帝亚吉欧、Giant Eagle 与 Nordstrom。
一、目录天生不是给机器读的
问题的起点在商品目录本身。传统目录主要回答“这件商品是什么”：属性、规格、成分与功能，很少回答“它为什么、在什么时候、对谁有用”。
据 PR Newswire 转载的通稿，一位顾客可能问“什么粉底不会发黄或斑驳”，另一位可能问“我皮肤敏感，有没有更合适的粉底”。两个问题指向的可能是同一件商品，而这两个需求都不会出现在它的传统描述里。
DaVinci 把这段差距视为结构性缺陷。当大模型与个人 AI 智能体替顾客做研究、比方案、下判断时，它们需要的是能连到具体需求上的可靠商品信息，而不是一张规格表。
二、换个读法再记住它
Product Context Memory 是整套平台的核心。它围绕单个 SKU 维护一份不断增长的上下文，把权威商品信息与利益点、顾客需求、使用场景、场合、偏好和佐证材料连起来。
据 Daily AI Brief 报道，研究智能体持续从商品目录、评分与评论、社交内容、生活方式内容等来源抓取信息，整理成动态知识图谱，并用语义索引让相关内容按顾客提问的含义与意图被检索到。
机制追求的不是写出一段“优化过”的商品描述，而是让同一件商品在潜在上千种语境里被理解。通稿举了一个例子：一双运动鞋在学生返校季、跑者看性能、节日送礼三种场景下都可能相关，商品没变，被发现的路径变了。
三、Brand Agent 负责分发
Brand Agent 是把上面那层知识送出去的接口。它把富化后的商品知识，用机器与智能体可读的格式发布与分发，包括 ACP、UCP 这类结构化目录协议，MCP 服务，JSON-LD，以及结构化商品 Feed。
分发对象覆盖多类入口。通稿点名了 ChatGPT、Gemini、Claude 等大模型，Meta Muse、OpenAI dots、Instinct 等个人 AI 智能体，以及沃尔玛的 Sparky 与亚马逊的 Alexa for Shopping 这类零售商自有购物智能体。
据 The Agentic Review 报道，公司称内容会通过现有的 PIM 与电商基础设施，回写到零售商商品详情页。它解释了一个反常识的现象：GEO 的目标不只是让内容被摘要引用，而是让商品在被比对时被选中。
四、从被引用到被归因
DaVinci 把衡量口径从“是否被引用”推到了“是否被归因”。其 Product Discovery Intelligence 在品牌、类目与单个 SKU 三个层级测量可发现性。
据 Brands Review Magazine 报道，团队可以建立基线、找出缺口、用对照 A/B 测试比较原始目录与富化目录，并跟踪检索、推荐、提及、相对排名、竞品声量份额与富化内容采用率的变化。
更关键的是归因这一层：商品出现在 AI 生成的回答里之后，是否被关联回品牌或零售商的权威商品页，而不只是被提了一句。通稿称，这一层测量通过 MCP 接口再测一次，让每次改动的提升可被验证，而非假设。
五、落地要看清的几件事
落地节奏与效果数据是两回事。据 RuntimeWire 报道，该扩展版发布不久，通稿没有给出任何效果数据；专利待批的状态本身，也不能证明富化能提升推荐频率或销量。
商业化路径则有外部背书。据 RuntimeWire 报道，Accenture 通过 Accenture Ventures 在 2026 年 3 月对 DaVinci 进行投资，并与 Accenture Song 建立战略合作，投资金额未披露。
对以内容营销为主的团队，需要重新理解 GEO 的边界。The Agentic Review 指出，把文章、社交帖子写得更易被引用，属于人类可读内容层；智能体商务需要的是准确、权威、可读的商品数据，并配上足够的上下文深度。
对中国卖家而言，顺序比概念更重要。先把商品属性补齐，再产出结构化 Feed，然后通过 MCP 或 JSON-LD 发布，最后按入口分别度量曝光与成交。缺了前面几步，后面几步无从谈起。
到那时，真正的问题不是要不要做 GEO，而是当商品目录变成机器之间的通用语言，谁有资格被写进那份语言里。
参考资料
- PR Newswire：《DaVinci Commerce Unveils Brand Agent Featuring Patent-Pending Product Context Memory For Personal AI Agents》
- DaVinci Commerce 官网通稿：《DaVinci Commerce Unveils Brand Agent featuring Patent-Pending Product Context Memory for Personal AI Agents》
- RuntimeWire：《DaVinci Commerce adds a product-memory layer for AI shopping agents》
- The Agentic Review：《DaVinci Commerce launches Brand Agent and Product Context Memory for AI shopping agents》
- Brands Review Magazine：《DaVinci Commerce Introduces AI Brand Agent with Product Context Memory》
- Daily AI Brief：《DaVinci Commerce Adds Brand Agent for AI Shopping》