Gap 把結帳搬進 Gemini

你現在可能會在 AI 聊天介面裡挑牛仔褲，然後直接刷卡結帳。Gap 準備做這件事，而且是直接放進 Google Gemini。對零售業來說，這不是小功能，這是在測試「搜尋」和「商店」開始黏在一起的樣子。

Gap 這次的重點，不是品牌和 Google 合作。講白了，真正有殺傷力的是結帳流程。當 Gemini 推薦 Gap 牛仔褲，或 Old Navy 帽T，你不用再跳去品牌官網，就能在 Gemini 內用 Google Pay 付款，後續出貨還是由 Gap 處理。

這代表一件很現實的事。AI 商品發現，已經不只是把連結丟給你。它開始往交易本身靠近。對做電商的人來說，流量入口可能正在換地方。

零售搜尋正在換介面

過去 20 年，零售商都在研究 Google Search 的排序。商品頁怎麼寫標題，怎麼塞關鍵字，怎麼把分類頁做得比較像答案頁，大家都很熟。現在麻煩來了，LLM 讀資料的方式不是傳統搜尋那一套。

AI 助理不只看你有沒有「men’s slim jeans」這種字。它還要看尺寸資訊、庫存狀態、材質、版型、顏色、品牌屬性，甚至情境描述。比如「面試穿什麼外套」「婚禮賓客適合哪種洋裝」，這些都不是單一關鍵字能解的。

Gap 這次算是提早卡位。它沒有等流量真的掉下來才補救，而是先把商品資料直接送進 Gemini 的商務流程。這種做法很像下一代 SEO，只是優化對象從搜尋引擎頁面，變成 AI 回答本身。

• Gap 將在 Gemini 內提供直接結帳
• 付款流程走 Google Pay
• 訂單履約與物流仍由 Gap 負責
• 商品資料由 Gap 直接提供，不是單靠網頁抓取

這裡最值得看的是資料控制權。CNBC 提到，Gemini 不是單純去抓 Gap 公開網站內容。Gap 會直接供應商品資訊。差別很大。因為只靠爬網頁，價格、尺寸、庫存、顏色常常會亂掉，使用者一問深一點就露餡。

誰掌握商品 feed，誰就比較能控制 AI 怎麼介紹商品。這句話很硬，但很實際。AI 商務體驗的上半場，不是模型多會聊天，而是資料有沒有整理乾淨。

服飾也很適合當第一批測試品類。原因很簡單。服飾退貨率高，尺寸問題多，而且很多消費者本來就是從模糊需求開始逛。你不一定知道要買哪件，但你知道你要去海邊、要去面試、要去出差。AI 對這種需求特別有發揮空間。

Gap 為什麼選 Gemini

這次合作還有一個很明顯的訊號。Gap 想要的不是單純曝光，而是交易控制。CNBC 報導裡，Gap CTO Sven Gerjets 講得很白。他們看中的，是 Google 這套商務架構讓商家能掌握商品怎麼被呈現、怎麼被買走。

這點其實很合理。品牌最怕的，不是 AI 不推薦自己。品牌更怕的是 AI 推薦了，但資料不準、價格不對、尺寸亂講，最後客訴和退貨全回到自己身上。你把前台交給 AI，後台資料和履約就更不能亂。

Google 還有一個優勢很土但很重要。它早就有大量支付帳號和 Google Pay 使用者。消費者在 Gemini 裡刷卡，心理門檻通常比在陌生 AI app 裡低。服飾不是 30 元小東西，信任感差很多。

“It’s not just keyword search anymore, right? It’s conversations, and so we need to be relevant to that,” Gap Chief Technology Officer Sven Gerjets told CNBC.

這句話點得很準。以前你做商品頁，重點是把幾個高流量字卡好。現在你得回答更像人話的問題。像是「適合商務休閒辦公室的牛仔褲」「旅行時好搭的帽T」「春季婚禮穿什麼不會太正式」。這種需求，靠結構化商品資料才接得住。

Gerjets 也提到，Gap 使用 Google 的 Universal Commerce Protocol。照他的說法，這套更偏向商家對購物流程的控制。相較之下，他把 OpenAI 的 Agentic Commerce Protocol 描述成更偏商品發現。這個差異之後會不會一直成立，我覺得還很難說，但至少現在能解釋 Gap 為什麼先押 Google。

說真的，零售商本來就不太想把交易主導權整個交出去。流量可以借平台，資料和結帳最好還是抓在自己手上。Gemini 這次提供的模式，剛好符合這種心態。

Gemini 現在能做到哪裡

先講結論。Gemini 內建結帳很實用，但還沒完整。CNBC 提到，Gap 上線初期，消費者還不能把會員帳號完整連進這個流程，也不能直接用點數。對常買服飾的人來說，這不是小缺點。

會員點數、品牌卡、專屬折扣、退貨紀錄，這些東西會直接影響下單意願。很多人不是不想在 AI 內買，而是他原本的購物習慣都綁在品牌 app 和官網。你叫他換介面，至少要把好處補齊。

不過 Gemini 在商務功能上，的確開始比很多聊天工具更像購物平台。Google 最近補了即時商品資料更新。這很重要，因為 AI 推薦最常翻車的地方，就是推到缺貨商品，或是價格早就變了還在亂報。

• Gap on Gemini：可在 AI 介面內直接結帳
• 付款方式：使用 Google Pay
• 商品資料：由零售商直接提供
• 庫存更新：Google 已加入即時資料更新
• 購物車：Gemini 可支援多商品購物車
• 會員整合：Gemini 某些情境可支援，但 Gap 首波還沒有

這裡也能拿 OpenAI 做個對照。CNBC 提到，OpenAI 之前和 Walmart、Etsy 等公司談過商務合作，但後來對 app 內直接結帳的路線有收斂。這代表很多公司都想做 AI 購物，但願不願意吃下完整交易流程，是另一回事。

Gap 和 Google 這次比較像真的往前跨一步。不是推薦 widget，不是導流按鈕，而是把付款放進來。差別很大。因為一旦結帳成立，AI 就從內容介面變成交易介面。

當然，摩擦還是很多。買衣服不是買充電線。版型、布料、彈性、洗後縮水、退換貨方便度，都會影響決策。很多消費者還是會想回官網看更多圖，或進 app 看會員價。我覺得這很正常，短期內不會全部搬去 AI 聊天框裡。

為什麼服飾是很適合的測試場

服飾零售這幾年很擠。品牌多，平台多，廣告也貴。現在再加上一層 AI 助理，入口更少了。以前搜尋結果還有一整頁，現在你問 Gemini「60 美元以下的 oversize 帽T」，它可能只給你幾個選項。沒被選到，就幾乎等於沒被看到。

這會讓可見度變得更集中。你可以把它想成 AI 版的 winner-take-most。不是只有排名第一吃肉，而是進入回答本身的商品，會拿走大部分注意力。對品牌來說，這比傳統搜尋更殘酷。

Gap 有一點優勢。它不是只有單一品牌。它手上有 Gap、Old Navy、Banana Republic、Athleta，涵蓋休閒、上班、運動等不同情境。當使用者丟出模糊需求時，Gemini 比較有機會從它的品牌組合裡找到對應商品。

• Gap：大眾休閒，牛仔與基本款強
• Old Navy：價格帶更親民，適合家庭客群
• Banana Republic：偏上班與都會穿搭
• Athleta：運動與休閒機能服飾

另一個值得看的點是尺寸推薦。Gap 計畫導入 Bold Metrics，這是一套用人工智慧做尺寸判斷的工具。服飾電商裡，尺寸不是附加功能，而是轉換率和退貨成本的核心。你尺寸猜錯，後面全是成本。

如果 Gemini 之後能把對話式商品發現，和更準的尺寸建議串起來，整個體驗才會真的順。比如使用者先說身高、體型、喜歡寬鬆還是合身，再得到比較可靠的尺寸推薦。這種流程比傳統篩選器更接近真人店員。

我自己的看法是，這次合作比較像零售商在做準備，不是代表消費者明天就全面改用 AI 買衣服。大部分購物流量現在還是在搜尋、社群、品牌 app 和電商平台。但如果未來 12 到 18 個月，AI 導購流量真的快速上升，先把資料和結帳接好的品牌，會輕鬆很多。

背後其實是資料工程問題

很多人看到這類新聞，第一反應是「AI 會不會搶掉搜尋」。我覺得這問題太表面。對零售團隊來說，更實際的問題是：你的商品資料現在能不能讓模型正確理解？如果答案是不能，那你連被推薦都很難。

你需要的不是漂亮口號，而是乾淨的 catalog。像是 SKU 層級資料、尺寸表、顏色對應、價格更新、促銷規則、到貨時間、退貨政策、材質描述，還有圖片和屬性標記。這些以前做不好，最多是 SEO 掉幾名。現在做不好，AI 可能直接講錯你的商品。

而且 AI 商務不是只有前端介面。它會一路碰到付款、庫存、客服、退貨、會員、推薦演算法。任何一段接不好，體驗就斷掉。這也是為什麼大品牌先上場比較合理，因為它們有能力把內部系統慢慢打通。

給零售團隊的實際建議

Gap 這次把 Gemini 當新店面，不是行銷活動。這個判斷我覺得是對的。AI 助理如果變成重要導購入口，最後贏的品牌，不一定是廣告下最多的，而是資料最完整、庫存最即時、結帳最順的那批。

我先給一個具體預測。到 2026 年假期購物季前，會有更多服飾和美妝品牌跟進類似做法。但很多品牌只會先做到 AI 導購，不會急著開放完整聊天內結帳。原因很簡單，會員點數、退貨流程、客服責任，現在都還沒整合到夠順。

如果你在做零售電商，我建議先檢查 4 件事。第一，商品資料能不能讓 LLM 正確描述。第二，庫存和價格更新有沒有做到接近即時。第三，尺寸與規格資料是否可機器讀取。第四，付款與訂單 API 能不能安全接到外部介面。這四題答得越清楚，你越有機會接住下一波 AI 購物流量。

最後丟一個很直接的問題。今天如果把你的商品丟給一個 AI 助理，它能不能正確介紹、比較、推薦尺寸、報價，然後讓使用者順利買下去？如果答案還不行，那現在該補的不是廣告預算，是資料基礎建設。