AI购物押注5万亿美元，风格理解成最大瓶颈

事件概述

全球科技与零售行业正在押注超过5万亿美元，推动AI购物智能体（Agent）的发展。麦肯锡估算，到2030年AI助手每年有望推动高达1万亿美元的美国购物交易，全球范围内则高达5万亿美元。目前ChatGPT所有查询中已有2%与购物相关，相当于每天5000万次。OpenAI、Google、Anthropic等公司正与电商基础设施巨头Shopify和Stripe合作，构建AI原生的结账系统和实时库存更新等关键零售管道。

核心信息

• 当前技术瓶颈明显：绝大多数面向消费者的AI购物体验仓促上线，测试不足。AI无法实时获取库存信息，难以处理复杂的结账流程（如优惠券、忠诚度计划等）。OpenAI曾与Shopify合作推出即时结账功能，但因技术障碍和用户反馈冷淡在六个月后撤回。Google则在今年1月成功在Gemini和搜索AI模式中实现直接结账。
• 刚需品推荐有效，风格类商品表现差：短期内，AI购物在参数繁重的产品（如家电、电子产品、运动装备）上表现稳定。例如Google Gemini帮助用户成功选购洗衣机，Walmart的Sparky能根据车型推荐轮胎。但在涉及个人风格和审美偏好的领域（如服装），AI难以捕捉品牌微妙的情感价值，推荐体验糟糕。
• 品牌需重构AI时代的传播策略：传统品牌依赖视觉营销（广告牌、电视、社交媒体），而AI智能体通过网络文本来了解品牌。品牌需要用详尽的语言阐述自身的美学特征、情感诉求、目标消费者和价值观，并主动将这些文字散布到互联网上，或未来直接对接大语言模型。目前尚无统一协议或标准，但业界认为这一方向必然到来。

值得关注

• 个性化品味模型的尝试：Google推出“个人智能”功能，允许Gemini连接用户的Gmail、Drive、YouTube和Google Photos，利用多年的数据积累（收据、度假照片、品牌邮件等）构建更精准的用户品味模型。这将使AI从被动回应购物查询进化到主动推荐产品。
• 打破品味扁平化现状：TikTok、Instagram等社交平台基于大规模参与的算法导致品味千篇一律。下一代AI购物有望基于个人数据提供真正的个性化推荐，例如识别用户对法式极简主义的偏好，而非跟随流行趋势。
• 品牌与AI的匹配机制：未来品牌可能像插入库存数据一样，直接向大语言模型提供品牌定位信息，实现人与品牌的精准匹配。这一领域的技术和协议仍在发展中。