零售业可见性之战再起.

零售业在很大程度上取决于购物 者在做出决定之前所接触到的内容 。

正因如此，品牌才会为货架位置付费，零售商会优化品类页面，而促销活动也会占据商业预算中如此大的份额。其商业价值不仅在于帮助人们找到他们原本想要的东西，更在于从源头上塑造他们的考虑范围。

零售购买过程正在发生变化。 如今，无论是寻找随身行李箱、保湿霜还是电视机的消费者，都可以在前往实体店、电商平台或品牌官网之前，描述需求、设定若干限制条件，从而获得经过筛选的选项。虽然零售商仍可能完成交易，但他们可能已无法掌控促成交易的完整路径。

浏览曾是商业模式的一部分

在商品陈列方面的证据中，这种影响更为明显。在超市实地实验中，端头陈列在商店前部平均使品牌销售额提升了346%，在后部则提升了416%。 其他研究发现，改变商品在商品组合中的位置会影响消费者的关注度和选择。这些效应有助于解释为何实体货架位置、主页展示位、赞助商列表、推荐模块和促销展示会获得如此巨大的投入。

其背后的机制很简单：曝光会改变人们的考虑范围。

发表在 《消费者研究杂志》上的一项研究 发现，更广泛的视觉关注会增加店内探索行为，并影响非计划性购买。研究人员指出，曝光可以激活“被遗忘或新产生的需求”，或者促使消费者在接触产品之前尚未完全形成的购买意图。

零售业的很大一部分设计正是围绕这些时刻展开的。货架边缘、端头陈列、品类页面和推荐轮播等，都为品牌创造了在购物者做出决定之前介入决策过程的机会。

这些机会所带来的经济价值十分可观。消费品公司通常会将收入的很大一部分用于促销活动，而2025年全球零售媒体支出预计将达到1840亿美元。

产品发现越是转向经过过滤和预筛选的环境，这些传统曝光点能否保持同等影响力就越难以确定。这种转变在消费者使用人工智能的方式上已显而易见。

人工智能正在购物旅程中向上游延伸

麦肯锡在法国、德国和英国开展的研究发现，38%的消费者已经使用AI工具来调研产品和服务，或决定购买什么。 在这些用户中，63%的人利用AI比较品牌、型号、价格和评论；55%的人利用AI了解某类商品或产品；46%的人则将其用于产品发现或获取灵感。

这使得人工智能深入到考虑决策阶段——零售业的大部分商业价值正是在这一阶段产生的。如今，购物者在接触零售商之前，往往已经缩小了品类范围、对比了产品规格、确定了价格区间，并排除了某些品牌。

Adobe在美国进行的研究也指向了同样的结论。在一项针对5,000多名消费者的调查中，38%的受访者表示曾在网购时使用生成式AI。其中，73%的用户表示，生成式AI已成为他们进行产品调研的主要来源。 来自生成式AI渠道的流量在零售网站上的停留时间更长、浏览页面更多，且跳出率低于其他渠道的流量。

Adobe 2025年年中数据显示，尽管差距有所缩小，但来自AI引流的访客转化率仍低于其他渠道。不过，转化率并非此处最重要的指标。

当这些购物者抵达零售商网站时，部分工作已经完成。品牌比较、选项筛选和范围缩小等步骤都已完成。

这正是零售商需要关注的转变。交易或许仍会在其网站上完成，但最终候选名单的筛选可能已不在其平台上进行。

从商品组合到候选清单

零售商可能提供数百种相关产品，但人工智能生成的推荐结果可以在消费者到达之前，将产品组合缩减为寥寥数项。此时，竞争范围已经缩小。

关于排序推荐的研究表明，当消费者面对一组明确的选项时，更可能进入“选择模式”，即评估眼前的替代方案，而非继续搜索。另一项关于选择性注意力的研究发现，获得更多关注的产品，日后被选中的概率也更高。

对于成熟品牌而言，这可以强化其通过规模效应已建立的优势：海量的评论、广泛的渠道覆盖、详尽的产品信息以及强大的数字分销能力。而新兴品牌和小型品牌则面临不同的问题。如果某款产品未能进入初始推荐集，就可能永远无法进入消费者的视野。

只有当购物者看到足够多的商品以进行比较、升级或更换时，丰富的商品组合才能创造商业机会。如果外部系统已经将选择范围缩小到三四种产品，其余商品可能永远不会有这样的机会。

对零售商而言，实际后果立竿见影：商品阵容的广度虽得以保持，但实际可见度却在缩减。但筛选机制只是问题的一半。人工智能还开始向消费者推荐他们原本未曾考虑过的产品。

AI 也能构建考虑范围

Visa 2026年美国调研发现，近40%的受访者曾因AI工具或智能助手的影响，购买了原本不会考虑的商品。这与零售商传统上设计的发现机制形式不同，但商业效果可能相似：某款产品之所以进入决策范围，是因为它在恰当的时刻被呈现出来。

区别在于谁掌控了这一时刻。 在实体店中，产品发现可能源于商品陈列位置、邻近商品、包装、展示架或促销活动。在线上，则可能源于搜索排名、赞助列表、推荐模块或首页商品陈列。在由人工智能介导的购物旅程中，产品发现越来越取决于系统如何解读购物者的需求，以及它认为哪些产品足够相关而值得推荐。

如今，一个名气较小的品牌无需占据黄金货架位置，也无需通过付费手段登上品类页面的顶端，就能进入消费者的考虑范围。反之，如果系统没有将其呈现出来，它也可能完全从决策过程中消失。

对品牌而言，“有货”已不再等同于“可见”。一款产品可能已列入零售商的商品组合，在传统搜索中排名靠前，但当消费者向AI系统询问“买什么”时，它却可能缺席。

搜索曾让消费意图一目了然，而人工智能却让发现过程变得难以解读。

当消费者输入“我所在地区在售的吉普车”或“最耐用的海外旅行行李箱”时，他们向市场明确传达了自己想要什么。随着时间的推移，企业学会了通过自然搜索、付费搜索、电商平台排名、零售媒体以及针对特定查询量身定制的内容来争夺这一需求。

这些规则虽非一成不变，但已足够清晰，足以作为策略制定的基础。营销人员能够查看搜索词、衡量流量、追踪转化、对比付费与自然搜索的表现，并据此优化定位。

一条AI请求本身所包含的信息量远超一条搜索查询。购物者可以指定预算、目的地、以往的购物挫折、偏好的功能，甚至包括他们已经排除的选项。但营销人员无法清晰了解的是，这些信息是如何转化为推荐结果的，或者为什么某款产品会进入推荐列表，而另一款却被排除在外。

此外，也没有一个统一的优化标准。ChatGPT、Gemini、Perplexity、亚马逊、阿里巴巴以及零售商自有助手，它们所依托的产品数据源、网络资源、商业关系和排名系统各不相同。

对于大型品牌而言，这带来了一个新的衡量难题。在谷歌搜索或亚马逊上表现优异，已无法保证在其他平台获得同等曝光度。同一项消费者需求，根据提问平台的不同，产生的候选清单也会各不相同。

搜索曾为营销人员提供了需求如何触达他们的相对清晰视图。而人工智能在用户表达意图与最终脱颖而出的产品之间，又插入了一层新的决策环节。

下一层货架由数据构成

对于品牌而言，要在这些推荐环境中亮相，首要的并非创意，而是产品信息——这虽然不如创意那般引人注目。

价格、库存、规格、评论、宣传点、使用场景以及差异化属性，这些因素共同决定了产品能否被确信地与用户需求进行匹配。曾经主要存在于电商运营内部的产品数据，如今正逐渐成为可见性基础设施的一部分。

新产品的依据基础往往较为薄弱。成熟品牌可能已积累了多年的用户评价、分销历史、第三方报道以及可供推荐系统使用的详细产品数据，而新产品发布则不具备这些条件。因此，清晰的属性、可信的宣传点、扎实的产品信息以及早期证据，对于将产品自信地与消费者需求进行匹配变得愈发重要。

这并非单纯的搜索优化变体。搜索机制奖励的是针对查询的可见性，而人工智能系统则被要求解读查询背后的问题，并决定哪些产品应纳入答案之中。

零售业需要新的曝光度衡量标准

搜索还为营销人员提供了排名、展示量、点击量和转化量等数据。零售媒体则增加了可归因的广告位。但这些指标均无法反映一个品牌是否能持续进入由人工智能生成的备选清单。

衡量这种可见性的一种方法是，从消费者实际带入该品类中的购物意图入手。在主要的人工智能和零售平台上测试相同的需求，追踪哪些品牌出现、哪些竞争对手被拿来比较、哪些属性被提及，以及品牌在何处完全缺席。随后，可以将这些结果与品牌追踪、搜索行为、零售表现以及定性研究结合起来分析。

其结果并非又一个SEO评分，而是购买发生前该品类如何被解读的证据——这些证据可为品牌定位、产品主张、零售数据流、上市策略，乃至最终的产品开发提供参考。

对于全球性企业而言，差异所揭示的信息可能与平均值同样具有启发性。某款产品在美国针对某一需求状态可能曝光率极高，但在日本或德国的相关讨论中却完全缺席。一家挑战者品牌可能早在其知名度得分提升到足以在传统追踪报告中引起关注之前，就已经开始出现在推荐列表中。

这些信号可能在销售额变化之前就已显现

销售额、搜索行为、消费者调研和竞争对手动态早已向零售商揭示了品类的发展趋势。而推荐环境则提供了另一种视角：在这些变化通过市场份额显现出来之前，消费者是如何界定问题的。

某行李箱公司可能会发现，“耐用性”开始与“可维修性”及“符合航空公司规定”并提；某汽车品牌可能会发现，在电动汽车的对比中，“保险成本”开始与“续航里程”和“充电”并列；在护肤领域，“屏障修复”可能开始在围绕该品类的讨论中取代“抗衰老”。

这些信号本身并不等同于消费者的真实需求。其价值在于与搜索行为、社交媒体监测、定性研究、品牌追踪及销售数据进行综合对比。当多个数据源开始指向同一方向时，营销人员便能更早地察觉到该品类本身可能正在发生转变。

这扩展了调研范围：不仅要关注消费者搜索什么、说什么以及购买什么，还要关注他们的需求如何被解读、哪些产品被推荐给他们，以及品牌在哪些领域缺位。

如果您的品类开始发生转变，关键问题不再仅仅是人工智能是否影响了产品发现。而是这种影响正在改变消费者的考虑方向，哪些品牌正在获得更多曝光，以及哪些新需求在销售数据中显现之前就已经浮现。

Kadence 通过市场调研，将消费者行为、品牌追踪、定性洞察以及跨市场的新兴信号有机结合，帮助全球品牌解答这些问题。

如果您想了解人工智能如何重塑您所在品类的产品发现过程，请联系我们。