我。简介：对话式购物时代
I.A.市场格局和转变的购物模式（搜索到聊天）
在对话式人工智能技术成熟的推动下，全球电子商务市场正在经历根本性变化。消费者行为正在从传统的基于关键字的搜索（用户必须手动整理和验证多个来源的结果（也称为“20 个选项卡循环”））转向需要深入咨询和研究的复杂自然语言查询。 OpenAI 很快就注意到了这种转变的明显迹象：即使在这项专门功能推出之前，消费者每天在 ChatGPT 上进行大约 5000 万次与购物相关的查询。这种强烈的需求表明，简单总结网络信息的通用工具不足以帮助用户做出重要的购物决策。
引入“购物研究”功能，将产品发现过程转变为互动对话。它旨在帮助用户进行更深入的决策，特别是对于需要许多约束的复杂查询，而不是简单的基本购物问题。
I.B. “购物研究”概述：目标和可用性
购物研究的推出被视为与全球购物日历保持一致的战略举措。此功能于周一（接近 11 月底）开始推出，就在黑色星期五购物旺季和年终假期之前。这一时机策略旨在吸引大量想要购物和研究产品的用户。
此功能广泛供所有登录用户使用，包括移动和网络平台上的 Free、Go、Plus 和 Pro 计划。更重要的是，OpenAI 采取了积极的市场渗透策略，在整个节日期间为所有计划提供“几乎无限”的使用量。此阶段提供免费且无限制的访问的目标是建立用户行为（用户习惯）。如果用户在高峰时段依赖 ChatGPT 进行复杂的购物研究，他们很可能会维持使用，甚至在公司明年施加使用限制时考虑升级到付费计划。这使得该工具成为将 ChatGPT 建立为默认产品搜索渠道的手段，与电子商务平台和传统搜索引擎直接竞争。
该工具表现尤其出色的核心产品类别是那些需要高细节且用户无法容忍错误购买风险的产品类别，包括电子产品、美容、家居和花园、厨房和电器，以及运动和户外设备。对需要深入研究的高价值交易的关注表明，OpenAI 正在瞄准关键的决策细分市场。
二．运行机制和平台技术：mini GPT-5和强化学习
II.A. GPT-5 mini：商业特定架构
Shopping Research 的技术基础是性能差异化因素。此功能由 GPT-5 迷你模型的专用版本提供，该模型是 GPT-5 系列尚未广泛发布的版本。这不是一个通用的人工智能模型，而是一个经过微调的、以商业为中心的架构，通常被称为“研究优先”模型。
该模型经过了针对特定购物任务的额外训练，特别是使用强化学习（RL）方法。专门强化学习的应用旨在解决电子商务中大型语言模型的最大风险：幻觉，尤其是有关产品规格或价格的幻觉。通过训练 RL，OpenAI 工程师优先考虑了模型的能力：阅读值得信赖的网站、引用值得信赖的来源以及综合不同来源的数据以产生高质量的产品研究结果。这种对引文来源和数据聚合的重视是一项技术策略，旨在将 ChatGPT 打造为复杂采购决策的值得信赖的顾问。
II.B.评估模型性能和准确性（准确性指标）
在性能方面，OpenAI 发布了明确的比较指标。根据公司的内部评估，这种专门的迷你 GPT-5 模型在具有严格约束的复杂查询上实现了 64% 的产品准确率。
64% 的准确度水平比 ChatGPT 之前的性能有了显着提升：
与使用传统的 ChatGPT 搜索进行一般产品查询相比，这是一个巨大的改进，传统的 ChatGPT 搜索仅实现了 37% 的准确度。
它的性能优于 OpenAI 的高级研究模型 GPT-5 Thinking，后者在类似比较任务上的准确率仅为 56%。
准确性的提高使该工具达到了重要研究任务可接受的水平。不过，OpenAI 也谨慎地承认 64% 的准确率“并不完美”，并鼓励用户访问零售商的网站以查看有关价格和库存的最新详细信息，因为该模型仍然可能在这些详细信息上出错。
为了概述这项技术的发展，下面是 OpenAI 不同人工智能模型在购物领域的性能比较：
OpenAI AI 模型在购物任务上的性能比较
GPT-5 mini（使用 RL 训练）：
任务类型/特征：购物研究（查询复杂、具有约束条件）。
产品准确率：64%。
战略意义：定位为深度研究顾问，最大限度地减少幻觉错误。
GPT-5 思维：
任务类型/特征：通用研究模型（前身）。
产品准确率：56%。
战略意义：改进产品数据聚合。
ChatGPT 搜索（以前）：
任务类型/特征：一般产品查询。
产品准确率：37%。
战略影响：对于高价值购买决策来说太低。
三．用户体验（UX）和对话交互过程
III.A.发现工作流程和优化结果
购物研究功能旨在用对话式发现过程取代线性搜索体验。当用户提出一般或特定的购物请求时，例如“帮我找到一款电池续航时间为 18 小时、价格低于 1500 美元的智能手机”，该功能就会被激活。
初次查询后，ChatGPT 会打开直观的界面，并提供“类似测验的体验”来缩小搜索范围。人工智能将询问有关预算、预期接收者或其他所需属性的澄清问题。
关键点是双向交互界面，允许用户实时导航研究。当模型建议潜在产品时，用户可以将其标记为“不感兴趣”或“更像这样”。如果用户不喜欢某件商品，ChatGPT 会要求提供有关具体原因（如价格或款式）的额外反馈。这种“喜欢/不喜欢”的机制不仅可以改善用户体验，而且可以作为 OpenAI 极其有价值的专有训练数据收集机制，因为它提供了详细的意图数据来不断完善 RL 模型。
III.B.输出：个性化购买指南
一旦完成互动和深入的研究，系统将在几分钟内提供个性化的购买指南。本指南旨在消除用户打开数十个选项卡来比较产品的需要，从而提高效率。它包括：
热门推荐产品。
清晰分析选项之间的主要差异。
每种产品的具体权衡。
有关价格、供货情况、评论、规格和图像的最新信息，均来自值得信赖的零售商。在时尚和服装等类别中，说明有时包括服装建议。
III.C.个性化和会话记忆
通过使用对话记忆可以大大增强个性化。如果用户启用此功能，则可以根据之前对话中讨论的偏好、预算或限制进一步个性化研究。这使得 ChatGPT 可以充当拥有积累知识的私人购物者。 OpenAI 允许用户通过在设置中启用或禁用该功能来控制这些信息的记忆。
四．竞争分析与贸易转型策略（代理商务）
IV.A.在代理商务战争中占据一席之地
Shopping Research 的推出明确表明了 OpenAI 进军代理商务领域的意图，直接挑战亚马逊和谷歌的地位。目前，竞争围绕三个主要平台展开：
亚马逊：仍然依赖其自身生态系统内的专有数据、客户忠诚度和即时交易能力。
Google（Gemini/Shopping Graph）：实施了新的人工智能购物功能，利用购物图中超过 500 亿的产品列表以及检查本地库存的能力。
OpenAI (ChatGPT)：押注于深入、客观的研究和专业的人工智能技术，将自己定位为决策过程中值得信赖的顾问。
这些人工智能购物工具的兴起标志着商业查询从传统搜索引擎向对话式人工智能的转变，为人工智能代理成为确定的默认交易门户的时代奠定了基础。
IV.B.战略优势：客观研究和来源质量
OpenAI 最突出的策略是优先考虑来源质量和客观性。 GPT-5 迷你模型经过调整，可以搜索高质量评论网站和 Reddit 等用户论坛，以收集真实评论。
更重要的是，OpenAI 声称产品推荐是独立的、基于相关性，并且在研究功能推出时不附带广告或附属佣金。这与谷歌/亚马逊基于广告和推荐费的收入模式形成了战略差异。对客观性的强调可以在重要的购买决策中建立消费者的信任。
对品牌的影响是从搜索引擎优化（SEO）到人工智能优化（AIO）的转变。如果客户通过 ChatGPT 开始发现产品，零售商需要优化其数据，以便这些人工智能代理可见，而不仅仅是关注传统关键字。
以下是代理商务主要平台之间的策略比较：
代理商务平台策略比较
ChatGPT (OpenAI)：
主流发现模型：研究优先代理（GPT-5 mini RL）。
战略重点：深度咨询、客观评论聚合。
主要数据来源：公共网络、高质量评论、Reddit。
当前变现机制：即时结账交易费（ACP）。
Google（Gemini）：
主流发现模式：AI模式（购物图谱）。
战略重点：多源比较、本地库存盘点
主要数据来源：购物图谱中 500 亿条独家产品列表。
当前的货币化机制：广告/产品推荐。
亚马逊：
- ：推荐费、直接/第三方销售。
IV.C.数据很重要和“亚马逊墙”
购物研究全面性的一个潜在障碍是从大型零售平台获取数据。 OpenAI 遵守网站的 robots.txt，仅从允许其浏览代理访问的页面中提取信息。
这会导致数据访问中断：大型零售平台（尤其是亚马逊）通常会限制详细产品数据的收集。如果ChatGPT无法访问亚马逊的全面数据，就无法提供最完整的市场比较。因此，OpenAI 的战略必须依赖于从公共来源聚合高质量评论和产品属性数据，以弥补主要竞争对手实时专有数据的缺乏。
V.商业模式：即时结帐和代理商务协议 (ACP)
V.A.即时结帐：强制货币化路径
OpenAI 的长期战略目标是通过即时结帐 (IC) 将研究与交易结合起来。 IC 允许用户直接在聊天界面中完成购买交易（当前正在购买商品），从而消除了用户必须重定向到零售商网站付款时发生的转换摩擦或“转换泄漏”。
从经济上来说，IC 是 OpenAI 在订阅费之外产生可持续收入来源的主要方式。通过对每笔交易收取“小额费用”，OpenAI 可以开始产生可观的电子商务收入，这是支付运行人工智能的巨额成本所必需的。这种按购买付费的商业模式与传统搜索引擎的按点击付费的模式有很大不同。
V.B.合作伙伴生态系统和 ACP 协议
为了实现 IC，OpenAI 与 Stripe 合作开发了代理商务协议 (ACP)。 ACP 旨在成为一种开放标准，只要商家保持对订单履行、运输和退货的控制，交易就可以直接在人工智能环境中进行。
OpenAI 已建立战略零售合作伙伴关系以扩展该生态系统：
已经上线：所有美国 Etsy 卖家均自动启用 IC。精选 Shopify 商家（包括 Glossier、SKIMS、Spanx 和 Vuori 等主要 D2C 品牌）正在筹备中。
即将推出：沃尔玛已宣布建立合作伙伴关系以使用 IC。 Target 还宣布通过深度集成到 Target 应用程序中提供购物支持。这些主要合作伙伴的参与有助于验证 ACP 协议。
V.C.排名偏差和中立性分析
OpenAI 指出，产品推荐基于相关性且不受赞助。此外，使用即时结账对买家来说是免费的，对价格没有影响，并且支持 IC 的商品在产品结果中不会优先考虑。
然而，对卖家评级机制的分析揭示了其中的复杂性。当多个零售商销售相同产品时，卖家排名因素包括：库存、价格、质量、卖家类型（制造商或主卖家）以及是否支持即时结帐。
将即时结帐的可用性视为排名因素会对使用 ACP 的商家产生“间接偏见”。尽管 IC 不会直接提高产品评级，但在价格和质量相当的竞争激烈的市场中，提供无摩擦结账体验的能力成为决定性的竞争优势。这有力地推动了 ACP 的采用，巩固了 OpenAI 作为主要商业中介的地位。
以下是即时结账 (IC) 与主要合作伙伴集成的状态：
即时结账 (IC) 集成状态
Etsy 卖家：
集成类型：直接购买（即时）结帐）。
当前状态（报告时间）：已实施（从 2025 年第三季度开始）。
战略意义：寻找传统 SEO 难以找到的独特、手工制作的产品。
Shopify 商家（精选）：
集成类型：直接购买 (ACP)。
当前状态（报告时间）：正在进行中（Glossier、SKIMS、Spanx、Vuori 等）。
战略意义：利用IC减少转换摩擦的大型D2C生态系统。
沃尔玛：
集成类型：即时结帐。
当前状态（报告时间）：即将推出（“即将推出”） .
战略意义：大型实体零售合作伙伴，验证 IC 模型。
Target：
集成类型：支持通过 Target 应用进行购买。
当前状态（报告时间）：即将推出。
战略影响：差异化模型协作：深度集成到 Target 应用中，而不是在中结帐ChatGPT。
VI。数据质量、可靠性和人工智能优化 (AIO) 挑战
VI.A.评论数据收集和聚合机制
ChatGPT 通过搜索整个互联网来进行深入研究，收集实时价格、可用性、评论、规格和图像信息。
为了提供购买指导，该模型根据公共网页生成评论摘要，突出显示用户普遍喜欢和不喜欢产品的哪些方面。然而，OpenAI 公开警告称，这些评论摘要和评级是模型生成的，未经 OpenAI 验证。像“预算友好”这样的描述性标签是根据评论者提到良好价值的频率推断出来的，而不是对最低价格的认可。
VI.B.转向优化结构化产品数据
在 AIO 时代，ChatGPT 中的产品可见性取决于输入数据的质量。为了让产品有良好的展示和排名，商家必须提供结构化、详细且经过人工智能优化的产品数据。
OpenAI建立了直接的Product Feed机制。该机制允许商家直接向 OpenAI 提供结构化数据，确保 ChatGPT 反映最准确和最新的产品信息。这证实了 OpenAI 将自己定位为新的分销渠道，零售商需要投资于产品属性数据丰富和 UGC 以获得可见性。
VI.C.信任和人类声音的挑战
虽然深入研究有所改善，但消费者对人工智能交易的信任仍然是一个障碍。初步研究表明，ChatGPT 流量的转化率仍然低于传统渠道，因为消费者经常在购买前交叉检查信息。对人工智能交易的信任度低可能是用户在购买前没有使用 ChatGPT 作为最后一步的一个可能原因。
此外，ChatGPT 的模型依赖于汇总来自人类声音（记者、产品评论者）的评论和意见。如果人工智能成功成为默认顾问，它就有可能超越原始审查来源的作用，并冒着破坏其编制客观信息所依赖的高质量数据的风险。
七．案例研究：从搜索到钢琴购买建议
购物研究功能专门用于解决复杂、详细和高风险的查询，例如购买乐器。
用户查询（示例）：
“寻找适合初学者的数码钢琴，温暖的声音，像原声钢琴一样的加重琴键，更低的价格 15
这是一个典型的查询，无法通过简单的关键字搜索来解决，因为它需要在预算（1500万以下）、功能（加重按键 - 加重按键/锤子动作）和质量（温暖的声音，适合初学者）之间取得平衡研究）。
ChatGPT 的研究过程：
收集约束：ChatGPT 会询问有关房间空间（以建议合适的钢琴型号）和声音偏好（爵士乐、古典乐等）的其他问题。如果启用记忆功能，如果用户有爵士钢琴偏好，ChatGPT 将自动优先考虑温暖的声音和良好的踏板灵敏度。
深度发现：系统会搜索互联网和高质量评论网站（如钢琴/音乐论坛），寻找满足技术条件（
配重琴键和琴槌动作）的钢琴型号。聚合评论：该模型将综合真实用户对潜在模型的意见。例如，它可能会推荐 Roland FP-30X 或 Kawai ES120 等型号，并汇总社区的反馈：
一些初学者用户喜欢经济实惠的 Kawai Ca49（约 2,000 美元），因为其可接受的按键手感。
像 Roland F701 或 FP-30X 这样的型号因其厚重的按键感觉和令人愉悦的手指声音而备受推崇。
结果输出：结果不仅仅是一个列表，而是一个详细的比较指南，突出显示每个选项的权衡。例如，较便宜的型号可能会缺乏
擒纵功能或内置音调数量较少，从而帮助新用户在花大钱之前了解他们的决定。
VIII。常见问题解答 (FAQ)
问题 1：购物研究支持哪些产品类别？它最适合需要详细且高度复杂的研究的类别，包括：电子、时尚/化妆品、家居和园艺、厨房和电器以及运动和户外设备。
问题 2：使用 Shopping Research 是否需要付费？ 不需要。目前，所有登录用户都可以免费使用此功能，包括 Web 和移动平台上的 Free、Go、Plus 和 Pro 计划。 OpenAI 还在整个假期期间提供“几乎无限制”的使用。
问题 3：ChatGPT 的产品推荐是否受到赞助或有联属佣金？OpenAI 声明，产品推荐基于相关性、来源质量以及与用户查询的相关性，而不是广告或联属佣金。
Q4：购物研究的准确度如何？在 OpenAI 对复杂查询的内部测试中，这个专门的模型实现了 64% 的产品准确率。虽然并不完美，但这个数字明显高于使用传统 ChatGPT 搜索功能时的 37%。 OpenAI 建议用户始终仔细检查零售商网站上的价格和库存情况。
问题5：如何在ChatGPT中直接购买（即时结账）？要直接购买，产品需要由参与代理商务协议（ACP）的商家销售。 Instant Checkout 现已向所有美国 Etsy 卖家和部分 Shopify 商家推出，沃尔玛和 Target 也即将推出。如果产品支持 IC，“购买”按钮将立即出现在聊天界面中。
对于消费者：立即改变您的购物体验。从复杂的查询开始（例如“比较 30 平方米带宠物的房间的 3 种最佳空气净化器型号，价格低于 700 万”），体验购物研究的力量。充分利用这个假日季节几乎无限制的使用来做出明智的购物决策，而无需再打开数十个选项卡。
对于商家和零售商：人工智能优化 (AIO) 的时代已经开始。为了确保您的产品在 ChatGPT 的公正研究结果中可见：
结构数据：确保您的产品属性数据和用户评分 (UGC) 针对 AI Agent 进行了优化。
订阅产品 Feed：注册向 OpenAI 提供实时产品 Feed，以确保您的定价和库存信息始终准确。
采用 ACP：考虑采用代理商务协议 (ACP) 来启用即时结帐、减少转换摩擦并在商家评级中获得间接竞争优势。
“购物研究”功能代表了 OpenAI 向前迈出的重要技术一步，它将 ChatGPT 转变为能够执行复杂购物研究任务的专门 AI 代理。经过强化学习训练的迷你 GPT-5 模型（将产品准确率提高了 64%）与即时结账策略的结合，为未来的 AgenticCommerce 模型奠定了基础。该策略不仅是提供一个方便的工具，而且是将 ChatGPT 建立为默认的产品发现门户，与现有的搜索和电子商务商业模式直接竞争。
OpenAI 正在推行双重定位策略：可信顾问和无摩擦交易中介。通过强调客观性（无广告）和数据源质量（专注于高质量评论），OpenAI 建立了信任，这是传统依赖广告的搜索引擎难以维持的。与此同时，ACP 和即时结账协议的开发确保 OpenAI 能够从其创建的交易中获取经济价值，从而创建一种可持续的按购买付费替代传统的按点击付费模式。与沃尔玛和塔吉特等零售巨头的合作证实了这种奥特莱斯商业模式的合法性。
“购物研究”和即时结账的推出预示着传统购物模式的终结，在传统购物模式中，消费者必须主动进行产品研究和比较过程。未来，AI Agent将承担发现、咨询并最终执行交易的角色，建立一个以AI为默认交易网关的交易生态系统。不适应这种对话商务模式的品牌，特别是通过优化结构化产品数据和采用 ACP 等标准，可能会失去整个新价值链的可见性和转化率。通过记忆和实时交互进行个性化研究的能力将巩固 ChatGPT 作为不可或缺的个人购物伴侣的地位。
分享
