电商网站上的AI辅助购物旅程可能迫使商家重新思考衡量什么以及何时衡量。
TikTok负责AI辅助购物体验的产品设计师郑阳（Zhengyang Yang）在与实践电商（Practical Ecommerce）的邮件交流中写道：“许多熟悉的电商指标都是基于这样一个假设，即顾客通过在不同页面之间导航来发现产品。”
杨写道：“过去，一位顾客可能进行了五次搜索并访问了10个产品页面，而现在，他们只需描述一次需求，比较三个推荐结果，然后直接进行购买。”
从顾客的角度来看，“参与度”降低是进步的表现，但在分析仪表板上，这可能看起来像是下滑。
短暂的会话可能表明顾客感到满意。
活动量
换句话说，即使顾客的体验更好，AI辅助的会话仍可能导致搜索量降低、产品页面访问量减少以及会话时间缩短。
然而，电商营销团队通常将活动量视为兴趣的代理指标。
- 更多的产品浏览可能意味着顾客正在考虑购买。
- 更多的搜索活动可能表明顾客与目录有互动。
- 更长的会话时长可能暗示顾客正在花时间评估产品。
但同样的数字可能意味着别的事情。
- 五次查询可能意味着搜索体验不佳。
- 十次产品页面访问可能表明产品信息不完整 产品信息。
- 长时间的会话可能代表困惑。
AI辅助购物不会造成这些歧义，但可能会暴露它们。
功能使用情况
同样的问题也适用于站内AI助手的指标。
当商家推出嵌入式AI助手时，最初的指标通常衡量的是功能使用情况，而非购物体验。典型例子包括AI对话次数、每次会话的消息数、互动耗时以及重复使用率。这些指标显示顾客是否使用了AI助手，但不能证明其有效运作。
Yang写道：“一位与助手交换10条信息的顾客可能表明参与度很高，但也可能意味着助手反复误解了她的需求。”
这种“参与度”或互动越少越好的观点可能看似违反直觉。内容网站和社交平台通常追求更多的时间和互动，但嵌入式购物助手往往旨在实现相反的目标。
一位只需说明一次需求、收到两个推荐、进行比较并完成购买的顾客，其体验可能优于花费15分钟聊天的顾客。
大多数中小型电商商家并不自行构建AI助手；他们安装一个外部应用。其中许多应用报告对话、消息数量和耗时，但不报告体验是否具有生产力。 外部应用. 其中许多应用报告对话、消息数量和耗时，但不报告体验是否具有生产力。
当然，功能使用情况很重要。如果顾客完全忽略助手，则商家存在放置位置、可用性或认知度方面的问题。但使用情况不应成为衡量AI助手成功的唯一标准。
决策质量
根据Yang的说法，衡量站内AI助手的更好方法是跟踪决策质量。
- AI工具是否能帮助顾客高效识别相关产品？
- 助手是否能准确比较产品？
- 产品推荐能否转化为实际转化？
这些成果难以用单个仪表板数值来概括，但商家仍然可以衡量相关行为。
重复搜索可能表明首次结果未能满足购物者的意图。反复修改查询请求也可能说明同样的问题。在同一组商品之间来回切换可能意味着比较中的疑问尚未解决。
受控实验也能提供帮助。Yang 建议对具有相似购买意向的用户进行 AI 辅助购物体验与传统购物体验的对比。该对比可涵盖商品发现、任务完成、转化率及其他成果指标。
需要追踪的适当指标也可能因购物任务而异。补充熟悉家用物品的顾客可能更看重速度，而购买昂贵家电或技术产品的顾客则可能需要更多的比较和解释。
Yang 写道：“成功的 AI 辅助应以购物决策的质量和效率来衡量，而不仅仅是用户与 AI 交互所花费的时间。”
成果
决策质量的影响也可以延伸到初始转化之后。
Yang 建议在评估 AI 购物助手时考察退货情况、客户满意度调查以及重复购买行为。其理论依据是：如果某位助手帮助购物者更快完成购买，但这些购买导致相对更多的退货或令顾客失望，那么该助手的表现可能依然不佳。 退货情况、客户满意度调查以及重复购买行为，用于评估 AI 购物助手。其理论依据是：如果某位助手帮助购物者更快完成购买，但这些购买导致相对更多的退货或令顾客失望，那么该助手的表现可能依然不佳。
例如，购物者可能会迅速接受 AI 的推荐。但如果她随后因为商品不合身、不兼容或未达预期而将其退回，那么缩短的买家旅程并未改善最终结果。
换句话说，营销人员可能需要在一个更长的时间段内衡量 AI 辅助的购物旅程，一直延伸到购后阶段。