生成式神经网络对在线销售的影响日益增强。二月假期后，“卡兰博拉实验室”研究了AI在不同城市向用户推荐的商品类别，以及触发算法在回答中直接附上商店链接的关键因素。
分析师分析了超1000万条用户在ChatGPT、Gemini、GigaChat、Alicia AI、Perplexity和Grok上的查询，样本覆盖莫斯科、喀山、下诺夫哥罗德和克拉斯诺达尔。专家指出，语言模型不仅提供参考信息，在特定表述下还会构建商业提案，生成带商店及电商平台链接的商品卡片。
购买意图触发机制
当查询包含“购买”、“订购”、“挑选”、“查找”等关键词，或指定预算、价格区间、具体城市时，回答逻辑即发生变化。算法还会响应“将[商品]加入购物清单”、“显示[类别]商品”等结构，甚至能识别“给8岁儿子买礼物，他喜欢积木”这类口语化表达，通过澄清问题后展示含特性与价格的完整商品页面。
本质上，AI对话已转变为个性化商品推荐，这缩短了购买路径，为品牌开辟了触达“高意向”受众的新渠道。
区域推荐偏好差异
不同城市的推荐结构存在显著差异：
- 莫斯科：服装和品牌配饰占比最高（72%），其次是技术数码产品（68%）及护理化妆品与选择性香水（53%）。
- 喀山：技术和电子产品以72%的占比居首，男士化妆品和香水套装占61%，服装与配饰占48%。
- 下诺夫哥罗德：电子产品数码配件与服装时尚配饰并列第一（均为53%），化妆品和香水套装占51%。
- 克拉斯诺达尔：化妆品和香水类产品最常推荐（43%），电子产品数码配件占40%，服装和配饰占39%。
Карамбола Лабс公司首席执行官斯坦尼斯拉夫·舍尔巴科夫表示：“AI聊天机器人中商品展示窗口的出现，正在为电子商务塑造一种全新的现实。神经网络在这一领域才刚刚起步，但已有望成为重要的销售渠道，并逐渐从传统网店和电商平台分流部分流量。”
算法直接从电商平台的产品卡片中获取大量信息。谢尔巴科夫指出：“如今，企业不仅要优化产品卡片以适配交易平台内部系统，还要应用GEO/AEO优化工具。如果人工智能能够精准读取产品的特性、优势和上下文，它就能在用户提出查询时，自然地将该产品融入搜索结果中。”