人工智能助手能在几秒内推荐手机、对比电视或查询耳机价格，但在购物决策中，我们真的能完全信赖其回答吗？Product.ai于2026年9月22日发布的研究显示，一旦涉及目录中的精确数据，AI的回答极不稳定。
该研究在ChatGPT、Claude、Gemini和Perplexity的免费及付费版本上提出了220个购买问题，每个问题重复测试五次，共收集8794份回答，覆盖耳机、智能手机、电脑、电视、床垫、扫地机器人及化妆品九大品类。
在217个可评估问题中，86%至少出现一次经确认的事实冲突：包括价格矛盾、参数不一致，或将已停产产品误报为在售（实际已有更新型号）。
核心数据速览
- 86%的购买问题至少产生一个经确认的事实冲突。
- 双产品对比类问题的冲突率高达97%。
- 85%的可验证价格准确，但出错时中位误差达300美元。
- Gemini免费版在56%的问题上产生潜在高成本错误，付费版为54%。
- Gemini免费版在29%的问题中与自身前次回答自相矛盾，且无新信息佐证。
86%冲突≠86%错误答案
这一区分至关重要。Product.ai并非指86%的回答全错。
研究将“已确认冲突”定义为：当产品名称、价格或技术参数等可验证事实在不同回答间存在差异，且该分歧在至少五次执行中出现两次以上时才被采纳。此举旨在避免单一孤立答案夸大结果。
以索尼耳机为例：询问“适合旅行的最佳降噪耳机”时，免费版Gemini五次均推荐WH-1000XM5，但该型号早在一年多前已被WH-1000XM6取代。
尽管XM5仍在售，错误不在于推荐本身，而在于缺失其在产品线中的真实定位信息，这可能误导消费者决策。
产品对比是最不稳定的场景
结果因提问方式差异显著：
| 购物查询类型 | 已确认事实冲突 |
|---|---|
| 两种产品之间的比较 | 97% |
| 推荐 | 89% |
| 价格 | 87% |
| 特征或事实信息 | 75% |
97%不代表97%的比较全错，而是指几乎每次对比都包含至少一项各回答无法达成一致的信息。
Gemini自相矛盾率达29%
研究不仅考察四大引擎间的分歧，还检验了同一引擎对相同问题五次回答的一致性。
Gemini免费版矛盾率最高：29%的问题与之前回答冲突且无合理依据；付费版为27%。
表现最佳的Perplexity付费版矛盾率也达13%，表明购物类查询中无任何配置能完全保持稳定。
Gemini更易引发购买损失
Product.ai区分了普通冲突与可能导致实际后果的错误（如多付钱、超预算或选错品）。
Gemini受影响比例最高：免费版56%，付费版54%；Claude付费版从44%降至21%；ChatGPT分别为19%和17%；Perplexity免费版15%，付费版14%。
值得注意的是：Perplexity会系统性执行网络搜索，这使其在处理动态商业信息时具备结构性优势。
价格大体准确，但误差可达300美元
在913条可与卖家当日价格比对的回答中，85%完全正确。
剩余15%问题严重：中位误差达300美元，十分之一的错误超过500美元。
研究发现，网络搜索能较好处理近期价格变动，但难以清除过时参考价：例如MacBook Air多次被引用1,099美元，而苹果早已放弃该定价数月。
Lilian分析：电商AI必须基于商家自有数据
研究表明，通用助手虽擅长信息检索与整合，但缺乏产品的唯一真理来源；确定最新型号、实时价格或正确参数时，它依赖网络信息及自身解读。
对零售商而言，网站集成的购物助手不应猜测这些信息，因为目录、价格、库存和技术规格已存在于商家系统中；关键在于让这些数据成为AI参考基准，而非任其从矛盾或过时的外部源重建答案。
这正是通用助手与商业助手的本质区别：在ChatGPT等平台出错，用户可能自行核实；但在品牌官网出错，会直接损害信誉并中断购买。因此，优先级不仅是添加对话界面，更是确保该界面能在正确时间基于正确数据运行。