AI 购物智能体:加入购物车与下单的偏好可能不同
在一个选定的美国调查面板中,103 名近期曾用 AI 研究产品的受访者愿意让智能体不经询问就将商品加入购物车,其中 50 人对下单给出了不同回答。这些配对回答提示,商家的简报应提出更具体的问题。
对 Product.ai 于 2026 年 10 月 14 日发布的 Trust in AI Commerce Report 第 2 版进行的分析。未加权面板调查于 2026 年 8 月 27 日至 9 月 1 日开展。数据反映的是 550 名近期曾用 AI 研究产品的用户对假设任务的偏好,并非实际观察到的结账行为。
摘要
购物者愿意让 AI 助手把商品加入购物车,不一定意味着其对下单也有相同偏好。在 Product.ai 选定的美国调查面板中,550 名近期曾用 AI 研究产品的用户里,有 103 人愿意允许不经询问就加入购物车。这 103 人中,53 人也允许不经询问就下单,40 人希望先被询问,10 人则绝不允许智能体下单。后两组共占这 103 人的 48.5%。[1] [2]
相反方向的组合也存在:40 名受访者允许不经询问就下单,却对加入购物车选择了更严格的回答。在全部 550 组配对回答中,170 人对两项任务选择了不同类别。本分析在发布方分别报告的任务百分比基础上,补充了同一人的回答组合。对实际工作的启示是,准备商家简报时,应分别询问每项任务。这项由赞助方制作、未经加权的调查,描述的是受访者陈述的偏好,不是全国普遍情况、实际授权或转化收益。
一家商户正在评估 AI 购物助手。演示看起来很直接:帮助顾客选商品、放进购物车,再准备订单。到了发布简报里,这些动作可能被概括成一句宽泛承诺:助手帮助顾客购物。
但顾客可能以不同方式理解这些操作。把一盏灯加入购物车,可以只是考虑购买的一部分;下单则是另一项任务。Product.ai 在同一份调查中询问了两者,因此我们能够研究单独的主要百分比回答不了的问题:同一个人,对每项操作是否选择了相同的参与程度?
两项任务,分别询问

相近的百分比,可能对应不同的人
Product.ai 此前已公布了一项有用的比较:550 名受访者中,18.7% 愿意让智能体不经询问就把商品加入购物车,16.9% 愿意让它不经询问就下单。这些数字分别描述两项任务,却没有说明两组人有多少重叠。我们的贡献是将每位受访者给出的两项回答配对。[1] [2]
更广泛的区别已有研究基础。NMI 的 2026 年研究描述了一类消费者:他们欢迎购物协助,同时希望保留购买决定的控制权。本研究的问题更窄:同一个人同时回答购物车与下单问题时,哪些偏好会一起出现?我们使用单一来源中的一对问题,而不是比较受访者和措辞各不相同的多项调查百分比。[7]
第一组有 103 人,第二组有 93 人,只有 53 人同时属于两组。另有 50 人接受不经询问就加入购物车,但希望下单前先被询问,或绝不允许下单。同时,40 人给出了反向组合:允许不经询问就下单,却要求加入购物车前先询问,或绝不允许加入购物车。
如果简报把某个受众群体笼统描述为“接受自主购物”,这一区别就很重要。相近的总数可能掩盖不同的人和不同的期望。只看两项主要百分比,团队无法知道哪些受访者希望两项操作被同样处理。
下表保留了全部 9 种组合。横向读一行,可以看到某个购物车偏好群体如何回答下单问题;纵向读一列,可以看到某个下单偏好群体对购物车的回答。单元格统计的是这个选定面板中的人数,不是购物漏斗中已完成的阶段,也不是真实助手的设置。
同一批受访者对购物车与下单的回答
Product.ai 选定且未加权的美国面板中,550 名近期曾用 AI 研究产品的用户人数,调查于 2026 年 8–9 月开展。行描述加入购物车,列描述下单。
| 购物车偏好 | 无须询问即可下单 | 仅在先询问后下单 | 绝不允许下单 |
|---|---|---|---|
| 无须询问即可加入购物车 | 53 | 40 | 10 |
| 仅在先询问后加入购物车 | 32 | 175 | 52 |
| 绝不允许加入购物车 | 8 | 28 | 152 |
103 人允许不经询问就加入购物车,其中 50 人对下单给出不同回答
先看允许智能体不经询问就加入购物车的 103 人。他们对下单问题的回答分为 3 组:53 人也允许不经询问就下单,40 人希望智能体先询问,10 人则绝不允许。对应比例分别为 51.5%、38.8% 和 9.7%。[3]
具体计算如下:将希望先询问的 40 人与绝不允许的 10 人相加,再用 50 除以 103,乘以 100 后四舍五入,得到 48.5%。分母是接受不经询问就加入购物车的群体,不是全部 550 名受访者、所有美国购物者,或所有 AI 购物智能体用户。
区分这 40 人和 10 人很有用。要求先询问,仍为智能体下单保留了空间;绝不允许执行这项任务,是另一种回答。将两组合并,描述的是不经询问就行动的界限,并不意味着这 50 人全都拒绝 AI 购物协助。
对商家而言,结果提示应分开研究两个问题,避免被笼统的热情指标混在一起:顾客是否希望获得挑选商品的帮助?助手下单前,顾客希望审核什么,或者是否需要审核?调查为分别询问这些问题提供了理由,并未规定审核页面该如何设计,也未证明增加页面能提高销售。
允许不经询问就加入购物车的 103 人,其下单偏好如何
分母是选定美国面板中的 103 名受访者,不是全部 550 名近期曾用 AI 研究产品的用户,也不是所有购物者。
| 下单偏好 | 受访者人数 | 购物车群体分母 | 占购物车群体比例(%) |
|---|---|---|---|
| 无须询问 | 53 | 103 | 51.5% |
| 仅在先询问后 | 40 | 103 | 38.8% |
| 绝不允许 | 10 | 103 | 9.7% |
40 名受访者给出了反向的购物车与下单回答
一个简洁的故事会把所有人放在同一条阶梯上:先允许研究,再允许加入购物车,最后允许下单。但这些配对回答不支持这种阶梯。在 259 名希望加入购物车前先被询问的受访者中,32 人允许不经询问就下单;在 188 名绝不允许加入购物车的受访者中,8 人允许不经询问就下单。这两部分合起来,就是 40 个反向回答。
其余非对角线单元格也很重要。52 人希望智能体加入购物车前先询问,但绝不允许它下单;另有 28 人绝不允许加入购物车,却允许在先询问后下单。保留这些回答,才不会悄悄把调查变成单一的意愿量表。
在整个配对群体中,380 人对两项任务选择相同类别,170 人选择不同类别,占比分别为 69.1% 和 30.9%。这里的“相同”是指对两个不同任务问题给出相同类别的回答,并不衡量受访者的一贯性、可信度或回答质量。[3]
我们无法判断,反向回答来自对购物车的不同理解、特定购物场景、测量噪声,还是真实偏好。本分析未检验其中任何一种解释。商家无须剔除这些人或猜测动机,而可以利用这种模糊之处改进下一次访谈:先描述操作,再问顾客认为它会做什么。
多数人选择相同类别,170 人选择不同类别
这个选定美国面板中,全部 550 名近期曾用 AI 研究产品的用户,均提供了两项任务回答。
| 两项回答的关系 | 受访者人数 | 配对回答分母 | 占配对群体比例(%) |
|---|---|---|---|
| 两项任务选择相同类别 | 380 | 550 | 69.1% |
| 两项任务选择不同类别 | 170 | 550 | 30.9% |
先问清操作,再选择设置
把宽泛的购物承诺写成具体简报

写明操作
准确描述助手会对购物车或订单做什么。
针对操作提问
区分不经询问就行动、先询问,以及不执行任务。
审核措辞
核实顾客如何理解,并将同一人的两项回答保留在一起。
实际启示是,在把某个回答视为支持一项功能之前,先把任务说清楚。“你会使用 AI 购物助手吗?”没有交代足够多的拟议行为。有人可能欢迎协助选商品,却希望亲自审核订单;另一些人想到的可能是重复下单,无须再从头整理购物车。
在商家简报中,分别用独立句子描述购物车协助和下单。前者应说明助手只是推荐商品,还是实际加入购物车,以及顾客能否检查已选商品;后者应说明拟议体验中的“下单”具体指什么,以及顾客何时能看到详情。这些细节需要团队自行明确,调查并未提供答案。
接着,区分 3 种可能:执行所述任务而不先询问、执行前先询问,或不执行该任务。不要把前两种概括为单一的“偏好自动化”。“先询问”的回答带有条件,宽泛标签会抹去这个条件。
在研究摘要中,始终把同一个人的两项回答保留在一起。分开的百分比仍然有用,但回答的是另一个问题。配对表能让团队看出,接受一项操作的人是否也接受另一项,包括那些不符合团队预期顺序的组合。
这些建议涉及研究与沟通。陈述偏好不等于授予支付权限,也不是法律上充分的同意程序,更不是更改顾客设置的指令。这些操作决策需要各自的要求。这里更有限的价值在于:团队承诺助手会做什么之前,简报先提出了更清楚的问题。
用假设的家居用品发布场景说明区别
设想一家家居用品商家,正准备让创作者演示购物助手。这是虚构示例,并非调查中观察到的企业。最初的简报要求创作者展示助手如何帮助顾客选择台灯并完成购买。这句话没有说清顾客在每一步如何参与。
修改后的简报将操作分开:一部分展示把选中的灯加入购物车;另一部分展示订单详情,以及拟议体验会在何时请顾客审核。商家仍需核实真实产品的行为是否与描述一致。调查并未证明这种具体设计就是正确选择。
拍摄前,团队可以把拟用措辞展示给潜在顾客,请他们解释自己期望助手做什么。一个有用的追问是:对于加入台灯与下单,他们的回答是否不同?如果有人给出反向组合,访谈者应询问他们如何理解每项任务,而不是把回答标为错误。
创作者随后需要的是准确的承诺,而不是把调查百分比用作销售说辞。例如,演示简报可以要求创作者区分选择商品、加入购物车和确认订单。任何“会先询问顾客”的表述,都必须在用于公开内容前,对照真实体验核实。
“103 人中有 50 人”这项结果适合放在内部论证中:它说明,仅凭一种购物车偏好,可能不足以推断下单偏好。演示中不应将它说成“一半顾客需要这项功能”。研究使用的是选定面板,也未测量任何人看过拟议界面后发生了什么。
一份保留两项回答价值的简短简报
可复用的简报可以这样开头:“我们正在评估顾客希望助手如何处理加入购物车和下单。”将下列字段放在一起,便于最终的营销活动摘要追溯到人们实际回答的问题。
任务与情境:“在这个版本的体验中,加入购物车是指[描述操作]。下单是指[描述操作]。回答前,顾客会看到[描述说明或演示]。”这些空白需要补全:针对一个未作具体说明的助手给出的回答,不能与看过产品流程演示后的回答互换。
问题与回答:“对于每项任务,你希望助手不经询问就行动、先询问,还是不执行?”记录同一个人的两项回答。如果顾客给出团队未预料到的组合,就保留回答,并请对方解释自己的理解。不要把回答改成更方便处理的类别。
结果与分母:“在同时回答两道问题、符合条件的[人数]人中,各配对组合分别有[人数]人选择。在允许不经询问就加入购物车的[人数]人中,下单各选项分别有[人数]人选择。”单独列出缺失回答。即使标题将“先询问”和“绝不允许”合并,也要在结果中分别保留。
决定与负责人:“这些回答将用于[具体的措辞或演示决策]。[指定审核者]将对照实际产品行为,检查营销活动中的承诺。在决定[另一项操作问题]之前,我们仍需要[相关证据]。”这可避免顾客研究摘要悄悄变成自主下单的功能规范。
对假设的家居用品发布而言,眼前的决定可能是创作者必须解释哪些环节,以及商家能为哪些声称提供证据;它不会预测有多少顾客会购买。有用的做法是:在将任一回答概括成宽泛的受众声称之前,保留两项回答之间的关系。
如何分析配对回答
我们使用 Product.ai 于 2026 年 10 月 14 日发布的第 2 版数据。调查于 2026 年 8 月 27 日至 9 月 1 日通过 Alchemer 开展,使用由线上或实体店购物的美国成年人组成的面板。发布方报告设置了年龄、性别和地区配额,但未按人口普查分布加权。招募细节、纳入概率及激励措施未提供。Product.ai 销售商务验证产品,并发布这项研究,因此在该主题上存在相关商业利益。[1] [5]
已发布文件包含 1,493 份完整回答。Q12 识别出 550 人,表示在此前 90 天曾使用 AI 助手研究自己考虑购买的产品。我们保留了来源定义的这一群体,包括线上购物者和只在实体店购物的人。近期研究过产品,并不能证明某人使用过自主购物智能体,或完成过 AI 辅助订单。
全部 550 名符合条件的受访者,都对选定的两项 Q36 问题选择了 3 个允许选项之一。其余 943 名受访者因问卷跳过 AI 用户问题而留空。构建配对表前,我们检查了跳转逻辑、唯一标识符、来源日期和回答值。没有将空白改为“绝不允许”,也没有因组合看似出乎意料而删除回答。两项已发布任务的边际百分比,均复现到其公布的 1 位小数精度。[2] [5]
计算联合结果之前,分析已确定购物车与下单这对问题、全部 9 种组合、允许自主加入购物车群体内的条件分布,以及反向组合。每个单元格均提供人数、占全部 550 人的比例、占所在购物车行的比例,以及占所在下单列的比例。这 3 项百分比的分母不同,不能互换。[3] [4]
我们报告描述性人数和百分比,不提供总体置信区间、显著性检验或因果声称。跳转后群体中回答完整,并不能消除选择或测量不确定性。Q12 询问过去的产品研究行为;Q36 则询问没有回忆时段的假设任务。这些回答并非从购物车到完成购买的实际行为序列。
另一套独立实现根据原始发布 CSV,复现了预先规定的汇总结果。下载文件包含完整表格、来源校验、定义与代码,并附署名和原始文件哈希值,不含受访者记录或标识符。Product.ai 指定的研究资料采用 CC BY 4.0 许可;计算、解读和翻译由 Influence IQ 完成,不暗示获得其背书。[6]
图表 CSV 包含 8 行图表数据中的 24 个数值。ZIP 包含全部 9 种回答组合,提供人数及按 3 种分母计算的百分比,并附来源核查和可复现代码。其中的 9 单元格 CSV 有 63 个数值字段,包括 27 个百分比值。不包含原始受访者记录或标识符。数值字段使用小数点。
来源与注释
- Product.ai,The Trust in AI Commerce Report,第 2 版,发布于 2026 年 10 月 14 日。调查于 2026 年 8 月 27 日至 9 月 1 日通过 Alchemer 开展。发布方报告设置了年龄、性别和地区配额,未按人口普查分布加权。其发布了 1,493 份完整回答;550 名受访者报告在此前 90 天使用 AI 辅助研究过产品。Product.ai 开发商务验证产品,并发布这项研究。
- 第 2 版编码手册,Q12 和 Q36。Q12 识别近期使用 AI 研究产品的用户。Q36 的原文问题是:“Would you let an AI shopping agent do each of these without asking you first?”本分析的 2 个原文项目为“Add things to a cart”和“Place an order”。原文选项为“Yes - without asking”“Yes - only if it asks first”和“No, never”。本文的结账比较针对的是下单,不涉及另行询问的支付访问权限、支出上限或已完成购买。
- 联合表中,“无须询问即可加入购物车”行的人数依次为 53、40 和 10;“先询问再加入购物车”行依次为 32、175 和 52;“绝不允许加入购物车”行依次为 8、28 和 152。各列按相同选项顺序描述下单。主要计算为 (40 + 10) / 103 × 100 = 48.543689…%。相同类别回答合计 53 + 175 + 152 = 380;不同类别回答合计 170。展示的百分比四舍五入至 1 位小数。
- 购物车的边际人数为 103、259 和 188;下单人数为 93、243 和 214。在这些边际总数下,对 2 项任务给出不同类别回答的人数,最少为 (|103−93| + |259−243| + |188−214|) / 2 = 26。观测到的 170 人比该最小值多 144 人。这描述的是单独边际总数没有提供的信息,并非效应量、显著性检验或总体估计。前瞻性分析在查看联合结果之前,已确定 2 项任务、全部 9 个单元格和反向组合,没有搜索其他任务或人口特征群体。
- 发布方报告收集了 2,624 条记录,其中 760 条被筛除,371 条仅部分完成,与已发布的 1,493 条完整记录能够核对一致;但被排除的记录不公开,无法独立检查。全部 550 名符合条件的受访者均有有效的任务配对回答,其余 943 人因问卷跳转而留空。没有把缺失回答编码为拒绝。面板提供商、纳入概率,以及详细招募与激励流程未提供。本分析未使用总体置信区间、检验或调查权重。
- Product.ai 指定的第 2 版数据集、编码手册和报告 PDF 采用 CC BY 4.0 许可。Influence IQ 计算配对汇总结果,并撰写解读和翻译。下载文件包含来源链接、精确的源文件哈希值和复现说明。署名不意味着获得 Product.ai 背书。不分发受访者层面的记录或标识符。
- NMI,Consumers Want AI to Help Them Shop, Not Control Their Spending,2026 年 8 月 26 日。该文描述了购物协助与购买控制权之间已有的区别。其独立调查采用了不同的受访者和问题。本分析未将 NMI 的任何百分比与 Product.ai 的配对分析合并或直接比较。
本文的英文版为原始版本。所有语言版本描述的都是同一个选定的美国面板,以及 2026 年 8–9 月的假设任务偏好。翻译不会改变来源总体,也不会让这些发现成为当地调查结果。