你的 AI 导购，可能在替页面道歉

最近看 AI 导购相关的材料，有一类数字出现得比较频繁。

Gorgias 的《2026 对话式商务现状》报告给出的版本是：在站内发生过对话（AI 或人工）的购物者，转化率比没有对话过的高 154%。

数字本身没有问题，它就是报告的原始口径。我们在客户那里也见过方向一致的现象。

不太确定的，是它被转述之后的那句话——”上了 AI 导购，转化率能涨 154%。”

这两句话看起来很像，但它们说的可能不是同一件事。

我们手上没有足以判断行业整体情况的样本，只能说说自己看到的：在接触过的客户里，上线对话助手之后，工单压力普遍会有缓解；而整体转化率的变化，有些站点能看出来，有些看不太出来，页面本身则大多没有跟着改。样本不大，不足以下结论，但足以让人想把这个问题问得更清楚一点。

所以这篇文章更多的是想讨论一下：你上了 AI 导购，怎么知道它有没有用？

以及一个可能更值得追一步的问题：如果它的价值不主要落在转化率上，那它还能给你什么？

先说清立场：本文不是来劝你别上 AI 导购的。从公开调查看，这件事在行业里已经推进得相当靠前——NVIDIA《2026 零售与消费品 AI 现状》调查里，91% 的受访企业表示正在使用或评估 AI，90% 计划在 2026 年增加 AI 预算。对多数团队来说，更实际的问题已经不是上不上，而是上了之后怎么用。

一、154% 里，混着一批本来就会买的人

先想一个很朴素的问题：在你的网站上，会主动点开那个对话框的，是哪些人？

从客户项目里反复看到的，大致是这么三类：

• 第一类，已经差不多决定要买的人。他只剩一个具体问题要确认——这个尺码还有没有货、周五能不能到、支不支持我的机型。问完就下单。他不问，多半也会买。
• 第二类，高客单的谨慎型买家。单价越高，问得越细。这类人本身的转化率就高于随手逛逛的访客，因为他进站时的目的性更强。
• 第三类，回访用户。已经看过两三次，比过价，读过评论，对话只是最后一道确认程序。

这三类人凑在一起，构成了”对话过的用户”这一组。而”没有对话过的用户”那一组里，混着大量随手点进来、三秒就走的流量。

于是问题变得清晰：“对话过的人转化率更高”和”对话让人更容易转化”，是两句不同的话。

前者几乎必然成立。后者才是你真正想知道的。更关键的一个区分：对比组不是对照组。

拿”对话过 vs 没对话过”做比较，两组人从一开始就不是同一批人——他们不是被随机分配的，是自己走进不同分组的。这在统计上叫自选择偏差。它不会让数字变假，但会让数字回答错问题。

有意思的是，同一份 Gorgias 报告里就留着一条印证的线索：有 46% 的品牌反馈，在有对话触点的情况下回访用户转化率更高；而对首次访客给出同样反馈的品牌只有 25%。

回访用户本来就更接近成交。对话在他们身上”效果更好”，一部分原因可能就是他们本来就更容易买。

顺便说一句，我们之前写过站外投放的归因错位——播放量很高、复购很低那一类。这里是同一种病长在了另一个地方：那次错在把渠道的曝光当成了转化的原因，这次错在把用户的自我选择当成了模块的效果。

二、想知道它有没有用，得换一种问法

好消息是，这个问题有一个不复杂的答案。

把同一批流量随机分成两组，一组能看到 AI 导购入口，一组看不到，然后比两组的整体转化率。

关键在分母：分母是全部流量，不是对话用户。

这一步换掉之后，你比较的才是同一批人的两种处境，而不是两批不同的人。

跑这个实验的时候，建议至少同时看四个指标——只盯转化率，很容易得出片面结论：

• 整体转化率与客单价。这是最直接的一项，但它未必是变化最明显的那一项。
• 客服工单量。AI 导购省下的成本常常主要落在这里。NVIDIA 那份调查里，企业列举已获得的改善时，”客户服务改善”被 41% 的受访者提到，排在员工生产力（54%）和运营效率（52%）之后——它是一个真实但不居首位的收益。如果你的 AI 导购把工单降了三成，即便转化率没动，这笔投入也不一定算亏。
• 退货率。问清楚了才买的人，理论上退得更少。这一项周期长、噪音大，但值得纳入观察。
• 加购到结账的完成率。如果对话主要发生在结账前的犹豫时刻，变化会先出现在这一段，而不是全站转化率上。

还有一种结果值得提前打个预防针：实验跑完，两组没有明显差别。

这不是白跑。它更可能说明——你的产品页本来就把该说的说清楚了，对话助手在这个环节没有多少空间可补。那么钱和注意力就该挪去别处。一个”没差别”的结论，省下的往往比一个”有提升”的结论更多。

需要说明的是，这类实验也有它的边界：对话行为本身是低频事件，流量不大的站可能需要更长的观察周期才能读出方向；而屏蔽入口在某些站点会牵动客服体验，实施前最好和客服团队打个招呼。

三、它更值钱的那一半：对话日志是你能拿到的最便宜的优化线索

转化率是 AI 导购的次要产出。它的主要产出，可能是这个:

它替你把用户不愿意打给客服、也懒得发邮件的那些问题，一条一条记下来了。

用户在对话里反复问的那三个问题，很可能就是你的产品页没有答清楚的那三件事。

这份清单，以前要靠用户访谈、可用性测试、弃购调研，花好几周才能拼出来。现在它每天自动生成，而且是用户在真实购买情境下、带着真实顾虑问出来的——比访谈里的回答更接近真话。

多数团队拿到这份日志之后做的事，是继续训练机器人：补知识库、改话术、调语气，让它答得更好。这没错，但顺序可能反了。

你可以把自己的对话日志翻到第一页看看：排在最前面的那几条，大概率不是什么刁钻问题，而是”这个尺码偏大吗””发货要几天””和上一代什么区别”这一类。这些答案本来就该在页面上——很多时候页面上其实也有，只是藏得太深。

如果一个问题被反复问，它更可能是页面的缺口，而不是机器人的缺口。

按类型看对话，大致对应四种页面动作：

规格与兼容性问题——”支持 XX 吗””尺寸是多少”。通常不是没写，是写得太深，或者放在了一个用户不会去翻的折叠里。

物流、关税、时效问题——”多久能到””要不要交税”。这类提问在结账前最集中。欧盟今年调整小额包裹免税政策之后，这类问题在面向欧洲市场的站点上大概率还会更多。

“这个和那个有什么区别”——缺对比模块，或者产品线的命名让人分不清。这类问题出现得多，往往说明货架结构该整理了。

“这个真的有用吗”——缺的是证明，不是文案。再写一遍卖点没有用，需要的是数据、第三方测评、可核验的用户反馈。

分完类，动作就清楚了：把答案搬上页面。

为什么这一步比继续优化机器人划算？因为受益的人群不一样。

优化机器人，受益的是点开对话框的那一小部分访客。把答案搬上页面，受益的是全站流量——包括那些有同样疑问、但从来不问、直接关掉页面的大多数人。

这里有一句话我们越看越觉得成立：AI 导购越好用，你可能越难看见产品页的问题——它在替页面道歉，而且道得很得体。

用户满意了，工单降了，投诉少了。所有指标看起来都在改善，只有一件事没有发生：没有人去修那个页面。

同一份 Gorgias 报告里还有一个数字，让这件事更值得抓紧：AI 推荐带来的购买，80% 在当天完成，93% 在 48 小时内完成。决策窗口很短。窗口这么短的时候，用户是在对话里第五轮才拿到答案，还是在页面上三秒就看到答案，差别可能不小。

四、四步操作链：把对话变成页面

这四步在 Ptengine 里可以连起来跑，不需要开发排期。

此图为示例，具体模块详见产品内数据

• 第一步，先让它可被衡量。把对话行为记成事件——有没有点开、问了几轮、有没有转人工。没被采集的模块，永远无法参与任何比较。
• 第二步，跑一次曝光实验。随机分流，比”有入口”和”无入口”两组的整体转化，而不是拿两组本来就不同的人比。这一步给你的是一个诚实的基线。
• 第三步，把高频问题做成页面模块。一段规格对比、一块物流确定性说明、一组可核验的证明。用可视化编辑改完直接上，然后 A/B 验证——如果这个模块真的答对了那个问题，转化上的变化会比在对话里答一百遍更直观。
• 第四步，用热图确认它真的被看到了。加上去不等于被看见。位置太深、被折叠、在滚动的死角，都会让一个正确的答案继续被反复提问。

好的工具，不只是替你回答用户的问题，更是让你下次不必再回答同一个问题。

五、写在最后

这周能做的第一件事很小：

导出上个月的对话日志，按提问类型归个类，数出出现次数最多的三条。

它们大概就是你这个季度最值得跑的三个实验。

我们自己也还没把这件事量化到平台层面——不同客户的对话模块来源不一，口径还没统一。但只从项目经验看，高频提问的前三条，几乎总能在产品页上找到对应的空白。

AI 导购的价值，可能不主要在于它成交了多少单，而在于它让你知道页面还差什么。

所以，如果三个月之后，你的对话日志里高频问题还是那三条——

那说明这台机器一直在替页面道歉，而没有人去修页面。