人工智能正在重塑购物者发现产品的方式。这一转变可能会为商家带来一个新的归因盲点。
虽然数量不多，但越来越多的消费者不再通过搜索引擎或电商平台开始产品研究，而是向人工智能助手发起对话式查询。
在传统搜索结果中，多个品牌竞相争夺注意力。而在人工智能的回答中，只有一个或少数几个品牌可能出现在用户面前。
“产品可发现性已经从10个链接缩减为一个答案，”LatentView（一家总部位于印度的数据分析公司）CPG和酒店业务负责人Kaushik Boruah表示。
Perplexity 等生成式人工智能平台可以推荐产品或提供直接购买服务。
发现环节向上游转移
从某种意义上说，在线产品发现一直涉及多个平台。购物者可能会在 Google 和其他搜索引擎上、亚马逊等电商平台，或社交媒体平台上寻找产品。
如今，对话式人工智能工具也成为了其中的一部分。
消费者可能会要求人工智能助手推荐舒适的衣服或无香味的肥皂，Boruah 补充道。人工智能会提出选项并解释其推荐理由。当购物者到达卖家网站时，她已经决定了要买什么。
因此，发现过程已经转移到了商家无法控制且难以衡量的上游系统。
归因盲点
假设一位购物者向人工智能助手寻求产品推荐。在收到回复后，购物者访问 Google，搜索该品牌，并通过亚马逊完成购买。
亚马逊会将这次销售归因于搜索还是直接流量？品牌营销发挥了什么作用？又有谁能注意到人工智能才是最初的促成因素？
这就是归因盲点，Boruah 表示。
缺乏衡量手段给营销人员带来了困境。他们知道消费者发现产品的方式正在改变，或者至少在增加新的人工智能渠道。但在投资回报率不明确的情况下，难以将预算转向人工智能渠道。
Boruah 表示，许多公司意识到了这一转变，但保持谨慎。“他们知道自己必须投资，但不知道何时以及如何投资，”他说道。
因此，营销团队继续优先考虑可衡量结果的渠道，尽管早期的人工智能互动正在影响购买决策。
从某种意义上说，这个人工智能盲点与第三方 Cookie 可能终结时的归因问题类似。
例如，Cookie 的消失和人工智能购物影响力的出现都降低了对客户旅程的可视性。两者都将衡量手段转向建模。不幸的是，人工智能的归因盲点可能更难解决。
衡量方法
由于直接归因手段有限，企业正在尝试用其他方式来衡量人工智能的影响力。
一种方法是增量测试——受控实验，在某些地区或受众群体中投放广告，而在其他地区或受众群体中不投放。销售额的提升有助于估算某个渠道的真实贡献，即使无法追踪个人互动。
另一种选择是营销组合建模（链接：https://www.practicalecommerce.com/the-rebirth-of-marketing-mix-modeling），它分析大数据集，包括广告支出、定价和销售趋势，以估算不同营销活动对收入的影响。
一些营销人员还正在进行问卷调查和品牌提升研究，以了解购物者是否使用人工智能助手。
分析平台也可能发挥更大的作用。随着人工智能发现的发展，分析供应商正在探索将新信号纳入归因模型的方法。这些可能包括人工智能推荐指标、聚合行为模式或与新兴商务界面的集成。
一部分购物者在分析中总是以无可见来源出现。同样，人工智能对购物的影响在很大程度上仍然是不可见的，至少目前是这样。
