AI 发现商品的起点是您自己的网站，而不是 ChatGPT

近期一份 Adyen Index 报告（在新标签页中打开）显示，74% 的马来西亚消费者在购物时已经在使用 AI，62% 希望借助 AI 发现新品牌。把它和同一份报告的相关报道（在新标签页中打开）放在一起读，很容易想象消费者正在问 ChatGPT 该买什么。但对大多数零售商而言，这件事目前还不是发生在那里。它发生在自家网站的搜索框和推荐轮播里，而这些 AI 能力往往早已存在于他们的电商平台内部，只是一直没被启用。

我们已为 4 家 Adobe Commerce 客户落地了两项具体的 AI 功能：由 Adobe Sensei 驱动的 Live Search，以及平台原生的 AI Product Recommendations 模块。以下是每一项到底做了什么，以及上线之后发生了什么变化。

Live Search：理解意图，而不只是匹配关键词

常规的电商搜索是在匹配关键词。消费者输入「油性发质产品」，在关键词匹配的引擎里，只有当商品真的被这样打过标签时才会出现结果。Adobe Sensei 的 Live Search 更接近与人交谈：消费者可以搜索「给我看适合油性发质的产品」，即使这句话从未出现在任何商品页面上，也能得到相关结果。这是语义化的 NLP 匹配，目的是理解消费者想表达什么，而不是要求他们去猜商品描述里用的究竟是哪几个字。

AI Product Recommendations：不靠人工挑选的个性化

推荐模块会从整个商品目录范围内的真实浏览行为与购买行为中学习，进而呈现某一位消费者真正可能想要的商品，而不是一份人工编排、对所有人都一模一样的「您可能也喜欢」清单。

4 个项目里发生了什么变化

搜索准确度是撬动其余一切的那个数字。一位真正找到了目标商品的消费者，在三次点击之后依然留在漏斗里，而这会直接体现在转化率和客单价的数字上。

容易被忽略的一点：它需要时间

这两项功能在上线首日都谈不上好用。它们都是学习型系统，需要真实的顾客交互数据，输出才会变好。以我们的经验，从上线到准确度与转化率的提升真正体现在数字上，需要 8 到 12 周。上线两周后就去看结果、并断定「这东西没用」的零售商，看得太早了。请在判断结果之前就把这段助跑期预留出来，而不是之后。

4 家客户的提升幅度也并不一致。商品目录更大、SKU 超过 5,000 的零售商，改善最为明显，原因很直接：目录越大，仅靠关键词搜索找到正确商品本来就越难，语义搜索和个性化推荐能够真正解决的空间也就越大。一家只有 300 个 SKU 的店铺，这个问题本身就小得多。

功能本身的实施相对较快，通常是 2 到 4 周。8 到 12 周的等待，完全是算法在上线后从真实顾客行为中学习所需的时间，而不是技术搭建要花的时间。

（还有一个技术细节值得简单一提：让 Live Search 的商品数据保持准确同步，尤其是在库存或价格频繁变动的目录上，在其中几个项目里确实需要相当的集成工作。这更像是同步与数据管道的问题，而非 AI 本身的问题，因此我们没有在本文深入展开，而是另写了一篇谈 Live Search 与商品目录为何会逐渐不一致。）

放在 AI 与零售的大图景里看

Adyen 的数据同时显示，超过半数的马来西亚消费者并不愿意让 AI 代替自己完成购买；同一份报告的 2025 年版（在新标签页中打开）则发现，有 26% 的人认为零售商使用 AI 的方式过于侵扰。站内搜索与推荐，正落在这条界线上让人自在的那一侧：主导权仍在消费者手里，仍是他自己在浏览、自己在决定，只是身边多了一个比关键词匹配或固定「精选商品」区块更懂他的系统。相比去追逐外部 AI 助手会不会推荐自家品牌，这显然是一个风险低得多的投入方向；而且对多数零售商来说，它就在今天正在运行的那套平台里。

如果您正在使用 Adobe Commerce 却还没有启用这些功能，欢迎与我们聊聊针对您的商品目录需要做些什么。

---

资料来源：74%、62% 以及关于完成购买的数据来自 Adyen Index 2026 马来西亚零售报告（在新标签页中打开）；认为零售商使用 AI 过于侵扰的 26% 来自 2025 年版马来西亚零售报告第二章（在新标签页中打开）。此外还包括我们自己在 4 个 Adobe Commerce 项目中的实际结果。