AI 购物助手，英国消费者，2026 年 3 月

方法论

本研究基于 500 名英国消费者的模拟样本（年龄 18 至 55 岁以上，在 London、南部、Midlands、北部、苏格兰和威尔士之间加权）。每位受访者都是经过校准的 Minds 人物画像，依据历史人口统计数据、购买意向信号以及 AI 辅助购物的品类特定行为基线进行校准。相对于保留的人类回答，准确率在底层行为提示上验证为 85–95%。

完整解锁的研究包含按年龄段、地区和产品品类划分的 15 项交叉统计数据、5 张可下载图表、原始回答 CSV 文件，以及向样本提出后续问题的无限制访问权限。

AI 助手如今位居漏斗顶端

64% 的受访者在过去三个月内使用过 AI 助手，最常见的是 ChatGPT 或 Gemini，来调研某次购买，47% 表示近期的购买旅程始于 Google 搜索之外的某处。这一转变集中在考量阶段：受访者借助助手来压缩比价过程，让它列出两到三个选项并写明取舍利弊，然后仅为了核实价格或完成结账才离开助手。

这一行为模式是漏斗的反转。曾经由搜索和品牌网站掌控发现与考量，而样本描述的流程则以对话式查询开始，将经过筛选的候选清单交还给消费者，并把品牌网站纯粹作为交易终点。在 18 至 34 岁人群中，这种反转近乎彻底：71% 的人将 AI 助手列为他们上一次斟酌购买时打开的第一个工具，而 45 岁以上群体这一比例为 29%。

信任在年龄上，以及在可追溯性上，严重分化

样本中仅有 38% 对 AI 推荐的信任程度与客户评价相当，而这一标题平均值掩盖了一条尖锐的代际断层线。在 0–10 的信任量表上，18 至 34 岁群体平均为 7.4，而 35 岁以上群体平均为 4.6，2.8 分的差距是研究中所有交叉项里最大的。年龄较大的受访者并非反对 AI；他们反对的是不透明。最常被提及的拒绝信任的理由是助手「从不展示推荐的来源」。

这使得可追溯性，而非准确性，成为采用的现实制约。曾遇到错误答案（过时的价格、停产的型号）的受访者会折损每一条后续推荐，无论品类如何。反过来，样本成员一致表示，附带可链接、可点击来源的推荐会让他们的信任评分上升两到三分。对助手的评判，与其说是看它是否正确，不如说是看它能否被核实。

实时数据与引用来源才是突破口，而非更好的文字

当被问及什么会让他们更信任一条 AI 推荐时，样本聚焦于两项与对话式打磨毫无关系的诉求。怀疑者想要引用来源，指向答案背后评价、测试和文章的链接，以及当品牌为某个展示位付费时的明确披露。务实者想要实时、准确的数据，实时定价和本地库存，因为一个自信的选择若已缺货或定价错误，会让整个互动的信任崩塌。

过时数据成为最具腐蚀性的单一失败：在不信任助手的受访者中，43% 将过时的价格列为触发因素。对品牌的启示是直接的。在 AI 助手内部的可见度不再靠营销文案赢得；它靠的是机器可读，结构化的产品数据、最新的价格信息流，以及助手可以引用的评价内容。样本通过助手最信任的品牌，是那些助手能够归因其信息的品牌，而非描述最具说服力的品牌。

这对零售与品牌团队意味着什么

对于适应 AI 中介式发现的英国零售、电商和品牌团队：

• 针对被引用而优化，而不仅仅是被排名。 助手如今是考量层。结构化的产品信息流、实时价格和可引用的评价内容决定了您的产品是否出现在候选清单中，以及消费者是否相信它。
• 过时数据是一项信任负债，而不是卫生层面的小问题。 一个过时的价格不只是损失一笔销售；样本在单个不良数据点之后就折损了之后的每一条推荐。价格和库存的实时准确性如今是品牌信任的一项输入。
• 按受众年龄划分您的 AI 就绪度。 35 岁以下人群已将助手视为默认的第一站；35 岁以上的多数人只有在推荐可追溯之后才会跟进。来源引用和偏见披露是转化市场中怀疑那一半人群的桥梁。

完整研究包含逐地区的细分、按产品品类交叉的信任评分、按年龄段划分的助手对比搜索漏斗图，以及开放式回答语料库。免费注册即可解锁，并在您的账户中向样本提出您自己的后续问题。