AI流量猛增至16%！零售商4大策略突围！

近年来，人工智能技术，特别是大语言模型（LLMs），正以前所未有的速度渗透到我们生活的方方面面，购物体验也随之发生深刻变革。从2025年开始，我们已经看到越来越多消费者在做出购买决策前，选择利用ChatGPT、Gemini等AI工具进行信息查询和产品比较。这种趋势不仅改变了线上购物的路径，也开始影响线下门店的消费行为，为传统零售媒体网络带来了新的思考和挑战。

数据显示，2025年初，约有7%流向美国零售商网站的流量来自ChatGPT等AI平台；而到了2025年10月，这一比例已攀升至16%。这表明消费者在购物流程中对AI工具的依赖度正迅速提高。更值得注意的是，一项针对购物者的调研发现，在2025年感恩节假期期间，有18%的受访者在实体店购物时也使用了LLMs。这说明AI不仅仅是线上购物的辅助，它已成为跨越线上线下的决策支持工具。

对于零售商而言，这种变化带来了深远的影响。传统的零售媒体网络主要依赖于消费者在零售商自有平台上的浏览、比较和搜索行为，这些“漏斗上层”的活动是构建高绩效受众、提供广告库存以及进行归因测量的基础。然而，当购物任务的早期阶段转移到大语言模型中进行时，零售商原有的数据优势和广告位价值都面临挑战。

想象一下这样的场景：一位消费者想购买一款高性能的头发造型工具。她不再直接访问某个零售商网站进行搜索，而是先向ChatGPT描述自己的需求和偏好，让AI推荐多款产品并进行对比。最终，在AI的帮助下，她根据价格和送货时间锁定了某款具体型号，并选择了一家零售商。当她抵达零售商网站时，她已经明确知道要购买哪款商品，例如文中提到的Shark Ninja Glossi。

虽然零售商最终完成了销售，但问题在于，消费者已不再其平台上进行广泛浏览、比较或研究。而这些“漏斗上层”的活动，恰恰是零售媒体网络的核心价值所在：

• 意图信号来源减少： 浏览行为、搜索词和品类探索是构建高效受众的原始数据。当消费者绕过零售商网站完成这些活动时，零售商获取的意图信号会大大减少。
• 广告库存与影响力的流失： 线上发现环节的减少意味着赞助商品（sponsored products）的展示机会变少，在消费者确定具体SKU之前，零售商通过广告影响其决策的机会也随之降低。
• 归因测量变得模糊： 消费者在零售商自有网站上的完整旅程，使得广告归因清晰且可解释。然而，AI辅助的购物路径使这些链条变得复杂，导致归因故事不再那么直接。

简而言之，AI辅助购物时代带来了更少的信号、更少的展示界面和更模糊的品牌故事。这并非意味着零售媒体网络的终结，但它无疑要求零售商调整策略，重新审视并强化其固有的数据优势。以下是中国跨境行业从业者可借鉴的四种策略，以应对这种由购物行为碎片化带来的新挑战。

一、在灵感激发阶段持续发力

AI驱动的购物旅程在研究和考虑阶段引入了一个强大的中间环节，但最初的“灵感萌芽”往往始于其他地方。正如文中所举的例子，购买新造型工具的冲动并非凭空产生，社交媒体、内容平台等往往是最初的激发点。

这正是站外商业媒体（offsite commerce media）能够发挥作用的领域：零售商可以利用其独有的用户忠诚度数据和交易记录，精准识别潜在买家和有转换意向的消费者。品牌方则可以利用这些受众数据，在智能电视（CTV）、社交媒体和搜索引擎等站外渠道投放广告。最终，零售商通过实际的销售成果、新客获取和市场份额变化，验证广告效果，完成效果闭环。

即使消费者在决策前会转向大语言模型进行“核查”，只要最终的购买行为发生在零售商平台，这一模式仍然有效。收据上的交易记录，便是衡量成功的关键。

**协同竞价（Collaborative Bidding）**作为一种创新的广告形式，进一步拓展了这一逻辑。零售商与品牌方在站外投放广告时，可以共享零售商的第一方用户数据，共同竞价争取广告展示机会。零售商借此吸引销售，品牌方则赢得曝光。双方可以共同衡量此次合作带来的效果。这使得商业媒体网络在消费者发现渠道碎片化的当下更具韧性，尤其是在社交和娱乐内容平台日益成为消费入口的背景下。

零售商需要避免的是过度利用其数据优势，例如通过高昂的佣金比例或让所有品牌都能轻松获得同样的受众数据。真正有价值的是数据的独占性、展示界面的独特性或最终成果的专属性。知名咨询机构贝恩公司在相关行业分析中强调，零售商应保留对数据、履约和结账环节的控制权。只要掌控了结账环节，便掌握了收据数据，而收据就是衡量商业成效的“计分板”。

二、数据协作成为行业基石

当消费者不再在零售商网站上留下清晰的“线索”时，零售商业媒体网络面临两种选择：要么接受这种“盲人摸象”的状态，要么引入其他数据来丰富消费者画像和购物背景。

部分上下文信息可以来自其他零售商的协作。即使是特定品类的头部零售商，也能从与其他零售商的合作中受益。例如，一个大型的食品杂货网络与一个专业零售商网络可以在安全的数据清洁室（clean room）中进行数据协作。大型杂货零售商可以观察到消费者的重复购买行为和家庭补货模式；而专业零售商则可能掌握母婴、美妆或电子产品等更高购买意图的品类行为数据。通过数据共享，双方可以共同向品牌方证明，在两个网络中投放广告是否能带来更多的新客、是否触达了不同的消费者群体，以及在一个渠道的曝光能否提升另一个渠道的销售额。这种模式让规模较小的网络也能通过合作发挥出类似大型网络的优势，而无需进行合并。

此外，大量非零售商的商业网络也能提供宝贵的上下文信息。例如，在文中的购物案例中，一家金融服务媒体网络（如美国的Chase Media Solutions）可能会发现消费者在美发沙龙的高频消费记录；一家酒店媒体网络（如美国的Marriott Media Network）则可能观察到这些沙龙消费与在不同城市的酒店住宿相关联。在数据清洁室中，品牌方（如Shark Ninja）便可以针对“经常出差且注重头发护理”的这部分特定受众，在社交媒体或智能电视上进行精准广告投放。最终，通过电子产品零售商（如美国的Best Buy）的交易数据，可以验证该广告活动是否有效促进了商品的购买。

这种数据协作同样要求建立共享的测量框架。目前，许多零售媒体的衡量方法仍然假设一个线性的购物旅程：广告曝光、点击、站内浏览、加入购物车、购买——所有这些都发生在一个零售商内部。然而，当购物发现路径碎片化，分散到AI、流媒体和社交平台时，这些传统的点击和浏览数据便会缺失。

因此，商业媒体网络及其合作伙伴需要将重心从过度关注网站流量，转向对经过验证的增量销售、新品牌客户获取、市场份额转移以及一致的归因窗口的共同认可。这种协作的重点并非简单地共享客户数据，而是就如何定义成功达成一致。

三、商品信息真实性成为营销支点

当消费者在站外完成商品发现，并在访问零售商网站前就已确定具体SKU时，传统的零售媒体策略（如关键词定位和基于浏览的赞助商品）效果会大打折扣。取而代之的是，零售商需要回答一个核心问题：谁能以最低的风险，可靠地、即时地满足消费者需求？

这就是“商品信息真实性”的价值：包括商品是否有货、价格是否准确、预计送达时间、取货窗口、退货政策以及替代品信息等。在AI所带来的近乎“完美竞争”时代，这些真实可靠的信息变得日益重要。诚然，零售商的竞争维度远不止于单价，但确保所有这些维度的信息透明且值得信赖，是至关重要的。

在文中案例中，消费者决定购买某款头发造型工具后，面临选择哪个零售商购买的问题。当时，ChatGPT和Gemini都提供了关于某家零售商（如美国的Best Buy）折扣价格的错误信息——这项促销活动在前一天就已经结束了。

这便是AI与零售商之间的信息差。大语言模型通常依赖于抓取网络数据，这些数据可能并非实时更新。而零售商则掌握着当下最准确、最真实的商品信息。

对于广告商而言，这种实时信息掌控能力意味着真正的价值。基于商品真实性的高意图站外广告——仅当商品有库存且可快速配送或取货时才进行投放——可以有效减少无效曝光。在广告创意中直接融入履约细节，也能在消费者做出决策的瞬间减少摩擦。此外，当商品可用性被纳入考量时，增量测量结果也更具可信度，而不是仅仅将“提升”归因于“我们是唯一有货的地方”。

在AI塑造的购物旅程中，实时的商品信息真实性是普通网络抓取信息无法保证的。零售商如果能通过其媒体产品，将这些实时数据有效呈现给消费者和品牌方，将拥有真正的竞争优势。

四、线下门店的持久优势

一个有趣的转折是：在AI驱动的购物世界里，线下门店或许会成为零售媒体生态中最具防御性的组成部分。

没有任何大语言模型能够复制实体门店的物理存在感、感官体验或与商品的实时近距离接触。当其他一切都变得抽象化和线上化时，实体门店的价值反而会提升，而非降低。对于许多人而言，购物依然是一种“第三空间”体验，一种休闲活动，一种发现和获取灵感的方式。

例如，在美国，山姆会员店（Sam's Club）正投入大量资源，通过多样化的实体媒体界面、互动体验和测量解决方案，拓展其店内媒体业务。Instacart（美国知名生鲜杂货配送平台）的首席广告官也曾强调，其智能购物车Caper Carts是公司未来发展蓝图的关键组成部分。而百思买广告（Best Buy Ads）总裁丽莎·瓦伦蒂诺（Lisa Valentino）更是直言，零售媒体的未来就在门店之中。

对于愿意投资的零售商而言，线下门店是其不可复制的、具有强大防御性的优势。

展望未来

许多零售商正在积极拥抱这种新的购物范式，并为AI驱动的未来进行布局。然而，这也对零售商内部的媒体业务未来发展提出了疑问，因为这些业务通常建立在站内赞助商品广告的基础上。

在这一“宇宙级重塑”中能够蓬勃发展的零售媒体网络，将是那些能清晰认识到自身独特优势的参与者：包括交易数据、用户身份识别、忠诚度信号、实体门店以及最终的结账环节。

这种优势的利用，需要与过去十年建立零售媒体业务的赞助商品策略有所不同。它意味着：投入资源进行站外激活，并与真实的业务成果紧密挂钩；与其他零售商和相关品类进行数据协作，而非孤立地囤积数据以宣称独占性；将商品信息的真实性视为一种媒体资产，因为大语言模型是强大的研究助手，但它们处理的可能是过时信息，而这种信息差正是机遇所在；以及，加倍投入实体体验，因为没有任何算法能够完全取代它。

顺带一提，文中的消费者最终确实购买了那款头发造型工具。这笔交易的收据数据已进入零售商的数据集。如何利用这些宝贵的信号，将决定零售商未来的商业机会。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/ai-traffic-16-4-retailer-strategies.html