如今，越來越多消費者開始透過 ChatGPT、Google AI 以及各類智慧助理尋找商品、比較規格甚至直接完成購買，企業面對的顧客已不再只有人類；這意味著企業未來除了要說服消費者，也必須學會如何與 AI 代理溝通。
AI 不再照單全收：傳統促銷訊號效果開始分化
然而，長期以來建立在消費心理學基礎上的行銷手法，對 AI 代理未必有效。根據《哈佛商業評論》最新研究，許多電商常見的促銷設計，例如限時倒數、庫存稀缺提醒、原價與折扣價對比，以及組合銷售等策略，原本是利用人類的錯失恐懼（FOMO）、價格錨定效應與稀缺性偏誤來刺激購買意願，但在 AI 代理身上卻難以產生穩定效果，有些情況甚至會出現與人類完全相反的反應。研究人員指出，儘管這些標籤確實會左右 AI 代理的判斷，但其背後的決策機制與人類的衝動或偏誤心理完全不同。
在所有測試項目中，只有商品評分與價格展現出穩定且一致的效果。高評分商品在所有模型中都獲得更高的選擇率，而價格越高則越容易被排除。這項結果與人類消費行為高度一致，也代表即使 AI 代理逐漸成為購物決策的重要參與者，價格與產品評價仍是影響推薦結果的重要因素。
進階模型的「行銷防禦機制」，過度說服引發反噬
另一項值得注意的研究發現是，不同 AI 模型應被視為獨立的市場區隔。該研究顯示，Gemini 2.5 Flash Lite 與 GPT-4.1-mini 等非推理模型對促銷訊息較為敏感，較容易受到優惠券、折扣標籤或社會認同訊號影響；相較之下，GPT-5 與 Gemini 2.5 Pro 等推理能力較強的模型則展現出截然不同的反應模式。
研究團隊發現，先進模型並非單純忽略促銷資訊，而是可能將過度強調折扣、稀缺性或急迫感的訊息視為負面訊號。在部分測試情境中，GPT-5 對「僅剩兩件」等庫存緊缺提示呈現負面反應，而 Gemini 2.5 Pro 面對大幅折扣時，說服效果反而逐漸下降。研究人員認為，這些模型可能將強烈的促銷訊號解讀為產品品質不足或商家刻意操弄消費決策的跡象，因此降低推薦意願。
部署動態試驗場，迎戰高頻率模型改版
隨著 AI 代理逐漸參與商品搜尋與購買流程，企業也需要重新理解消費者需求的形成方式。AI 代理的選擇邏輯很大程度受到使用者提示詞（Prompt）影響。例如「尋找 100 英鎊以下評價最高的耳機」與「找到明天能送達的最便宜耳機」會讓同一個 AI 模型產生完全不同的商品排序結果。未來企業除了研究消費者本身，也需要深入分析消費者如何向 AI 描述需求，才能提高產品被推薦的機會。
《哈佛商業評論》認為，企業最重要的工作並非尋找一套固定的 AI 優化公式，而是建立持續測試與監測的能力。由於大型語言模型會持續更新，每一次模型升級、微調或安全對齊都可能改變其判斷標準，今天有效的促銷策略未來可能失效，甚至帶來反效果。
因此，企業應建立專屬的 AI 模擬測試環境，定期讓不同模型與商品頁面互動，追蹤各項促銷元素對轉換率的影響。同時建立模型版本資料庫，持續比較不同世代 AI 的偏好變化。當 Google UCP 等商務協議逐漸成熟，企業也可望更清楚辨識哪些 AI 平台帶來流量與交易，進一步發展針對不同 AI 代理動態調整頁面內容的能力。
當購物決策逐漸由 AI 代為執行，過去數十年建立的行銷說服技巧可能失去效果。對品牌而言，建立可信任的產品資訊、掌握不同模型的決策特性，以及持續進行動態測試，將成為新一代數位競爭力的重要基礎。
【推薦閱讀】
◆ 研發週期砍半、搜尋能見度翻倍：聯合利華怎麼用 AI 改造食品事業？
＊本文開放合作夥伴轉載，參考資料： 《哈佛商業評論》、《Ecommerce Times》，首圖來源：Unsplash
（責任編輯：廖紹伶）
