然而，在 AI 时代，广告的逻辑正在失灵。用户不再需要在内容与商品间被“投喂”，而是直接向智能体发出需求。这意味着传统互联网赖以生存的“广告→”闭环可能被切断，AI 需要找到新的变现路径，而电商——尤其是 AI 参与决策的电商——成为新的关键入口。

在这场讨论中，a16z 合伙人 Alex Rampell与投资人 Justine Moore直指要害：AI 颠覆的不是冲动型消费，而是“研究型购买”。在买电脑、旅行包、自行车这类中高价商品时，AI 能读完上千条测评、汇总视频内容、整合价格曲线，再在合适时机替你自动下单。它让“消费者研究”彻底自动化，也让“广告触达”变得无处安放。当智能体本身成为最可信的“导购员”，品牌与流量平台之间的那层营销逻辑就失去了抓手。

与此同时，联盟营销—像素追踪—最后点击归因的旧体系也在崩塌。过去我们可以知道一笔成交来自哪个渠道、哪次广告、哪个用户决策时，这种路径变得模糊甚至不可见。归因失效，意味着传统广告模型的崩解——因为广告的前提是“看见因果”，而智能体的行为更接近一个黑箱。未来，流量不再以“曝光”计价，而可能以“成交闭环”计价。

Rampell 提出的另一层判断更具启发性：AI 不会制造需求，它只是极致地执行需求。人类仍然被文化与社交驱动去“种草”，但当真正执行“拔草”的那一步——选择品牌、计算优惠、使用哪张信用卡返现——AI 将成为最聪明的中介。这种“执行代理”让广告与电商的界限模糊，广告或许将不再以展示存在，而是直接以交易分成存在。

而在另一端，Costco 式的会员信任模型成为少数不可被算法替代的护城河。当电商被联盟返佣与虚假测评污染、当“十大推荐”沦为 SEO 垃圾，用户重新追求“帮我选而不是骗我买”的信任关系。Rampell 称这种信任是神圣的，它无法被算法竞价获得，也无法被大模型复刻。

最终，AI 可能成为电商世界的“最后一击”——它不制造流量，却能决定成交。当消费者的研究、比价与执行全被自动化时，平台的护城河将不再是广告算法，而是能否承接智能体的交易逻辑。谁掌握了“研究—比价—执行”的闭环，谁就掌握了下一代互联网的变现权。

AI将改写电商的流量与交易规则

Erik Torenberg：你们俩一直都在关注电商领域。Alex，你能说说这个想法是怎么来的，又是怎么开始的？

Alex Rampell：我很早以前创办过一家叫Trial Pay的公司，其实在互联网普及之前我就开始尝试在网上卖东西了。我当时在思考几个问题。

第一：Google会发生什么变化？很多人都很关注搜索量的变化，是在增加还是减少？

就我个人来说，我用Google的搜索次数确实在减少，不过这并不是出于购物场景，而是非购物的其他方面在下降。其次，我创办的Trial Pay是当时全球最大的联盟营销平台之一。联盟营销的本质，就是如果你把用户推荐过去并促成交易，就能拿到一部分佣金。这其实是互联网上最早的商业模式之一，甚至早于AdWords和AdSense。据说最初还源自成人内容行业，因为它是最早在互联网上形成的商业模式。它的实现依赖于cookies和像素追踪：用户访问后浏览器会被写入cookie，当订单完成时，确认页上会加载一个隐藏的1x1像素图片读取cookie，从而确认“这个用户是Eric推荐来的”。Trial Pay就是靠这个模式做大，但问题是：这种机制还能支撑未来的电商生态吗？对很多场景，比如冲动消费来说，它还有意义吗？冲动消费在电商中占比很大，而冲动消费本身几乎不会依赖AI。你去超市结账时顺手买了一瓶可乐，这种行为不会是AI推荐的结果。事实上，在结账区买的可乐价格往往比货架区更高，零售商正是利用这种心理设计来让你多花钱。这类消费不可能由AI驱动。但另一类情况是高价值商品。人们会花大量时间做功课，而AI可以在做攻略和比价中发挥重要作用。但这里的问题是：没有联盟链接，那电商交易该怎么完成？所以我当时在思考的第一点是：不同类型的购物行为构成了怎样的体系？

第二点是：联盟营销在AI驱动的商业中是否还有意义？

第三点是我个人的行为变化：我现在使用ChatGPT的频率，可能是用Google的一千倍，这个变化本身就很有意思。

Erik Torenberg：Justine，那你当时为什么对这个话题感兴趣？是什么让你觉得最值得探讨？

Justine Moore：对我来说，有几个特别大的消费市场，其中最大的一块可能就是线上购物。不过到目前为止，真正尝试用AI进入这个市场的初创公司还不多。虽然正如Alex说的，机会其实很大，因为现在有了强大的大语言模型和智能体，它们可以帮助消费者做出比自己更好的购买决策，甚至可以直接替消费者下单。按理说，这应该会吸引更多人把它们打包成面向用户的产品，但目前我们还没看到太多人这么做。

所以我们写这篇文章的一部分目的，就是想深入探讨：为什么这个体系会如此复杂？AI能在哪些不同的购物场景中发挥作用？我们希望在更大市场的背景下看到哪些变化？也希望通过这种方式，让正在这个领域探索的人能和我们分享他们的思路和做法。

Alex Rampell：我个人更喜欢先“观察”，因为观察是客观的，然后才去“预测”。预测未来是很难的，有一句关于预测的名言我忘了，但核心就是：预测未来非常困难。但其实已经有很多可以观察到的行为模式。比如CamelCamelCamel是世界上最棒的网站之一（我们和它没有任何利益关系，这不是广告）。它本质上就像是价格版的Google News Alerts。

我之前给亚马逊Prime团队做过一次演讲，他们对这个网站非常清楚，因为它可能是亚马逊最大的联盟营销来源。用户每天都会说：如果这个商品降到这个价位，我就会买。它现在是这个价格，请在它降到我想要的价格时通知我。而当价格真的降到目标值时，用户确实会立刻购买。这就说明消费者本身已经在扮演“Agent人”的角色，但这个Agent非常低效。

如果能让这个过程闭环——不只是通知价格变化，而是直接帮用户完成购买——用户是会接受的。因为我们已经观察到这种行为存在，他们只是缺少更方便的执行方式。这是最简单的“预测未来”方法：你只是在记录现在的情况，然后加上一个自然的延伸。

Justine Moore：我观察到的另一个例子，来自一些病毒式的应用场景。有的很成功，因为AI完美找到了商品；也有的很搞笑，因为AI完全找不到。比如一些少女会用ChatGPT上传Lana Del Rey演唱会的照片，或者Taylor Swift的街拍照，然后问：“她戴的这个发夹是什么牌子？”或者“她穿的这件毛衣在哪里买得到？我想买。”

当AI找对的时候，效果非常好。比如它会提示：“这件毛衣要5000美元，你作为一个来自密苏里的19岁女生可能不会买得起，但这里有一些相似的、价格更低的替代款可以买。”这种年龄段的用户往往是消费行为的早期风向标。所以这其实在暗示，从商品研究到最终购买的过程，未来越来越可能由智能体来完成，尤其是在价格合适的时候，就像Alex刚才说的那样。

Erik Torenberg：Alex，你能想象一种极端的“动态定制化定价”场景吗？比如我们在Amazon上看同一个商品，但它给你显示的价格比我更高，可能是因为我比你更“抠门”，或者因为你更有钱。你觉得会出现这样的世界吗？

Alex Rampell：很多人已经尝试过类似的做法了。从经济学101的角度来看，这其实是个很聪明的逻辑：要尽可能榨取“消费者剩余”。消费者剩余对买家有利，但对卖家来说就是损失。听说达美航空在尝试做这种事情。

其实还有一些“简陋版”的动态定价，比如：如果你用iPhone上网，那你就应该比用安卓手机的人支付更高的价格，因为iPhone本身更贵，这等于说明你的需求弹性和一个钱更少的用户完全不同。不过，这样做大概率会遇到监管问题，更可能的是，会在消费者当中引发极大反感。虽然有人尝试过，但通常很难真正推行下去。

电商归因问题：究竟是什么导致了“最后一击”？

Erik Torenberg：如果我们回顾过去的技术平台转变，就能看到类似的规律。现在电商大概占到零售总额的16%。但如果你20年前问大家“未来电商会占多少比例”，可能每个人都会预估得更高。为什么现实没那么高呢？

Alex Rampell：原因在于需求曲线在“即时性”与“非即时性”之间有很大差别。

比如“次日达”已经很酷了，但它永远比不上“即时购买”的需求强烈。就像我晚上要睡觉时发现牙膏没了，这时候我会立刻去旁边的Walgreens买牙膏。Amazon虽然很棒，但如果它第二天早上7点才送到，那对我来说没什么用。这里存在一个“实时牙膏需求”的市场曲线。

另一种情况是“闲逛”——我今天无聊，干脆去逛个商场。这是一种体验本身。还有一些是“长周期、深思熟虑的购买”，甚至是带点“愿望清单”属性的，比如我盯着一块劳力士看了很久，正好刚拿到奖金，就可能冲动入手。购物本身就是体验的一部分。

我在一家叫Wise的公司担任董事，他们的产品是跨境汇款。结果发现，“实时到账”的市场需求和“两天后到账”的需求完全不同。后者的需求量要小得多。Amazon的物流发展也是类似的故事。电商刚起步时，东西可能要两个星期才送到。今天看需求曲线仍在不断扩展，所以电商占比提升是合理的。

Justine Moore：你刚才说电商只占16%，这个数字有点低。我并不是质疑数据，而是很多用户行为没有被统计进去。比如：人们常常在线上做攻略，然后在线下完成购买。像买大件商品的时候，我可能会在Reddit、Instagram或Apple官网看各种测评，但最后还是会走进实体店，亲手比较MacBook Pro和MacBook Air的重量差异。

再比如买衣服。在旧金山，很多人会网购一堆衣服，试穿后再退掉一半，因为本地大型商场并不多。但我老家在俄勒冈州，那边几乎没必要这么干，因为开车5–10分钟就能到各类服装店，退换货成本要低得多。但其实很多人都会先在网上做攻略，比如去哪家店、要买什么具体商品、要找什么风格。所以虽然现在大约只有16%的交易完全发生在线上，但即便是在很多线下购买中，网络也扮演了攻略。

Alex Rampell：这就引出了最棘手的问题：归因。归因几乎是所有人的噩梦。比如：我该如何给Justine买MacBook这笔交易分配归因？互联网上最腐蚀性的商业模式就是所谓的“最后点击归因（last-click attribution）”。它会把100%的功劳都算在最后一次点击的渠道上。但现实情况可能是：部分是我在Reddit上看到了一篇帖子受到启发，部分是我在超级碗看到了一条广告，这些因素共同促成了购买。

更合理的做法应该是“分摊归因”，但它并不是完全确定性的。看似“确定性”的方式——把最后一次点击的渠道视为唯一驱动因素——其实是错误的。很多人没搞清楚相关性与因果性的区别，就掉进了这个陷阱。我最讨厌的商业模式就是这种，比如Honey。它会在你已经在网页上准备结账的时候跳出来，问你要不要一个优惠码。谁会拒绝呢？点一下，就能打九折。它的操作逻辑是：把你重定向到一个联盟链接页面，给你电脑里写一个cookie，然后再把你送回刚才的页面。这样一来，它就“偷走”了交易归因。

讽刺的是，很多大型电商的市场人员真的会上当。他们会说：“哦，我们最好的渠道是Honey，它增长太快了！”还有更早的RetailMeNot，当年还上市了，估值很高，但本质上就是“偷取归因”。真正的原因还是：归因太难分清楚了。

未来在AI世界里，这只会更复杂。比如Justine在Reddit上研究过，看过超级碗广告，还在ChatGPT上提过问题，最后才点了“购买”。如果Apple把所有功劳都算在ChatGPT身上，说“是它带来了这笔交易”，那就是错误的。它只是其中一个环节，而不是唯一驱动。如何拆解和分配归因，将会越来越难。

Google、Facebook等聚合型平台才是电商赛道的赢家

Erik Torenberg：再回到更大的行业格局。到目前为止，最大的赢家是聚合型平台，比如Shopify、Amazon，以及少数个别品牌，比如Allbirds、Casper。这些公司很快拿到了很大规模的营收，但没能成长为长期可持续的业务，它们并没有随着规模变大而变得更强。为什么？

Alex Rampell：因为如果交易是“一锤子买卖”，你其实没有真正生产商品。以Casper为例，它并没有自己生产床垫，可能只是找中国的OEM厂代工，然后贴上Casper的logo。它们的模式本质上就是花钱买Google和Facebook的流量。所以真正的赢家是Google和Facebook，而不是Casper本身。当人们看到Casper成功时，就会说：“哇，床垫是个好品类，我也要做。”于是跑去深圳找工厂，贴上自己的logo，然后在价格上压低Casper。这种情况必然会发生。

相比之下，Casper就很惨。如果我5年前买了一张Casper床垫，现在还在用，它就必须不停地去寻找新客户，而不能从老客户那里获得持续收入。与此同时，最初给Casper代工的工厂，如今已经把同样的床垫卖给了大约5000家其他品牌。这显然不是一个好的商业模式。

总的来说，如果你只是一个大宗商品的转售商，问题就很大。很多人会说：“Casper有自己的床垫，Allbirds有自己的鞋。”但事实是，他们通常并不真正生产这些商品。

这其实和互联网1.0时期发生的事情一样：长尾的大宗商品零售商逐渐消失，因为“地理位置优势”不再重要了。过去零售的驱动力在于，比如Justinestown（俄勒冈的一个地方）只有这一家商店，你当然会去这里买东西。虽然可以开车去别的城镇，但太远了。可在互联网上，你可以随时买到任何商店的东西。所以如果有5000家店都不自己生产鞋子，却都在卖同样的Nike鞋，那为什么不直接去Nike官网，或者去一家配送更快、服务更好的店？于是长尾零售商模式逐渐消亡，这就是我们已经看到的趋势。

但其实，品牌直营的电商体验也没好到哪去。因为几乎没有进入壁垒，没有壁垒就意味着竞争极度激烈。对消费者来说，这是资本主义带来的好处；但对那些“成千上万中随便一个卖家”来说，就完全不是好消息。

Justine Moore：尤其是消费品，比如鞋子（像Allbirds）或化妆品，更是高度依赖“潮流”。床垫也许更像一种实用型商品，但鞋子或化妆品完全就是趋势驱动。而在互联网上，潮流从来不会长久。比如Allbirds曾经火爆一时，但很快大家又追捧复古款的Adidas，然后今年在TikTok的姐妹会BamaRush视频里，每个女孩脚上穿的都是On Running的鞋子；而去年她们穿的还是日本风格的New Balance。

这对Allbirds来说是个巨大问题，因为它没法捕捉所有的潮流。它的SKU可能只有一个或几个风格。而像Shopify或Amazon这样的平台，可以轻松承接任何流行趋势，并把需求分配到对应的SKU上。

这在AI时代会更有挑战，因为AI智能体可以直接引导用户去买东西（如果用户从它那里开启购买流程）。这对单一SKU零售商来说既可能是机会，也可能是风险。但我的直觉是，最后受益的还是聚合型平台。

Alex Rampell：另外AI很难去“制造需求”。比如，为什么我会知道On的鞋子很酷？因为我在TikTok上看到了Bama Rush的视频，每个女孩都有一双。于是“我也应该买一双，我是姐妹会成员，我也要拥有它。”这种需求是通过社交和文化传播形成的，而AI很难做到这一点。AI更适合处理“我已经知道自己要买什么”的场景，比如帮我买到那双鞋。这其实和Google的定位很像。

我非常尊重Google，但它本质上就是一种“GDP税收”。大量GDP来自消费支出，而很多消费活动就是从Google的那个小小的搜索框开始的。它通过按点击、按展示或按行动收费，从每一笔消费中抽取一部分。不过，这种“税收”模式未来可能会受到威胁，税收也许会转移到别的地方去。

AI将蚕食免费搜索，但Google的商业搜索仍坚不可摧

Erik Torenberg：接下来我们就来展开聊聊：哪些东西会从Google那里被夺走？哪些东西会保留下来？还有，不同类型的消费支出和电商之间的关系。也许先从你开始？

Alex Rampell：Google一直是“典型的高级商业模式”。他们做出了一个更好的搜索引擎。大家都知道，它始于1998年，当时可能已经是市面上的第47个搜索引擎了，很多人觉得“不可能成功”。但它确实要好太多，因为它的链接方式不同，本质上有点像学术研究里的H指数，只是应用在网页搜索上。比如你搜索“bagel”，如果所有人都链接到同一个网站，那它的PageRank就会很高，Google就会把它排在前面。

当Google刚出现时，互联网的商业化程度还不高，大多数搜索都是免费的、非商业化的。那时候我用Google，就觉得比Hotbot或其他搜索引擎好得多。后来他们基本上借鉴了Overture的商业模式，这家公司是Bill Gross在IdeaLab创办的，后来被Yahoo收购。这也是Yahoo为什么在早期持有Google股份的原因。如果你了解这段历史，就会知道Google崛起的关键是AdWords。

有趣的是，很多“高级模式”会让用户觉得：我不想付费。但在Google的模式里，广告不仅没让体验变差，反而让搜索更好。比如我搜索“网球拍”，如果没人针对这个词做过SEO优化，那搜索结果可能不理想。但广告主会出现在结果旁边，这些广告只有在用户点击时才显示为“相关”。如果没人点，那它就不相关。这让搜索结果在“自然排名+广告”共同作用下更优质。

所以Google从一开始就是premium，而且一直延续到今天。很多时候我们搜索的内容和购买无关，比如我只是想查点资料，这就是默认的行为：如果我想知道某件事，就去Google搜索。有时甚至不是直接去Google，而是通过Safari，因为Apple每年从Google那里拿到数百亿美元，只是因为把流量导过去。

现在正在发生的变化是：Google开始丢失一部分免费搜索，但它的premium部分还在。比如“1977年奥斯卡奖得主是谁？”——这是个不可变现的搜索，人们会更倾向直接问ChatGPT。而这已经在发生了。ChatGPT每周活跃用户大约有8亿，这是个巨大的数字。大家在用它查信息，但还没直接在上面购物。我们知道OpenAI正在尝试做电商，但显然还没建起来。

而premium部分，也就是那些真正能赚钱的搜索，依然发生在Google上。我们能从Google的财报里看出来：收入还在增长，但搜索量实际上在下降。所以Google真正失去的，并不是营收，而是一些非商业化的“免费搜索”。

或许他们把一部分流量导向了Gemini，但不太可能。现在的情况更像是：人们依然在Google上进行付费搜索，一切照旧；但在免费的部分，大家转向了AI。

虚假推荐削弱信任，AI要切入电商必须先解决真实性

Justine Moore：像所有大语言模型一样，ChatGPT在产品推荐上有一个非常糟糕的问题——“幻觉”。几乎所有尝试过的人都遇到过。

比如你想买一条legging。在Google或Amazon搜索，你能找到排名最高的结果。但你真正想要的是结合自身需求（比如你要进行什么类型的徒步、天气如何）得到个性化推荐，而不是“全场最佳”。很多人，特别是年轻女性，会觉得：那我去问ChatGPT吧，它能理解我的自然语言输入，给我推荐合适的产品。但结果常常是：它推荐的很多产品根本不存在，或者曾经存在但已经下架，甚至价格信息完全不对。这让很多人用过一两次之后，又回到Google或Amazon。

等ChatGPT把电商问题真正解决，未来人们还是会继续尝试，因为OpenAI确实在做电商集成，目标是让推荐更相关、数据更实时。到那时，Google可能会丢掉一部分搜索流量。但我完全同意Alex的看法：目前还没有在规模上看到这种行为。

Alex Rampell：不过，放大到整个互联网来说，现在最大的麻烦是：网络本身已经“不健康”了。我和John Lilly聊过（他是当年Firefox的CEO），他算是早期互联网的守护者。他的观点是：过去互联网是开放的，起源于DARPANET→ARPANET→Internet，最早主要是研究人员在用，一切都在公开的网络上，没有所谓的墙。

而今天，搜索早就被割裂了，不是从ChatGPT才开始的。比如：想要实时搜索，就去Twitter/X；想查看朋友的情况，就去Facebook。这些东西Google搜不到，都被关在各自的平台里。这是“不健康”的第一个方面。

第二个不健康点是商业化。商业化本身没错，我也喜欢资本主义。但今天很多内容被商业污染。比如你搜“最佳跑鞋”，1995年的时候可能有人写博客分享经验，他们自己搭服务器，只是出于兴趣。后来出现了联盟营销，本来是个变现方式，但慢慢污染了开放互联网。于是到处都是“十大推荐”，其实就是“十大联盟返佣”，文章是外包写的，然后疯狂做SEO来赚钱。

这种模式在今天几乎消失了。Craigslist的兴起几乎杀死了传统媒体。过去报纸赚钱主要靠两块：广告和本地分类信息。Craigslist把后者直接掐断了，所以报纸衰落。过去报纸偶尔还会做一些“公益式”的测评，比如对比各种搅拌机，确保不会推荐危险产品。这些东西如今几乎都不复存在。

所以，现在的问题是：开放互联网的占比越来越小，大量内容被挡在墙外，而剩下开放的那部分，又被垃圾信息淹没。于是我们常说：你无法把带货软文当成真实测评。这就是难点。即使AI不再“幻觉”，即使总结功能很强，但如果基础内容本身就是垃圾，结果也不会好。SEO优化的垃圾文为了赚联盟佣金充斥网络，而总结这些垃圾并不能让它变成有价值的信息。那么，问题来了：该怎么“去垃圾化”（decrapify）呢？这其实非常困难。

Justine Moore：老实说，目前最不容易被垃圾内容污染的渠道是视频。原因是：随着传统媒体的衰落，现在很多创作者会自己去测评，比如测试10双跑鞋，然后在视频里明确说明是不是品牌赞助。更优秀的创作者则完全不接赞助，只靠YouTube或Google的广告分成赚钱。所以，当我想看“某人对五款不同吹风机的真实体验”，尤其是针对某种发质时，我会去看没有赞助的视频。这类视频往往浏览量很高，因为很多人有类似的问题。

但问题是，Google并没有很好地利用这些内容。因为视频不方便“扫读”，他们也没自动把所有视频转录成文本，所以这些信息不会出现在传统搜索结果里。现在确实有一些公司开始尝试把优质视频转成文本，让LLM去分析并给出推荐，但目前还没真正进入Google的主流搜索体系。

Erik Torenberg：比如《纽约时报》收购的Wirecutter就是一个例子。

Alex Rampell：但这里也有问题：Wirecutter的内容几乎都带有联盟链接。是不是有点奇怪？是不是意味着推荐本身有偏差？我对这种模式其实很怀疑。相比之下，Consumer Reports那种年代的评测更可信，虽然他们也可能有主观偏见，比如某个编辑就是讨厌某家公司，但至少原则上是独立的。

你可能会想，现在有了算法和各种技术手段，如果能得到真正客观的反馈，那应该会很棒吧。Amazon本身就是一个巨大的搜索引擎，但遗憾的是，这个平台也被污染得不行了。比如说，很多卖家会去AliExpress批发400个小玩意儿，每个2美元，六周送到。然后贴上自己的logo，在Amazon上卖25美元。这又回到我们之前讲的延迟问题：有多少人愿意等6周收货？有多少人只想“明天就到货”？Amazon本质上就是利用了这种时效差进行套利。

但一旦你在Amazon上搜索，尤其是消费电子类产品，结果简直一片混乱。我曾经想买滑雪用的加热袜，搜索后发现居然有9000多个看起来不同的品牌，实际上几乎都来自同一个OEM工厂。更糟的是，他们会滥用虚假评论。比如一个卖家先卖石头，攒了满分好评，然后把SKU从“石头”改成“加热袜”，继续用这些五星评价来卖新产品。Amazon完全知道这种行为，却没动力去解决，因为他们只想卖更多东西。说实话，如果你愿意等，直接去AliExpress买比Amazon还划算。但整体上Amazon已经成了一片垃圾海。

相比之下，我最喜欢的商业模式是Costco。Costco是世界上最好的公司。它拒绝卖劣质品，也拒绝收取高毛利。为什么他们会放弃高毛利？这在商业逻辑上听起来很奇怪，对吧？答案是：因为这会损害会员制度的价值。Costco的利润主要不是靠商品，而是靠会员费。他们大约收100美元年费，全球有超过5000万会员。看财报就能发现，他们的净利润几乎就是会员数×会员费，其他部分基本持平。

所以，如果一件衣服毛利率超过50%，Costco会说：太高了，砍掉。因为这样会降低会员的信任度。他们甚至坚持把热狗保持在1.50美元，还自建鸡肉农场来控制烤鸡的成本。

他们的自有品牌Kirkland也很强：Kirkland葡萄酒、啤酒、衬衫品质都很高。甚至因为做了一款比Lululemon还好的运动裤被告上法庭。这就是Costco的独特之处：它像Consumer Reports一样严选商品，但同时规模巨大、用户极度信任。

Justine Moore：用户真的很信任Costco。就拿我妈来说，她一直是Costco的会员。现在连配眼镜、订机票都要用Costco，因为她坚信Costco的价格和质量最好。而事实证明，她大多数时候是对的。

Alex Rampell：这种“会员信任”几乎是神圣不可侵犯的。他们完全可以靠放宽标准赚更多钱，但他们拒绝这样做。这和Amazon的逻辑形成鲜明对比。

Jeff Bezos曾说过：商业有两种模式：

第一，赚到能赚的最多的钱——典型是Apple，比如一部iPhone卖1600美元，能不能卖到1700？他们追求极高毛利。

第二，赚到能赚的最少的钱——典型是Amazon，他们提供一大堆商品，不管好坏，交给消费者自己筛选，靠规模赚钱。

Costco则是第三种，非常独特：它通过几十年的信任积累，做到“你只要相信我”。就像Justine妈妈说的：只要Costco在卖，那就一定是好的。这模式很难被复制，也很难被AI打破。因为它的核心不是流量，也不是推荐算法，而是长期的品牌信任。

如果你是Costco的CEO，你会利用这种信任去拓展其他业务吗？这会危及整个企业的根基。不过，他们确实还有很多可以拓展的空间。我们的一位合伙人曾与Costco董事会会面，向他们提议发展金融服务。因为所有银行都在试图从客户身上赚取更多钱，比如提高贷款利率或降低存款利息。而Costco可以提供最便宜的贷款，因为他们并不打算从中盈利，而是通过会员费获利。因此，他们确实有很大潜力可以扩展这项业务。

标准化商品交易将被AI全面自动化，非标商品仍依赖人工体验

Erik Torenberg：Justine，那我们来聊聊AI会如何改变电商吧？你之前提到过几种不同的购买类型。

Justine Moore：我们大概把购买行为分成一个范围：一端是冲动消费，就像超市货架上的可乐，或者现在很多人是在TikTokShop上刷到一个视频，觉得那件T恤挺酷就直接买了；另一端是重大消费，比如买房子、订婚礼场地或买车，这些都要花掉收入中的大笔钱，是一次性或少数几次的消费，人们会做很多研究。

这两端都是AI不容易完全颠覆的。冲动消费没什么前置研究，你看到的那一刻就决定买下。未来算法确实会越来越精准，比如推送一件印着你家狗名字的T恤，你就比其他衣服更容易下单。但这不算是我们讨论的“生成式AI”场景。至于重大消费，你可能会先用ChatGPT、Gemini或其他AI工具做研究，但最终因为金额太大，还是会想要实地体验：亲自去看、去摸、和专家面对面聊，才会做决定。

所以真正可能被AI颠覆的，是中间那一大类商品。比如：我常用的旅行包坏了，我想买一个新的，要能放笔记本电脑、大水瓶，还能塞进行李舱上方。自己做攻略很花时间，但如果有一个AI助手能帮我看完TikTok视频、读完Reddit帖子、汇总真实用户反馈，再给我推荐，那就非常有价值。也许我还会点进去看看不同选项，但如果购物流程能和AI无缝衔接，我很可能直接通过它下单。

另一种情况是你已经知道自己要买什么，比如固定买某个牌子的洗衣液。AI助手就可以帮你做价格优化：每天扫描全网价格，如果某个网站突然比平常便宜30%，而且能在合理时间送达，它就直接帮你买多一箱备用。

再往上，是价值更高但还没到“重大消费”的商品，比如自行车、沙发、笔记本电脑。这类东西你会用很多年，必须确保它合适又不会很快淘汰。现在人们通常会深挖Reddit的“Buy It for Life”论坛，或者直接信任苹果这样的品牌，愿意为可靠性付溢价。

未来，我能想象有一个深度理解你的AI助手，你甚至能和它打电话，动态回答它的问题，然后它根据你的需求去做研究，最后帮你做出最优决策。

Alex Rampell：还有另一种角度，就是你买的东西有没有UPC。UPC就是条形码，相当于书籍的ISBN。如果有UPC，你就可以直接跑一个“帮我找最低价”的算法。过去在没有AI的情况下，人们自己也能做这个，最后通常会跳到Amazon。但如果没有UPC，比如Wayfair为什么能成立、并且卖得动？因为他们卖的很多是没有唯一编码的商品，像吧台椅。你只会说“我要一把吧台椅”，但市面上没有UPC来唯一标识。所以Wayfair就能提供不同尺寸、不同风格的选择。

所以，当年除了亚马逊，其他几乎所有玩家都被淘汰了，而亚马逊存活并做大了。当然我有点简化了。如果一个商品有UPC码，那么AI会让“最低价算法”指数级提升。过去，部分人更看重时间，部分人更看重金钱。如果我更看重金钱，我就会自己当“算法”：找最好的优惠券、最优的返现网站。这类返现网站在互联网上很多，适合钱比时间更重要的人。未来AI会替消费者全自动完成这一切，但前提是你确定了SKU或UPC。

如果没有UPC，那又是另一回事了。像自行车，你可能不知道买哪一款，但一旦确定是某款专业车，它有UPC，就可以丢给AI，它帮你挑选最优价格、运费、条款。这在现在是手动完成的，未来会自动化。

Erik Torenberg：结合来看，过去十年几乎没有太多全新的大赢家，收益大多被“聚合平台”拿走。为什么我们认为未来十年会有新机会，能诞生新的、可持续的巨头公司？

Alex Rampell：比如ChatGPT就是一个新玩家，虽然不是亚马逊、Shopify，但它肯定会在电商领域扮演角色。问题是会不会出现一些细分赛道的专门化公司？

会的。像CamelCamelCamel这种独立网站，没拿过风险投资，可能已经非常盈利。还有返现网站，比如美国的Ebates（后被乐天收购），英国的Quidco。它们的逻辑就是“你更看重省钱而不是省时间”。未来这类购物Agent会更主流，尤其是在不涉及复杂研究的环节上，但规模可能会非常大。

回到归因问题，大部分公司搞不清广告归因，但未来AI将成为21世纪的“最后一击”——最终促成购买的关键一步。可能不是ChatGPT这种通用型AI，而是垂直型购物Agent：你把所有信用卡信息交给它，它帮你挑选哪张卡返现最高，还整合返现、优惠券、返佣，最后替你下单。

这对商家未必是好事，但其实并不难想象。只是以前这些服务算小众，只吸引那些更懂技术、又愿意花时间省钱的人。比如我妈，她退休了，肯定愿意花时间省钱，但工具太复杂她就不会用。如果AI让这件事变得极其简单，那几乎是个“智商测试”：你想多花钱还是少花钱？当然大家都想少花，但如果要操作18步、下载一堆插件，大部分人就放弃了。

所以这个机会很可能留给创业公司，而不是亚马逊。因为亚马逊希望你在它站内购物。其实亚马逊自己也有隐忧：它很大一块收入来自广告，用户点广告离开站点，亚马逊是100%毛利，比实物销售还划算。但一旦AI成为中介，亚马逊就失去了展示层的控制权。

“钱比时间重要”这个逻辑扩展到大众市场，一定是一个很有潜力的方向。

Justine Moore：这里可以分为两方面：

第一，消费者侧，比如买自行车，未来可能有专门的模型，经过大量“专家–用户”的对话微调，能问对问题，给出比ChatGPT更好的购买建议。

第二，商家侧，如果未来有大量AI Agent在浏览网站、代替消费者做决策并直接下单，网站要怎么改进？怎样让页面更容易被Agent理解和抓取？金融支付基础设施也要变化，让AI能代表用户刷信用卡。这一整套商家端的基础设施，都会有巨大变化。这部分影响会和消费者侧一样大。

Erik Torenberg：这是个很好的收尾点。Alex、Justine，非常感谢你们的精彩对话。

原文：The Death of Search: How Shopping Will Work In The Age of AI

https://www.youtube.com/watch?v=74Yk7mbbQ0g

编译：Alyssa Pang