在阿姆斯特丹举行的IAB Europe零售媒体影响力峰会上，广告技术公司Particular Audience（PA）主办了一场AI零售媒体市政厅会议，现场实时投票结果显示，88％的零售媒体从业者表示其企业使用AI进行数据分析或撰写报告，但仅有16％将AI用于选择商品或广告排序。该调查共吸引89名参与者，产生953条实时互动，单个问题的回复人数在52至74人之间。
调查同时显示，传统定向方式仍被广泛采用。在68名受访者中，50％使用人工关键词或品类定向，54％使用人工受众细分，仅22％使用基于实时购物信号预测相关性的AI。受访者可多选。这一数据表明，AI在零售媒体中的渗透更多停留在辅助分析层面，尚未进入直接影响广告表现的核心决策环节。
从业者对AI决策的授权意愿因任务类型而异。83％的受访者表示现在或未来12个月内愿意将广告活动报告交给AI处理，65％愿意委托商品或广告排序，但这一比例在出价与预算决策上降至42％，在供应商资助优惠上降至41％。信任与控制是最常被提及的障碍，准确性、透明度和效果验证同样构成顾虑。
在AI会让决策更安全还是更冒险的评分中（1为“风险大得多”，5为“安全得多”），受访者对AI商品与广告排序的评分为3.4，对AI决定广告主付费价格的评分仅为2.8，共66人参与该题作答。拍卖定价成为担忧最集中的环节。
Particular Audience创始人兼CEO James Taylor表示，AI已在零售媒体中承担大量工作，但在真正驱动效果的决策上存在巨大缺口，更大的机会在于判断哪些商品和广告对购物者最相关、如何排序以及优惠何时具备商业合理性，零售商需要掌握这些决策、设定商业规则，并让AI在边界内进行优化。
该公司公布的一项杂货搜索测试显示，在超过700条真实客户查询中，其Adaptive Transformer Search技术在搜索结果前120位内识别出80％的相关商品目录，而传统关键词搜索为48.5％，提升幅度达65％。该技术不依赖固定关键词或受众细分，而是利用购物者的搜索、浏览和加购等实时信号，在其意图变化时预测相关性。结合自动排序与决策能力，零售商可提升库存利用率。对零售媒体而言，AI从分析工具走向决策系统仍面临信任与治理的双重门槛。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
