最新研究显示，尽管人工智能在零售领域的应用持续升温，但目前大多数消费者尚未将AI用于商品发现环节。该研究同时指出，零售商应重视其元数据质量，为预计将出现的AI使用量增长做好准备。
商品发现是零售链条中的关键环节，涵盖消费者从产生需求到定位具体商品的搜索、浏览与筛选过程。随着大模型和对话式AI应用逐步进入消费场景，业内普遍预期消费者借助AI完成商品比较与选购的比例将上升。但此次研究给出的判断是，当前阶段的实际使用规模仍然有限，多数消费者尚未形成以AI为主要入口的购物习惯。
研究将关注点指向零售商的底层数据能力。商品元数据包括标题、属性、类目、规格描述等结构化信息，是搜索引擎和AI系统理解商品内容的基础。若元数据质量不足，AI在检索、推荐与回答用户查询时难以准确匹配商品，进而影响转化效果。研究建议零售商在AI使用量增长到来之前，优先梳理和优化商品信息的完整性与规范性。
这一结论对零售企业的技术投入方向具有参考意义。在AI应用落地过程中，前端交互体验的改进往往更受关注，而商品数据治理属于投入周期较长、见效相对间接的基础工作。研究提示，随着AI逐步成为商品发现的重要渠道，元数据质量可能直接影响零售商在新流量入口中的可见度与竞争力。
目前该研究未披露具体的样本规模与地区分布。从行业趋势看，对话式购物与AI导购产品的持续推出，正在推动零售基础设施向更适配机器读取的方向演进，商品数据的标准化程度或将成为下一阶段零售技术竞争的基础变量。
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。
