Mua sắm AI không di chuyển nhanh như các thương hiệu tin tưởng

AI đã nhanh chóng trở thành một phần trong cách người tiêu dùng nghiên cứu sản phẩm. Adobe Analytics phát hiện lưu lượng truy cập từ các công cụ AI sinh ra tới các trang bán lẻ ở Hoa Kỳ tăng 693,4 % trong mùa lễ hội 2025 so với năm trước. Một năm trước đó, Adobe cho biết 39 % người tiêu dùng Hoa Kỳ được khảo sát đã sử dụng AI sinh ra để mua sắm trực tuyến, trong đó nghiên cứu sản phẩm và đề xuất là những mục đích phổ biến nhất.

Các công ty công nghệ đứng sau các hệ thống này đã phản hồi bằng cách tích hợp chức năng mua sắm trực tiếp vào sản phẩm AI của họ. OpenAI đã phát triển tính năng nghiên cứu mua sắm trong ChatGPT để giúp người tiêu dùng so sánh sản phẩm dựa trên nhu cầu, sở thích và ngân sách. Google sử dụng AI để tạo ra các đề xuất sản phẩm và thông tin mua sắm, trong khi Amazon đã mở rộng trợ lý mua sắm AI của mình để hỗ trợ người tiêu dùng nghiên cứu và lựa chọn sản phẩm.

Khi AI ngày càng đóng vai trò lớn hơn trong việc khám phá sản phẩm, các thương hiệu đã bắt đầu theo dõi sự hiện diện của mình trong các đề xuất này với mức độ chú ý mà họ từng dành cho thứ hạng trên Google. Các nhà tiếp thị đặt cùng một câu hỏi về sản phẩm cho các mô hình AI liên tục, ghi lại những thương hiệu xuất hiện và theo dõi cách các kết quả thay đổi.

Cách tiếp cận này có thể khiến các nhà tiếp thị có một bức tranh sai lệch về tốc độ thực tế của việc mua sắm AI.

Nếu hỏi một mô hình AI cùng một câu hỏi mười lần, bạn có thể nhận được mười tổ hợp sản phẩm khác nhau. Một thương hiệu có thể xuất hiện ở vị trí đầu tiên trong một câu trả lời, vị trí thứ tư trong câu trả lời tiếp theo và không xuất hiện trong câu trả lời khác. Nếu các nhà tiếp thị diễn giải mỗi câu trả lời như một bảng xếp hạng, các kết quả đó gợi ý rằng vị trí của họ liên tục thay đổi.

Tuy nhiên, các mô hình sinh ra tạo ra sự biến đổi trong các phản hồi, và các nhà tiếp thị cần tính đến sự đa dạng này trước khi quyết định một thương hiệu đã tăng hay giảm vị thế. Dấu hiệu hữu ích hơn đến từ những mẫu hình tồn tại qua một số lượng lớn các cuộc trò chuyện mua sắm có liên quan.

Dữ liệu chúng tôi thu thập trên khoảng 3.300 xu hướng đề xuất mua sắm AI, bao gồm 186 tổ hợp thương hiệu, đề bài và mô hình AI, minh họa sự khác biệt. Các câu trả lời cá nhân thay đổi thường xuyên, trong khi phân phối rộng hơn của các đề xuất vẫn ổn định hơn nhiều.

Đối với các nhà tiếp thị, đơn vị đo lường quan trọng không kém dữ liệu.

Nhiều truy vấn hơn có thể làm cho mua sắm AI trông bấp bênh hơn

Xếp hạng tìm kiếm đã cung cấp cho các nhà tiếp thị một cách quen thuộc để đo lường khả năng hiển thị kỹ thuật số. Một kết quả chiếm một vị trí vào một thời điểm nhất định, và các nhà tiếp thị có thể theo dõi vị trí đó so với đối thủ.

Các đề xuất AI đòi hỏi một cách tiếp cận đo lường khác vì các hệ thống tạo ra câu trả lời dựa trên truy vấn và ngữ cảnh của người tiêu dùng. OpenAI, chẳng hạn, giải thích rằng kết quả mua sắm của ChatGPT có thể tính đến truy vấn và thông tin ngữ cảnh của người dùng. Google cũng cho biết kết quả mua sắm của mình có thể phản ánh mức độ liên quan, các từ khóa tìm kiếm, hoạt động trước đó và sở thích mua sắm.

Do đó, một nhà tiếp thị có thể đặt cùng một câu hỏi chung nhiều lần và thấy các sản phẩm khác nhau xuất hiện.

Hãy tưởng tượng một thương hiệu giày chạy xuất hiện ở vị trí đầu tiên trong một câu trả lời, vị trí thứ tư trong câu trả lời khác và không xuất hiện trong câu trả lời thứ ba. Ba quan sát này khiến hiệu suất của thương hiệu trông không ổn định. Tuy nhiên, trong hàng trăm cuộc trò chuyện có liên quan, cùng một thương hiệu có thể chiếm khoảng cùng một tỷ lệ phần trăm đề xuất mỗi tuần.

Sự khác biệt này trở nên quan trọng khi các nhà tiếp thị tăng tần suất giám sát. Thực hiện nhiều truy vấn hơn tạo ra nhiều quan sát hơn, và nhiều quan sát tạo ra nhiều cơ hội để thấy sự biến đổi bình thường. Do đó, bảng điều khiển có thể trông ngày càng hoạt động mạnh mẽ ngay cả khi phân phối rộng hơn của các đề xuất thay đổi rất ít.

Các nhà tiếp thị cần đủ quan sát để xác định liệu chuyển động đó có kéo dài hay không. Nếu không có mẫu đại diện, việc giám sát hàng ngày có thể khiến họ tìm kiếm các giải thích không liên quan nhiều đến sự thay đổi trong sản phẩm, marketing hoặc vị thế cạnh tranh của mình.

Hậu quả còn vượt ra ngoài báo cáo. Việc đo lường quyết định các quyết định về nơi các nhà tiếp thị chi tiêu thời gian và tiền bạc. Một công ty giải thích mỗi biến động hàng ngày là có ý nghĩa có thể liên tục thay đổi nội dung sản phẩm, điều tra đối thủ hoặc chuyển hướng nguồn lực marketing trước khi có đủ bằng chứng để biện minh cho những quyết định đó.

Các nhà tiếp thị cần xác định điều gì được coi là có ý nghĩa

Việc đo lường mua sắm AI cần một ngưỡng cho biết khi nào một thay đổi đáng được điều tra.

Một thương hiệu biến mất trong ba câu trả lời cung cấp ít bằng chứng về hiệu suất chung của nó. Nếu cùng một thương hiệu mất tỷ lệ đề xuất trong hàng trăm cuộc trò chuyện mua sắm có liên quan và sự suy giảm này kéo dài trong vài tuần, các nhà tiếp thị sẽ có lý do mạnh mẽ hơn để điều tra.

Kích thước mẫu quan trọng vì các phản hồi AI cá nhân chứa sự biến đổi. Thời gian quan trọng vì các mẫu hình kéo dài cung cấp nhiều thông tin hơn so với những thay đổi riêng lẻ. Các nhà tiếp thị nên xác định cả hai trước khi sử dụng dữ liệu đề xuất để đưa ra quyết định.

Mô hình cũng quan trọng.

Một thương hiệu có thể tăng tỷ lệ đề xuất trong ChatGPT trong khi hiệu suất của nó trong Gemini vẫn ổn định. Các nhà tiếp thị kết hợp những quan sát này thành một điểm số hiển thị AI duy nhất có thể mất thông tin hữu ích về nơi xảy ra thay đổi.

Các hệ thống mua sắm AI khác nhau dựa trên thông tin khác nhau và hoạt động qua các trải nghiệm sản phẩm khác nhau. OpenAI cho biết nghiên cứu mua sắm của mình có thể sử dụng dữ liệu sản phẩm của thương gia, thông tin sản phẩm công khai và các nguồn bán lẻ khác. Google cho biết các đề xuất sản phẩm được hỗ trợ AI của mình dựa trên dữ liệu Shopping được tổng hợp từ các thương hiệu, cửa hàng và các nhà cung cấp nội dung khác.

Những khác biệt này cung cấp cho các nhà tiếp thị lý do để xem xét các mẫu đề xuất theo mô hình thay vì cho rằng mọi hệ thống AI sẽ di chuyển cùng hướng cùng lúc.

Một chuẩn cơ sở được xây dựng trong vài tuần có thể cung cấp điểm tham chiếu. Các nhà tiếp thị sau đó có thể so sánh các quan sát mới với chuẩn cơ sở đó và điều tra các thay đổi kéo dài qua một mẫu có ý nghĩa.

Tỷ lệ đề xuất cho biết nhiều hơn cho các thương hiệu so với thứ hạng

Tỷ lệ đề xuất cung cấp một cách thực tế để đo lường các mẫu này. Thay vì ghi lại vị trí mà một sản phẩm xuất hiện trong một câu trả lời, các nhà tiếp thị có thể đo lường tần suất một thương hiệu nhận được đề xuất qua một tập hợp đại diện các câu hỏi tiêu dùng có liên quan.

Hãy xem xét một nhà sản xuất giày chạy. Các sản phẩm của họ có thể xuất hiện thường xuyên khi người tiêu dùng hỏi về giày cho việc tập luyện marathon và hiếm khi xuất hiện khi họ hỏi về chạy địa hình. Sự khác biệt này cung cấp cho các nhà tiếp thị thông tin hữu ích về nhu cầu mà các hệ thống AI liên kết với thương hiệu.

Một thứ hạng từ một câu trả lời cá nhân cung cấp ít ngữ cảnh hơn rất nhiều. Sự chênh lệch giữa việc xuất hiện ở vị trí thứ hai và thứ năm có thể biến mất lần hỏi tiếp theo. Một sự khác biệt nhất quán trong tỷ lệ đề xuất qua hàng trăm cuộc trò chuyện cung cấp cho các nhà tiếp thị một mẫu họ có thể nghiên cứu.

Tỷ lệ đề xuất cũng có thể giúp các nhà tiếp thị xác định sự di chuyển của đối thủ. Nếu một thương hiệu thường chiếm 30 % các đề xuất liên quan và bắt đầu chiếm 40 % trong vài tuần, các nhà tiếp thị có thể truy vết nguồn gốc của sự tăng trưởng này.

Họ có thể xác định những câu hỏi tiêu dùng nào đóng góp nhiều nhất vào sự tăng trưởng và mô hình AI nào đã tạo ra nó. Từ đó, họ có thể xem xét các thay đổi trong thông tin có sẵn cho các hệ thống đó.

Một sản phẩm mới có thể đáp ứng nhu cầu tiêu dùng cụ thể một cách gần gũi hơn. Các nhà bán lẻ có thể đã bổ sung thông tin sản phẩm đầy đủ hơn. Đánh giá của khách hàng hoặc các bài viết độc lập có thể cung cấp cho các hệ thống AI bằng chứng bổ sung về thời điểm một sản phẩm phù hợp với một trường hợp sử dụng cụ thể.

Mục tiêu của việc đo lường là đạt tới mức độ phân tích đó. Các nhà tiếp thị cần các chỉ số giúp họ xác định những thay đổi có thể điều tra, chứ không phải những chỉ số chỉ tạo ra nhiều chuyển động hơn trên bảng điều khiển.

Mua sắm AI khiến các giai thoại dễ bị nhầm lẫn thành xu hướng

Mua sắm AI khuyến khích đo lường dựa trên giai thoại vì các câu trả lời cá nhân tạo ra bằng chứng thuyết phục.

Một ảnh chụp màn hình hiển thị một sản phẩm ở đầu đề xuất của ChatGPT có thể lan truyền trong công ty chỉ trong vài phút. Tương tự, một ảnh chụp màn hình cho thấy một đối thủ lớn mà sản phẩm của công ty không xuất hiện cũng có thể lan truyền nhanh. Cả hai ví dụ đều cảm giác cụ thể vì nhân viên có thể tự nhìn thấy đề xuất.

Một câu trả lời vẫn chỉ đại diện cho một quan sát.

Vấn đề này sẽ tăng lên khi người tiêu dùng dựa vào AI nhiều hơn trong quá trình nghiên cứu sản phẩm. Adobe phát hiện rằng người tiêu dùng đến các trang web bán lẻ từ các nguồn AI sinh ra truy cập nhiều trang hơn và có tỷ lệ thoát thấp hơn so với khách truy cập từ các nguồn lưu lượng khác. McKinsey cũng đã ghi nhận cách các trợ lý AI sinh ra có thể thu hút người tiêu dùng sớm hơn trong hành trình mua sắm, trước khi họ quyết định mua gì.

Sự ảnh hưởng ngày càng tăng này mang lại cho các thương hiệu lý do mạnh mẽ để hiểu vị trí của mình trong các đề xuất AI. Nó cũng làm tăng chi phí khi rút ra kết luận từ bằng chứng yếu.

Các thương hiệu cần đủ quan sát để xác định tần suất các hệ thống AI đề xuất sản phẩm của họ, những câu hỏi tiêu dùng nào tạo ra các đề xuất đó và các mẫu hình này phát triển như thế nào theo thời gian. Một chuẩn cơ sở cung cấp cho các nhà tiếp thị ngữ cảnh cần thiết để nhận ra chuyển động kéo dài.

Khi các nhà tiếp thị xác định được chuyển động đó, họ có thể điều tra thông tin mà các hệ thống AI sử dụng để hiểu sản phẩm của mình. Họ có thể kiểm tra độ chính xác và đầy đủ của mô tả sản phẩm, thông tin nhà bán lẻ, đánh giá và các nguồn độc lập, sau đó xác định liệu các nguồn này có cung cấp đủ bằng chứng cho AI để liên kết sản phẩm với nhu cầu mà người tiêu dùng bày tỏ hay không.

Vai trò ngày càng tăng của AI trong mua sắm làm cho việc đo lường này trở nên quan trọng hơn. Người tiêu dùng hiện có thể sử dụng AI để nghiên cứu sản phẩm, so sánh các lựa chọn và thu hẹp quyết định mua hàng trước khi họ truy cập vào trang web của nhà bán lẻ.

Các thương hiệu cần hiểu những gì xảy ra trong các cuộc trò chuyện đó, nhưng việc giám sát nhiều hơn không tự động tạo ra thông tin tốt hơn. Giá trị nằm ở việc thu thập đủ quan sát để tách biệt sự biến đổi bình thường khỏi các mẫu hình kéo dài.

Các câu trả lời AI cá nhân sẽ tiếp tục thay đổi. Các nhà tiếp thị nên kỳ vọng như vậy. Sự chú ý của họ nên tập trung vào các mẫu đề xuất kéo dài đủ thời gian và đủ số lượng cuộc trò chuyện có liên quan để biện minh cho hành động.