Himanshu Jain，CommerceIQ 联合创始人兼产品负责人 – 访谈系列

Himanshu Jain，CommerceIQ 的联合创始人兼产品负责人，负责产品战略和开发，重点是构建能够自动化复杂零售和电子商务工作流的 AI 代理。自 2017 年共同创立 CommerceIQ 以来，他帮助塑造了公司在数字商务中运用数据、自动化和 AI 的方法。在加入 CommerceIQ 之前，Jain 曾在 Boomerang Commerce 担任产品战略、业务发展和客户成功的领导职务，期间与主要零售商合作，制定定价、品类和电子商务增长策略。职业早期，他是 A.T. Kearney 的管理顾问，并在 Capital One UK 工作近五年，涉及产品管理、信用风险、营销策略、分析和统计建模。他还为初创公司提供上市策略咨询，并为 Marketing Land 撰写了关于 Amazon 和电子商务的文章。

CommerceIQ 是一个由 AI 驱动的零售商务平台，旨在帮助消费品牌在电子商务渠道中管理和优化其表现。其平台整合了销售、零售媒体、数字货架、内容、库存和竞争数据，为团队提供覆盖 1,500 多家零售商和 85 个国家的统一绩效视图。CommerceIQ 越来越多地通过其 AllyAI 技术专注于代理式 AI，拥有能够分析零售信号、推荐行动、自动化报告、优化广告出价和预算，并在定义的控制范围内执行选定电子商务工作流的专用代理。公司将此方法定位为从仪表板驱动的零售管理向跨销售、媒体、内容和数字货架的持续 AI 辅助执行的转变。

在共同创立 CommerceIQ 之前，你已经在产品管理、客户成功、业务拓展等领域工作了十余年。是什么让你投身于代理式零售？以及以往技术转型的哪些经验塑造了你对这一次的看法？

在代理式 AI 出现之前，大多数软件的设计目标是让人的工作更快。Excel 能帮助你更快地构建模型。仪表板能帮助你更快地做出决策。代理式零售的改变在于，软件现在可以自行完成工作，而不仅仅是加快人类的操作。代理可以像新员工一样学习你的环境。你的流程、内部指南、实际的决策方式以及最终目标的端到端执行，都由人提供上下文并审计输出，而不是亲自完成每一步。这是一类完全不同于我之前在产品管理或客户成功中使用的任何软件，也正因如此，我认为这是一场我所见过的最根本的技术变革，而非增量式的。其发展速度也前所未有。智能手机用了多年才普及。代理式 AI 已经改变了整个行业的运作方式，并且没有放慢的迹象。我从早期转型中最认真吸取的教训是，依据过去进行预测的人往往会在这里做出错误判断。我发现最有效的做法是保持开放心态，亲自实践，并从当前实际发生的情况中学习，而不是仅仅依据上一个周期的经验。

你区分了“代理式商务”，即消费者使用 AI 代理来发现并购买产品，以及“代理式零售”，即品牌使用代理来管理其销售方式。随着双方日益自动化，你如何看待消费者、品牌和零售商之间关系的变化？

零售发现经历了几次真正的转变。20 世纪 80 年代和 90 年代，主要是通过邮寄的宣传单、店铺决定重点展示的商品，由人来挑选。Amazon 打造了无限货架。每一次关键词搜索都变成了自己的无限货架，但仍然由人阅读标题、浏览评论并自行做出选择。现在的变化在于人类和代理共同购物。你表达意图后，代理可以完整阅读页面上的每个产品、每项声明、每条评论、每个要点，针对你的实际需求进行意图分析，并向你提供四五个推荐。你仍然会挑选其中一个，但代理已经完成了人们过去通过浏览所做的比较工作。对品牌而言，代理根据消费者及其代理的搜索需求优化产品详情页内容，决定投放哪些产品的广告，并帮助管理商品陈列。零售商位于这一循环的中间，控制两侧信号的流动量以及向谁展示何种促销。该数据和决策层正日益成为零售商的专有资产。

产品发现正从传统的关键词搜索转向能够比较产品、总结选项并提供推荐的 AI 助手。当品牌越来越需要争取 AI 代理的推荐，而不仅仅是在搜索结果中获得高排名时，应该如何重新思考产品内容和数字货架策略？

人类快速浏览页面，阅读评论摘要，并查看几张图片。代理可以读取每一个像素。即使在购物代理内部，您的问题也会被拆分为关键词，这些关键词被搜索，结果被提取，每个产品被完整读取，然后意图算法对它显示给您的候选列表进行排序。这意味着内容必须同时适用于传统搜索和像素级读取，而不是二者择一。这也取决于您正在优化的代理类型。像 Rufus、Sparky 和 Alexa Shopping 这样的购物代理是实际购买完成的场所，推动业绩的关键是产品页面本身以及其上的每个属性和声明。像 ChatGPT 或 Perplexity 这样的通用代理更像是漏斗顶部的研究，在那里获得提及更接近于赢得的媒体、引用、博客文章和第三方稿件。将它们视为同一问题的品牌最终会为错误的表面进行优化。

“agentic AI”一词现在被应用于广泛的产品。在零售领域，真正的 AI 代理与传统基于规则的自动化或在其上叠加生成式 AI 界面的分析平台有何区别？

基于规则的自动化是如果 X 发生，就执行 Y。它没有智能，无法处理任何未明确编程的情况。仪表盘之上的生成式界面只是让相同的静态洞察更易阅读。真正的代理能够思考、规划、执行，然后持续评估和适应，像您培养的初级分析师一样。您向它提供上下文、流程、指南以及之前做出的决策，它会针对目标开始执行，而不是等待下一个规则触发。这是我实际使用的测试：它能否以您训练的人的方式运作，还是仅仅是始终静态的东西的更快版本？

传统上，商务团队会有人监控库存、定价、产品页面、零售媒体、搜索表现以及数千种产品的竞争活动。今天哪些运营空白最适合自主 AI 代理，而哪些领域的人类判断仍难以替代？

我把这看作是一个 2×2 矩阵，衡量决策需要的判断程度和影响力度。低判断工作的直接交给代理。高判断或高影响的工作则保留人为提供战略指导并审计结果。实际上，这意味着先从长尾 SKU 和长尾零售商开始——这些产品一年都没人触及，并先将其设为自动驾驶，因为错误的影响范围小。您的核心 SKU 和核心零售商仍保有人为层面，这一层不仅用于审计；它也是您训练代理的方式。当您发现问题时，会告诉它本应如何以及为何如此，这种反馈使其随时间变得更好，而不是始终平庸。

如果专用代理仅针对孤立目标进行优化，可能会自行产生问题。媒体代理可能会为即将缺货的产品增加广告投放，而定价代理则可能在牺牲利润的情况下提升转化率。如何确保多个代理共同朝着品牌更广泛的商业目标努力，而不是仅仅优化各自的指标？

这正是我们构建编排器而非一组独立代理的原因。我们的编排器名为 Ally，其目标是销售增长，而非任何单一渠道的指标。它识别机会和风险，权衡取舍，然后将具体任务分配给工作代理、媒体、内容和定价，并在它们之间共享相同信息，避免孤立优化。没有这一层，便会出现问题中描述的失败模式：媒体代理在库存即将耗尽的产品上进行支出，因为它看不到库存情况。

零售数据常分散在零售商门户、广告平台、库存系统、产品信息系统以及内部分析工具中。数据质量和数据统一对成功的代理零售有多重要？赋予 AI 代理更大自主权是否会使不良或不完整的数据更具危害性？

将数据整理成合适的形态，具备真实的语义结构和恰当的本体，而不仅仅是相邻的原始数据流，是这里的大部分实际工作。许多团队认为可以将内容上传至 ChatGPT，或在现有系统之上接入代理，结果往往不一致；有时有效，有时出现幻觉，无法依赖。自主性会使情况更糟，而非改善，因为人类在使用错误数据时通常会在行动前发现错误。而使用错误数据的代理会立即、规模化地执行，甚至在任何人注意到之前。

随着品牌对 AI 代理的熟悉度提升，他们应如何决定哪些行动可以自主执行，哪些仍需人工批准？从“AI 推荐”到“AI 行动”的实际演进是怎样的？

这应该是逐步进行的，而不是一次性完成。大多数团队的起始点大约是 10% 自动化，90% 仍需人工批准。随着反馈循环的进行，人在纠正代理，代理又将这些纠正纳入自身，信任度会提升，比例会转向 20% 自动化、80% 需要批准，随后在行动数量和自动化价值上进一步提升。该进程的起点是低影响范围的工作、长尾 SKU 和你本来并未积极管理的零售商，而只有当实际业绩记录形成后，它才会扩展到更高影响、更高判断的决策。

零售媒体传统上高度关注广告支出回报率等指标，但人们日益关注广告是否真正带来增量销售。人工智能如何帮助品牌在增量、盈利能力以及广告预算分配方面做出更好的决策？

品牌可能会过度沉迷于测量。进行为期一个季度的深度增量研究听起来很严谨，但通常等研究完成时市场已经发生变化。我更倾向于看到团队建立一套实用的启发式规则并更快付诸行动：如果你的自然排名已经很高，就不要再加价竞标；你在为本来就会成交的销售付费。如果你的自然排名较低，那正是广告支出真正发挥价值的时候。如果有潜在受众并不知道你的产品，应该在那儿投放以进行教育。争论一美元的增量回报是 1.48 美元或 1.68 美元，只是浪费时间而不是行动。更快采取行动并接受数字大致正确而非完美精确，才是真正推动销售的方式。

如果购物者侧的 AI 代理日益负责发现、比较和购买，而品牌侧的代理管理内容、定价、广告和库存，我们最终可能会出现机器影响交易双方的局面。您认为在这种环境下电子商务会是什么样子？以及最终是什么因素会将成功的品牌与那些在这些 AI 驱动的购买系统中变得无形的品牌区分开来？

我认为我们短期内不会出现代理之间完全自主交易的情况。我看到的则是人类与代理在双方共同购买，代理负责比较和推荐工作，而人类仍作最终决定；品牌方也是同样的模式，代理执行任务，人类制定策略并批准关键决策。在这种情形下，实体产品仍必须优秀；再多的优化也拯救不了劣质产品。更重要的区分因素是上下文：代理对贵公司业务拥有多少背景信息、学到了多少、以及获得了多少反馈。这决定了一个会犯愚蠢错误的代理与一个真正理解品牌声音和战略、足以被信任做出真实决策的代理之间的差别。能够获胜的品牌是那些把为代理提供良好上下文和有效反馈循环视为核心工作，而不是副项目的品牌；而跳过这一步的品牌则会变得无形。

感谢这次精彩的采访，想要了解更多的读者请访问 CommerceIQ。