AI 帮你读评论：亚马逊悄悄改了电商购物的底层规则

前段时间，我在亚马逊上买一个咖啡机。

页面打开，密密麻麻几百条评论。我正准备像往常一样，从第一条翻到最后一条，眼睛瞪得像铜铃。

然后我看到一行字。

「Customers say」——AI 帮你把几千条评论读完了，提炼出几个关键词：好用、稳定、易清洁，每个词后面还打了个对勾。点一下，直接跳到相关评论。

我当时就觉得，这事不简单。

93% 的人都在做同一件事

咱们先退一步说。

2021 年，Kantar 做过一个调查。93% 的消费者，下单前会看评论。85% 的人说，评论是他们做决定的关键因素。

你看，评论已经不是参考，是决策本身。

但问题来了。评论越多，水越深。亚马逊上的搜索排名跟评论数量、好评率直接挂钩。有商家就动了歪脑筋，刷好评、堆假评。亚马逊封号、整顿，一波接一波。可只要排名机制还在，刷评这件事就断不了。

亚马逊想了个釜底抽薪的办法：与其让人一条条看，不如让 AI 帮你读。

什么叫生成式 AI 评论？

这就是我在咖啡机页面看到的那个东西。

它不是某个真人写的，也不是 AI 装成人在写。它做的事是：把几百上千条评论全部喂给算法，让 AI 提炼出共性，然后给你一个浓缩版。

性能怎么样，好不好用，稳不稳定——这些过去要你翻半小时才能拼凑出来的信息，AI 三秒就给你摆好了。被埋没的差评和中评，也被 AI 从角落里捞了出来，放在你能一眼看到的位置。

亚马逊、淘宝、大众点评、Agoda，这几家都上了类似功能。逻辑是一样的：评论太多了，人来不及读，那就让机器来。

但它真的有用吗？

这就引出一个问题。

AI 生成的评论总结，到底是真帮消费者做了更好的决定，还是看着热闹、其实没用？有人觉得它解决了信息过载，也有人觉得它太机械、没有温度，还有人担心 AI 会产生幻觉——一本正经地编一段产品根本不存在的特点。

这事儿光吵没用。2024 年，有一项研究就专门拿这个问题做了一次实证。401 份有效问卷，覆盖的都是有网购看评论习惯的人。研究者用了一个老牌理论框架——ELM，精细加工可能性模型，来拆解这件事。

ELM 说，人处理信息有两条路。一条叫中心路径，看的是信息本身的质量；一条叫外周路径，看的是信息的来源可信度。 放到 AI 评论上，就是两个问题：评论本身写得好不好，以及，这评论值不值得信。

四件事，缺一不可

研究者把生成式 AI 评论拆成了四个维度，正好对应这两条路径。

中心路径上是两个：评论质量和情感内容。质量说的是相关性、客观性、够不够详细；情感说的是评论里有没有让人共鸣的东西，是冷的还是热的。

外周路径上也是两个：评论长度和评论可信度。长度是 AI 总结得够不够全，可信度是你信不信它。

结果呢？四个维度，全部显著正向影响消费者的购买决策。而且全部通过一个中介起作用——感知有用性。

说白了就是：消费者判断一个 AI 评论好不好，最终落在一个问题上——「这东西对我有没有用」。质量高、有情感、长度合适、可信，消费者就觉得有用；觉得有用，就更愿意下单。

数据很硬。四个维度的相关系数都在 0.8 以上，p 值小于 0.01。

有意思的发现：信任只调节长度

研究里最让我意外的，是关于「信任」的那一组假设。

研究者本来想：一个人信不信 AI，应该会影响他对 AI 评论所有维度的判断吧？结果不是。

信任倾向只在一个地方起作用：评论长度。

对于信 AI 的人来说，评论越长，他觉得越有用。他默认这长度是算法和大数据堆出来的，信息更全，值得花时间细读。不信 AI 的人呢，看到长评论反而觉得多余、觉得是编的，感知有用性不升反降。

但质量、情感、可信度这三个维度，你信不信 AI，影响都不显著。

为什么？

研究者给了一个解释。质量好不好、情感共不共鸣，这些是人靠自己的判断力就能感觉到的，不需要先相信 AI。而可信度这件事，消费者更多是看平台的——我对亚马逊这个平台有信任，它出的 AI 评论我就信。

也就是说，有些判断靠的是你自己的脑子，有些靠的是对平台的信任。AI 信任倾向并不是万能开关。

AI 评论不是万能药

研究中也指出了几个绕不开的问题。

AI 可能带着偏见。训练数据里如果有性别、种族、文化的偏差，这些偏差会被放大，消费者收到的就是扭曲的信息。更狠的，有人可能反过来利用生成式 AI 的特点，批量造假评论混进数据源里，这比过去人工刷评还难查。再加上 AI 幻觉，编出来的产品特点你没注意，真下单了才发现不是那么回事。

认知负荷也是一个。信息太多、太长，消费者的脑子装不下，反而做不出决定。信息过载的解法，如果搞不好，就会变成新一轮的信息过载。

这件事到底改变了什么

我想了想，觉得这件事的真正意义不在 AI 评论本身。

它改变的是消费者和商品信息之间的关系。

过去十几年，电商的评论系统本质上是一个UGC产品——用户给用户写参考。这套系统有效，但也有天然缺陷：水军、刷评、信息过载、极端评论淹没理性评价。

生成式 AI 评论做的是，在这个 UGC 系统上面再叠一层：让 AI 先帮你读完原始数据，再给你结论。

这是一次介质的切换。从「人人对话」变成了「AI 替你读所有人」。

所以那项研究里最关键的发现，其实是「感知有用性」这个中介。消费者不关心 AI 评论的技术多先进、算法多复杂。他们只关心一件事：这东西到底帮不帮我做决定。

帮到了，就买；没用，就划走。

对电商平台来说，这意味着什么？意味着 AI 评论功能不能做成摆设。质量要高、信息要全、长度要因人而异——信 AI 的用户给详细版，不信的给精简版。Lazada 做的 LazzieChat 就是这个思路，用聊天的方式理解用户偏好，再给个性化的推荐，把购物流程压短。

透明度也得跟上。标清楚这是 AI 生成的，亮出数据来源，把算法逻辑讲明白——你越藏着，消费者越不信。

最后

我在亚马逊上买了那个咖啡机。

看了 AI 总结的评论，又点进去确认了两条原始评价。下单，整个过程不到十分钟。

十年前我干同样的事，至少得花四十分钟，翻评论、对比、纠结。

我不知道 AI 评论是好是坏。但我知道一件事：当消费者的决策时间被压缩到原来的四分之一，所有做电商、做营销的人，都得重新想想，自己的位置在哪里。

答案也许藏在另一个问题里：在 AI 帮你读完所有评论之后，你还剩下什么不可替代的价值？

这个问题，值得每个做消费生意的人，好好想想。