AI 購物助理在微小情境變化下偏好大幅波動

核心發現

賓夕法尼亞大學沃頓商學院的研究團隊發現，當搜尋情境僅有極細微的變化時，AI 購物助理的產品推薦會出現 大幅度的偏好波動。即使只改變一則外部資訊的呈現順序，或是將資訊一次性或逐步提供，模型的選擇結果都可能相差數十個百分點。

背景與實驗設計

研究人員選取六款目前市面上常見的語言模型（包括小型變種與最前緣的大型模型），讓它們在 ACES 模擬器（Agentic e‑Commerce Simulator）中扮演個人購物助理，從固定的健身手錶商品格中挑選一款。模型僅看到商品頁面的螢幕截圖，必要時可自行抓取外部推薦來源，再給出最終選擇。

1. 單一外部來源的衝擊

Reddit 推薦 Garmin Forerunner 55
Wirecutter（知名產品評測網站）推介 Fitbit Inspire 3
Strategist 文章介紹 WHOOP 5.0

結果顯示，Wirecutter 的影響力最為顯著。Claude Opus 4.8 在加入 Wirecutter 文章後，選擇 Fitbit Inspire 3 的機率提升 90 個百分點；Gemini 3.5 Flash 則上升 99 個百分點。

2. 多來源組合的效應

即使同時提供兩至三則來源，模型仍傾向於 Wirecutter 的推薦，且來源數量增加反而使結果更不穩定。不同模型對於多來源的敏感度各異，並未出現「相互抵消」的平衡效應。

3. 資訊呈現順序的影響

在第三組實驗中，研究者把三則來源以不同順序同時送入模型。若決策過程真正穩定，結果應保持不變；然而事實並非如此。

Gemini 3.1 Flash Lite 的選擇機率在不同順序間波動 2% 至 56%。
Claude Haiku 4.5 則相對穩定，僅在 41%–42% 之間變化。

這證明 資訊呈現順序本身即是產品選擇的驅動因素。

4. 資訊傳遞方式的差異

GPT‑5.5 在一次性（bundled）傳遞三則來源時，選擇 Fitbit Inspire 3 的機率提升 53 個百分點；若改為逐一（sequential）傳遞，提升幅度僅 6 個百分點。說明模型對「一次性」與「逐步」資訊的感知差異極大。

5. 客觀優勢商品仍被忽視

研究者在第四組實驗中，將商品格改為一款明顯優於其他選項的智慧手錶（內建 Alexa、售價 29.99 美元、評分 5.0、430 則評論），其餘商品價格均在 359 美元以上。加入簡短的使用者記憶敘述（如「我熱愛登山！」）後，部分模型竟偏向較貴的商品。

Claude Opus 4.8 的 Garmin Vivoactive 5 選擇率上升 75 個百分點。
GPT‑5.5 上升 37 個百分點，Gemini 3.1 Flash Lite 上升 36 個百分點。

此現象顯示，即使存在客觀上「最佳」的商品，AI 助理仍可能因上下文暗示而做出非理性選擇。

影響與未來展望

這系列實驗揭露了當前 AI 購物助理在 情境依賴性 與 資訊呈現策略 上的脆弱性。對電商平台而言，若未對模型的偏好波動進行校正，可能會出現：

消費者信任危機：同一商品在不同訪問時得到截然不同的推薦，會削弱使用者對 AI 助理的信任。
不公平的曝光機會：某些品牌或媒體來源因順序或打包方式獲得過度曝光，影響市場競爭。
決策透明度需求：業者需向使用者說明模型如何整合外部資訊，避免「黑箱」決策。

未來的研究與實務應聚焦於：

穩定化提示工程（prompt engineering），確保模型在相同內容下產出一致結果。
多模態驗證機制，結合使用者行為與產品客觀指標，降低情境偏差。
法規與標準制定，針對 AI 推薦的資訊來源與呈現方式設立透明度要求。

總之，AI 購物助理的推薦能力已相當強大，但其 對微小情境變化的敏感度 仍是不可忽視的風險。業者與研究者必須共同打造更可預測、公平且透明的 AI 購物體驗，才能真正讓技術為消費者帶來價值。