比如，一个人收藏了某个品牌的行李箱，过了很久都没有下单。后来，一次出差定了日期，他重新打开商品页，确认能在出发前送到，买了。

问他为什么选这个品牌，答案可能是结实、好看、价格合适。问他为什么这一天买，答案却变成了：行程确定了，旧箱不够用，送达时间也有保障。

两种回答都真实，却指向不同的营销工作。前者关系到品牌凭什么进入选择，后者关系到购买怎样真正发生。

今天讨论AI营销，有必要把这两个问题一起放到桌上。内容可以生成得更快，投放可以调整得更细，但品牌还要弄清：消费者眼下发生了什么，又有什么问题没有解决？

这会影响调研怎么问、内容怎么做，也会影响我们怎样判断AI到底有没有用。

凯度与亚马逊广告近期联合发布了《出海新视野》《品牌破局》两本白皮书。根据Morketing对报告的公开解读，消费者研究覆盖美、英、法、德、日五国，共2,000名受访者；从第一次看到商品到最终决定购买，平均跨度约8.8天。在研究的品类决策记录中，41.1%出现过暂停考虑。来源：Morketing报告解读

这些数字给品牌一个提醒：还没有成交的时间，也值得研究。

一个人暂时离开，可能是没有看懂差别，可能是预算没安排好，可能是要和家人商量，也可能只是这件事还没有排到生活的前面。品牌需要区分这些情况，才知道下一次应该补充什么。

国内的材料提供了另一个观察角度。埃森哲2025年中国消费者调研覆盖5,000名受访者，报告显示，55%即使有喜爱的品牌，也会频繁比较多个品牌；37%在有明确购买需求、查找商品或服务信息时，会使用AI工具。来源：埃森哲《中国消费者洞察》

有品牌偏好，仍然会比较；有购买需求，仍然需要寻找答案。喜欢、考虑和行动之间，留着一段需要理解的距离。

把这些材料放在一起，可以提出一个值得品牌检验的问题：除了产品价值，消费者当时的处境、顾虑和可获得的信息，是否正在决定购买能不能向前走？

海外研究和国内调研并非同一套样本，不能拼成一条统一的增长趋势；它们足以帮助我们把研究问题问得更具体。

“为什么现在买”很容易被理解成优惠、倒计时和限时促销。但购买时机背后，还有更真实的生活条件。

工作换了，需要一套适合出差的装备；搬家了，原来的家电尺寸不合适；家里有人开始健身，饮食和收纳习惯一起改变。也有些购买没有重大事件，只是旧东西越来越不好用，消费者终于愿意花时间处理。

回到行李箱的例子。结实和好看，可能让品牌早早进入候选名单；出差日期确定，让需求变得具体；送达时间明确，让下单变得可行。这些条件分别发挥作用。

因此，品牌调研可以在产品偏好之外，增加三层观察。

同样一句“太贵了”，放在不同处境里，含义也不一样。有人确实超出预算，有人没看出差别，有人担心买错，还有人觉得暂时用不上。

如果只把这些回答归为价格问题，接下来的动作很容易都变成降价。沿着购买过程继续问，才可能发现，消费者需要的是适配说明、可靠的交付承诺，或者一次更清楚的产品比较。

“为什么买”仍然决定品牌价值。“为什么现在买”，让我们进一步看清价值在什么条件下转化为行动。

“你一般怎么选品牌”，适合了解消费者的概括性看法。要研究购买时机，可以请他复原最近一次具体经历。

从哪一天开始留意，到中间看了什么、问了谁、在哪一步停下来，再到最后发生了什么。按时间顺序往回走，能够减少只用一句“性价比高”解释整段过程的情况。

下面这张表，可以作为一次购买过程访谈的起点。

提问时，不急着把答案引向品牌希望听到的方向。消费者提到价格，就继续问当时在比较什么；提到一条视频，就追问看完之后做了什么。不要替他说出“是不是因为我们更专业”。

样本也要包括仍在犹豫的人、后来选了其他品牌的人，以及退货的人。只访问成交顾客，容易把最终留下来的理由，当成所有人的理由。

事后回忆也会遗漏、重排甚至美化过程。得到许可后，可以结合订单时间、当时保存的内容、咨询记录，或者让正在考虑购买的人做短期记录，帮助还原经过。材料之间有矛盾，就保留矛盾，继续核对。

这里不必追求每个人都画出一条完整的跨平台轨迹。先把一件购买中的关键变化查清楚，比填满一张看似完整的路径图更有价值。

这类研究的难处，在于材料分散。访谈里有顾虑，客服记录里有问题，评论和退货原因里又有另一部分信息。人工很难持续把它们放在一起看。

在获准使用、去除不必要个人信息的前提下，AI可以帮助整理这些材料：按触发事件、犹豫原因、缺失信息、重新考虑的线索分类，保留对应原话和出处，再由研究人员抽查、修正。

例如，同样是咨询行李箱，有人问能不能登机，有人问装满之后好不好推，有人反复确认何时到货。把它们都标成“高意向用户”，还不足以指导下一步沟通。

把问题分开，内容和服务就有了具体任务：尺寸与适配说明、真实负重条件下的使用展示、按地区核实的交付安排。各自回应一种顾虑，也方便检查有没有答到点上。

AI还可以把经核实的参数、适用条件和售后政策组织成方便查询的答案。消费者已经开始用AI比较商品，品牌就需要让这些信息准确、一致、能够查证。

但一次浏览、一个关键词，都不足以断定消费者为什么没有买。AI归纳出的解释，首先是研究线索，需要真实材料和后续行为来校准。让AI扮演消费者生成一批回答，也不能据此认定真实人群的购买动机。

这类能力是否值得投入，有实验可以参考。发表于2025年《Information Systems Research》的一项研究，在中国直播购物场景中随机提供AI信息助手，分析了约13.2万名消费者的数据：下单次数相对增加约3%，退货率相对下降约12.6%。实验发生在2021年，使用的是当时的信息辅助技术，效果范围限于该平台和研究情境。来源：论文发表版

对品牌更有用的启发，是一种可以测试的方向：把消费者当时需要的信息答清楚，是否既能帮助购买，也能减少买错？

这个方向比单独追求回答速度、内容数量，更接近消费者实际完成的任务。

发现某类顾客容易成交，与证明营销促成了成交，是两件事。

已经确定行程的人，本来就更可能购买行李箱。系统如果总把资源给这类人，转化数据可能很好，却还不能说明多出来多少生意。

同样，顾客用了AI助手之后下单，也可能是因为他原本就打算买，或者恰好遇到了促销。需要建立可信的对照，才能进一步判断新增服务的作用。

比如，一个品牌想验证“把尺寸适配、使用差别和送达时间讲清楚，能否改善购买结果”，可以在可执行的范围内，随机让一部分符合条件的顾客获得新服务，另一部分维持原有服务，并尽量保持价格、促销和商品供给条件一致。

测试前先定好主要指标、观察周期和停止规则，避免看到哪项数字好看，就临时改用哪项证明成功。

观察周期要覆盖本品类的主要决策过程，并等待必要的退货结果。海外调研中的8.8天平均值，不能直接拿来当作每个品牌的测试周期。

还有一层区别：这次改善究竟来自更好的信息和流程，还是来自AI本身？

如果要回答AI的额外作用，样本和条件允许时，还需要比较“同样的信息与服务，由人工提供”和“由AI辅助提供”。只把原来缺失的服务补上，再把全部收益记给AI，会高估技术本身的贡献。

样本不够时，可以先验证整体服务改进是否有用，把AI节省的整理时间、人工复核量和错误情况单独记录。证据能回答到哪一层，就把结论说到哪一层。

回到开头那只行李箱。品牌需要长期让人记住它结实、好看、值得考虑；当消费者真的要出发，又需要把尺寸、使用和交付问题解释清楚。

这两项工作可以互相接续。前面的品牌积累，让消费者愿意回来；眼前准确、有用的信息，帮助他判断这一次是否适合购买。

对品牌营销负责人，一个可以开始的动作是：选一个重点产品，把近期成交、未成交和退货的购买经历放在一起，找出一处反复出现、品牌能够解决的信息缺口。先补它，再用合适的对照检查结果。

AI营销的价值，可以从这里开始检验：消费者的问题有没有被更好地理解和解决，品牌有没有因此获得更有质量的成交。

“为什么买”，让品牌知道自己凭什么被选择；“为什么现在买”，让品牌更接近消费者真正作出决定的那一刻。

海外数据据Morketing于2026年10月22日发布的白皮书解读转述，未取得白皮书原始问卷及完整统计表。本文未将其解释为中国消费者比例或营销因果效果。

国内调研见埃森哲《美好生活新主张》中文报告，相关数据见报告第7—8页，方法见第23页：2025年8月中旬至9月上旬，在线调查一至五线城市18—65岁受访者，样本量5,000。37%对应信息获取行为，不含电商平台内AI助手，不代表AI完成购买或带来37%的销售。

AI实验见Wang等，2025，Information Systems Research。本文采用发表版结果；“3%”对应下单次数相对变化，“12.6%”为退货率相对下降12.55%的约数，并非下降12.6个百分点。本文的行李箱情境、访谈表与测试建议为说明性应用，不是研究中的案例或本人的客户实绩。