根据Adobe周四发布的最新数据,截至2026年3月,AI为美国零售商网站带来的流量较上一年同期大幅增长269%,延续了假日购物季的强劲势头——彼时AI流量增幅高达693%。而在2026年第一季度,随着越来越多的消费者借助AI助手进行网购,AI流量同比增幅已达393%。
这一变化带来的影响远不止流量来源的改变。数据显示,由AI引导而来的访客具有更高的转化率、更强的互动意愿、更长的页面停留时间,以及更高的每次访问收益。这在一定程度上颠覆了一年前的规律——彼时普通消费者对零售商而言更具价值。
Adobe的分析数据来源于其旗下Adobe Analytics部门,该部门覆盖逾1万亿次美国零售网站访问记录,同时结合了对超过5000名美国受访者的购物行为调查,以及该公司新推出的AI内容可见性检测工具——该工具专为测试零售网站能否被大语言模型顺利访问而设计。
调查结果显示,39%的受访者表示曾在网购时使用AI,其中85%认为AI提升了购物体验。这一结果很可能源于AI能够帮助用户快速缩小商品范围、精准找到所需产品,并发现折扣优惠。此外,66%的受访者表示,他们现在认为AI工具在购物场景中能够提供准确的搜索结果。
与内容发布领域AI导致来源流量下滑的情况不同,零售商有充分的动力将自身网站打造成AI友好型平台。
Adobe数据显示,2026年3月,AI流量的转化率比真实访客高出42%,创下历史新高。值得关注的是,这一结果与一年前的趋势截然相反——2025年3月,AI流量的转化率还比普通访客低38%。
此外,Adobe发现,当消费者通过AI渠道进入零售网站时,其互动率比通过非AI渠道进入的访客高出12%;页面停留时间也更长,平均增加48%;浏览的页面数量同样更多,每次访问多浏览13%的页面。
从收益角度来看,截至今年3月,AI驱动的每次访问收益(RPV)比非AI流量高出37%。而就在12个月前,真实人类流量的价值还比AI流量高出128%。
然而,Adobe也发出警示:目前并非所有零售网站都已做好迎接AI的准备。研究发现,零售商首页约四分之一的内容尚未针对大语言模型进行优化,分类页面的情况与此相近。商品详情页的问题更为突出,约34%的页面无法被AI正常访问。
对此,Adobe建议零售商积极优化网站的大语言模型可访问性,以便在未来的网购竞争中持续保持用户心智占位。
Q&A
Q1:Adobe的AI流量数据是基于什么来源得出的?
A:Adobe的数据来源于旗下Adobe Analytics部门,该部门覆盖逾1万亿次美国零售网站访问记录。与此同时,Adobe还参考了对超过5000名美国受访者的购物习惯调查,以及新推出的AI内容可见性检测工具的测试结果,该工具专门用于评估零售网站能否被大语言模型顺利读取和访问。
Q2:AI流量和普通流量相比,对零售商来说哪个更有价值?
A:根据Adobe 2026年3月的最新数据,AI流量的价值已全面超越普通流量。AI来源访客的转化率比普通访客高42%,每次访问收益高出37%,页面停留时间长48%,浏览页面数多13%。这与一年前的情况完全相反——2025年3月时,AI流量的转化率还比普通访客低38%,普通流量的访问收益更是AI流量的2倍以上。
Q3:零售商网站目前在大语言模型适配方面存在哪些问题?
A:Adobe的检测结果显示,目前仍有相当比例的零售网站内容未能适配大语言模型。其中,首页和分类页各有约25%的内容未经优化,而商品详情页的问题更为严重,约34%的页面无法被AI正常读取。Adobe建议零售商尽快优化网站的大语言模型可访问性,以便在AI驱动的购物趋势中抢占先机。
好文章,需要你的鼓励
英国国家医疗服务(NHS)正将无人机纳入常规医疗物流体系。自今年2月起,无人机每天在雷恩斯公园和圣乔治医院之间运送血液等诊断样本,飞行仅需3分钟,比公路运输快约85%,且碳排放减少高达98%。目前已有逾2000名患者受益。NHS计划将该服务扩展至圣赫利尔、克罗伊登等多家医院,最终惠及约180万名患者。该网络由英国医疗初创公司Apian与谷歌旗下Wing合作运营。
AgentLens是Explyt公司联合俄罗斯学术机构开发的AI编程助手评测基准,通过分析完整人机交互轨迹而非仅看最终结果,从五个维度评估代码智能体的真实表现。
边缘AI计算厂商Aetina宣布,将在其DeviceEdge AIE-KT风冷系列和新款AIE-PT无风扇平台上支持英伟达全新Jetson T3000和T2000模块。T3000基于Blackwell GPU,最高提供865 FP4 TFLOPS算力,功耗70W;T2000则提供400 FP4 TFLOPS,面向视觉AI代理和自主移动机器人等场景。两款模块预计2027年第一季度上市,支持Nemotron、Cosmos 3等英伟达AI软件生态。
韩国梨花女子大学提出Splash框架,通过识别AI模型中的"休眠参数"并只在其中训练触觉能力,让小型多模态AI在学会感知材质触感的同时,完整保留原有视觉语言推理能力。