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
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。