亚马逊翻新Review机制，再掀重大变革潮流

亚马逊再度改进Review机制，引入了基于大语言模型的AI功能，使顾客能够通过以提问的形式获取商品详情和Review的信息。通过“顾客提问-AI回答”的新框架，顾客可以迅速了解商品的具体特点，无需逐一查阅用户评论。此前，亚马逊已经推出了“提炼Review”的功能，通过抓取和分析商品链接中的历史评论，将其总结成“摘要”并置顶显示在所有Review之上。这种方式让顾客首先关注摘要，而忽略了以往顾客的详细评论。

这次，亚马逊引入了基于大型语言模型的AI问答助手，作为AI评论总结功能的进一步发展。这些新功能的推出旨在让顾客能够快速而可靠地获取关键信息，以便更迅捷地进行购物。这样一来，AI总结或生成的内容在影响顾客心智方面能够更具竞争力。这一举措在一定程度上瓦解了爆款老产品的Review防线，同时也为新产品与老产品平等竞争提供了更多机会。

亚马逊近期发布了一项新的AI问答工具，它有哪些独特的功能呢？让我们来看一个例子。当顾客在浏览页面时，看到一款运动衫引起兴趣，可以通过向AI助手提问：“这款衬衫是由厚料制成的吗？”、“适合跑步穿吗？”或者“一个身高6英尺7英寸的人穿上合身吗？”等问题，亚马逊的AI会提供详细的回答。通常情况下，AI会基于商品描述和顾客先前的评论进行回答。以一个例子来说，对于“一个身高6英尺7英寸的人穿上合身吗？”这个问题，AI回答指出商品描述中没有涵盖衣服适合的最高身高，但根据其他顾客的评论，6英尺7英寸的人穿上这款衣服是合身的。

服装是亚马逊排名前三的类目之一，也是天然的生态屏障。然而，近年来，受到SHEIN、Temu等竞争对手的冲击，亚马逊感受到了来自市场的压力。因此，在服装类目上，亚马逊的AI进行了大量的优化工作，旨在通过AI帮助顾客选择合身的服装，以减少高退货率的问题（根据调查，58%的服装品牌表示，20%的电商订单存在退货现象）。

亚马逊的AI工具整合了品牌尺码系统、商品评论和顾客的个人偏好等多方面因素，以实时为顾客提供尺码、款式和特定部位合身性等信息。例如，对于购买裙子的顾客，亚马逊的AI可能会建议选择“XL”码，同时告知这一建议是基于数百万订单、退货和评论数据的分析。

那么，亚马逊的AI问答助手从何处获得答案呢？它汇总了历史评论、其他顾客的回答、卖家对类似问题的回应以及其他数据来源。除了回答商品参数相关的问题，AI还具备一定的智能，可以讲笑话、编写代码，甚至优化商品标题和描述。

然而，亚马逊对AI助手设定了一些限制，它不会回答涉及产品对比、寻找替代性产品、过往历史价格等与亚马逊产品无关的问题。这表明，亚马逊目前并不打算通过AI工具根本性地改变其生态结构和流量格局。

在亚马逊引入AI问答功能和AI评论提炼功能之前，卖家们辛辛苦苦积累的无形资产就是商品链接下的Reviews（用户评论）。然而，随着新功能的推出，顾客们逐渐形成了新的购物习惯——优先查看评论总结或通过向AI提问获取关键信息。

这意味着顾客不再像过去那样有耐心逐条阅读评论，而是更倾向于依赖AI的“总结”和“回答”内容来做出购买决策。这些由AI生成的内容除了基于商品描述和相对客观的Review反馈外，还带有一定的“主观性”，因为AI具备一些智能特性，能够进行代码编写、讲笑话以及进行一些延伸的“解读”。

例如，对于一款电动自行车，如果顾客询问“该自行车是否适合5英里的山路通勤？”亚马逊的AI会从用户Review和描述中提取相关信息，分析后给出回答，表示这辆自行车适合5英里的山路通勤。然而，如果问题变为“这辆车适合浪漫约会吗？”AI可能会建议选择更传统的休闲沙滩自行车或双人自行车，以获得更浪漫的骑行体验。这种情况下，一个本来想购买电动自行车进行约会的顾客可能会放弃购买。

另外，AI提炼Review并将摘要置顶在所有用户评论上，也会对用户的购买决策产生影响。例如，对于某个玩具产品，如果AI评论总结称“一些顾客在趣味性、外观、性能等方面给了正面评论”，但随后指出“不过，大部分消费者给了负面意见”，这可能导致顾客放弃购买，认为该产品不太理想。

这种新功能的推出在一定程度上削弱了老品Review的影响力，改变了流量格局，对“产品型卖家”更为有利，而对“营销型卖家”则起到了一定的制约作用。营销型卖家虽擅长于积累大量Review，但由于产品品控相对较差，顾客的抱怨和不满也会混杂其中。亚马逊的“AI评论总结功能”有助于将这部分负面Review挖掘出来，并置顶展示，从而影响其转化率。

总体而言，亚马逊在ChatGPT问世后，电商行业正进入一个新的AI时代。虽然亚马逊不会根本性地改变流量格局，但通过AI工具的应用，流量的分配机制将发生变化。可以预见，亚马逊将继续利用大语言模型改造其电商生态，围绕“顾客第一”的宗旨，为顾客提供更出色的购物体验。