上週 Hacker News 首頁有一則相當醒目的貼文:productrise.app 實測 Google AI Mode 的推薦結果,發現在相同查詢下,AI Mode 推薦產品的平均價格,比傳統搜尋高出 21.6%。
演算法推薦的是更合適的產品,還是單純更昂貴的產品?這個問題比 21.6% 這個數字本身更值得拆解。
21.6% 是怎麼測出來的
productrise.app 的測試方法不算複雜,但有幾個細節值得說明:
- 樣本:以電子產品類查詢為主,包括耳機、鍵盤、顯示器等;同一組查詢分別使用傳統 Google 搜尋與 AI Mode
- 比較方式:比較兩邊各自推薦的「第一項結果」或「推薦清單首位」
- 結論:AI Mode 首位推薦產品的平均價格,比傳統搜尋首位高出 21.6%
這套方法仍要打些折扣。原文沒有披露具體樣本數,而且測試集中在電子產品類。目前還沒有人成功重現全品類結果,因此不能直接推論所有商品都存在相同幅度的價差。
關鍵不只是貴 21.6%,而是貴的商品排名更靠前
「貴 21.6%」可能有兩種解讀:
- AI Mode 的推薦內容中混入了一些高價商品,整體平均價格因此高出 21.6%
- AI Mode 系統性地把更昂貴的產品推到推薦清單首位
productrise.app 的資料指向第二種解讀,也就是排名位置受到價格影響。
換句話說,高價商品不只是「出現在」AI Mode 的答案中,而是被演算法主動推到第一、第二名等最容易吸引點擊的位置。
兩者代表的意義完全不同:
- 如果只是偶爾混入高價商品,使用者還能自行往下比較
- 如果高價商品總被推到首位,一般使用者的注意力幾乎會被鎖定在第一個答案上
這是更值得警惕的商業化訊號。AI Mode 表面上提供「答案」,實際上提供的卻可能是「經過競價排序的答案」。
Google 的雙重身分:搜尋引擎與購物廣告主
Google 存在一個結構性矛盾:它既是搜尋引擎,也是全球規模最大的購物廣告平台之一。
- 傳統搜尋:廣告版位會標示「Ad」或「贊助」,雖然付費曝光,但使用者看得出來
- Shopping 廣告:Google Shopping、Performance Max 等產品的核心,就是付費置頂
- AI Mode:推薦內容是一段渾然一體的 AI 生成文字,沒有清楚標示「這段是廣告」
真正的問題出在第三項。
在傳統搜尋中,使用者知道哪些結果付費、哪些來自自然排序。AI Mode 卻把付費推薦與自然推薦混入同一段 AI 生成的內容,使用者根本分不清哪一句是答案、哪一句是廣告。
這代表 Google 將 Shopping 廣告業務的獲利邏輯,直接嵌進搜尋「答案」,卻未向使用者揭露。
Perplexity 等競爭對手也會在答案中附上連結,但通常仍會標註來源與「推廣」資訊。Google AI Mode 目前則沒有提供同等程度的標示機制。
對商家與使用者的實際影響
商家:既有 SEO 邏輯需要重寫
過去十年的電商營運邏輯,可以概括為「搶占 SEO 排名」:
- 最佳化關鍵字
- 建立外部連結
- 撰寫評測內容
- 投放 Google Shopping 廣告提升排名
AI Mode 改變了這套邏輯。商家要競爭的不再只是「搜尋結果頁上的某個位置」,而是AI 生成答案中的那句推薦語。
業界已在討論一個新概念:AEO(Answer Engine Optimization/AI Engine Optimization,答案引擎最佳化)。
其核心工作包括:
- 讓產品資訊被 AI 訓練資料「看見」
- 讓產品描述被 AI 判定為「值得推薦」
- 確保 AI 能取得定價、庫存與評價等資料
這個領域目前還沒有標準做法,誰能率先跑出有效策略,誰就有機會取得 AI Mode 的流量紅利。
使用者:透過 AI Mode 購物前自行比價
坦白說,短期內使用者端沒有太好的因應方式。AI Mode 的答案看起來相當專業,再加上一大段 AI 撰寫的推薦理由,一般人很難察覺其中是否存在推銷。
目前可以立即採取的做法包括:
- 凡是被 AI Mode 推薦的產品,都先到 Amazon、比價網站與傳統搜尋結果交叉查證
- 看到 AI 推薦,卻完全沒有「Ad」標籤時要提高警覺——這不一定代表內容有問題,但出現付費推薦的可能性已比過去更高
- 商品價格高於預期時,預設查詢歷史價格,例如使用 CamelCamelCamel、Keepa 等工具
中長期來看,只有兩種可能:等待 Google 加強資訊揭露,或由監管機關介入。前者的可能性不高,因為透明化標示會直接衝擊 Shopping 廣告收入。
編輯觀察
這場變化與過去十年的 SEO 競爭不同。
傳統 Google 搜尋雖然一直被批評「廣告太多」,但廣告版位至少是明牌,清楚標示「Ad」或「贊助」。SEO 最佳化的本質,是在「免費結果」這條賽道上競爭。
AI Mode 改變了這項界線。AI 生成的推薦內容是渾然一體的「答案」,不再清楚區分「自然結果」與「廣告」。使用者可能受到誤導,卻連自己怎麼被影響都無法察覺。
更棘手的是,AI Mode 的推薦話術通常寫得十分「客觀」,例如「綜合評估評價、功能與性價比後,推薦 X」——這類措辭讓人更難產生懷疑。
目前仍有幾個問題沒有明確答案:
- 21.6% 的代表性:productrise.app 沒有公布具體樣本數,且測試集中在電子產品類。若擴大到全品類,結果可能更高,也可能更低,仍需要更多獨立重現研究
- AI Mode 的訓練資料是否已受到商業資料污染:Google Shopping 廣告主資料是否早在模型訓練階段,就已經影響 AI Mode 的推薦偏好?這個問題比「推薦結果如何排序」更深入
- Perplexity、Claude with Search 等競爭對手是否也有類似問題:任何結合「搜尋+AI 推薦」的公司,原理上都可能面臨相同利益衝突;Google 只是最顯眼的一個
判斷是:AI 搜尋的商業化問題,將比傳統搜尋廣告更早觸發監管。因為傳統搜尋至少提供了一道可辨識界線,AI 搜尋則直接移除了這層保護。
來源: