「AI 購物流量年增近 7 倍」「每 3 位消費者就有 1 位使用 AI」「近 9 成購物旅程曾接觸 AI」近幾個月的零售報告，似乎都在宣告 AI 已經改寫購物行為。但另一批調查又顯示，真正願意讓 AI 代替自己做購買決定的人仍是少數。對行銷經理與電商企業而言，最困難的不是找到更多數字，而是判斷這些數字是否在回答同一個問題。

答案往往是否定的。有些報告追蹤 AI 帶進零售網站的實際流量，有些詢問消費者是否曾使用具 AI 功能的工具；有些把找靈感、比價與客服都算進「AI 購物」，有些只把 AI 自動下單視為採用。分母、研究期間與購物階段不同，結論自然可能從「已成主流」一路落到「仍在早期」。

本文比較 Adobe、Forsta、Talkdesk 與 Numerator 四份公開資料，並以 Gartner 的購買決策調查補充信任界線。重點不是替 AI 購物貼上單一標籤，而是整理 3 個最常見的數字陷阱，協助企業判斷目前該投資產品資料、內容、廣告、站內體驗，還是自動購買功能。

一、4 份報告為什麼看起來互相矛盾？

二、3 個最容易誤判的數字陷阱

三、AI 購物已走到哪一個階段？

四、企業應該相信哪一種數據？

五、不同 AI 購物階段，行銷重點也不同

六、奇寶建議企業先做的 4 項準備

一、4 份報告為什麼看起來互相矛盾？

四份資料都與 AI 購物有關，但觀察對象並不相同。先把研究設計放回數字旁邊，才不會把「曾使用」「受到影響」「點擊進站」與「完成購買」混為一談。

Adobe：AI 導流年增 693.4%，但基期仍小

【第三方數據】Adobe Analytics 分析 2025 年 11 月 1 日至 12 月 31 日美國零售網站超過 1 兆次造訪、1 億項商品與 18 個品類。由生成式 AI 工具連結進入零售網站的流量，較前一年增加 693.4%。Adobe 同時明確表示，這批使用者的基礎規模仍相對有限。

這是四份資料中最接近實際行為的觀察，因為它記錄的是點擊進站，而不是消費者回想自己有沒有用過 AI。不過，它仍不能直接回答 AI 導流占全部零售流量多少，也不能證明所有新增造訪都是 AI 創造的增量訂單。

Forsta：每 3 人有 1 人使用 AI，多數用來找靈感

【第三方調查】Forsta 的 2026 Retail Consumer Study 指出，約 1/3 美國購物者在節慶購物期間使用 AI，其中 60% 不只使用一次；但 87% 主要將 AI 用於尋找靈感，而非直接交易。另有 58% 表示曾依 AI 建議購買，91% 認為 AI 影響或驗證了決定。

這份調查顯示 AI 已進入不少人的研究流程，但「影響或驗證決定」範圍很廣，可能只是協助確認原本已傾向購買的商品，不能直接當成 AI 歸因營收。

Talkdesk：89% 曾接觸 AI，定義範圍最廣

【第三方調查】Talkdesk 的 2025 節慶購物後調查指出，89% 受訪者在購物旅程中以某種形式使用 AI；用途包含找優惠、想送禮點子、查看評論、購買商品與追蹤配送。57% 認為 AI 改善購物體驗。

89% 是醒目的高比例，但它納入的功能非常廣。消費者可能在不知道產品底層技術的情況下使用推薦、客服或物流功能；因此，這個數字較適合說明 AI 已廣泛嵌入零售體驗，不適合解讀成 89% 的人主動開啟 ChatGPT 或 Gemini 購物。

Numerator：Prime Day 買家中有 20% 使用 AI

【第三方調查】Numerator 針對已驗證的 2026 Prime Day 購買者進行調查；截至發布時，購買資料涵蓋 21,858 個家庭的 48,881 筆訂單，問卷有 2,049 份回覆。20% 買家表示活動期間使用 AI 購物工具或功能；在這群人中，41% 用來找優惠，36% 用來研究商品。

這份資料的優點是受訪者確實有購買紀錄，但樣本限於 Prime Day 買家，也受到促銷活動、Amazon 生態與美國市場影響，不能直接套用到一般月份、台灣電商或高單價 B2B 採購。

AI 協助消費者從探索、比較到決策，最後由人確認付款的購物流程示意圖
圖 1｜AI 已能協助探索、比較與決策，但購買流程的最後確認仍多由消費者掌握。
資料來源 核心數字 實際衡量內容 主要限制
Adobe AI 導流年增 693.4% AI 來源連結帶來的網站造訪 高成長不等於高占比
Forsta 約 1/3 曾使用 AI 節慶購物中的自陳使用 多數用途是靈感與研究
Talkdesk 89% 以某種形式使用 廣義 AI 功能接觸 不等於主動使用生成式 AI
Numerator 20% Prime Day 買家使用 已驗證買家的活動期間行為 限特定零售活動與市場

二、3 個最容易誤判的數字陷阱

陷阱一：成長率很高，不代表流量占比已高

假設 AI 導流從 1,000 次增加到 7,934 次，年增率就是 693.4%；但若網站同期有 1,000 萬次造訪，AI 仍只占很小一部分。成長率適合觀察速度，占比才適合判斷目前規模。兩者缺一不可。

小型 AI 導流高速成長，但相較整體網站流量仍占少數的示意圖
圖 2｜判讀成長率時，必須同時確認基期與整體流量，不能只看增幅。

陷阱二：使用 AI，不等於透過 AI 完成購買

找送禮靈感、整理評論、比較規格、詢問客服、查看物流與讓代理人下單，都可能被研究歸類為 AI 購物。若企業想評估結帳功能，不應拿包含靈感與售後服務的整體採用率當作需求依據。

陷阱三：受到影響，不等於 AI 帶來增量營收

消費者表示 AI 影響決定，可能代表 AI 提供新選項，也可能只是確認已知品牌。即使 GA4 將訂單歸因到 AI 推薦來源，也只能說明可辨識的最後進站路徑，未必能回答如果沒有 AI，這筆訂單是否仍會發生。要證明增量效果，需要更嚴謹的實驗或比較設計。

三、AI 購物已走到哪一個階段？

找靈感、研究與比價正在普及

四份資料最一致的訊號，是 AI 已在購物前段發揮作用。消費者願意用它縮小選項、整理資訊與尋找優惠。對品牌而言，這代表產品規格、適用情境、價格與評價資訊，可能在使用者進站前就先被比較。

最後決定與付款仍多由消費者掌握

【第三方調查】Gartner 於 2026 年 1 月調查 322 位美國消費者，願意讓 AI 直接做購買決定的比例，即使在較低風險的個人護理與家庭用品，也最高只有 11%；相較之下，31% 願意讓 AI 協助縮小家庭用品選項。

這說明「協助選擇」與「代替決定」之間仍有明顯界線。企業可以先把 AI 視為新的研究與比較入口，不宜假設自主代理人已經取代一般電商流程。

完全自動購買仍受信任與準確度限制

【第三方調查】Gartner 另一項美國消費者調查顯示，在近期購物曾使用 AI 的受訪者中，54% 表示必須重新核對所有資訊，62% 認為部分 AI 資訊反而浪費時間。這反映價格、庫存、規格與推薦理由若不準確，便利性很快會被驗證成本抵銷。

【合理推論】目前較穩健的判斷是：AI 輔助購物已形成可觀察的消費行為，但完全由 AI 決定並完成交易仍在早期。所謂「主流」必須先說明是指接觸 AI、用 AI 研究，還是授權 AI 下單。

四、企業應該相信哪一種數據？

先看研究回答的是行為、態度還是交易

實際點擊與訂單紀錄反映已發生的行為；問卷能補充動機與信任，卻可能受到記憶、題目措辭與自我認知影響；平台發布的交易數據範圍通常較大，但不一定公開完整分母。企業應根據決策問題選資料，而不是只選最大的百分比。

確認分母、地區、時間與樣本來源

閱讀報告時至少要確認：百分比的分母是全體消費者、AI 使用者或已購買者；研究發生在一般月份或大型促銷；樣本來自哪個國家；AI 的定義是否包含推薦、客服與物流；報告是否由相關技術供應商發布。商業研究不必然無效，但利益關係與方法限制應一起呈現。

把調查結果與企業第一方資料交叉判讀

外部報告用來判斷市場方向，企業的 GA4、電商後台、CRM 與客服紀錄則用來判斷自身影響。奇寶建議比較 AI 推薦來源的到達頁、互動、轉換與客單價，並保留無法辨識來源的限制；不要因國外調查比例很高，就直接推估自家客戶也有相同行為。

五、不同 AI 購物階段，行銷重點也不同

購物階段 消費者可能使用 AI 的方式 企業優先準備
探索 找靈感、描述需求、發現品牌 清楚品類、情境與目標客群
比較 比價格、規格、評論與限制 完整且一致的產品資料與證據
決策 確認庫存、運送、退換貨與信任 即時資訊、清楚政策與順暢頁面
代理購買 授權 AI 加入購物車或付款 身分、授權、金額上限與錯誤處理

探索階段：補齊產品資訊與使用情境

產品頁不只要有名稱與價格，也應說明適合誰、解決什麼問題、有哪些限制，以及與相近選項的差異。這些內容同時服務一般搜尋、廣告到達頁與 AI 輔助研究。

比較階段：強化價格、差異與可信證據

容易被比較的商品，需要一致的規格欄位、型號、材質、尺寸、保固、評價與更新日期。品牌主張若缺乏依據，AI 即使提及也可能放大不完整或過時資訊。

決策階段：降低到達頁與結帳阻力

AI 帶來的訪客可能已完成大量前置研究，到達頁應快速對應其問題，並清楚呈現庫存、配送、退換貨與聯絡方式。若廣告或 AI 描述與頁面資訊不一致，信任會在最後一步中斷。

代理購買階段：先處理授權與錯誤責任

企業評估 AI 代理購買時，不能只追求步驟更少，還要處理使用者授權、付款紀錄、價格變動、缺貨替代、退貨與錯誤訂單。這些條件未建立前，先改善研究與比較體驗通常更符合目前需求。

六、奇寶建議企業先做的 4 項準備

建立可被搜尋與 AI 理解的產品資料

【Google 官方】Google 表示，AI 驅動的購物體驗仍仰賴零售商提供的基礎產品資料；Merchant Center 資料若混亂或不完整，消費者較難找到合適商品。Google 也已推出 Universal Commerce Protocol、Universal Cart 等代理式購物基礎，但產品與部分功能的開放地區及時程各有不同。

因此，企業不必先追逐所有新介面。奇寶會優先從產品名稱、分類、價格、庫存、規格、圖片、到達頁與資料一致性檢查，這些工作同時支援自然搜尋、Google Ads 與新型購物入口。

分開衡量 AI 導流、輔助決策與成交

AI 推薦來源流量回答的是「是否有人從 AI 進站」；問卷或客服資訊可補充「AI 是否參與比較」；訂單與營收才回答「是否成交」。三者應分層呈現，避免用一次進站代表 AI 獨立促成購買。

用現有需求驗證，不為趨勢過度投資

若 AI 導流尚少，企業可先完成產品資料與內容基礎；若已有高互動的 AI 流量，再評估比較工具、問答或更深的系統串接。投資順序應依自家數據與客戶問題調整，而不是以國外單一百分比決定預算。

保留品牌信任與人工確認環節

AI 能縮短研究時間，但錯誤的價格、庫存與適用建議會增加顧客負擔。高單價、醫療、金融或複雜 B2B 產品，更需要清楚資料來源、專人說明與確認機制。便利與控制並存，才有機會把 AI 帶來的探索轉化為長期信任。

綜合四份報告，AI 購物確實正在快速成長，但目前最普及的是靈感、研究、比價與決策輔助，不是把全部購買權交給 AI。企業與其急著回答「AI 購物是不是主流」，更應先確認主流發生在哪個環節。看懂成長率、使用率與成交之間的差距，才能把預算放在真正影響顧客決策的位置。

參考資料

KPN 編輯部
AUTHOR

KPN 編輯部

奇寶網路自 2006 年成立，深耕搜尋行銷產業 — 服務超過 上千家企業客戶，自主研發站內廣告系統「客樂寶」，是 Google Partners 官方認證機構。

關於奇寶 → 聯絡顧問 →
SHARE Facebook LINE
STAY CONNECTED · 訂閱與社群

還想了解更多各類數位行銷資訊的話，歡迎訂閱電子報、加入奇寶 Line 好友，第一時間接收最新資訊！

Facebook 粉絲專頁：
奇寶網路 台北移動學苑

歡迎轉載 KPN 奇寶部落格相關文章，在轉載前請先詳閱著作權聲明及轉載原則。