ChatGPT 帶來的顧客，真的比較會買嗎？

副標題：973 家網站研究與 AI 搜尋的商業價值

我們讀了 973 家電商網站、超過 5 萬筆 ChatGPT 導流交易的學術研究。答案不是「AI 全面打敗 Google」，而是一個更值得行銷人追問的問題：AI 能否降低顧客做決策的成本？

我們更想問的不是：「AI 能帶來多少點擊？」而是：「AI 在顧客做決策前，改變了什麼？」

Kaiser 與 Schulze 發表於《Marketing Science》的研究，透過企業第一方分析資料，比較 ChatGPT 與傳統數位管道的實際交易成效。它的重要性不在支持某個流行口號，而在提供一個可以檢驗行銷假設的證據起點。

研究重點數據：973 家電商網站；約 105 億次造訪；ChatGPT 導流交易 50,251 筆；研究期間 LLM 引薦流量占比不到 0.2%。

原始論文：Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?

延伸閱讀：AIO 迷思一｜AI 搜尋正在取代 Google 搜尋嗎？解析搜尋量、零點擊與網站流量 3 個差異、AIO 迷思二｜零點擊搜尋增加，SEO 自然流量還能成長嗎？解析 4 個判斷重點、網站有沒有被 AIO 引用？從報表看懂 5 大搜尋機會

一、這篇研究到底觀察了什麼？

論文〈Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?〉由 Maximilian Kaiser 與 Christian Schulze 撰寫，於 2026 年 4 月 21 日刊登在《Marketing Science》。1

研究者取得 973 家電商網站的第一方 Google Analytics 資料。完整觀察期間為 2024 年 7 月 28 日至 2025 年 8 月 2 日，約 105 億次造訪、1.65 億筆交易、206 億美元營收。其中 50,251 筆交易可辨識為自然 LLM 導流。主要迴歸分析採用 2025 年 2 月至 8 月的六個月樣本，並用三個月及十二個月資料做穩健性檢驗。

論文比較 ChatGPT 自然引薦與自然搜尋、付費搜尋、直接流量、電子郵件、推薦流量、付費社群與聯盟行銷等管道，衡量 轉換率（CR）、平均訂單金額（AOV）、每次造訪營收（RPS），以及跳出率、瀏覽頁數與停留時間。

財務成效

看轉換、客單價與每次造訪營收，不只看流量數字。

網站互動

看跳出率、頁面瀏覽與停留時間，但不把互動視為成交。

重要證據邊界：這是一項觀察性研究，而不是隨機實驗；它比較不同來源訪客的表現，不能證明「使用 ChatGPT」本身使顧客更容易購買。

二、ChatGPT 導流比 Google 更會成交？研究沒有這樣說

研究的整體結果與許多市場口號不同。在觀測期間，ChatGPT 引薦流量占總流量不到 0.2%，規模約為 Google 自然搜尋的二百分之一。它的轉換與每次造訪營收表現優於付費社群廣告，但落後大部分傳統管道。1

以控制網站、裝置及月份差異後的主要模型為例，自然搜尋的轉換勝算約比 ChatGPT 高 13%；付費社群則約低 53%。但不同穩健性檢驗中，自然搜尋與 ChatGPT 的差異有時不再具有統計顯著性。

表 1｜不同流量來源的相對轉換勝算指數（ChatGPT＝100）

資料來源：Kaiser & Schulze（2026）主要迴歸模型，依各管道 log-odds 係數換算。這是相對轉換勝算指數，不是實際轉換率百分比或百分點差。僅選列四種管道。

我們閱讀後的第一個感想是：企業不能因為 AI 帶來的顧客看似有高度意圖，就假設它一定比 SEO 或 Google Ads 更有商業價值。至少要同時比較來源規模、轉換率、每次造訪營收，以及最終有效商機。

三、真正值得注意的反差：產品越難選，AI 越可能幫上忙

這是我們認為整篇論文最有行銷啟發性的發現。研究者以網站所屬產業類別代理「產品／購買決策複雜度」，發現高複雜度類別的 ChatGPT 導流占比，平均約為低複雜度類別的 4.6 倍。而且在高複雜度網站中，ChatGPT 的相對轉換表現明顯改善，部分比較甚至高於自然搜尋。1

研究指數化比較：低複雜度網站 = 1 倍；高複雜度網站 = 約 4.6 倍。

此處為依論文相對倍數整理，並非絕對流量占比。

圖表為依論文 4.6 倍結果繪製的指數化示意，而非原始論文的流量占比絕對值圖。高低複雜度是網站產業層級分類，不能直接等同單件商品的複雜程度。

我們想到的是「決策成本」

如果顧客要購買的是日常補充用品，可能只需要確認價格、庫存與運送。但企業若要選擇儲存設備、工業級 SSD、ERP 或專業顧問服務，就需要比較技術規格、導入風險、維護成本與使用情境。

AI 可能在網站造訪之前，幫顧客整合分散資訊、縮小備選清單並釐清需求。這就是我們從研究延伸出的想法：AI 的重要機會，或許不是更多點擊，而是減少顧客理解與比較資訊的負擔。

請區分研究與假設：「高複雜度類別的 ChatGPT 表現較好」是研究結果；「因為 AI 降低了決策成本」則是值得檢驗的機制假設。研究並未直接測量每位消費者降低了多少決策成本。

四、轉換率升高，不一定代表商業價值同步大增

研究追蹤時間變化時，發現 ChatGPT 導流的轉換率逐漸提高，但平均訂單金額下降。因此，每次造訪營收的改善相對有限。換句話說，消費者似乎更常完成交易，卻不一定買得更多、買得更貴。1

研究觀察的時間趨勢：轉換率（CR）上升；平均訂單金額（AOV）下降；每次造訪營收（RPS）僅溫和改善。

研究也使用網站訪客的科技愛好傾向、平均年齡，間接衡量 AI 使用熟練程度。在科技愛好者比例較高的網站，ChatGPT 導流占比約高 3.8 倍；訪客較年輕的網站，則約高 5.5 倍。研究指出這些族群網站的相對轉換差距較小，但平均訂單金額可能更低。

這給行銷人的提醒是：不要只把「AI 流量轉換率增加」視為成果。對電商還要看毛利、平均訂單金額與每次造訪營收；對 B2B 則要進一步看有效商機率、成交率與客戶價值。

五、奇寶讀完後的三個感想：競爭可能發生在進站之前

如果只把這篇論文當成一張「各流量管道轉換率排行榜」，我們反而會錯過最值得思考的地方。

示意：AI 討論 → 品牌篩選 → Google 搜尋 → 網站成交。

這是奇寶提出的可能路徑，並非論文驗證的固定購買旅程。

AI 引薦流量，不等於 AI 的全部影響力

論文以最後點擊歸因衡量流量來源，因此無法完整捕捉 AI 在前期探索與比較階段的貢獻。品牌可能先在 AI 對話中被認識，最後卻由 Google 自然搜尋或直接流量進站。因此我們不應以 referral 單一數字衡量所有 AI 商業效益。

內容的任務，應該從「被找到」延伸到「協助選擇」

除了關鍵字介紹頁，更值得做的是清楚回答複雜的比較問題：什麼情境適用？替代方案是什麼？規格、成本、風險如何取捨？讓顧客能用內容建立判斷依據。這是我們的內容策略假設，不是論文直接測得的最佳化規則。

GEO、SEO 與 Google Ads 應該共同衡量，而非互相取代

AI 或許有助於前期需求釐清，SEO 持續滿足搜尋與比較需求，Google Ads 捕捉有意圖的即時查詢。究竟怎樣分工有效，仍應由個別公司的實際轉換與增量實驗判定。

我們不急著問：「怎樣才能讓 AI 推薦我們？」 我們更想先問：「顧客需要什麼證據，才有能力做出更好的決定？」

— 奇寶網路，研究閱讀後的行銷觀點

六、從研究走向實務：各行各業的行銷人，可以怎麼應用？

這篇論文讓我們特別注意到：當產品或服務的選擇涉及更多條件與比較時，AI 可能在消費者決策過程中扮演不同角色。 但這項發現來自特定期間的網站觀察資料，不能推論所有產業都會得到相同效果。

對行銷人而言，與其先問「怎麼讓 AI 推薦我們」，不如先盤點：顧客在選擇我們的產品或服務之前，最難做出的決定是什麼？ 能不能用更清楚、可查證的內容，協助他理解差異、降低不確定性？

先掌握三個跨產業通用原則

從「決策難度」而非流行關鍵字開始

盤點客服紀錄、業務常見問題、站內搜尋與成交前的疑慮，找出顧客需要比較規格、成本、風險、適用條件的環節。不是每項商品都需要長篇內容；對低決策成本商品，清楚價格與方便購買可能更重要。

提供能幫顧客「做選擇」的資訊

將只有賣點的產品介紹，補上使用情境、選擇標準、方案差異、總成本、限制與可信證據。應優先解答真實問題，而非機械式增加 FAQ、表格或 AI 關鍵字；研究並未證實這些格式會直接提高推薦機率。

同時衡量能見度、導流與業務成果

除了追蹤可辨識的 AI 引薦，也要看自然搜尋、品牌搜尋、有效詢問、成交與回購。以產品線或決策情境分群比較，並記錄同期其他行銷活動；流量和商機的相關變化，不能直接當作因果效果。

六種產業的應用情境：把抽象原則變成內容題目

以下是依研究啟發所設計的示範性行銷情境，不是論文對這些產業逐一進行的實驗結論。各產業可參考「消費者真正要決定什麼 → 品牌應提供什麼 → 成效如何衡量」這個順序。

3C 家電與電商

不只介紹規格，更要讓人知道「哪款適合我」

顧客疑問：小坪數家庭該選哪種空氣清淨機？不同機型的耗材與用電成本差多少？

內容設計：依坪數、噪音、耗材成本與使用需求建立比較表，明確標示測試條件與不適用情境。

觀察指標：產品比較頁 → 商品頁、加入購物車、轉換率與每次造訪營收。

旅遊與住宿

把「想去哪裡」變成可執行的選擇

顧客疑問：帶長輩去日本，跟團與自由行的交通負擔、預算與行程彈性如何比較？

內容設計：依同行者、旅遊季節、移動強度與預算提供行程比較，清楚呈現費用包含項目、取消條款與限制。

觀察指標：行程諮詢品質、訂房／報名完成率、取消率與實際客單價。

醫療與健康服務

降低資訊不確定性，而非代替專業診斷

顧客疑問：某項檢查適合哪些人？有哪些風險、準備事項與需要向醫師確認的問題？

內容設計：以醫療專業審核的一般衛教資訊說明適應情境、限制、風險與就診流程，避免暗示 AI 可以診斷或保證療效。

觀察指標：適切預約、到診率、資訊正確性與法規遵循；不以點擊數取代醫療品質。

金融與保險

協助比較條件，也清楚揭露風險

顧客疑問：不同保單保障範圍、等待期、除外責任與保費結構有何差異？

內容設計：建立中立的條款比較、情境說明及風險揭露，標註生效日期與更新紀錄；涉及個人財務狀況時應由合格專業人員評估。

觀察指標：合格諮詢、商品適配性、客訴與合規錯誤，而非只看申請數。

製造業與 B2B 設備

把技術規格連接到採購決策

顧客疑問：在特定產線條件下，兩套設備的整合成本、維護需求與停機風險如何比較？

內容設計：提供應用情境、相容性、性能測試條件、導入流程、總持有成本（TCO）估算與可核實案例。

觀察指標：符合條件的 RFQ／詢價、有效商機、成交週期及訂單價值。

教育與專業服務

讓顧客看得懂服務差異與預期成果

顧客疑問：線上課程、實體培訓與顧問服務，各適合什麼需求、預算與學習階段？

內容設計：清楚呈現適合對象、交付內容、時程、費用、能力前提與成果證據，避免沒有依據的成效保證。

觀察指標：有效報名／諮詢、完成率、客戶滿意度與後續成交品質。

一個必要的提醒：有些快消品、規格明確的日用品或已形成品牌偏好的購買情境，消費者可能只需要即時供貨、價格與方便結帳。AI 決策輔助並非每個品類的首要工作；請依實際需求與測試結果決定資源投入。

一個可驗證的 90 天試行框架

不論產業，都可以先選擇一組「顧客常需要反覆比較」的主題，保留對照組並分階段驗證，而不是一次把所有產品頁重寫。

第 01–14 天｜確認決策瓶頸，建立基準

彙整各品類常見比較問題，選定具商業價值的主題組；記錄原有內容、自然搜尋、可辨識的 AI 曝光與導流、有效詢問及成交數據。

第 15–35 天｜補強決策型內容

在部分主題增加情境比較、選擇標準、產品證據、適用限制與清楚的下一步行動；儘可能保留其他相近主題作參照。

第 36–75 天｜觀測流量，也觀測商機品質

追蹤搜尋能見度、來源流量與實際商機變化，檢查客戶是否更容易找到答案；同步記錄促銷、廣告預算與季節變動等干擾因素。

第 76–90 天｜比較結果，再決定是否擴大

按產業與產品類型評估介入組及參照組差異，檢視收入、詢問品質及執行成本；若要提出因果結論，仍需進一步的實驗或準實驗設計。

衡量時，至少拆成三層

表 2｜AI 搜尋成效的三層衡量架構

2026 年，GA4 已新增「AI 助理」流量管道，Google Search Console 也提供生成式 AI 專屬曝光報表。要注意，GA4 的 AI Assistant 不包含 Google AI Overviews 與 AI Mode；而 Search Console 的生成式 AI 曝光也不能直接當作 ChatGPT 引薦流量。2–4

七、四個研究限制，決定我們不能過度解讀

• 歷史時間：這是 2024–2025 年的觀測資料，不是 2026 年即時市場占比。AI 介面、使用行為與商業模式都可能改變。
• 不是因果實驗：訪客來源可能與人群特質、需求階段及產品選擇同時相關，不能把轉換差異直接歸因於 ChatGPT。
• 最後點擊盲點：研究看得到可辨識的引薦流量與站內交易，卻無法還原所有進站前的 AI 對話、品牌認知與其他觸點。
• 不等於 GEO 排名因素研究：研究沒有測試 FAQ、內部連結或內容格式如何提高 AI 推薦機率；網站產業複雜度也不是逐件商品測量。

對行銷人而言，研究的用途不是提供一套可以照抄的操作秘訣，而是幫我們找到值得投入資源、設計實驗並觀察的問題。

八、結語：流量還重要，但「協助決策」會越來越值得研究

這篇研究沒有告訴我們 AI 搜尋已經全面超越 Google。它告訴我們：在研究的早期觀測期間，ChatGPT 引薦流量規模仍小，整體轉換效率也沒有全面領先，但在高複雜度類別與較熟悉 AI 的網站族群中，出現了值得重視的差異。

奇寶讀完後最想留下的問題是：當顧客在造訪企業網站之前，就可能透過 AI 釐清需求、比較選項，企業的內容與衡量方式該如何改變？

我們認為值得走的方向，是理解顧客真正的決策困難、建立可靠的產品與服務知識，並把 AI 搜尋、SEO、廣告及成交資料放在同一個完整旅程中檢驗。這才是把研究變成行銷能力的開始。

行銷人常見問題

ChatGPT 來的顧客，比 Google 自然搜尋更容易成交嗎？

不能一概而論。研究主要模型顯示自然搜尋的轉換勝算約比 ChatGPT 高 13%，但部分穩健性檢驗中兩者沒有統計顯著差異。每家公司的產品、客群與流量來源都不同，應以自己的資料檢驗。

哪些企業應該優先測試 GEO？

可先從決策成本較高、產品需要比較多項條件的主題開始。但論文使用的是產業層級的複雜度指標，不能直接推論所有 B2B 或高價商品一定有效。

AI 搜尋成效只看 GA4 的 AI Assistant 就夠嗎？

不夠。GA4 能觀察可辨識的 AI 助理導流；Google AI Overviews 與 AI Mode 的曝光需另看 Search Console，還要結合商機與銷售資料，避免把來源流量當成 AI 的全部影響力。

做 GEO 是否代表 SEO 不再重要？

不是。論文的觀測期間，自然搜尋及付費搜尋仍具商業價值。Google 官方也強調 AI 搜尋仍遵循既有搜尋最佳實務。GEO 應是以顧客決策為中心的補充策略，而不是以未經驗證的技巧取代 SEO。

九、研究與官方資料來源

1. 原始論文：Kaiser, M., & Schulze, C. (2026). Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels? Marketing Science. DOI: 10.1287/mksc.2025.0489 ↗
2. Google Analytics 更新：2026 年 5 月 13 日推出 AI 助理流量評估 ↗
3. Google Analytics 定義：預設管道群組：AI 助理，不包含 AI 摘要與 AI 模式 ↗
4. Google Search Console 更新：Search Generative AI performance reports（2026 年 6 月）↗
5. Google 搜尋文件：AI 功能與您的網站 ↗

資料說明：研究數據與圖表依論文原文重新整理；頁面中「奇寶觀點」「決策成本」「跨產業應用情境」「90 天框架」為我們的延伸分析及實作建議，非研究者直接驗證的因果結果。圖片與示意圖為本站原創資訊視覺化，未複製論文圖版。

本文定位：學術研究閱讀與行銷應用評論；跨產業範例、決策成本假設及 90 天實作框架均為奇寶延伸解讀，並非原始論文已證實的因果效果。