Persona Conditioning of Brand Recommendations in Retrieval-Augmented Commercial Chat: A Prominence-Stratified Cross-Provider Audit

技术摘要：检索增强商业聊天中品牌推荐的人格设定条件化

问题陈述
本文旨在解决当前理解中的一个关键空白：大型语言模型（LLM）如何在检索增强的聊天界面中处理商业推荐。尽管现有文献已确立人格设定（persona conditioning）会影响事实准确性和封闭式任务，但其对开放式商业推荐集的影响尚未量化。核心问题在于实证层面：在保持提示词字符串、温度和系统模板不变的情况下，仅改变用户人格（例如“独立创始人”与“企业副总裁”），推荐集会在多大程度上发生偏移？作者假设，如果这种影响显著，那么 AI 商业推荐实际上已默认进行了人格细分，这使得单一的“最佳 [类别]"品牌策略变得不足。

方法论
本研究采用跨提供商审计设计，在受控设计空间中采样了 2,000 次运行：

• 设计空间：10 个手工策划的人格（涵盖行业、公司规模、角色和地理区域）× 8 个商业框架提示词 × 3 种模型配置。
• 模型单元：
  • OpenAI gpt-5.4-mini（低推理力度）
  • OpenAI gpt-5.4-mini（高推理力度）
  • Anthropic claude-sonnet-4-6（低推理力度）
  • 注：由于负载限制，Anthropic 单元仅使用了 OpenAI 单元所用 8 个提示词中的 4 个。
• 执行：每个叶节点（人格 × 提示词 × 单元）运行 $N=10$ 次。
• 共识提取：品牌提及由两名 LLM 裁判（claude-haiku-4-5 和 gpt-5-mini）提取。仅当两名裁判在特定运行中达成一致（交集模式）时，该品牌才被计为被推荐。叶节点的共识集是其 10 次重跑中所有品牌的并集。
• 指标：
  • 人格内 Jaccard 指数：单一人格在多次重跑中推荐集的稳定性。
  • 人格间 Jaccard 指数：两个不同人格的推荐集之间的相似度（保持提示词和单元固定）。
  • 人格偏移效应（$\Delta$）：计算方式为 $人格间\ Jaccard - 人格内\ Jaccard$。负的 $\Delta$ 值表示更大的人格效应（即人格改变时品牌交换更多）。
  • 显著性分层：按品牌显著性水平（L1：类别领导者 至 L5：区域玩家）分解效应。
• 统计严谨性：效应大小报告带有提示词聚类的 95% 自举置信区间（1,000 次迭代）。本研究将结果与先前工作（Jack [3]）中建立的单元内重跑稳定性基线（0.50–0.61）进行锚定，以确保人格效应超过非确定性噪声。

主要结果

1. 显著的人格偏移：在所有三个模型单元中，改变人格会显著改变推荐集。效应大小 $\Delta$ 的范围为 −0.12 至 −0.20。所有聚类的 95% 置信区间均排除零值，确认该信号在统计上可与噪声区分。
   • OpenAI gpt-5.4-mini / 低：$\Delta = -0.12$
   • OpenAI gpt-5.4-mini / 高：$\Delta = -0.16$
   • Anthropic sonnet-4-6 / 低：$\Delta = -0.20$
2. 显著性分层的交互作用：人格效应并非均匀分布；它随品牌显著性急剧分层：
   • L1（类别领导者）：高度抗拒人格变化（交换率 0.20–0.29）。无论人格如何，模型都推荐相同的顶级品牌（例如 Salesforce、HubSpot）。
   • L2（成熟挑战者）：信号混合。OpenAI 单元显示低交换率（0.05–0.13），而 Anthropic 显示较高比率（0.23）。
   • L3（中端市场）：人格效应达到峰值的拐点。在 OpenAI 高推理力度下交换率达到 0.75，低推理力度下为 0.67。这表明中端市场品牌对买家背景高度敏感。
   • L4（长尾）：由于表面出现率低而采样不足；未报告点估计值。
   • L5（区域）：中等效应（0.27–0.33），主要由机械式的地理过滤驱动（例如，英国人格看到英国特定品牌）。
3. 提供商异质性：Anthropic sonnet-4-6 / 低单元表现出比 OpenAI 配置更大的点估计效应（$\Delta = -0.20$）。虽然 sonnet 与 gpt-5.4-mini / 高的置信区间重叠，但 sonnet 与 low 的对比刚刚可区分。作者指出，这与“更强”模型更具确定性的先验相矛盾，反而表明那些更多依赖训练数据先验的模型（根据 Jack [2]，Anthropic 即属此类）可能比检索驱动模型更能响应人格语境。
4. 人格语料库异质性：“尖锐”人格（例如特定角色如“美国电商运营者”）产生高的人格内稳定性（Jaccard $\ge$ 0.55），而“宽泛”人格（例如“欧盟财务经理”）产生较低的稳定性（Jaccard $\le$ 0.39），表明人格的具体性决定了推荐集的集中度。

意义与主张
本文主张，AI 商业推荐并非与人格无关。人格偏移的幅度（$\Delta \approx 0.12\text{--}0.20$）与不同 AI 提供商之间推荐集的差异（Jack [2]）相当，并超过了模型重跑的噪声基线。

• 战略启示：单一的“最佳 [类别]"定位页面对于品牌而言是一种不足的策略。由于推荐集会根据提问者身份发生实质性变化，品牌优化必须反映这种细分，特别是对于L3 中端市场品牌，其人格效应最大。
• 机制假设：作者提出，Anthropic 单元中较大的人格效应与一种机制一致，即人格属性对先验驱动生成（训练数据关联）的作用强于对检索驱动生成的作用。检索倾向于将推荐锚定在权威品牌上，而不论语境如何；而先验则允许模型更灵活地整合用户原型属性。
• 局限性：作者明确指出，他们并未声称对先验与检索机制提供了因果证据，因为他们缺乏对检索归因和人格变动的运行内联合测量。他们还指出，由于采样不足，L4 结果尚无定论，且研究仅限于单日的测量和英语人格。

总之，本文确立了人格设定条件是商业聊天中一个实质性且可测量的变量，其效应集中在中端市场层级，这要求品牌在应对 AI 驱动的可见性和定位策略时做出转变。