When the customer is a machine: a systematic literature review and integrative framework of agentic commerce
这项系统性文献综述综合了从1994年到2026年的140项研究，旨在通过开发一个整合框架来挑战营销中以人为中心的假设，该框架通过一个五级委托阶梯、一个三部分影响三元组以及一个四层参考模型来对代理商业进行分类，从而为未来的研究和测量实践提供指导。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
几十年来，在线购物的故事一直是为人类的眼睛和双手编写的。一个人看到广告，因为仅剩两件商品而感到紧迫感，在不同的浏览器标签页之间比较价格，点击按钮，并输入信用卡号。整个过程都假设客户是一个拥有情感、注意力集中度，并能被恰到好处的图像或巧妙的标题所打动的“人”。但一场无声的转变正在市场两端发生。在买方侧，人们开始将购物任务交给能够搜索、比较甚至代为支付的软件助手。在卖方侧，公司正在部署自己的软件来撰写产品描述、设计广告并进行价格谈判。这种机器扮演客户与卖家角色的新现实，打破了营销在过去一个世纪所依赖的基本规则。问题不再仅仅是如何向一个人销售，而是如何被一台机器看见，如何影响由代码做出的决策，以及如何衡量一笔从未涉及人类点击鼠标的交易。
为了理解这一新格局，来自南丹麦大学和奥胡斯大学的研究团队对科学文献进行了大规模的回顾。他们收集了 1994 年至 2026 年间发表的 140 项研究，整合了来自营销学、计算机科学、经济学和法学的研究成果。他们的目标是绘制出一个曾经零散发展的领域图谱，将从 20 世纪 90 年代末早期的购物机器人实验到现代先进人工智能时代的演进连接起来。他们发现，尽管技术发生了巨大变化，但核心挑战却保持了惊人的连贯性。研究人员将他们的发现组织成一个清晰的框架，解释了这些机器客户如何运作、如何被影响，以及当它们接管购物车时会发生什么。
研究人员发现，人类与其购物助手之间的关系并非非黑即白，而是存在于五个不同的等级阶梯上。在底层，软件仅充当信息提供者，展示数据而由人类完成所有工作。向上一步，它充当顾问，建议产品但将最终选择权留给人类。再往上，它成为副驾驶，在人类密切观察的情况下处理部分任务。进一步上升，它成为限定执行者，被允许根据明确指令完成特定且有限的交易。在最顶端，它是一个自主委托人，能够规划并在整个过程中进行购买，仅在事后由人类进行检查。研究揭示了一个知识上的显著空白：我们对于机器仅作为顾问时人类如何反应有着深刻的理解，但对于当机器完全自主运行时人类如何表现，却几乎没有任何证据。事实上，在整个收藏的研究中，只有六项研究观察了在人类监督下进行真实购买的完全自主代理。目前大多数研究都集中在较低的水平，即便技术正向顶端飞速发展。
这种转变通过三个具体方面改变了营销方式。首先，机器本身已成为目标。正如人类可能会扫描货架寻找熟悉的品牌一样，机器也会扫描数字内容以寻找特定的信号。研究人员发现，如果一家公司通过包含清晰引用、统计数据和结构化数据来重写其产品描述，那么该产品被机器纳入推荐的可能性会提高高达 40%。这是一种新的可见性形式，即对计算机而言“可读”与对人类而言具有“吸引力”同样重要。其次，机器成为了通往人类的渠道。机器人传递信息的方式可以改变人的反应。例如，如果购物者处于时间压力之下，他们更有可能购买 AI 推荐的产品而非人类推荐的产品，因为他们对机器的审查较少。然而，如果人类在对话开始前就知道自己在与机器交流，其购买意愿可能会下降近 80%。第三，机器成为了营销内容的生产者。公司现在正利用 AI 撰写广告、设计横幅，甚至回复客户评论，从而创造了一个机器生成内容、其他机器再对其进行评估和选择的循环。
研究还强调，信任是最关键的因素，但这不仅仅关乎人类是否信任机器人。它关乎系统是否拥有经过验证的“授权”（mandate）——即一份正式、安全的许可凭证，明确告知软件其被允许执行的操作。如果没有这种法律和技术基础设施，完全的委托就无法安全实现。研究人员发现，20 世纪 90 年代的首波购物机器人之所以失败，很大程度上是因为当时不存在这种基础设施。如今，新的支付系统和数字身份协议终于正在被构建以解决这一问题，使机器能够以与人类同等的安全性进行交易。然而，研究人员警告说，这种新系统也带来了新的风险。机器可能会受到产品页面中隐藏文本的操纵，并且当软件更新发布时，它们的偏好可能会在一夜之间改变，导致需求突然转向。
研究人员总结道，我们正在进入一个“客户”通常是机器的新时代，其竞争规则也已不同。他们为企业和监管机构提出了一套新的工具，包括衡量品牌出现在机器回答中的频率的方法，以及测试购物机器人是否会被欺骗的方法。他们强调，虽然技术正在快速进步，但我们对这种新背景下人类行为的理解仍处于追赶阶段。最重要的发现是，旧的营销规则并未消失，而是发生了分裂。公司现在必须同时学习如何对机器保持可见，如何通过机器对人类具有说服力，以及如何建立足够的信任以获得支配资金的权力。商业的未来取决于构建能够处理人类意图与机器执行之间这种复杂舞蹈的系统，确保当机器购买某物时，它确实是在符合其所有者的最佳利益。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。