AI Mode 购物推荐比传统搜索贵 21.6%:200 万商品实测
AIAI Summary (BLUF)
一项为期23天、覆盖超200万商品列表的研究发现,Google AI Mode在购物搜索中推荐的商品价格普遍高于传统搜索。同款商品在AI Mode中平均贵21.6%,整体中位价高49%,且两者商品重合度极低,仅1.28%。
核心洞察
同一件商品,同一天,同一个搜索词,AI Mode 给出的价格比传统搜索高出 21.6%。这个数字本身已经够让人警觉了,但真正值得琢磨的是另一个数据:只有 1.28% 的商品同时出现在两边。这意味着大多数时候,用户根本不知道自己错过了什么。AI 搜索承诺帮我们省去比价的麻烦,但如果它默认只推荐更贵的库存,那省下来的到底是时间还是钱?
23 天,从 2026 年 8 月 9 日到 31 日,我们追踪了超过 200 万个商品列表,覆盖 10 万多个搜索结果页和 AI Mode 响应。同一天、同一时刻,同样的购物查询分别跑 Google AI Mode 和传统搜索。当同一个商品在两边都出现时,AI Mode 的价格平均高出 21.6%。
同一个商品出现在两边时,价格差多少?两边推荐的商品组合又有什么不同?这就是这项研究想要回答的问题。
主要发现一览:
- 同时出现在 AI Mode 和传统搜索中的匹配商品,AI Mode 贵 21.6%。
- 看两边所有商品(不只是匹配的),AI Mode 的中位价比传统搜索高 49%。
- 传统搜索中排名的商品,只有 1.28% 在同一天同一个搜索下也出现在 AI Mode 里。
- 匹配商品中有 38.1% 存在价格差异;出现差异时,AI Mode 更贵的情况占 68.4%,大约三分之二。
- 匹配商品中有 49.6% 的主要卖家不同。
核心结论
同一商品、同一搜索词、同一天,Google AI Mode 的价格比传统搜索平均高出 21.6%;若比较两边所有商品(含未匹配项),AI Mode 中位价为 149 美元,传统搜索为 100 美元,高出约 49%。
传统搜索中排名的商品,仅有 1.28% 在同一天同一搜索下也出现在 AI Mode 中;AI Mode 平均仅展示 3.9 个商品,传统搜索为 27.8 个,重合商品平均仅 0.94 个。
匹配商品中有 38.1% 存在价格差异;出现差异时,AI Mode 更贵的情况占 68.4%(约三分之二),此时价格差中位数为 22.2%。
当 AI Mode 价格更低时,差距明显更小:价格差中位数仅 7.8%,平均值 11.9%,远低于 AI Mode 更贵时的差距。
匹配商品中有 49.6% 的主推卖家不同,说明 AI Mode 不只是重新排序同一报价,而是按自身标准选择了不同的卖家与报价。
发现一:同样的商品,AI Mode 里更贵
这是整项研究里最直接的对比。同一个商品,同一个搜索,唯一的变量就是你用的是哪种搜索方式。我们把 AI Mode 和传统搜索中的商品做了匹配,然后比较两边的标价。在这些匹配对中,AI Mode 贵了 21.6%。
同一商品,同一查询,同一天
价格差异:AI Mode 对比传统搜索,仅限匹配商品
+21.6%
匹配商品在 AI Mode 中更贵
来源:Productrise · productrise.app
Brodie Clark 的评论:
这项研究很有意思,它揭示了 Google 购物图谱的更多细节,以及经典搜索和 AI Mode 在免费列表展示上的不一致。虽然更高的价格可能只是显示在 AI Mode 的网格结果里(这让顶层比较不那么准确),但我们通常看到的是,最终拿到点击的是价格最低的那个零售商。
从消费者角度看,这项研究很有用,它帮助我们理解 AI Mode 推荐的商品可能并没有像我们预期的那样重视“价格”因素。
下面这些截图来自我们数据集中的真实案例。每一对都来自同一个搜索:左边是传统搜索,右边是 AI Mode。
[传统搜索截图:SERP #1,价格明显更低]
[AI Mode 截图:AI Mode #1,贵约 26%]
[传统搜索截图:SERP,不同卖家,价格明显更低]
[AI Mode 截图:AI Mode,贵约 19%]
同一个商品,同一个查询,右边的价格 consistently 更高。
Katelyn Geary 的评论:
AI 搜索本该消除在五个标签页之间比价的麻烦,但如果它默认只提供更贵的库存,那它并没有帮我们省任何事。我们用可见的“打开多个窗口”的麻烦,换来了看不见的“多付钱”的代价,而且永远看不到隔壁标签页里更便宜的那个选项。
当算法三分之二的情况下偏向更贵的商品,并且完全换掉卖家时,发现商品的逻辑就变了。开放的市场比较被一条通往更高价库存的精选路径取代。如果这些平台是为用户建的,那值得问一句:真正受益的是谁?
发现二:AI Mode 倾向于推荐更贵的商品
匹配商品给出了最干净的对比,但它们只是画面的一部分。为了看到更大的模式,我们还比较了两边的每一个有价格的列表,包括只出现在一边的商品。
在这个更广的基础上,AI Mode 中的典型商品价格远高于传统搜索中的典型商品:AI Mode 中位价 149 美元,传统搜索 100 美元,高出约 49%。
下图展示了两边价格的完整分布。左边是传统搜索,右边是 AI Mode,每条虚线标记该侧的中位价。
价格分布:传统搜索 vs AI Mode
研究窗口内所有有价格的列表。左 = 传统搜索(灰色)。右 = AI Mode(青色)。柱宽 = 两边合计中该侧所占份额。每侧使用自己的水平刻度,以便较小的 AI Mode 分布保持可读。Y 轴为对数刻度。虚线 = 每侧中位价。
来源:Productrise · productrise.app
AI Mode 那一侧看起来更小,原因很简单:AI Mode 展示的商品本来就少得多,所以在我们追踪的所有列表中占比小得多。这与我们之前的研究一致。在当前数据集中,AI Mode 只占所有展示商品的 12.3%,平均 3.9 个商品,而传统搜索是 27.8 个。
[传统搜索截图:展示不同卖家的更低二手价]
[AI Mode 截图:展示更高的全新品价格]
发现三:AI 模式和传统搜索的商品重合度极低
两边同时响应同一个搜索词,同一天,它们很少展示相同的商品。整个数据集里,传统搜索排名的商品中只有 1.28% 也出现在 AI 模式里。我们七月份的研究在更宏观的层面发现了类似的规律:AI 模式排名的商品,只占传统搜索整体排名商品的约 5%。
每次搜索展示的商品数,以及重合部分
当两边同时响应同一个购物搜索时,平均展示的商品数量。每个方块代表一个商品。
传统搜索 27.8
AI 模式 3.9
重合商品 0.94
来源:Productrise · productrise.app
重合商品这个数字挺有意思:两边响应同一个查询时,它们很少落到相同的商品上。而且 AI 模式挑中的那些商品,跟 Google 通常奖励最低价 listing 的做法是反着来的。
AI 模式里的价格贵了 21.6%,这跟我们在商品列表里看到的 Google 排名方式形成了鲜明对比。通常是最便宜的商品获得最多关注(以及最好的视觉呈现)。更何况,Google 还专门为价格敏感型消费者推出过功能。
那些价格相关的处理方式,在 AI 模式的例子里基本被忘掉了。
AI 模式不光展示的商品更少,展示的还更贵。我觉得这对那些不想总是只靠价格竞争的商家来说,算是个小利好。
有一点研究里没明说,但我从截图里观察到了:AI 模式似乎更倾向于链接到品牌自己的网站,而不是第三方平台,这跟我们平时看到的趋势也一致。如果我们确实看到商家的网站优先于第三方平台(在适用的商品上),那这件事就大了。
这也是为什么用 Product Highlights 和 Product Details 来丰富你的商品 feed 数据,能帮 AI 更好地展示你的商品。
Jamie D'Alessandro
发现四:价格不一致时,AI 模式三分之二的情况更贵
同一个商品在两边都出现时,两个价格有 38.1% 的概率不一致。不一致的时候,AI 模式更贵的情况约占三分之二(68.4%)。
AI 模式更贵时,价格差的中位数是 22.2%。平均值是 88.5%,但这个数字被极端离群值拉高了(比如传统搜索里是二手商品,AI 模式里匹配到的是全新商品)。
AI 模式更贵时的价格差
在匹配到的商品中,AI 模式比传统搜索更贵的那些。
+22.2%
价格差中位数
+88.5%
平均值(被离群值拉高)
来源:Productrise · productrise.app
价格不一致的时候,AI 模式更多是贵的那一方,而且往往贵不少。
作为消费者,考虑到生活成本压力和经济不稳定,这件事冲击很大。它也在挑战一个普遍共识,即 AI 提供了更好、更以客户为中心的购物体验,尤其是当你把 AI 降低认知负荷的能力跟价格差异放在一起看的时候。
不同市场里,30% 到 75% 的消费者把价格列为购买决策中最重要的因素,所以这个差异可能直接影响收入,即使你在两种体验里都有不错的表现。
作为品牌方,这凸显了增加对 AI 向用户展示内容的可见度的必要性。在购物体验中对 AI 进行“事实核查”变得重要多了。我会仔细考虑 SEO 和 GEO 到底有多“对齐”,更多关注如何追踪购物 feed 的可见度,并努力把我所有的数据源统一到“一个价格”上。
Tristan James
发现五:AI 模式更便宜时,差距更小
在 AI 模式更便宜的那些情况里,价格差的中位数是 7.8%,平均值是 11.9%,比 AI 模式更贵时的差距要小。
AI 模式更便宜时的价格差
在匹配到的商品中,AI 模式比传统搜索更便宜的那些。
−7.8%
价格差中位数
−11.9%
价格差平均值
来源:Productrise · productrise.app
发现六:近一半的情况下,卖家不一样
同一个商品同时出现在 AI 模式和传统搜索里时,主推卖家有 49.6% 的概率是不同的。价格变了,卖家往往也跟着变。
匹配商品中的卖家不一致率
同一个商品,不同的主推卖家。
49.6%
的匹配商品展示了不同的主推卖家
来源:Productrise · productrise.app
传统搜索截图暂不可用。
AI 模式截图暂不可用。
传统搜索截图暂不可用。
AI 模式截图暂不可用。
价格不同是一回事。同一个商品换了卖家是另一回事,而我们的数据显示,这种情况在近一半的匹配商品中都出现了。
<div>
<p>
近半数匹配商品出现卖家替换,这件事比价格差本身更值得零售商警惕。它说明 AI 模式不只是把同一个报价重新排了个序,而是按照自己的一套标准挑了一个不同的报价。商品数据源和库存情况是最明显的因素,但这类 AI 界面在决定推荐什么时,通常还会参考第三方引用、评价、媒体报道,以及商家数据源之外的其他信息。
</p>
<div>
<p><img src="https://productrise.app/storage/images/blogs/callum-lockwood-resignal-headshot.jpg" alt="Callum Lockwood" this.nextElementSibling.style.display='flex'"></p><p>C</p>
<div>
<div><p>
Callum Lockwood
</p><a href="https://www.linkedin.com/in/callum-lockwood/" target="_blank" rel="noopener noreferrer" aria-label="Callum Lockwood on LinkedIn">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" width="14" height="14"><path fill="#0A66C2" d="M20.447 20.452h-3.554v-5.569c0-1.328-.027-3.037-1.852-3.037-1.853 0-2.136 1.445-2.136 2.939v5.667H9.351V9h3.414v1.561h.046c.477-.9 1.637-1.85 3.37-1.85 3.601 0 4.267 2.37 4.267 5.455v6.286zM5.337 7.433c-1.144 0-2.063-.926-2.063-2.065 0-1.138.92-2.063 2.063-2.063 1.14 0 2.064.925 2.064 2.063 0 1.139-.925 2.065-2.064 2.065zm1.782 13.019H3.555V9h3.564v11.452zM22.225 0H1.771C.792 0 0 .774 0 1.729v20.542C0 23.227.792 24 1.771 24h20.451C23.2 24 24 23.227 24 22.271V1.729C24 .774 23.2 0 22.222 0h.003z"></path></svg>
</a>
</div>
<p>自然搜索总监,<a href="https://resignal.com/" target="_blank" rel="noopener noreferrer">Re:signal</a><img src="https://www.google.com/s2/favicons?domain=resignal.com&sz=32" alt="Re:signal"
</div>
</div>
</div>
<hr>
<h2>更多商品示例</h2>
<p>
不是所有匹配商品都有价格差。下面这些配对展示了同价商品、标题改写,以及相同报价下的排名差异。
</p>
传统搜索截图暂不可用。
AI 模式截图暂不可用。
<div>
<figure>
<img src="https://productrise.app/storage/images/blogs/ai-serp-study-example-same-price-seller-diff-position-serp-1.jpg" alt="传统搜索排名第 8,卖家和价格与 AI 模式第 1 相同" this.nextElementSibling.style.display='flex';">
<p>传统搜索截图暂不可用。</p>
<figcaption>传统搜索</figcaption>
</figure>
<figure>
<img src="https://productrise.app/storage/images/blogs/ai-serp-study-example-same-price-seller-diff-position-ai-mode-1.jpg" alt="AI 模式排名第 1,卖家和价格相同" this.nextElementSibling.style.display='flex';">
<p>AI 模式截图暂不可用。</p>
<figcaption>AI 模式</figcaption>
</figure>
</div>
这些例子说明,匹配商品不一定有价格差。实际上大约 68% 的情况下价格是一致的,哪怕主推卖家不同。
<hr>
<h2>这件事为什么重要</h2>
<p>
消费者倾向于认为 AI 模式是在替自己办事,像传统搜索多年来做的那样,把最好的选项推到前面。主推价格并不是唯一可选的:在 AI 模式或传统搜索里点击一个商品,侧边栏会打开一个知识面板,列出其他卖家及其价格。但这需要用户主动去点,大多数人不会这么做。当主列表被呈现为推荐选项时,用户有理由认为它已经是最优价格,也就没什么动力再去找更便宜的卖家。消费者第一眼看到的数字,就是大多数人会直接下单的数字,而在 AI 模式里,这个数字往往更高。
</p>
<div>
<div><p>
这只是 Google 仍在积极演进的搜索界面的一个快照,所以我会建议持续关注追踪数据,而不只是看这份研究里的数字。Google 有明确的动机让用户从提问到下单的路径更短,一个回答里放四个商品,比放二十个更能做到这一点。</p><p>
从格式上已经能看出来了:更多文字和教育性内容与商品推荐并列出现,以前需要在五个标签页之间完成的调研,现在在答案里就完成了。我预计购买周期会因此缩短。扎实的商品数据和覆盖完整的用户旅程,现在是绝对必须做的事。
</p></div>
<div>
<p><img src="https://productrise.app/storage/images/blogs/jeff-collins-headshot.jpg" alt="Jeff Collins" this.nextElementSibling.style.display='flex'"></p><p>J</p>
<div><p>
Jeff Collins
</p><a href="https://www.linkedin.com/in/jeffcollinsseo/" target="_blank" rel="noopener noreferrer" aria-label="Jeff Collins on LinkedIn">
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 24 24" width="14" height="14"><path fill="#0A66C2" d="M20.447 20.452h-3.554v-5.569c0-1.328-.027-3.037-1.852-3.037-1.853 0-2.136 1.445-2.136 2.939v5.667H9.351V9h3.414v1.561h.046c.477-.9 1.637-1.85 3.37-1.85 3.601 0 4.267 2.37 4.267 5.455v6.286zM5.337 7.433c-1.144 0-2.063-.926-2.063-2.065 0-1.138.92-2.063 2.063-2.063 1.14 0 2.064.925 2.064 2.063 0 1.139-.925 2.065-2.064 2.065zm1.782 13.019H3.555V9h3.564v11.452zM22.225 0H1.771C.792 0 0 .774 0 1.729v20.542C0 23.227.792 24 1.771 24h20.451C23.2 24 24 23.227 24 22.271V1.729C24 .774 23.2 0 22.222 0h.003z"></path></svg>
</a>
</div>
</div>
</div>
<p>
随着 Google 把更多购物流程搬进 AI 模式,而且经常直接把同一个查询词带过去,消费者根本意识不到搜索类型已经变了,这个盲区就变得很关键。品牌需要知道 Google 在那里推荐了什么、以什么价格推荐,而不只是自己熟悉的轮播图里排第几。
</p>
<p>
值得看看 Google 是怎么把消费者直接送进 AI 模式的,因为大多数情况下这个切换没有任何主动选择。同一个查询词原样带过去,从消费者的角度看什么都没变。下面这些入口就是它出现的地方。
</p>
Google 现在在标准搜索框上直接展示了一个醒目的 AI 模式入口,点击后进入 AI 模式,同时保留原来的查询词。
截图暂不可用。
桌面端 Chrome 浏览器直接把 AI 模式的按钮放在了地址栏里。
截图暂不可用。
搜索结果里也多了一个 AI 模式标签页,点进去直接用当前查询词进入 AI 模式。
截图暂不可用。
来源:Productrise · productrise.app
Google 过去一年一直在把 AI 模式往标准搜索体验里拉,而且明确说了还会继续推。这个趋势下,购物者第一眼看到的价格变得更关键,因为大多数人不会往下翻。排在第一位的商品就像一个锚点:不管在哪个界面上点进去,知识面板里其实还列着其他卖家,有些更便宜,但要多点一下才能看到,而大部分购物者不会点那一下。
数据说明的是,最低价在 AI 模式里的权重没那么大。如果模型不是靠最低价来决定谁能被展示,那能参与竞争的人就变了。那些打不起价格战的品牌反而有了机会:更好的商品 feed、更丰富的产品数据、评论,以及和购物对话的匹配度,都能让 AI 有足够信心去推荐它们。
我们的方法
在 23 天里,我们追踪了超过 200 万条商品列表,覆盖超过 10 万个搜索结果页和 AI 模式回答,同一天在两边跑同一个查询词。我们追踪的是美国和英国以商品为核心的购物查询,时间范围是 2026 年 8 月 9 日到 8 月 31 日。搜索结果页这边,我们只分析 popular_products 轮播里的列表;AI 模式这边,我们用了所有追踪到的商品卡片。两边商品的匹配靠 Google 稳定的商品标识符来完成,前提是同一天、同一个查询词。
发现一到五里的标价对比,只比较匹配到的商品:同一个商品、同一个查询词、同一天。每一对里我们取两边的主推报价(列表位置最低的那个),然后算 AI 模式价格相对传统搜索价格高多少或低多少:(AI 模式价格 − 搜索结果价格) / 搜索结果价格。发现二用的是另一套更宽的比较,把两边所有有价格的列表都算进去,不只是匹配的,然后报告两个中位数的差值。美国价格用美元,英国价格用英镑,我们不做汇率换算。
剩下的匹配商品统计(价格不一致的频率、哪边更高、卖家是否不同),用的还是和标价对比同一批主推报价对。重叠率方面,我们按天算匹配率(匹配商品数除以所有带商品标识符的传统搜索列表),然后对每日比率取平均。这项研究用的是全新数据集,算是我们2026 年 7 月那项研究的延续,当时发现 AI 模式在相同查询下返回的商品列表比传统搜索少了大约 95%。
关于这项研究
这项研究由 Productrise 完成,Productrise 是一个追踪 Google 自然商品曝光度的平台。所有数据都直接来自我们追踪数据库在统计窗口内的计算。欢迎转载、引用或重新发布图表和发现,注明 Productrise 并附上本文链接即可。有问题或数据需求,发邮件到 hello@productrise.app。




