2026 年 11 月 10 日,OpenAI 发布了 Businesses in ChatGPT 的测试版:商家可以认领资料、维护商品信息,符合条件的商家还可以建立代表自己回答问题的 Business Agent。这个消息容易被读成“又多了一个流量入口”。我更在意另一件事:同一个聊天界面,开始同时容纳替消费者比较选项的助手,以及替商家解释产品的代理。它们都可以说得流畅,利益位置却不同。
如果把这次发布仅仅理解成给客服换一个入口,团队会优先研究欢迎语、品牌语气和促销话术。如果把它理解成商业信息进入用户决策链的新接口,首先要解决的则是事实更新、角色识别和效果归因。前者容易做出漂亮演示,后者决定上线之后会不会把一场咨询变成错误承诺。
本文依据截至 11 月 13 日可读取的官方发布与政策分析产品边界,没有登录商家后台,也没有测试真实店铺的回答、延迟或转化率。下文提出的流程和验收办法是我的设计建议,不代表平台已提供相应接口。
先分清三个不同的入口
官方发布描述的产品包含几件相邻但不同的事:认领并维护商家信息,通过汇总指标了解用户如何发现商家,以及让符合条件的商家推出代理。Business Agents 初期面向美国符合条件的电商与在线服务商家。不能把商家资料的可认领范围直接当成代理的开放范围。
这三个入口分别影响信息供给、效果观察和咨询过程。一个企业只想修正营业信息,不意味着它需要承担长期运营代理的成本;一个已有准确商品资料的店铺,也不意味着应该立刻让代理处理所有售前问题。把产品拆开看,才有办法分阶段试用,而不是被“全面接入 AI”这种目标推着走。
官方商家页面明确说,认领不会保证更高的展示位置或销量;没有代理的商家也可能被 ChatGPT 展示。这里有一个容易被营销方案抹平的区别:提供更可靠的信息,是供给侧工作;能否获得推荐,是需求匹配和平台选择的结果。将前者包装成后者的保证,会让预算建立在一个无法验收的承诺上。
商家因此不该把“有没有蓝色标识”作为成功标准。我会先问:用户询问最重要的购买条件时,是否能得到一致且有边界的答案?如果连不同套餐之间的退款条件都没有整理清楚,多一个对话入口只会让不一致传播得更快。
最重要的产品设计,是让用户知道谁在说话
官方将商家代理对话与 ChatGPT 的独立回答区分开来。Business Agents Policy也要求代理清楚表明自己代表商家,不能把自己呈现为独立顾问。这个要求并非只是在标题上增加一个标识,它改变了用户应该如何理解每一句建议。
考虑一个具体场景:用户正在比较三款家用咖啡机,希望知道哪款最适合小厨房。独立助手可以把不同品牌放进同一个比较框架,甚至建议暂时不买。某家咖啡机品牌的代理,则更适合解释自家机器的尺寸、维护要求和兼容配件。它当然可以帮助用户判断自家产品是否合适,但不能因为回答使用第一人称、又出现在同一个应用里,就自动继承独立建议的可信度。
我会把代理定位成“有明确身份的产品解释者”,而不是“懂你的最佳购买顾问”。这个选择会损失一点销售语气,却能建立更稳固的预期。如果用户提出必须放入某个尺寸的柜体,而产品实际不满足,代理应说明不适合,而不是把问题转化成“我们的设计适合大多数家庭”。事实不利于成交时仍然保留事实,才是角色透明真正有价值的地方。
更难的是交接时刻。用户从比较页面进入商家对话,原先的问题可能延续下来,但信息来源和利益关系已经变化。对产品团队而言,应测试用户能否在不看说明书的情况下回答两个问题:现在是谁在回应?这句话依据的是商家提供的材料,还是独立比较?如果用户仍将商家答案误认成平台背书,单纯证明页面上放了标签,并不能证明界限被理解。
这不是主张商家代理必须消极回答。恰恰相反,清楚的身份可以让它更深入地解释特定产品,因为它不必假装对整个市场无所不知。真正的问题不是偏向自家产品,而是把这种偏向藏在中立口吻里。
商品事实不是一份上传后就能忘掉的文档
代理能否回答得漂亮,取决于模型;它能否在今天答对,更多取决于资料的生命周期。这个差别在商品咨询里尤其明显。材料说明相对稳定,库存可能随时变化,促销有明确时区和截止时间,而运费又可能依赖地址与订单组合。把这些信息都放进同一份长文档,会让模型看到许多句子,却看不到这些句子各自的有效条件。
以下是我建议商家内部采用的最小事实结构,不是 OpenAI 官方字段,也不是可直接提交的平台配置:
{
"product_key": "coffee-machine-mini",
"claim": "适配柜体的最小净宽为某个经过核实的值",
"source_owner": "产品团队",
"effective_from": "待填写",
"expires_at": null,
"market": "待填写",
"verification_state": "reviewed"
}
这里故意没有给出虚构的尺寸、价格和库存。示例想强调的是一条商品事实至少要能回答:谁负责它、适用于哪里、什么时候有效、依据是否经过复核。维护人员不需要把所有事实都变成复杂数据库,但需要避免让代理从三份相互矛盾的宣传材料中自行决定哪一份较新。
实际整理时,可以先按变化频率分层。产品材质、尺寸等稳定属性进入版本化资料;退换条件和服务范围进入有生效时间的政策记录;价格与可售状态则必须有专门的更新责任。平台接受某种商品 feed,并不自动证明商家的上游数据及时,也不证明每一次对话读取到的就是最后一笔变更。公开发布材料没有给出足以让我承诺具体新鲜度的证据,因此上线计划不应写出未经验证的“实时同步”。
当资料冲突时,我倾向于放弃那一次确定回答。例如促销页写着免运费,结算规则却要求满额,代理应把条件说清楚或引导用户核实,而不是选择更容易成交的表述。对于低风险的外观描述,允许适度概括;对于金额、期限、兼容性和售后资格,宁可少说一句,也不应补出一个听起来合理的答案。
这会暴露一项不太讨喜的成本:代理上线常常先要求商家把自己的信息管理做好。模型不能替组织决定哪一个部门的旧文件仍然有效。若这项治理无人负责,所谓“知识库优化”最后往往变成运营人员反复修补话术,而错误源头仍在上游。
从回答问题到替人行动,中间隔着授权
一位消费者问“这款能不能退”,与他说“替我申请退款”,不是同一类请求。前者要求提供信息,后者可能改变订单状态、分享个人资料或影响权益。即使两句话出现在同一段自然对话里,也不应该自动共享同一种处理权限。
官方政策对用户信息及代办动作提出限制。这里值得关注的不是“代理会不会主动多问一句”,而是团队有没有把回答、收集信息和提交动作分成不同阶段。以下是建议性的业务状态模型,并非平台公开接口:
解释产品信息
→ 明确用户选择
→ 展示所需信息、接收方与动作后果
→ 获得该动作的授权
→ 执行并返回可核对的结果
最常见的设计错误是把“用户感兴趣”当成“用户同意留资”,或把“帮我看看能不能预约”当成“立即提交预约”。在售前场景,这种偷换可能提高短期线索数,却会让用户难以判断自己到底做了什么。对商家而言,低质量线索也会污染销售漏斗:看起来多了许多咨询,销售人员接手后才发现对方根本没有同意联系。
因此验收不能只问代理是否顺利完成动作,还应问它是否在该停下的时候停下。用三个相近请求测试尤其有效:“告诉我有哪些时段”“帮我选一个时段”“现在预约这个时段”。如果系统对三者给出几乎一样的执行行为,问题就不是语气,而是状态划分失败。
同样,不应该把普通售前问题变成索取高敏感资料的借口。回答商品是否适合一个尺寸明确的空间,通常不需要家庭住址;解释公开套餐,也通常不需要身份证明。合理的资料最小化既减少用户顾虑,也减轻团队之后保存、删除和访问控制的负担。
不能拿更多对话,直接证明更多价值
发布材料中的 Business Hub 指标包含汇总的提及、点击及发现主题,并说明商家不会因此获得用户的原始对话。这里存在一个重要的测量边界:平台提供的是观察业务被发现的窗口,而不是一条可以任意回放的完整消费者路径。
对小商家来说,这反而有助于避免过度收集。团队可以知道用户经常关心什么,却不必把每一段私人咨询存入自己的系统。但代价是,不能假装已经知道每个最终订单对应哪一次代理回答,更不能把同一时期的销量上涨全部归功于代理。季节、促销、库存和广告同时变化,都会影响结果。
我的建议是把指标分成三个层次。第一层是资料质量:关键商品事实是否齐全,过期内容多久被发现,冲突是否有人处理。第二层是咨询质量:用户提出限制条件后,是否得到准确答复,不适合时能否明确指出,未知问题是否合理转交。第三层才是商业结果:来自该渠道的有效访问、合格咨询或后续成交是否改善。
这种分层不是为了增加报表,而是为了使失败可定位。访问上升但投诉增加,可能说明曝光扩大了旧问题;咨询很长却没有完成下一步,可能是答案缺少明确条件;代理主动劝退了一位不适合的客户,短期转化下降,长期退货成本却可能减少。只用成交率奖励代理,会把这些差别压成同一个“成功或失败”。
如果有足够流量,可以在不误导用户的前提下做预先设计的对照观察,保持价格和活动尽量一致,并把样本范围、观察周期和排除条件写下来。流量不足时,不必勉强制造显著性。先抽查真实业务问题的处理质量,往往比一张波动很大的转化率曲线更有用。没有充分样本,结论就应该停留在“值得继续试”,而不是“已经证明增长”。
我会怎样决定是否上线
我不会先写一份包含几百条品牌语气规则的提示词,而会选一个边界足够小的商品系列。这个系列最好有稳定规格、明确售后条款、已整理的常见疑问,以及愿意维护资料的负责人。选择范围不是为了让演示容易成功,而是为了让错误发生后能够找到原因。
验收题也不应全部是“介绍一下这款产品”。至少需要包含相互冲突的条件、刚刚变更的信息、用户明确拒绝的推销,以及产品不适合的情形。例如用户同时要求最低价格、最长保修和最快配送,资料并不支持三者兼得时,代理必须解释取舍;不能用一段热情介绍绕过矛盾。对负面测试的重视程度,应该不低于对正常问答的评分。
然后为每一种错误确定处理方式。无伤大雅的表述问题可以排队修订;价格与政策错误应立即缩小范围或暂停相关回答;误收集信息、误执行动作则需要停止相应能力并核对受影响记录。把停用条件写在上线之前,比在出现投诉后临时争论“这算不算严重”更可靠。
也有不适合现在就上的商家:资料频繁变化但无人维护,售前高度依赖专业判断,或者当前最急的问题其实是配送和售后能力不足。代理可以让用户更快找到问题,却不会把履约问题消失掉。此时维护准确的基础资料、改进商品页和转人工路径,可能比增加一个对话角色更划算。
Businesses in ChatGPT 值得关注,但理由不是它证明了某种新流量红利。它把原来散落在搜索结果、商品页和在线客服之间的工作,放到了一个连续的决策环境里。连续体验确实能降低用户理解产品的成本,也会放大身份混淆、旧事实和越权动作的后果。
我会先投资那些即使平台改版仍然有价值的东西:可追溯的商品事实、明确的授权边界、能发现不适合购买情形的测试,以及不过度归因的效果评估。做好这些,商家代理才可能成为一种可靠的解释能力;没有这些,它很容易只是把旧客服问题说得更自然。
评论
暂无评论。