Marketing Science 2026研究解读：ChatGPT引荐流量还很小，消费品制造企业现在该不该加预算？
973个电商网站的研究显示：观察期内自然LLM引荐不足总访问的0.2%，转化与单次访问收入高于付费社交但低于多数传统渠道；复杂品类更值得先做小范围验证
给企业老板的结论是：现在可以试，但不宜重押，更不应先砍掉已经稳定带来订单的搜索、联盟、邮件或经销渠道。论文样本中，自然LLM引荐不足总访问的0.2%，规模约比Google自然搜索小200倍；调整网站、国家、品类与时间差异后，它的转化和单次访问收入高于付费社交，却低于多数传统渠道。产品越需要解释、比较和核验，AI入口越有测试价值，但论文只提供品类层面的探索性证据。企业应先选少数信息复杂的产品页，补齐参数、兼容、认证、交付与购买路径，连续观察8—12周，再根据真实访问、交易或有效询盘决定是否加预算。
先看这项研究的基本盘
纳入研究的电商网站
覆盖24个品类和49个国家；属于电商行为数据，不是工业采购或中国制造企业样本。
自然LLM引荐占全部访问的比例
观察期内规模约比Google自然搜索小200倍；这是研究样本，不代表2026年所有市场。
自然LLM引荐访问对应的交易
12个月样本共记录约491.6万次自然LLM访问；交易按网站既有口径记录。
论文证据怎样转成预算判断
原始数字、GEO360解释和企业行动分别呈现，不把电商访问写成工业采购订单。
01规模仍小：自然LLM引荐不足全部访问的0.2%
Abstract / Results / Table 2“less than 0.2% of all traffic”
12个月样本包含973个网站、约105亿次访问；自然LLM引荐约491.6万次，论文称其规模约比Google自然搜索小200倍。
增长快和占比小可以同时成立。研究给的是渠道基本盘，不是否定AI作为新增入口的价值。
把AI列入测试预算，但不要先削减已经稳定带来订单的搜索、联盟、邮件或经销渠道。
02质量有信号：表现高于付费社交，但低于多数成熟渠道
Main results / Regression-adjusted comparisons“higher CR and RPS than paid social”
调整网站、国家、品类和时间差异后，付费社交的转化概率比自然LLM低53%；自然搜索比自然LLM高13%，联盟渠道高86%。
AI访客可能已完成部分前置研究，但不同渠道的用户和触达机制不一样。这是描述性比较，不是因果证明。
用自家网站的同一转化口径做比较，同时检查样本量、单次结果成本与最终客户质量。
03复杂品类更值得先测，但4.6倍不是单品收益承诺
Exploratory analysis / Product complexity4.6× higher traffic shares
高复杂度品类的自然LLM流量份额平均为低复杂度品类的4.6倍；该分析按网站品类分类，并非逐个产品实验。
需要解释参数、兼容、用途和风险的产品，更可能触发用户先向AI提问；行业名称本身不能决定结果。
先测试少数高解释成本产品，是否扩展由真实访问、交易或有效询盘决定。
自然LLM引荐现在处在什么位置
方向依据论文回归调整后的比较；“较高、较低”不是百分点，也不代表因果关系。
| 比较对象 | 转化概率 | 单次访问收入 | 当前经营判断 |
|---|---|---|---|
| 相对付费社交 | 较高 | 较高 | 可以作为测试入口 |
| 相对自然搜索 | 较低 | 较低 | 暂不应替代 |
| 相对其他多数传统渠道 | 较低 | 较低 | 先保留成熟投入 |
Adobe R019回答：AI访客增长和表现怎样
Adobe观察美国零售站点，393%是2026年第一季度同比增长，42%是2026年3月相对非AI访问的转化表现差异；它没有把AI与每类传统渠道逐一比较。
本篇回答：AI渠道相对成熟渠道处在哪里
论文覆盖多国电商站点，用更早的数据窗口逐渠道比较。它说明高增长可以发生在小基数上，也说明AI访客质量并非最差。
合并后的判断：AI入口值得尽早测量，但暂时不应仅凭增长率替代成熟获客渠道。
查看Adobe 2026零售流量研究不能代表2026年现状
论文2026年发表，但数据截止2025年8月2日，平台和用户行为可能已经变化。
不能证明渠道因果
结果是描述性比较，不证明AI引荐本身造成转化差异。
不能外推工业采购
研究对象是电商网站，没有验证中国出口企业或B2B供应商入围。
三个制造业模拟场景
以下均为模拟场景（非真实业绩案例），只用于说明怎样使用研究结论。
接口、系统版本和兼容条件较多，用户购买前需要反复核对。
模拟场景（非真实业绩案例）：选择两款重点设备补齐兼容与不适用情形，连续观察AI引荐访问和交易。
新品客单较高，但搜索和联盟渠道已经稳定带来购买。
模拟场景（非真实业绩案例）：不削减成熟渠道，只用小额内容和测量预算测试AI入口。
一个月只有少量AI引荐，转化率看起来很高但样本不足。
模拟场景（非真实业绩案例）：先记录来源、页面和询盘质量，延长观察期后再判断预算。
它研究的是GEO带来的可观察访问。被AI提及或引用不等于用户点击，点击也不等于交易；四层指标必须分开。
它提醒企业把内容工作接回渠道预算。产品事实是否完整，最终要用访问、有效询盘、交易和客户质量验证。
它也暴露末次点击的盲区。用户可能先在AI里研究、再从搜索或其他渠道进入网站，因此不能只看可识别AI引荐。
中国制造企业建议先做这三件事
- 01 第一步
由老板或国际业务负责人划定实验预算，不削减已验证有效的搜索、联盟、邮件和经销渠道；先选两至五个需要大量解释的重点产品，设定8—12周观察期。
- 02 第二步
由产品、外贸和网站团队补齐型号、关键参数、兼容与不适用情形、认证范围、交付、质保和购买或询盘入口，并在分析工具中单独识别ChatGPT及其他AI引荐来源。
- 03 第三步
按同一口径比较AI引荐与其他渠道的访问占比、有效互动、交易或有效询盘、单次结果成本和客户质量；样本太小时延长观察，不用单月百分比追加预算。
接下来值得关注的变化
- 1.AI引荐会逐步成为网站分析中的独立渠道，但其增长速度、规模和交易质量必须同时观察。
- 2.产品信息复杂度可能影响用户是否先用AI研究，企业会从全站铺开转向少数高解释成本产品的验证。
- 3.末次点击难以完整记录AI在发现和比较阶段的作用，未来渠道评估会同时关注AI提及、引用、访问和最终交易。
使用这项研究时必须保留的边界
- 1.数据截止2025年8月2日，不能代表2026年8月的平台份额、广告产品、结账能力或用户行为；企业必须用自己的最新数据复核。
- 2.研究是描述性比较，不证明AI引荐直接造成更高或更低转化；渠道用户、网站类型和未观察差异都可能影响结果。
- 3.样本来自电商网站，复杂度是品类层面的代理变量，不能外推为中国工厂、海外B2B采购或某个工业品的订单规律。
Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?
Marketing Science（INFORMS）· 汉堡大学 · 法兰克福金融管理学院 · 2026-04-21
【资料边界与时效说明】本文主要解读Kaiser与Schulze发表于INFORMS同行评审期刊《Marketing Science》的论文《Frontiers: ChatGPT Referrals to E-Commerce Websites: How Do LLMs Compare Against Traditional Channels?》。论文于2026年4月21日在线发表，属于当年来源；其数据窗口为2024年7月28日至2025年8月2日，主要回归使用2025年2月2日至8月2日的六个月数据。因此，2026年发表不等于数据反映2026年8月的渠道现状。研究覆盖973个电商网站、24个品类和49个国家，使用Grips Intelligence提供的专有访问与交易数据；论文披露第一作者任职于Grips，企业提供数据和计算资源，但未直接提供资金，也未参与研究问题、设计、解释或论文批准。自然LLM引荐指用户点击LLM回答中的非付费链接进入网站，主分析聚焦ChatGPT，因为其占样本所见LLM访问的90%以上。结果是描述性比较，不是因果实验；不同渠道的用户、网站和归因方式可能存在未观察差异，末次点击也可能低估AI在前期发现中的作用。研究对象是电商网站，不是海外B2B工业采购或中国出口企业；产品复杂度是网站品类层面的模型分类代理，不能套到每个具体产品。文中制造业情境均为模拟场景（非真实业绩案例），GEO360行动建议不是论文原始结论。