算法购物：代理式 AI 如何将人类启发式策略部署为替代消费者
Shopping by algorithm: How agentic AI deploys human heuristics as a surrogate consumer
精选理由
揭示购物型AI如何受信息架构与提示目标影响，为优化代理决策和营销设计提供依据。
AI 摘要
消费者越来越多地将购买决策委托给充当替代消费者的大语言模型（LLMs）。我们采用“Tool-Lab”——一种改造版的信息板过程追踪方法，将产品属性置于需要付出成本的工具调用之后——考察营销定价线索（即略低于整数的定价和促销框架）如何影响 AI 购物代理。在来自三家提供商的八个已商业部署的 LLMs 中，我们追踪其选择前的信息获取过程。在零成本条件下，定价线索很少造成误导。在模糊目标提示下施加获取成本，会导致 LLMs 遗漏计算单位价格所需的诊断性属性，并作出类似于人类启发式策略的次优选择。相较于主要能够保留诊断性搜索和选择最优性的具体目标提示，约束条件下的模糊目标提示会造成一种由搜索中介的脆弱性。本研究表明，委托式 AI 购物中的营销启发式策略受店面信息架构支配，而不一定源于 LLMs 不可改变的缺陷。