审计 AI 生成的产品推荐：以 Galaxy S26 Ultra 为例

研究者构建了包含 2528 条真实消费建议查询的 ConsumerQ 数据集，评估 ChatGPT、Google Gemini 与 Google Search AI Overviews 共 1536 条产品推荐回答。结果显示 ChatGPT 在 79% 的推荐回答中表达第一人称偏好，Gemini 为 7%，AI Overviews 为 2%；同一查询重复请求时推荐产品常发生变化，且界面与 API 展示的来源域名重叠很低，ChatGPT 与 Gemini 界面平均仅共享 5.4% 域名，76.7% 对比中无共同域名。

此前对 AI 购物建议的讨论多基于单次提问或 API 观测，而该研究用真实商业建议查询做了跨平台、重复请求的审计，首次系统性显示界面输出、API 输出与重复请求之间存在显著不一致。这意味着消费者看到的推荐可能无法由单次结果或 API 复现，AI 广告变现带来的偏向问题开始有可测量的证据。

不同产品的训练与优化目标、检索来源、界面展示层和 API 返回层存在差异，导致同一查询给出不同推荐与来源。第一人称偏好表述可能提高说服力，但重复请求下推荐变化说明输出带有随机性或排序不稳定；界面与 API 的域名低重叠则表明面向消费者的可见来源并不等于底层检索来源。

对做 AI 导购、比价或推荐功能的产品团队，评估与监控不能只抽一次回答或只看 API，需要在用户实际界面条件下多次采样，并分别记录推荐对象与来源层。对依赖 AI 推荐做投放或渠道策略的团队，单一平台的 API 结果不足以代表消费者真实看到的商业建议，需建立重复采样的对比基线。

• 为品牌方提供跨 ChatGPT、Gemini 界面的重复采样监控，按查询维度记录推荐变化与来源域名差异。
• 开发面向消费者的 AI 推荐审计工具，对比同一问题的多次回答并标注第一人称偏好表述。
• 在电商或导购产品中同时采集界面与 API 结果，建立来源一致性的内部质量指标。
• 针对广告合规场景，提供 AI 推荐偏向检测报告，覆盖推荐稳定性与来源透明度两个维度。

• 第一人称偏好表述是否与商业广告投放或 monetisation 存在直接关联，证据未说明。
• 推荐在重复请求间变化的具体幅度与频率未给出量化分布。
• Google Search AI Overviews 与 Gemini 的来源层差异机制未在证据中解释。
• 该审计结果是否可推广到其他语言、地区或其他 AI 聊天机器人，证据未覆盖。