我們這次挑了四組資料。一組來自 Google,一組來自中國的消費調查,一組是電商漏斗案例,一組是客戶旅程地圖的方法。
AI 搜尋讓消費決策路徑的探索與評估疊在一起
David Edelman 在 Think with Google 的 2026 年 3 月專文指出,消費決策路徑變快了,形狀也跟著變了。比價、看評測、找型號,現在常在同一個工作階段裡完成。
The result is not only a faster consumer journey but a different one.
Edelman 描述的場景很具體。消費者把對話助理、零售商工具、影音平台和社群探索混著用。這些動作常常發生在同一個工作階段裡。
他還寫了一個觀察:只要不確定感高,人們就期待從靈感很快走到有把握。這句話很短,影響很大。決策時間被壓縮,品牌能介入的窗口也跟著變窄。
過去我們習慣把「探索」和「評估」想成兩段。中間隔著好幾天,開著好幾個分頁。現在一場對話就能把兩段疊在一起。Edelman 舉的例子很小:一支簡短的評測或開箱影片,就足以提供安心感。
放到台灣的搜尋結果頁來看,如果頁面頂端出現 Google AI Overview 整理的答案,我們的判斷是,消費者在這一頁讀到的摘要,就是他第一輪評估的全部材料。品牌要嘛出現在摘要引用的來源裡,要嘛在這一輪直接缺席。
那摘要裡的答案從哪裡來?消費者又是在哪裡先做好功課?中國市場有一份調查,把「上游功課」量化得很清楚。
B 站與益普索的調查:做功課、驗證、下單三步
嗶哩嗶哩與益普索的《2026年輕人智能家電消費洞察報告》把決策拆成三步。先在深度內容平台做功課,再到互動社區驗證,最後去消費平台下單。
這份報告在 發布。它先交代了用戶的痛點。超過五成的 B 站家電用戶說,最擔心的是選錯造成經濟損失。56% 的用戶遇過產品實際效果與宣傳不符。
怕買錯,所以先做功課。報告寫到,超過四成用戶會主動搜尋評測內容,替購買決策做攻略。這些人做功課的地方是長影片,不是購物網站的商品頁。
| 用戶行為與態度 | 比例 | 決策階段 |
|---|---|---|
| 認為參數測評與拆解測評的決策價值高 | 81% | 做功課 |
| 很信任深度影片內容 | 81% | 做功課 |
| 多支影片正面討論後列入重點考慮 | 79% | 做功課到下單 |
| 專業測評對購買決策影響較大 | 76% | 做功課 |
| 社區互動提升對測評的信任 | 74% | 驗證 |
79% 那一題,後半句最值得讀。報告寫的是,這些用戶看到產品被頻繁正面討論後,很可能直接前往電商平台搜尋具體型號。換句話說,走到電商搜尋框的時候,他心裡已經有型號了。這時候的電商廣告,搶的是一個做完功課的人。
驗證這一步也有數字。報告寫到,超過九成的 B 站家電用戶會看評論。超過六成會依「三連」數據判斷內容可不可信,也就是按讚、投幣、收藏的數量。74% 的用戶認為社區互動讓他們更相信測評內容。
前提是,這份調查的對象是 B 站家電用戶。報告寫到,這群人超過六成在 30 歲以下,來自高線城市。品類換成日用品,或是換到台灣市場,比例不一定適用。可以借的是路徑的形狀,數字本身要打折看。
台灣沒有 B 站,但 YouTube 的長篇開箱、Dcard 與 PTT 的討論串,扮演的角色很接近。我們手上沒有台灣的同類調查,所以這裡只描述現況:多數品牌的預算仍集中在下單前的最後一段。
上游的功課做完了,下游的流失又長什麼樣子?下一節換到電商後台看。
漏斗的流失點,常卡在一道多餘的門檻
增長分析平台 GrowingIO 部落格舉過一個電商案例。整體轉換率只有 8.21%,拆開後發現新用戶從商品詳情頁到加入購物車,流失率高達 87.4%。
原因很單純。未註冊的用戶,必須先完成註冊才能加入購物車。購買路徑多了一道門,人就在門口走掉了。
行銷漏斗是一種拆解方法。用戶從接觸品牌走到完成目標,中間被切成幾個階段。每一段都量一次留下來的人。GrowingIO 的說法是,漏斗分析用來找出用戶最可能退出的那一步。
這個案例跟前兩節接得起來。AI 搜尋把前段壓縮了。B 站的調查顯示,決策在上游就差不多定案。剩下的戰場,是最後幾步有沒有多出來的門檻。
整體數字 8.21% 看起來只是偏低。不拆開,就看不到 87.4% 的斷點在哪裡。GrowingIO 在同一篇也提到,某平台發現很多用戶把商品加入購物車後沒有結帳,優化結帳流程後,轉換率明顯提升。
消費領域投資機構啟承資本創始人常斌在混沌學園的文章裡,把消費者價值寫成四項相加:性能、價格、便利、情緒。36氪在 2026 年 4 月 2 日轉載了這篇。註冊門檻扣分的,就是「便利」那一項。
常斌也舉了中國家具品牌源氏木語當例子。線上模式把實木家具的成本加價率,從 5 到 10 倍壓到 1.5 倍。價格這一項做得再好,便利這一項被扣掉,加總起來照樣會輸。
台灣電商常見的「先加入會員才能結帳」「先綁 LINE 才能領券」,邏輯一樣。我們沒有台灣的流失數字可以給。檢查方法倒是通用的:把每一步的留存拆開看,找出落差最大的那一格。
拆開漏斗,只解決一個轉換點。整條路徑的全貌,要怎麼看?
消費決策路徑要畫成地圖,而且每季回頭改
奧地利軟體公司 Smaply 的 Marc Stickdorn 在 2026 年 6 月的客戶旅程地圖指南建議,先收斂範圍:一個人物誌、一條旅程、一個目標。進行中的旅程,至少每季檢視一次。
A customer might rate a support call highly but still churn because the journey from purchase to onboarding was too painful.
這句話點出單看觸點的盲區。客服評分很高,旅程照樣斷在購買到開始使用之間。Stickdorn 也寫到,顧客體驗橫跨產品、行銷、營運、業務與客服。它不住在任何一個部門裡。
他把建立地圖拆成五步:
- 定義範圍:一個人物誌、一條旅程、一個目標。
- 蒐集證據:質化研究與量化資料一起用。
- 畫出旅程:先排階段,再填觸點、行動與情緒。
- 找出痛點與機會。
- 依結果行動:指定負責人,設定檢視節奏。
第五步最常被省略。很多團隊開完工作坊,地圖就收進資料夾。Stickdorn 的建議是指定一個人推動行動,而且每季回頭看。
B2B 的路徑剛好是反方向。AI 搜尋能見度工具 Omnibound 整理的統計引用 Dreamdata《LinkedIn Ads Benchmarks Report 2026》,B2B 買家旅程平均 272 天,2024 年是 211 天。觸點從 76 個增加到 88 個。
B2C 的 AI 搜尋路徑在壓縮,B2B 的採購路徑卻在拉長。同一套漏斗思維,套到兩種路徑上,會得到相反的結論。所以地圖要按旅程分開畫,混在一張裡反而看不清楚。
地圖畫好之後,最難的是看見地圖外的那一塊。
銷波快觀點:顧客在 AI 裡見過你,你卻不知道
我們整理顧客旅程時,一直卡在同一個盲區。顧客在 AI 搜尋裡已經見過你,你卻不知道。AI Overview、聊天機器人、語音查詢,都該算進接觸點。過去 LLM 裡的互動量不到。現在已經有工具,能把這些對話轉成意圖與情緒訊號。
線性漏斗描述不了中間那一段混亂。買家可能從語音搜尋跳到短影音,再到 Instagram 互動,最後去 AI 搜尋引擎比價。路徑散落在品牌看不見的地方,這段 messy middle 偏偏最有決定性。
所以旅程地圖要當活文件用。我們的建議是至少半年更新一次,成長快的團隊每季一次。這跟 Stickdorn 的每季檢視剛好對得上。
回推顧客旅程時,要分清兩件事。從真實接點重建每個人走過的路,叫發現。推出一個泛化模型,再套到未來的人身上,叫模擬。模擬要有驗證迴圈當執照。第一輪 persona 一定是猜的,複利要到第三、四輪才出來,別在第一輪過度投資。
還有一個常被漏掉的檢查:內容有沒有接到決策階段。只有認知內容,沒有決策內容,漏斗就斷在中間,流量到不了轉換。我們自己做內容矩陣時,決策階段內容為零就直接判不合格。
資料不夠的時候,前端訊號可以從三條路收。用 Google 關鍵字工具看搜尋需求,到論壇挖目標族群的抱怨,再用小額廣告 A/B 測試,拿點擊率驗證訴求。從免費工具到付費驗證,成本都不高。
結論:先把 AI 搜尋算進接觸點,再談漏斗優化
四組資料指向同一件事。消費決策路徑的前段被 AI 搜尋壓縮,上游的功課決定了考慮清單,下游的流失常卡在一道多餘的門檻。只盯最後一步的預算,會錯過前面兩段。
有三件事現在就能做。第一,在 ChatGPT、Perplexity 與 Google 搜尋輸入你的品類問句,看品牌有沒有出現在 AI 摘要裡。第二,把漏斗每一步的留存拆開,找出像 87.4% 那樣的斷點。第三,挑一條旅程畫成地圖,排進每季檢視。
你的品牌,現在出現在顧客做功課的那一頁嗎?
喜歡這篇?讓行銷變好懂,訂閱銷波快。
資料來源
- The customer-decision journey and AI search|Think with Googlebusiness.google.com
- 嗶哩嗶哩 × 益普索《2026年輕人智能家電消費洞察報告》報導finance.sina.com.cn
- GrowingIO 漏斗分析模型growingio.com
- 2026 消費趨勢(常斌,混沌學園,36氪轉載)36kr.com
- Customer journey mapping guide|Smaplysmaply.com
- Marketing attribution statistics|Omniboundomnibound.ai