ChatGPT “购物研究”功能概览
1. 背景与上线时间
- 2025年11月24日（当地时间），OpenAI 正式向所有登录用户推出 “购物研究” 功能，随后在移动端和网页端逐步开放，覆盖 Free、Go、Plus、Pro 四种套餐用户。
2. 功能定位
- 该功能把传统的商品搜索与对话式需求分析结合起来，帮助用户在几分钟内完成从需求澄清、信息检索、商品对比到购买链接的全流程购物调研。
- 与普通的电商推荐不同，它会主动向用户提出澄清性问题，深度检索全网高质量信息，并结合用户历史对话（记忆）生成个性化的购物指南。
3. 技术实现
- 模型：由专门针对购物任务微调的 GPT‑5 mini（经过强化学习训练）驱动。
- 记忆机制：开启记忆模式后，系统会记录用户的历史对话、浏览偏好及购买行为，在后续推荐中自动融入这些信息，实现“深度推荐”。
- 信息来源：通过多轮网络搜索抓取公开网页、官方产品页面、用户评价等高可信度来源，过滤低质量信息后进行结构化比对。
- 评估方法：OpenAI 设计了一套新的评估框架，用来衡量模型推荐的商品是否符合用户需求，最高达 64% 的准确率（即在测试集上，模型给出的推荐与用户真实需求匹配的比例）。
4. 推荐流程
- 需求捕获：用户提出购物需求，系统自动询问细节（预算、使用场景、偏好等）。
- 深度检索：在数秒内抓取全网最新的产品规格、价格、库存、用户评价等信息。
- 对比分析：基于检索结果生成多维度对比表，突出关键参数、性价比、权衡取舍。
- 记忆融合：若用户开启记忆功能，系统会把历史偏好（如偏好品牌、常用价位、特殊需求）加入推荐模型，进一步细化结果。
- 交互迭代：用户可标记“不感兴趣”或“想看相似”，系统即时重新排序并补充新选项。
- 购买链接：最终输出包含官方购买链接，用户可自行前往确认价格与库存。
5. 准确率与局限
- 64% 的准确率是基于内部评测数据得出的最高值，实际使用中仍受 库存、价格实时波动 以及 网页抓取完整性 的影响，OpenAI 建议用户在下单前再次核实官方信息。
- 目前尚未实现“一键下单”，但已与 Stripe 合作的 Instant Checkout 商家可在未来实现边挑选边完成支付的流程。
6. 隐私与数据安全
- 所有搜索结果均基于公开网页信息，系统不会将用户对话或偏好分享给任何零售商，确保推荐过程的中立性与用户隐私。
7. 适用场景
- 参数繁杂、需多维度比较的商品（如笔记本电脑、数码相机、厨房电器、家居装饰、美妆护肤等）。
- 需要结合个人使用习惯或历史偏好的场景（如游戏玩家、宠物家庭、预算敏感用户）。
8. 未来展望
- 随着记忆功能的进一步完善以及更多商家接入 Instant Checkout，ChatGPT 有望在不久的将来实现 对话即下单 的完整闭环。
- OpenAI 计划继续扩展品类覆盖、提升实时数据抓取的准确性，并通过更细粒度的评估方法进一步提升推荐准确率。
总结：ChatGPT “购物研究”通过 GPT‑5 mini 与记忆机制的深度结合，实现了从需求捕获到信息检索、对比分析再到购买链接的全链路购物调研，准确率最高可达 64%，并已在 2025 年底向所有用户开放，标志着 AI 在电商决策领域的实用化迈出重要一步。
声明：文章均为AI生成，请谨慎辨别信息的真伪和可靠性！