論文の概要: Shopping with a Platform AI Assistant: Who Adopts, When in the Journey, and What For

• arxiv url: http://arxiv.org/abs/2603.24947v1
• Date: Thu, 26 Mar 2026 02:32:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.056151
• Title: Shopping with a Platform AI Assistant: Who Adopts, When in the Journey, and What For
• Title（参考訳）: プラットフォームAIアシスタントで買い物をする
• Authors: Se Yan, Han Zhong, Zemin, Zhong, Wenyu Zhou,
• Abstract要約: 本稿では、Eコマースにおいて、消費者がプラットフォーム組み込みショッピングAIをどのように採用し、利用するかについての大規模な記述的証拠をいくつか提示する。 中国最大のオンライン旅行プラットフォームであるCtripの3300万人のユーザに関するデータを用いて、プラットフォームに組み込まれたAIアシスタントであるWendaoを調査した。
• 参考スコア（独自算出の注目度）: 7.815889133526416
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper provides some of the first large-scale descriptive evidence on how consumers adopt and use platform-embedded shopping AI in e-commerce. Using data on 31 million users of Ctrip, China's largest online travel platform, we study "Wendao," an LLM-based AI assistant integrated into the platform. We document three empirical regularities. First, adoption is highest among older consumers, female users, and highly engaged existing users, reversing the younger, male-dominated profile commonly documented for general-purpose AI tools. Second, AI chat appears in the same broad phase of the purchase journey as traditional search and well before order placement; among journeys containing both chat and search, the most common pattern is interleaving, with users moving back and forth between the two modalities. Third, consumers disproportionately use the assistant for exploratory, hard-to-keyword tasks: attraction queries account for 42% of observed chat requests, and chat intent varies systematically with both the timing of chat relative to search and the category of products later purchased within the same journey. These findings suggest that embedded shopping AI functions less as a substitute for conventional search than as a complementary interface for exploratory product discovery in e-commerce.
• Abstract（参考訳）: 本稿では、Eコマースにおいて、消費者がプラットフォーム組み込みショッピングAIをどのように採用し、利用するかについての大規模な記述的証拠をいくつか提示する。 中国最大のオンライン旅行プラットフォームであるCtripの3300万人のユーザに関するデータを用いて、LLMベースのAIアシスタントであるWendaoをプラットフォームに統合した研究を行った。 私たちは3つの経験則を文書化します。 第一に、高齢の消費者、女性ユーザー、そしてエンゲージメントの高い既存ユーザーの間で採用率が最も高く、汎用AIツールで一般的に文書化されている若い男性優位のプロファイルを逆転させる。 第2に、AIチャットは従来の検索と同じような幅広い段階に現れ、注文の配置をかなり前にしている。チャットと検索の両方を含む旅行の中で、最も一般的なパターンはインターリーブであり、ユーザーは2つのモードの間を行き来する。 第3に、消費者はこのアシスタントを探索的かつ難解なタスクに利用している:アトラクションクエリは観察されたチャットリクエストの42%を占め、チャットインテントは、検索に対するチャットのタイミングと、その後同じ旅行で購入した商品のカテゴリの両方で、体系的に変化する。 これらの結果から,組込み型ショッピングAIは,eコマースにおける探索的製品発見の補完的なインターフェースとしてよりも,従来の検索の代用としての役割が低いことが示唆された。

関連論文リスト

• GenFacet: End-to-End Generative Faceted Search via Multi-Task Preference Alignment in E-Commerce [12.502808629463702]
  我々は、JD.comにデプロイされたエンドツーエンドの生成フレームワークであるGenFacetを紹介します。 GenFacetのリフレームは、統合された大言語モデル内の2つの結合した生成タスクとして検索に直面した。
  論文  参考訳（メタデータ） (2026-03-20T06:01:01Z)
• Flippi: End To End GenAI Assistant for E-Commerce [1.3060095849496556]
  本稿では,大規模言語モデル(LLM)を利用した最先端の対話アシスタントFlippiを紹介する。 Flippiは、広大な、そしてしばしば圧倒的なプロダクトの状況によってもたらされる課題に対処する。 Flippiは、目的と主観の両方のユーザ要件を調節することによって、パーソナライズされたショッピング体験を提供する。
  論文  参考訳（メタデータ） (2025-07-08T08:50:47Z)
• NExT-Search: Rebuilding User Feedback Ecosystem for Generative AI Search [108.42163676745085]
  NExT-Searchは、きめ細かいプロセスレベルのフィードバックを生成AI検索に再導入するために設計された次世代パラダイムである。 NExT-Searchは2つの補完モードを統合している。
  論文  参考訳（メタデータ） (2025-05-20T17:59:13Z)
• Learning to Ask: Conversational Product Search via Representation Learning [34.689904564411506]
  本研究では,対話型商品検索モデルであるConvPSを提案する。 このモデルはまず、ユーザ、クエリ、アイテム、会話のセマンティック表現を共同で学習するように訓練されている。 提案したConvPSモデルは,ユーザ,クエリ,アイテム,会話の表現学習を統合された生成フレームワークに統合することができる。
  論文  参考訳（メタデータ） (2024-11-18T14:05:43Z)
• IntentionQA: A Benchmark for Evaluating Purchase Intention Comprehension Abilities of Language Models in E-commerce [71.37481473399559]
  本稿では,eコマースにおけるLMの購入意図の理解を評価するためのベンチマークであるIntentionQAを提案する。 インテンションQAは、自動化パイプラインを使用して構築された3つの困難レベルにわたる4,360の慎重に計算された問題で構成されている。 人間の評価は、我々のベンチマークの高品質で低い偽陰性率を示す。
  論文  参考訳（メタデータ） (2024-06-14T16:51:21Z)
• How does AI chat change search behaviors? [7.601937548486356]
  chatGPTのようなジェネレーティブなAIツールは、人々がオンライン情報を扱う方法を変えようとしている。 Microsoftは、OpenAIのチャットと生成AI技術を組み込んだ"新しいBing"検索システムを発表した。 Googleは、同様のタイプのテクノロジーを組み込んだ検索インターフェイスをデプロイする計画を発表した。
  論文  参考訳（メタデータ） (2023-07-07T20:41:26Z)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。