top of page

ChatGPT 購物風險:研究揭示虛假零售網站

18 分鐘前
讀畢需時 11 分鐘
Illustrative photograph. Photo: Sanket Mishra / Pexels.

Podqi 一項研究發現,ChatGPT、Gemini 和 Perplexity 的回答中包含具風險的零售連結,令 ChatGPT 購物風險浮現。在 6,795 個回答中,9% 包含該公司歸類為具風險的網站。這個類別涵蓋疑似冒充或售賣假貨的網站,以及已失效的網域。

這家品牌保護服務供應商透過 AI 搜尋公司 Gauge,使用有關 151 個品牌的五條購物問題收集回答。其 AI 購物研究 檢視了 2026 年 9 月兩個時段的已登出消費者服務。研究人員審核了 4,437 個網域,並將其中 718 個歸類為具風險:351 個為疑似虛假網站,367 個則已失效。

研究結果揭示一個具體矛盾:找到看似合理的購物目的地,與核實營運者身分,是兩項不同工作。助理可以流暢地回答產品問題,同時仍未能確認賣家的身分。對購物者、品牌及聊天機械人開發者而言,這個落差正正在研究轉化為購買決定時尤其重要。

ChatGPT 購物風險研究實際量度了甚麼

Podqi 表示,Perplexity 15% 的回答含有具風險連結,ChatGPT 為 8%,Gemini 為 4%。在包含具風險網站的回答中,57% 推薦了這些網站,34% 未作評論地提及它們,9% 則向用戶發出警告。這些百分比描述的是具風險回答的子集,而非所有購物回答。

這項發現涉及目的地和推薦,而非已完成購物詐騙的量度比率。

這項區分把讀者可能混為一談的幾個問題分開:回答是否包含不合適的目的地?其措辭有否鼓勵用戶造訪?有人是否點擊連結、輸入付款資料或蒙受金錢損失?

研究的主要數字針對較早的階段。不應將其解讀為同等比例的購物者遭遇詐騙。接觸、說服、購買及損失,是不同的結果。

已失效的網址,與仍在運作的冒充商店,亦帶來不同的即時問題。兩者都會削弱購物回答的可信度,但需要不同的描述。把每個被標示的目的地都稱為正在運作的騙局,會誇大證據所能支持的結論。

反過來,若把問題描述成普通失效連結,便會忽略疑似冒充的發現。有用的詮釋應同時保留兩個類別。一個推薦系統既需要可運作的目的地,也需要關於誰控制這些目的地的可信證據。

抽樣背景同樣影響比較。這些結果描述的是被測試的消費者體驗、提示、品牌和收集時段,並不能確立所有設定或購物功能下長期不變的安全排名。

例如,一般聊天機械人回答與專用商戶整合應分開評估。對其中一種體驗的測試,不能自動證明或否定另一種體驗。讀者將熟悉的產品名稱與不熟悉的實作方式比較時,這個界線尤其重要。

因此,這項研究提供了一個具體的審視起點,而不是一張通用的評分表。它將焦點帶到回答購物問題與認可賣家之間的過渡。這個過渡本身值得評估。

一個有用的閱讀方式,是追問當下有甚麼證據足以支持這項推薦。系統是否知道該網址屬於該品牌?它有否核實授權關係?還是它只是找到與請求相符的文字?

這些是研究結果引出的分析問題,而非研究已經確定的運作機制。這個差異很重要。觀察到可疑輸出,並不能揭示產生該輸出的每一個內部步驟。

實際後果是較狹窄、也較站得住腳的結論:購物者不應把對話式零售推薦視為已完成的賣家核實。

購物回答比產品摘要承載更多分量

產品研究和選擇賣家,涉及不同類型的判斷。助理可以協助用戶比較物料、尺寸或產品類別,而毋須決定那個人應在哪裏花錢。

當它提供購買目的地時,任務便會改變。回答將產品偏好連結至一間會收取付款及個人資料的商戶。準確性此時亦包括賣家的身分。

相關的產品描述,並不能證明存在合法的商業關係。

設想一名購物者想找某個品牌的一件外套。助理可以正確識別外套的特點,卻同時提供一間無關商店。產品資訊和購買目的地需要分別核查。

當回答把商店標示為「官方」或「授權」時,同樣適用這項區分。這些詞語表達的是一種關係,而非相似之處。熟悉的標誌或相符的產品照片,本身不能證明這種關係。

對話式呈現令這個區分尤其重要。即使底層證據仍不完整,直接回答也可能讀起來像已完成的判斷。用戶接收到的是以助理口吻作出的推薦。

這令聊天機械人開發者有壓力釐清其措辭所承諾的內容。「這個頁面提及該產品」是一項有限的聲稱;「在這裏購買」則鼓勵行動,需要更有力的支持。

品牌還面對另一個問題:即使其名稱被正確提及,仍可能附帶錯誤的目的地。因此,單靠曝光率無法描述購物回答的質素。回答把人帶到哪裏,與品牌是否出現同樣重要。

對零售商而言,未經授權的推薦會引發客戶混淆及責任問題。購物者可能將不良經驗歸咎於其名稱在回答中反覆出現的品牌。這是一項合理的商業風險,而非本研究量度的損失。

影響亦延伸至工作場所採購。研究設備或商品的員工,可能把未經核實的賣家連結帶入採購討論。一份修飾得宜的摘要,之後或會脫離原始對話獨立流傳。

在這種情況下,重要記錄包括來源及其核實狀態。列出推薦來源的候選清單,較容易被質疑和檢視;只有建議商店的清單,則隱藏了未解決的判斷。

對維護 可搜尋知識庫 的團隊而言,已獲批准的採購來源應與相關研究一併保存。保留連結仍需審核;儲存連結並不代表其營運者已獲認證。

因此,商業壓力是明確的。協助識別產品的助理,也需要為賣家認可設下界線。品牌需要檢查與其名稱相連的目的地。買家需要清楚看見探索與批准之間的分別。

引用能確立來源,但賣家身分需要獨立證據

引用可以幫助讀者檢查回答從何取得資訊,但不會自動證明被引用的商戶值得收取他們的金錢。

將購物回答中的聲稱分開,這個差異便會變得清楚。一個頁面可能支持某項產品規格、展示商品列表,或描述退貨政策,但這些都不能單獨證明製造商已授權該商戶。

證明某個頁面存在,比證明其營運者正是購物者原本想接觸的賣家,證據力度更弱。

這是故事的核心轉折。令回答看起來可供檢查的功能,可以與尚未解決的商業信任問題並存。連結讓讀者多了一些可檢視的內容,但檢查仍然必須進行。

在一個假設性的跨境購物請求中,風險尤其明顯。用戶可能合理預期某品牌經營不同國家的商店。一個看似地區性的網址或許符合這個預期,卻不能證明其擁有權。

問題因而變成關係問題:這個網址如何與已知品牌連結?來自既有品牌網站的連結,與網址中出現相符文字,所支持的是不同的聲稱。

這正是為何要求聊天機械人再次確認一間商店是否合法,能提供的安心有限。第二次聲稱只有在引入更佳證據時才有用。信心與核實不應變成可互換的概念。

同一原則也適用於警告。關於網上詐騙的一般提醒,無法解決特定推薦的問題;附在特定目的地上的警告,才會告訴購物者哪一項行動需要重新考慮。

回答設計應保留這種針對性。若系統無法核實一間商店,其推薦措辭應反映不確定性。否則,負擔便會悄悄轉移給原本是來尋求選擇協助的人。

消費者保障指引早已區分呈現方式與合法性。加拿大網絡安全中心的 網上購物指引 警告,不應單靠網站外觀或掛鎖圖示作判斷。

這項建議在此很重要,因為信任可以透過多個微弱訊號累積。助理聽起來很肯定,商店看起來很精美,連線似乎也安全。這些細節加起來,可能令人感覺比底層身分證據更有力。

對開發者而言,分析挑戰在於評估介面實際傳達的聲稱。檢索到相關網址的系統,已完成探索步驟;它仍需要有依據,才能將該網址描述為合適的購買地點。

這不代表每項推薦都需要完全相同的處理方式。大型零售商、獨立商店、市集平台及品牌自營商店,各自有不同關係。系統應描述其能夠證實的關係。

謹慎的回答仍可發揮作用。它可以識別候選賣家,同時說明哪些事項仍未核實。這種做法保留研究的價值,卻不會把不確定性包裝成已完成的認可。

聊天機械人比較很有用,但不能定論 AI 購物安全

ChatGPT、Gemini 和 Perplexity 之間的差異值得關注。它們顯示受測服務並沒有產生可互換的結果,也引出了每項比較實際捕捉到甚麼的問題。

某個助理可能因為選擇不同來源、提供較少商店,或以不同方式處理不確定性,而展示較少可疑目的地。單靠輸出比率,無法完全區分這些解釋。

較低的觀察到接觸率,支持的是較狹窄的發現,而不是籠統聲稱某個聊天機械人安全。

警告行為增添了另一個維度。避開某個目的地,與在提及後指出其問題,是不同能力。有用的評估應同時呈現兩者,以及最終回答的實用性。

否則,助理只要拒絕回答購物問題,便可能顯得謹慎。這會減少接觸風險,卻提供很少幫助。購物產品需要在有用的探索與有理據的推薦之間取得平衡。

研究的商業來源同樣值得審視。Podqi 銷售品牌保護服務,因此對其所描述的問題有商業利益。這種利益並不會使相關觀察失效。

但這令透明分類變得重要。獨立審閱者需要有足夠證據,才能理解具爭議的個案。疑似售賣仿冒品的商家、無關的轉售商,以及無法連線的網站,不應被歸為難以區分的標籤。

審閱者亦應了解不確定性如何處理。部分零售關係較容易核實,另一些則較困難。方法論應為未能解決的個案留有空間,而非強行為每個網址作出確定判決。

識別問題與證明所提出的補救方案之間,還有另一條界線。供應商可以記錄可疑推薦,卻未必能證明其自身服務可解決所有根本原因。

同一標準亦適用於聊天機械人供應商。有關安全性改善的說法,需要與購物目的地相關的證據支持。泛泛而談回答質素,並不能解決這個特定問題。

本文未有獨立重複該實驗。因此,研究應始終維持署名歸屬,其分類亦應保留為研究人員的分類。其發現是值得調查的理由,而非誇大確定性的依據。

比較亦需要附帶時間背景。觀察結果屬於特定資料收集期。其後的產品行為需要重新測試,而非基於熟悉的公司名稱作出假設。

因此,對詢問 AI 購物安全的買家而言,最有用的答案必然附帶條件。研究指出已測試服務存在需要審慎看待的原因,但並未證明每項推薦都會失敗,亦未證明每個被標記的網址都會造成傷害。

有意義的回應,應令不確定的賣家身分更容易被看見,也應令具爭議的結果更容易被重現和修正。這些改變將針對此處揭示的特定信任缺口。

現有購物保障措施在 AI 交接時仍然適用

該研究圍繞一個既有的消費者問題,提出新的介面問題。助理可以介紹商家,但購物者仍需要有依據去信任該商戶。

美國聯邦貿易委員會的賣家核實建議建議消費者研究不熟悉的商戶,並參考多個來源的評價。該機構亦警告,評論與評分可能具有誤導性。

聊天機械人的推薦應成為核實賣家的起點,而非最終證據。

這項原則並不代表應把每間不熟悉的商店都視為詐騙。小型零售商與獨立商戶可以是合法的。關鍵問題是,現有證據是否支持這宗特定購買。

有用的區分,是把不確定性與指控分開。「我無法核實這名賣家」是在表達限制;「這名賣家是詐騙者」則是在指控不當行為,需要更有力的證據。

助理在回應後續問題時,應保留這種區分。一個系統若由熱切推薦轉為毫無根據的指控,並未解決核實問題,只是改變了其自信的方向。

對購物者而言,由對話轉到網站的交接值得刻意留意。目的地網址應與正在評估的賣家相符。關於某一商戶的證據,不應套用到名稱相近的另一家商戶。

FBI 的節日購物指引同樣強調,購買前應核實不熟悉的賣家。其警告涵蓋的問題包括付款後貨物從未送達。

無論透過何種方式發現該目的地,這些既有保障措施仍然適用。聊天機械人的推薦不會改變賣家的責任,亦不會證明其往績。發現渠道與商戶是交易中不同的部分。

對機構而言,問題不在於禁止使用助理,而在於清楚分配責任。產品研究可以使用對話式工具,但賣家審批應遵循既有採購流程。

審閱採購的人員應能看見該商店是否已獲批准。如屬不熟悉的商店,紀錄應列明已核實甚麼。這可形成可問責的決定,而非承襲既有假設。

此處亦存在產品設計機會。助理可以區分經核實的商戶關係與一般網頁建議,但措辭需要解釋這種區分的實際依據。

單有標籤並不足夠。「已核實」需要明確範圍:已核實擁有權、已核實授權,還是其他內容?若沒有這種說明,標籤可能只會增加另一種確定性的印象。

政策問題同樣遵循這個邏輯。當介面混合研究、推薦與商業推廣時,責任更難評估。清晰界線有助用戶理解,他們被要求信任的是哪些說法。

因此,ChatGPT 購物風險不只關乎連結能否開啟,還關乎購買建議背後的證據與措辭。最終交接應在用戶採取行動前,讓尚未解決的信任問題清楚可見。

下一步應留意甚麼:核實、重複測試與實際結果

下一項有用進展,將是購物回答與證據質素可觀察到的改變。更自信的措辭並不能解決問題;有更充分依據的推薦才可以。

進展意味著改善目的地、背書,以及可供檢視兩者的證據。

首先,留意能區分商戶發現與已核實關係的產品改動。相關改變包括更清晰的賣家標籤、具體警告,以及說明實際核實了甚麼。

最有力的訊號,是將推薦與可檢視的商戶證據連結起來。在原本自信推薦商店的內容下方加入泛泛提醒,支持力度則較弱。

這種區分亦應反映在更正行為上。若用戶回報某個目的地不合適,回應應具體處理該網址。重複廣泛的購物建議,會令原有推薦問題懸而未決。

其次,留意具有透明分類的獨立重複測試。可重現的評估應區分無法連線的目的地、疑似冒充、疑似仿冒品,以及不確定個案。

評估亦應保留解讀比較所需的背景。受測體驗、資料收集期和推薦措辭都很重要。缺少這些細節,排名看來可能比其證據所容許的更具普遍性。

有價值的重複研究,會測試改善是否能超越一組熟悉的問題。它應檢視系統在更審慎處理賣家身分的同時,是否仍然有幫助。

這比移除所有不熟悉的結果有更高要求。它獎勵有根據的協助,而非沉默,也為開發者提供更清晰的改善目標。

第三,留意將推薦與實際購物者結果連結的證據。點擊、嘗試購買、投訴及已確認損失,回答的是不同問題,應維持為不同指標。

結果證據有助確立可疑推薦的實際後果,也可能揭示干預在哪些環節最重要。進入商店前的警告,與輸入付款資料後的警告,目的並不相同。

相反,若已完成傷害的證據有限,便應限制對普遍程度的說法。這不代表不正確推薦可以接受,而是令其後果的描述更精確。

品牌方的回應與聊天機械人的改變同樣重要。關於官方商店與授權關係的清晰、易取得資訊,能為核實工作提供可具體檢視的內容。

不過,發布這些資訊與讓助理正確使用它們,是兩個不同里程碑。業界需要兩者之間關聯的證據。宣布可信資訊來源,並不能證明其獲一致使用。

對讀者而言,即時重點是信任的界線。ChatGPT 購物風險不會抹殺 AI 產品研究的價值,而是說明為何建議的賣家值得獨立評估。

在下一次由 AI 協助的購買前,請檢視推薦與交易之間的交接。回答是否說明誰在營運該目的地,還是只呈現一間看似合理的商店?若證據止於相關性,便應保留購買決定的空間。將網址與可信品牌來源的資訊比較,查閱獨立賣家資料,並保留你的決定依據。對於工作場所採購,應將這些證據帶入審批流程,而非只轉寄一條連結。值得問的問題很具體:有甚麼依據值得把這宗交易交給這家商戶?把自信的回答視為需要檢視的主張,然後判斷證據是否足以支持該推薦。

 
 

為每個智能代理提供更完整的背景,提升工作表現

讓智能代理連接 remio 已整理好的知識、決策和歷史紀錄。

remio 目前支援 Windows 10+(x64) 及配備 Apple 晶片的 Mac。

你的 AI 工作夥伴
和 remio 一起高效工作

規劃、創作、交付
一站式完成

bottom of page