店里来了个AI:是顾客,还是不速之客?

        这个双十一,AI与购物的联系正在变得具体。词元套餐进入电商货架,购物助手则开始参与选品、比价和交易。对消费者而言,这是把一部分购物操作交给软件;对商家而言,变化发生在另一端:访问商品页、操作购物车的,可能是买家本人,也可能是替他执行任务的代理。

商家由此遇到一个新的判断题。一个持续查询价格、反复访问商品页面的程序,究竟在帮用户挑选商品,还是在批量抓取数据?一次自动提交的请求,是否得到了用户授权,又是否超出了授权范围?

过去,识别自动化是防护的一项重要工作。如今,识别出自动化之后,还需要继续判断它可以做什么。

Akamai2026年7月《互联网现状》报告显示,2025年下半年,其全球网络监测到的AI机器人活动中,47.9%发生在电商行业。不过,训练爬虫占电商AI机器人触发量的七成以上。这组数据说明电商正在承受大量机器访问,不能直接解释为购物代理已经贡献了相同比例的交易流量。

更值得关注的是防护方式。报告显示,受监测的电商组织将九成以上的AI机器人活动置于“只监控”模式。它揭示了一种两难:商家希望识别风险,又担心拦下真正买家的助手。

购物代理进入交易流程后,安全系统需要回答的,已经包括一次访问背后的身份、授权与业务意图。

一、 购物代理把什么带进了交易流程

理解这项变化,可以先看购物代理如何完成任务。

用户提出预算、商品要求和配送条件,模型将需求拆成一组操作,再通过获准使用的接口或浏览器工具获取商品信息、比较选项,并根据返回结果决定下一步。是否能够加购、提交订单或付款,取决于产品开放的能力及用户授予的权限。

这与按照固定路径执行任务的简单脚本有所不同。模型可以根据库存变化、页面反馈或商品条件调整计划。但这种调整能力不代表代理天然获得了跨平台访问或支付授权,也不能作为绕过网站限制的理由。

对于商家,关键是分清不同自动化访问的用途。

训练和检索爬虫主要获取内容,用于模型训练或回答问题;购物代理围绕用户的购买需求行动,可能进入交易环节;恶意自动化则可能利用被盗凭证尝试登录、批量占用库存,或滥用优惠与接口。

这几类访问的行为可能重叠。读取价格既可能服务于正常比价,也可能是批量采集;登录和加购既可能来自用户的助手,也可能属于账户滥用。只凭访问速度或是否使用自动化工具,很难完成全部判断。

Akamai亚太地区和日本安全技术总监Reuben Koh,将商家的处境称为一种“裂脑”状态:既希望接受新的购物方式,又需要保持防护。

这里需要区分两件事:确认代理由谁提供,以及确认它得到了什么授权。一个来源可核验的代理,也未必有权替某位用户付款;用户授权它购买一件商品,也不意味着它可以修改账户资料或继续购买其他商品。

身份识别是起点,授权范围决定它能够走到哪一步。

二、为什么防护容易停在告警

大促让这一问题变得更加敏感。

登录失败、排队、密码重置和下单重试都会随着访问量增加。正常用户的操作变得密集,代理也可能为了完成任务多次查询或重试,安全系统需要在更复杂的流量里识别异常。

Koh认为,AI并没有创造全新的攻击类型,但可能提高撞库、账户接管、内容爬取和接口滥用的效率,增加检测难度。

“只监控”可以帮助商家观察流量,评估规则是否会误伤用户。但如果长期停留在这个阶段,系统发现的异常就不会自动转化为处置。告警仍要有人判断,而请求已经进入后续业务流程。

因此,问题不只在检测是否准确,还在检测结果如何影响交易。

一种更具体的处理方式,是根据动作的风险设定不同要求。浏览公开商品信息、操作购物车和提交支付,对身份与授权的要求不应完全相同。面对高风险动作,系统可以要求额外验证、用户确认,或按风险采取限速与拒绝等措施。

Akamai与Visa、Skyfire围绕可信代理开展合作。这类方案尝试让代理在访问时提供可核验的信息,再由商家结合自身策略决定是否放行。

不过,核验身份并不能代替行为判断。系统还需要检查请求是否与授权相符、是否出现异常访问,以及用户撤销授权后相关操作能否停止。

模型提供方负责约束代理行为,支付和身份服务提供核验信息,商家则决定哪些动作可以执行。几方之间需要传递的不只是“这是一个代理”,还包括这次请求的权限范围及验证结果。

只有这些信息真正参与交易决策,可信代理机制才能从一个身份标签变成防护能力。

三、店铺之外,仿冒与钓鱼仍在争夺入口

代理身份核验解决的是站点如何接待访问者。消费者能否到达真实商家的页面,则是另一类问题。

Akamai指出,生成式AI和编程助手可以帮助攻击者更快制作仿冒促销页面及配套信息。商品图片、活动文案和客服对话,都可能成为伪装的一部分。这属于厂商对风险的描述,不能据此推算所有仿冒网站的制作速度或成功率。

对用户而言,风险可能出现在进入店铺之前。社交平台上的推广、直播间里的链接,甚至一条看似正常的客服消息,都可能把购物流程引向站外页面。

对品牌而言,源站安全与品牌保护因此承担不同任务。前者处理进入真实站点的访问,后者寻找冒用品牌的页面、域名或应用,并推动处置。即使源站拦住了恶意登录,也不能说明站外的假店已经消失。

Akamai介绍了Brand Guardian等品牌保护能力。判断这类产品的效果,需要看发现的仿冒对象是否准确、从发现到处置用了多久,以及处置后是否再次出现。检测数量本身,并不足以代表风险已经解除。

同样,钓鱼、撞库和账户接管之间可能形成连续过程,但不能简单画上等号。钓鱼可能获取凭证,攻击者随后尝试登录,能否接管账户还受到多因素认证和异常检测等条件影响。

把这些环节拆开,才能看清每项防护实际解决了哪一部分问题,以及剩余风险由谁处理。

四、放进来的代理,还要完成一次顺畅的购买

安全判断之后,商家还需要承受合法访问带来的负载。

购物代理完成一项任务,可能需要多次搜索、查询库存和比较价格。代理数量增长,不一定与成交订单同步增长:一次没有形成购买的比价,也会消耗接口和计算资源。

这里还需要分清推理成本由谁承担。外部代理通常在自身服务中完成模型调用,商家承受的是它带来的访问和业务请求;如果商家自行部署推荐、客服或风控模型,才需要同时规划相应的推理资源。不能把所有购物代理的模型成本都算进商家的账。

Akamai亚太区云计算架构师总监李文涛,主张将部分实时推理与检测放到更靠近用户的边缘节点,缩短访问路径,并减轻源站压力。

这是一种架构选择。它能否改善体验,还取决于模型、业务数据和相关服务分别部署在哪里。如果推理靠近用户,但每次判断都需要回源查询库存或账户信息,整体时延仍可能受后端约束。

扩容也需要沿着实际请求路径检查。入口接收了更多请求,后面的库存查询、优惠计算和订单处理能否跟上,决定用户最终能否完成购买。单独增加某一层资源,未必能消除整个流程的瓶颈。

因此,代理购物的商业化效果,需要同时看安全和体验。

安全侧,要看代理身份与授权是否可核验、异常操作是否得到处置,以及合法代理被误拦的比例。体验侧,要看商品查询、推荐和结算在高峰期的响应时间、任务完成率,以及每次有效任务对应的资源成本。

这些结果还需要按任务分别评估。商品推荐可以容忍的等待时间,与支付确认并不相同;一次回答返回得快,也不代表整个购物任务已经顺利完成。

购物代理改变了消费者与商家之间的操作方式,也让安全、模型和交易系统之间需要交换更多信息。但商家最终要交付的仍是一笔明确授权、正确执行、可以追溯的交易。

这个双十一之后,值得关注的不只是有多少人尝试了AI购物,更是这些代理有多少次完成了用户真正想做的购买,又有多少次被误拦、超出授权或停在结算之前。

这些数据,才能说明商家的系统是否已经准备好接待新的购物者。


本文来源于DOIT传媒,文章内容仅供参考,不构成投资建议。

赞 ()

相关推荐

发表回复

评论列表

点击查看更多

    联系我们

    微信:百易小助手

    邮件:contact@doit.com.cn

    工作时间:周一至周五,9:30-18:30,节假日休息

    微信