产品详情页，这个电商领域早已被视为“定局”的页面，正在被彻底重构。它是用户旅程的终点，是发现结束、转化开始的地方。在电商发展的大部分历史中，无论谁来访问，这个页面看起来都大同小异。但这种假设如今正在瓦解。
在波士顿eTail大会上，塔吉特公司技术副总裁布拉德·汤普森（Brad Thompson）介绍了这家电商巨头如何围绕一个简单却具有颠覆性的理念重建其产品详情页：页面本身应根据浏览者的身份实时变化。
汤普森的团队已将产品详情页的调整从代码开发转变为配置管理，使商家无需经过工程流程即可测试布局优化。而人工智能则进一步推动了这一变革。如今，塔吉特可以在运行时为每位购物者动态生成个性化配置的产品详情页，依据过往购买记录、浏览历史和行为意图等上下文信息。过去曾观看视频内容的用户，可能会看到更突出的视频展示；而偏好“搭配完成”类浏览的用户，则会看到更多此类推荐轮播。
这不是未来的设想。汤普森将其描述为早已启动的进程，建立在塔吉特多年来逐步构建的基础设施之上。这一转变可追溯至ChatGPT诞生之初，当时大语言模型的吸引力显而易见，但幻觉风险又使得大规模部署过于危险。因此，塔吉特早期的人工智能应用场景刻意保持狭窄：仅限于网站上的评分与评论整合，以及内部业务流程的自动化。
随着生态系统逐渐成熟，这种谨慎态度有所缓解。塔吉特成为首家在ChatGPT内开发应用程序的主要零售商，汤普森将此举视为与前沿模型提供商共同开发的机会，同时也让自家工程师学习如何规模化部署相关协议。
这一切背后的深层原因，在于人们搜索方式的改变。汤普森指出，人们的搜索方式正从关键词查询“有机零食”转向更具约束性的复杂问题描述：比如一位家长需要为参加游泳夏令营的三个孩子准备午餐，每天花费不超过20美元，还要考虑食物过敏因素。解决这类问题所需的技术与传统的搜索框完全不同，它必须能够同时处理多个限制条件并据此采取行动。
对塔吉特而言，这种转变也带来了数据机遇。像这样的单个提示可以转化为关于一个家庭的结构化记忆——包括他们的饮食限制、兴趣爱好，甚至具体到竞技游泳等细节，而个性化引擎可以在数月后基于这些信息发挥作用。当泳具打折时，系统便能推送相关提醒，而这正是源于此前在其他场景中的一次对话。
如今，大量购物行为已发生在塔吉特自身平台之外，例如在ChatGPT、Gemini或Claude等模型内部进行。这些平台不再允许交易直接在聊天界面内完成，而是将用户引导回零售商自己的网站以完成购买。这使得产品详情页成为其他地方形成意图的落脚点，因此正确获取商品信息流的重要性大幅提升。如果传递给前沿模型的数据不够精准，顾客最终到达的页面将无法匹配他们真正想要的内容。
而站内AI则涉及完全不同的成本考量。在塔吉特这样的规模下实现智能代理式购物体验，意味着大语言模型需要处理数十亿次交互，每一次交互都会产生成本并增加延迟。搜索功能已让顾客习惯了毫秒级响应，而对话式助手无法做到这一点，因此塔吉特不得不让用户接受更慢但更丰富的互动方式，以换取更好的体验。
为了管理这种权衡，塔吉特构建了内部专用的测试框架。在任何提示词或底层系统变更投入生产之前，系统会先针对约五百个测试提示进行运行，由另一个独立的大语言模型对响应质量与生产模型输出结果进行评分，同时追踪延迟和令牌消耗情况。如果质量下降、延迟激增，或令牌消耗超过可接受的阈值，构建将失败且无法上线。这是一种从软件工程中借鉴而来的规范，应用于一个组件行为不像传统代码那样具有可预测性的系统。
汤普森最后的建议是：修复你的产品数据，并推动团队在所有地方部署统一的连接协议。这两项建议都不涉及新模型或炫目的功能，但它们是其他一切工作的前提条件。
那些仍将产品详情页视为固定资产的零售商，正在优化一个悄然变得过时的页面。而那些保持关注的零售商早已不再将个性化视为布局选择，而是作为为每位访客实时做出的运行时决策。
