11 月 11 日，一份关于「AI 卖家秀」的问卷结果公布：中国青年报社社会调查中心联合问卷网回收 1334 份有效问卷，81.5% 的受访者感到今年双 11 用 AI 生成商品图的商家变多了，其中 33.9% 觉得明显变多，89.0% 认为这已经是升级版的网购「照骗」（中国青年报）。第二天，另一半更刺人的数字出来：95.8% 的人说这类图让自己下单时心里没底，51.4% 明确踩过坑（其中 9.0% 踩过很多次），还有 35.2% 怀疑踩过却说不清图是不是 AI 生成的——这些结果同样出自 1334 份有效问卷，见截至 11 月 12 日的公开报道（中国西藏网转载）。做口碑分析的人真正要处理的是那个 35.2%，而不是 95.8%。
那 35.2% 是口碑数据里最难处理的部分
13.4% 说自己没踩过坑，35.2% 说不清，这两个数字加起来接近一半。它意味着，消费者对「这张图是不是 AI 生成」的判断能力，本身已经跟不上图片的生产速度。对口碑监测的直接后果是：当一条差评写「和图片不一样」，你无法确定它指的是光线差异、修图过度，还是整张图都是生成的。三者的责任主体完全不同，混在一个差评率里，任何改进动作都会打偏。
差评归因要多一层素材责任
过去做评论分析，归因大致分四类：质量、物流、客服、价格。AI 卖家秀加进来的是第五类，可以叫素材责任——商品本身没问题，是展示方式让消费者建立了错误预期。这类差评的特征很明显：描述集中在颜色、版型、材质手感这些「看图能判断、到手才发现」的维度，且往往伴随退货。把这类差评单独拆出来，才能看清它到底占多少。
| 品类 | 误导突出比例 | 典型失真 | 可核查证据 |
|---|---|---|---|
| 服饰鞋包 | 53.8% | 版型、面料质感、上身效果 | 详情页图与买家实拍对比 |
| 美妆护肤 | 46.8% | 色号偏差、质地呈现 | 试色图与实物手臂试色 |
| 家居家纺软装 | 37.4% | 尺寸比例、材质纹理 | 场景图与实物尺寸标注 |
严重色差占了 58.6%，版型与细节失真占 50.2%，这两项合起来解释了大部分纠纷。它们的处理方式并不一样：色差可以靠色卡与实拍补充，版型失真只能靠实拍或视频，生成图再怎么调都补不上。所以图审的第一步不是判断「像不像」，而是判断这张图承担的是展示功能还是承诺功能。
色差与版型，是两种不同的失真
色差属于呈现偏差，同一件衣服在不同屏幕上都能有色差，消费者对这一点有容忍度；版型失真属于事实偏差，领口有没有扣子、裙摆是 A 字还是直筒，这些是可验证的事实，图里出现两个版本就不是偏差而是错误。调查里有受访者遇到过同一件外套的几张 AI 图细节互相矛盾，向客服询问哪张准确，得到的回答是「以模特图为准」——这句话本身就是问题所在。
评论区的「好评」也开始被污染
比详情页更难处理的是评价区。有受访者提到，下单前看评论区都说不错，收货后才发现有真实买家在追评里说卖家秀和好评都是 AI 生成的。评论一旦被批量生产，口碑数据的基本假设就不成立了：过去默认评论是独立第三方产生的，现在必须加一道「这条评论是否由真实交易产生」的校验。
图审与文审要分开做
图片审核看的是素材与实物的距离，文本审核看的是表达与事实的距离，两者的规则不能共用。图片侧比较可行的做法是抽样比对：按品类抽取详情页主图，与近期退货包裹的开箱记录比对，算出一个「图实偏差率」。文本侧则是识别模板化表达，比如同一批账号在相近时间用相近句式给出五星评价。两条线分开跑，才不会互相稀释。
图审怎么落成可执行的动作
监管口径也在收紧。2026 年 9 月最高人民法院发布的《关于依法审理涉人工智能纠纷案件的意见》明确，利用 AI 生成图文、视频实施虚假宣传的，可依法认定为仿冒侵权、虚假宣传（广告门）。这意味着素材责任不只是口碑问题，还可能变成法律问题。对品牌方来说，最务实的动作不是等平台规则，而是先把自家详情页的素材来源盘一遍。
常见问题
AI 生成商品图是不是一律不能用？
不是。用在设计构想、搭配参考上没有问题，问题出在把它当作实物承诺，且不标注。
怎么判断一条差评属于素材责任？
看描述是否集中在颜色、版型、材质这些看图可判断的维度，且伴随退货或换货。
平台已经在做 AI 图识别，品牌还需要自己做吗？
需要。67.4% 的受访者在呼吁平台升级识别，但平台规则落地有周期，自家素材的风险得自己先控。
标注了 AI 生成，转化率会掉多少？
目前没有公开的统一口径。可参考的逻辑是：标注降低了错误预期，退货率和纠纷成本同步下降。
