AI 图省下的拍摄成本，最后压到了退货和客服头上。中国青年报社社会调查中心联合问卷网的一项专题调查把这种落差量化了：1334 份有效问卷里，95.8% 的受访者表示 AI 卖家秀让自己网购时心里没底，51.4% 明确踩过坑，其中 9.0% 踩过很多次。按 11 月 13 日发布的调查口径，还有 35.2% 的人怀疑自己踩过，却说不清图片是不是 AI 生成。数字热闹，真正卡住品牌的是另一件事：图与实物对不上时，详情页拿不出判断依据。
争议不在 AI，在详情页有没有留痕
把调查数字拆开看，问题分成两层。第一层是信息不对称：89.0% 的受访者认为 AI 卖家秀是升级版网购照骗，81.5% 感觉今年双十一这类图片变多了，其中 33.9% 感觉明显变多。央广网转述的调查显示，服饰鞋包以 53.8% 成为误导重灾区，美妆护肤 46.8% 紧随其后，家居家纺软装 37.4% 排第三。第二层是责任划分：图片由 AI 生成这件事，商家有没有主动说明，平台有没有强制要求说明。
色差和版型失真，是两种不同的问题
受访者吐槽的两大坑，性质并不一样。58.6% 提到严重色差，这是呈现偏差，属于修图与打光的放大；50.2% 提到版型细节失真，这是事实偏差，属于用生成能力虚构了不存在的剪裁。前者可以通过统一拍摄标准部分解决，后者只能靠标注与实拍素材约束。还有 45.6% 遇到过配套的 AI 虚假买家秀与好评，44.2% 发现 AI 生图谎称实拍，这两项已经越过呈现问题，进了评价体系的真实性。
评论区的结构变了，好评也可能是生成的
用户口碑分析过去默认一个前提：评论来自真实买家。AI 生图进评论之后，这个前提松动了。调查里 45.6% 的受访者遇到过 AI 虚假买家秀和好评，这意味着差评与好评的分布不再只反映体验，还反映生成能力。有受访者的经历很典型：先看评论区都说不错才下单，拆开发现货不对板，往后翻才看到有真实买家吐槽卖家秀和好评都是 AI 生成的。
| 评论类型 | 识别特征 | 处理动作 |
|---|---|---|
| 真实晒单 | 背景杂乱、光线不均、有生活痕迹 | 纳入正常口碑样本 |
| 可疑 AI 晒单 | 背景统一、模特姿态重复、细节自相矛盾 | 单独标记，不进入情感统计 |
| 同图多店复用 | 多店铺同款图片完全相同 | 按刷单线索上报平台 |
| 模板化好评 | 句式高度一致、缺少具体使用细节 | 降权处理，不参与评分 |
这套区分对口碑监测的意义很直接：如果把可疑评论混进样本，得到的满意度会系统性偏高，而真实痛点被稀释。可行的做法是先做评论清洗，再算情感分布，顺序颠倒会让结论彻底失真。清洗不需要复杂模型，几条规则就能过滤掉大部分：同一图片出现在多个店铺、评论时间集中、文案缺少具体使用场景。
差评分析的抓取口径要改
差评的抓取口径也要跟着调整。过去抓的是「质量差」「与描述不符」这类词，现在更该抓的是具体落差：色差、版型、材质、尺寸。调查里提到，有消费者遇到同一商品的几张 AI 图自相矛盾——细节图里的领口，有的带扣子、有的没有、有的多出花边，问客服哪张准确，得到的回复是「以模特图为准」。这类对话本身就暴露了商品页信息不可靠，是比差评更早的信号。
具体做法是把差评拆成可归因的维度：视觉落差、功能落差、履约落差。视觉落差对应图片与实物的差距，功能落差对应参数与体验的差距，履约落差对应发货与售后。三个维度的处理方不同，视觉落差归内容与设计，功能落差归产品，履约落差归供应链。混在一起做情感分析，只能得出「不满意」，落不到动作上。
同一张图跨店复用，是最省力的识别信号
识别 AI 买家秀不需要复杂模型，几条规则就能过滤掉大部分。第一看图片是否跨店复用：同一张「买家实拍」出现在三个以上不同店铺，基本可以判定为素材图，真实买家不会把自己的照片授权给多家商家。第二看时间分布：同一商品在半小时内冒出十几条带图好评，与正常下单节奏不符。第三看文案颗粒度：真实评价会写具体场景，比如「160 的个子穿 M 码刚好盖住臀部」，生成文案往往停在「质量很好、物流很快、值得购买」。三条规则串起来跑，先把可疑样本单独隔离，剩下的再进情感统计。
素材留痕的三种做法
调查里有意思的一点是，多数受访者并不排斥 AI 用于商品展示，排斥的是被蒙在鼓里。有受访者明确表示，愿意主动标注 AI 生成效果图的店铺更坦诚。这意味着标注不是成本，是信任资产。可行的标注分三种：纯 AI 生成的场景图单独标注；AI 辅助修图但基于实拍的不标注但保留原图可查；AI 模特需注明「模特为 AI 生成」，同时提供实拍细节图。
常见问题
AI 生成商品图，平台现在允许吗？
允许，但要求可识别。争议集中在是否如实标注、是否用 AI 图虚构材质与版型。标注清楚、同时提供实拍素材的，通常不构成问题。
口碑监测怎么排除 AI 生成的假评论？
先看图片是否跨店复用、评论时间是否集中、文案是否缺少具体细节。三项命中两项以上，先单独标记，不进入情感统计。
标注了 AI 图，会不会影响转化？
短期可能略降，长期是正收益。调查显示消费者抵触的是不知情，主动标注的店铺反而被认为更坦诚，复购与退货率的改善通常能覆盖转化损失。
服饰之外，还有哪些品类要重点改？
美妆护肤、家居家纺软装、首饰配饰、文创工艺品。这几类的共同点是质感难以用参数描述，只能靠图片，也因此最容易被 AI 图放大落差。
