副标题：四个大模型替人订酒店，位置效应弱了 4 到 10 倍、形状变成 U 形，最后 78% 的订单给了同一家店
导读：排名一直是电商的命脉，排第一和排第十，往往决定一家店的生死。可当消费者把搜索、比价、下单都交给 AI 代理后，这套逻辑还成立吗？McGill 大学的研究者把 100 家酒店每次会话完全随机洗牌，让 Gemini 3.1 Pro、3.7 Flash、3.1 Flash Lite 和 Claude Sonnet 5 各完成 500 次替人订房，共 2000 次模拟下单，与人类 16.6 万次真实搜索对比。结论相当反直觉：AI 从不空手而归（人类有 34% 会放弃）；排名对 AI 的影响比人类弱 4 到 10 倍，而且呈 U 形，中间 68 到 74 名的酒店最容易被忽略，不是垫底的；位置影响"看什么"却不影响"买什么"，四个模型 78.2% 的订单都给了同一家"无支配"酒店 citizenM；把 AI 的"推理努力"调高，位置偏差基本消失。商家、消费者、平台，各有各的新规则要学。
你把订酒店的事交给了 AI，会发生什么
想象一下：下周你去纽约出差，把订酒店这件小事交给手机里的 AI 助手。它会像你一样货比三家吗？还是眼睛一闭随手就订？加拿大蒙特利尔 McGill 大学 Desautels 商学院的 Davood Wadi 和 Yu Ma 两位研究者，做了一个近乎较真的实验来回答这个问题。他们把 100 家纽约酒店在每次会话里完全随机打乱顺序，让 4 个顶尖大模型各自扮演 500 次"代你订酒店的助手"，总共 2000 次模拟下单，再拿去和人类 16.6 万次真实搜索对比。结果既意外又不意外：AI 100% 都会订下一间房，而人类有 34% 会空手而归；排名确实还在影响 AI"看什么"，但力度弱了 4 到 10 倍，而且不是"越靠后越惨"，是"中间 68 到 74 名最惨"；更离谱的是，2000 次里 78.2% 的订单都流向了同一家酒店 citizenM；但只要把 AI 的"推理努力"调高一档，这个位置偏差就消失了。
在电商世界里，排名从来不是小事。你在搜索结果里排第一还是第十，几乎决定了一家店的生死。这套逻辑有个学术名字，叫位置偏差（position bias）。它说的是，一个商品被点到的概率，不光取决于它本身好不好，还取决于它摆在什么位置。超市货架上，摆在与你视线平齐那一层的商品，被拿起的概率远高于蹲在脚边的同类。电商平台深谙此道，于是有了竞价排名、搜索广告，也养活了整整一个搜索引擎优化（SEO）的产业。
这套"越靠前越香"的逻辑，在人类身上几乎从不失手。研究者把人类这种行为拆成了两个词：顺序扫描（sequential scanning）和满足性搜索（satisficing）。前者说的是，人看列表是一行行往下扫的，扫到后面注意力就耗竭了；后者说的是，人其实很懒，找到一个"够好"的就收手，不追求最优。两件事一叠加，人类的选择就严重依赖谁先出现在眼前。谁先进了消费者的考虑集（consideration set，也就是他愿意细看的那一小撮候选），谁就基本锁定了这一单。
但这个商业模式，建立在一个默不作声的前提上：消费者会"从上往下看"。人类刷手机的时候，眼睛一条条往下扫，看到第几十条就累了、烦了、注意力耗尽了，于是越靠后的选项越没人看。可 AI 不一样。它不会滚动，不会眨眼，更不会手酸。它把整整一页 100 家酒店一口气读进自己的上下文窗口（context window），从第一行到最后一行，理论上"看到"的内容一样多。那么问题来了：当你的购物代理不再需要翻页，排名这套老把戏，还灵吗？
要回答这个问题，不能拿现实里的搜索列表来做。因为平台的排序算法本身就会把评分高、价格好的酒店故意排在前面，你会分不清到底是“位置”起了作用，还是“这酒店本来就好”。这个混淆有个学术名字，叫内生性偏差（endogeneity bias）：排序算法把好酒店放在前面，让你误以为是位置带来了销量，其实是质量本身在起作用。研究者用了一招釜底抽薪：每次会话，把 100 家酒店的展示顺序完全随机打乱。这样，位置与质量之间再没有任何人为的勾连，任何"位置带来的行为变化"在构造上就等同于因果。这一招其实是从 2018 年 Ursu 那篇经典研究里学来的，当时它在真实 Expedia 网站上做随机化，记录了 16.6 万次人类搜索，成了本次研究的人类基准。
被拉来"打工"的四位代理，是眼下能力最强的几个大模型：Google 的 Gemini 3.1 Pro、Gemini 3.7 Flash、Gemini 3.1 Flash Lite，以及 Anthropic 的 Claude Sonnet 5。它们各自被赋予同一个身份：一个受旅行者委托的酒店预订助手，任务是为两位成人、一间房、住两晚（含一个周六）的行程，评估选项并订下酒店。每个模型跑 500 次，合计 2000 次主实验。整个过程里，模型每调用一次"查看详情"的工具，就相当于人类点了一下鼠标；最后提交订房，就算一次成交。
先看第一件事：AI 从不放弃。人类在真实搜索里，平均只看 1.12 家酒店，93% 的会话只有一次点击，典型的"够好就停"，找到第一家差不多的就下单。更关键的是，人类有 34% 的概率会直接放弃，什么都不订。而四位 AI 代理，无论哪个模型、无论什么配置，转化率（conversion rate）全部是 100%。没有一次空手而归，它们甚至没有"不订"这个念头。
不过，"看多少"这件事，四个模型的分歧大得惊人。Claude Sonnet 5 最克制，平均只点开 1.63 家酒店就拍板，其中 98.2% 的会话是第一家看的就直接下单；Gemini 3.7 Flash 更极端，99.8% 首选即订。Gemini 3.1 Pro 则最谨慎，平均要翻开 5.83 家，标准差高达 4.78，个别会话几乎把整页翻了个遍。一个像"一眼定情"，一个像"货比十家"。可奇怪的是，看得多还是少，最后都没拦住它们指向同一个答案。
研究者一开始怀疑，这是不是提示词写得太"怂恿"了。毕竟你在提示词里要它"推荐并订房"，它自然不好意思拒绝。于是他们专门做了个简化提示词实验：删掉所有"推荐"的字眼，删掉"多看几家"的暗示，只给行程参数和两个工具。结果呢？转化率依然是 100%，外部选项（outside option，也就是"选择不订、退出交易"）依然是 0。AI 代理不是被逼着下单的，它是真的想下单。
第二个发现，才是本文真正的主角。排名的确还在影响 AI"看什么"：位置越靠后，酒店被"点开查看"的概率越低，方向和人类一致。但力度小得可怜。人类的位置系数是 −0.0019，AI 只有 −0.0002 到 −0.0005。换算成大白话：排名每往下掉 10 位，人类的检查概率损失约 1.9 个百分点，AI 只损失 0.2 到 0.5 个百分点。差了 4 到 10 倍。
更反直觉的还在后面。人类的排名惩罚是"单调递减"的：排得越靠后越惨，底部是深渊。AI 却是 U 形。从页面顶部往下，被检查的概率先下降，在 68 到 74 名之间触底，然后又回升。也就是说，对 AI 来说，最惨的不是垫底的酒店，而是卡在中间的那一批。这恰好对应了一个已知的现象：中间迷失（lost in the middle）。大模型对长文本开头和结尾的信息抓得最牢，中间最容易漏掉。用记忆心理学的词说，这是强首因效应（primacy effect）配弱近因效应（recency effect）：开头被牢牢记住，结尾捞回一点，中间彻底失焦。100 家酒店一次性塞进上下文，正好让中间那几家成了"盲区"。研究者也坦诚，他们没观测到模型的注意力，这只是一个"一致的解释"，而非“已证实的机制”。
这几条曲线叠在一起，指向一个让人坐立不安的结论：排名这门做了几十年的生意，逻辑可能被整个反转。对人类来说，排名几乎等于注意力，注意力几乎等于成交，所以商家愿意花大价钱买顶部位置。可对 AI 来说，排名只轻微影响它“看什么”，几乎不影响它“买什么”。那么问题不再是“排名还灵不灵”，而是“那笔买排名的钱，以后该往哪儿花”。
第三个发现更让人意外：尽管四个模型对排名的敏感度天差地别，有的几乎免疫，有的接近人类，它们最终的选择却高度一致。每个模型 89.6% 到 100% 的选择，都集中在同样的 5 家酒店里；而所有模型的"标准答案"，是同一家：citizenM New York Times Square。它是 100 家里评分最高的那一档（4.7 分），又在这个评分档里最便宜（每晚 220 美元）。价格和评分两个维度上，没有谁比它"更便宜且更好"。它是个无支配选项（undominated option）。换句话说，AI 不看谁排在前面，而是把 100 家店摊开，做一道"评分与价格"的算术题，谁的性价比没被任何人压住，就选谁。合并统计，2000 次会话里有 1563 次订了它，占比 78.2%。
第四个发现，给了所有人一个可操作的答案。研究者把同一个模型的"推理努力（reasoning effort）"，也就是它下单前"打草稿"的认真程度，从最低调到最高。变化立竿见影：检查曲线的 U 形曲率消失了，位置对最终选择的影响也跌到统计上不显著。Flash Lite 的选择位置系数从 −0.0503（显著）一路变成 +0.0023（不显著）；Pro 从 −0.0760（显著）降到 −0.0080（不显著）。更细的变化也印证了这一点：所订酒店的平均名次纷纷向位置中性的 50.5 靠拢，Flash Lite 从 43.97 挪到 51.20，Pro 从 40.96 挪到 49.72；而众数选择（modal choice，出现次数最多的那个答案）的占比，Flash Lite 从 61.4% 一路涨到 96.6%。模型越想清楚，越不受"摆在哪儿"的摆布。
这背后还藏着一个耐人寻味的细节：Flash Lite 的默认推理努力是最低档 minimal，而 Pro 默认是最高档 high。也就是说，一个模型"开箱即用"时对排名暴露多少，取决于厂商怎么配置，而不是能力本身。越便宜的模型默认越省算力，反而越容易被排名牵着走。
第一章先在这里埋下一句话：排名在 AI 时代没有死，但它换了一种活法。对商家来说，这暗示着一个更深的转向：如果 AI 消费者不看位置、只看属性，"排名竞价"这门生意的地基会不会松动？而一个 100% 会下单的代理，又会让"推荐即成交"放大成什么样？对普通消费者来说，答案也藏在其中：让 AI 助手替你比价下单时，把它调到高推理努力模式，能实实在在压低被排名左右的风险。这些悬念，从下一章开始慢慢拆。
旧世界：排名为什么是钱
先想象一个场景。你站在一家大超市的货架前，面前是上下五层货架，摆满了同一个牌子的酱油，只是口味略有不同。你的眼睛会先落在哪一层？几乎不用想，是和视线平齐的那一层。你不用踮脚，也不用蹲下，这一层的商品被拿起来的概率，远远高过最顶层和最底层。这件事听起来像生活常识，但在商业世界里，它有一个严肃的名字，叫作位置偏差（position bias）。
位置偏差说的不是商品本身好不好，它讲的是另一个更冷的道理：一个东西"被放在哪里"这件事本身，会独立地改变你拿起它的概率。同一瓶酱油，摆在视线平齐处和摆在最底层，命运完全不同。商家早就看穿了这一点，所以他们愿意为那个"平齐"的位置付钱。这条规则适用于酱油，同样适用于屏幕上的任何一条列表。这个规律如此稳定，以至于它成了一条公认的营销铁律。
所谓"旧世界"，指的就是 AI 还没替你出手之前的那个世界。在那个世界里，搜索和决定是同一个人完成的：你自己输入关键词，自己一行行地看结果，自己拍板买哪一家。因为看和买都落在同一双眼睛、同一套注意力上，所以"谁排前面"这件事，直接变成了"谁赚钱"。这一章的使命，就是把这套旧逻辑讲透。
在旧世界里，你搜酒店、搜餐厅、搜商品，看到的都是同一种东西：一条从上往下排开的结果列表。排名第一的那家，和排名第五十的那家，卖的可能差不多，甚至第五十家更好、更便宜。但只要它排得靠前，就会被更多人点开。列表上的"位置"，就这样成了一门生意。要理解这门生意，得先理解一个更基本的事实：看列表的那双眼睛，到底是怎么工作的。
把一次搜索想象成一个漏斗。最上面是"被展示"，中间是"被点击"，最下面才是"成交"。每往下走一层，人数就少一批。位置影响的，恰恰是最上面、也是最宽的那一层。酒香也怕巷子深：东西再好，只要没被看见，后面的一切都无从谈起。这是商家愿意为顶部位置付钱的第一层理由。
一个列表往往有几十上百个位置，但真正值钱的，只有最上面那几个。第一名的注意力，可能比第五十名高出好几个数量级。剩下的位置，就像超市最底层那排货架，摆着，但没人蹲下来看。
人类到底有多"懒"？答案藏在真实的点击数据里，而且比我们想象的更极端。营销学者 Ursu 在 2018 年做过一项经典研究，场景是真实世界里的 Expedia 酒店搜索，样本超过十六万次展示。他随机打乱酒店的展示顺序，然后观察真实用户到底怎么看。结论让人意外：人类平均每个搜索会话，只点击 1.12 家酒店。
1.12 家意味着什么？意味着绝大多数人在订酒店这件不算小的事上，只认真看了"一家"。老一辈人买东西讲究"货比三家"，可数据告诉我们，真到了网上，人连三家都懒得比。更扎心的是另一个数字：93% 的会话里，人只点了一次。他们没有翻到第二页，甚至懒得往下滑一屏。我们总以为自己是精明的比较者，数据却说，我们大部分时候是"一眼定生死"。
心理学给这种行为起了个名字，叫满足性搜索（satisficing）。这个词是"满足"（satisfy）和"足够"（suffice）两个词的拼合，意思就是"够好就行"：找到第一个看起来可接受的选项，立刻停手，不再往下看。人类不是不挑，而是挑得很省。"够好就行"的另一个后果是，人最终认真看的，只是那三五家。注意力的预算，比钱包还要紧张，而排名，恰好垄断了这份稀缺注意力的分配权。
满足性搜索的背后，是一套近乎生理层面的机制，叫作顺序扫描与注意力耗竭（sequential scanning / attention exhaustion）。人读列表是从上往下逐条读的，读到第五名、第十名、第二十名的时候，耐心和注意力已经一点点漏光了。所以位置效应是单调递减的：越靠下，越没人看，越惨。Ursu 的数据给出了一个可以量化的直觉：排名每往下掉十位，一家酒店被点开的概率就损失约 1.9 个百分点。第一名和第十名之间的差距，换算成钱，就是一笔肉眼可见的数目。
那么，排名到底决定了什么？营销学家 Hauser 在 2014 年提出的考虑集理论（consideration set），给出了一个很清晰的答案。人做决定，其实分成两步。第一步，先快速扫一遍，筛出一个很小的候选名单，比如三到五家。第二步，才在这三五家之间认真比较，做出最终选择。这个被快速筛出来的小名单，就是考虑集。
关键就在第一步。排名决定的是谁进考虑集，而不是进入考虑集之后值多少钱。你连候选名单都进不去，质量再好、价格再低，也是白搭，因为根本没有人会看到你。反过来，一旦挤进了那个小名单，大家就站上了同一条起跑线，名次先后的作用反而淡了。这就是"排第一"这件事值那么多钱的根本原因：它买下的不是成交，而是被看见的资格。
用逛商场打比方会更清楚。你走进一家大商场，不会把里面一百家店从头到尾全逛一遍。你会先凭招牌、门面、第一眼的印象，圈出三五家进去细看，剩下的九十几家，连门都不会推。这三五家就是你的考虑集，而谁家招牌显眼、位置靠前，基本决定了你能看到谁。商场里的黄金铺位和搜索结果里的第一名，是同一套逻辑。
回到超市货架，这个逻辑就更直白了。视线平齐的那一层，本质上就是货架的"第一名"。它的商品未必比最底层的好，但它被拿起来的概率最高，因为它抢到了你注意力最便宜的那一眼。货架陈列师和搜索引擎优化师，其实干的是同一件事：争夺你眼球最省力的那个落点。一个在实体货架上摆位置，一个在虚拟列表里抢排名。
不信的话，下次你自己搜一次酒店试试。数一数：你点开了几个结果？往下滑了几屏？大概率，你也在第一个看着顺眼的选项上停住了手。这不是意志力不够，而是刻在所有人身上的同一套默认设置。
说到底，这一切的根源只有一个：人的注意力是稀缺的。一天二十四小时，眼球就那么多，能匀给一条列表的，更是少得可怜。排名，就是把这份稀缺资源往谁头上引的那只手。谁握住了这只手，谁就握住了需求的入口。
更关键的是，这套行为几乎不可能改变。眼睛的构造、注意力的容量、怕麻烦的天性，都是写死在硬件里的。商家不需要揣摩人心，只需要利用这些稳定的规律。位置效应之所以能成为一个可靠的生意，恰恰因为它不依赖任何人的意愿，只依赖人性本身。
人类虽然"懒"，却还攥着一张底牌：可以选择什么都不买。在那项 Expedia 研究里，点击之后，66% 的人最终会下单订房，剩下 34% 的人会放弃，选择"不订"这个外部选项（outside option）。打个比方，这就像刷相亲软件，你可以刷完一圈，最后选择"单身"。人可以花几分钟扫完列表，然后潇洒离场，一分钱不花。这份"不买的权利"，让人类消费者在面对商家时，多少还保留了一点议价的底气，也让排名竞价的市场不至于彻底失衡。
光有注意力还不够，还得看它能不能变现。数据同样站在商家这边：点进去之后，66% 的人会真的下单。三分之二。这个比例高到，只要你把人引进详情页，交易几乎就成了一半。位置既决定谁被看，也连带决定谁被买。
这条"看→买"的链条，直接催生了排名竞价的商业模式。既然越靠上越容易被看见，而"被看见"几乎等于"被点击"，"被点击"又有三分之二以上的概率变成"成交"，那么商家自然愿意为顶部位置掏出真金白银。搜索广告和搜索引擎优化（SEO）的全部经济学，就建立在这一串脆弱的人类注意力假设之上。谁抢到第一名，谁就抢到了需求；这条规则，喂饱了一整个行业。
这套逻辑还特别适合做生意，因为它的每一步都能量化。展示了多少、点击了多少、成交了多少，全是可追踪的数字，商家花出去的每一分钱都能算出回报。于是"位置"被明码标价，成了可以买卖的商品，排名越靠前，标价越高。钱，就沿着这条链源源不断地流进来。
所以在旧世界里，排名就是钱。这句话不是比喻，而是字面意思。位置可以买、可以卖、可以定价，价格由它带来的注意力决定。商家买位置，就像买一块黄金地段的地皮，买的是人流，是目光，是那个"先看到你"的机会。
沿着这条逻辑，长出了一个巨大的行业。有人专门研究用户的眼球落在哪里，有人专门优化列表里的每一个字，有人专门替商家抢位置。整条产业链的起点，不过是"眼睛会累"这四个字。它供养了无数公司，也驯化了所有上网的人：点前面几个，成了一种肌肉记忆。
这套商业逻辑之所以几十年运转不息，是因为它每一条腿都踩在扎实的人类行为上：眼睛会累，所以位置有用；人图省事，所以考虑集很小；人要面子怕麻烦，所以点了就买的比例高。三个环节环环相扣，任何一环松动，整座大厦都会晃动。而过去几十年，没有任何东西动摇过这三个环节。
排名竞价能够成立，靠的是一条非常干净的逻辑链：位置决定注意力，注意力决定考虑集，考虑集决定买什么。这条链上的每一环，都依赖同一个前提：看东西的，是一双会累、会从上往下扫、会停在第一个"够好"选项上的眼睛。这双眼睛，就是旧世界全部财富的起点。
几十年来，这套逻辑一直运转得很好，好到所有人都默认它是天经地义的。商家默认要买位置，平台默认要卖位置，用户默认只点前面几个。没有人质疑过它的前提，因为那个前提从来没有变过。
这套逻辑成立的前提，是人得用自己的眼睛一行一行往下看。可如果看东西的不是人呢？
实验：把 100 家酒店每次洗牌
想象一个场景：你想验证"货架位置"到底有多大魔力。你把同一批商品摆上货架，今天把最贵的放中间，明天放最上面，后天放最下面。顾客并不知道你动了手脚，他们只是照常走进来、看一圈、拿东西、结账。重复一千次之后，如果某件商品无论摆在哪儿被拿走的概率都一样，那位置就无所谓；如果它摆在最上层时被拿得多、塞进角落时被拿得少，位置效应就现形了。
在互联网时代，这个"货架位置"有一个更专业也更值钱的名字，叫"排名"。商家愿意为"排第一"付真金白银，整个搜索广告的商业模式都建立在一个假设上：位置会改变人的选择。这个念头听上去朴素，其实是整场实验的起点。研究者真正想知道的，是同一个问题换一种问法：当决策者不再是人类，而是一个替你下单的 AI 代理时，位置还会不会继续发挥这种无声的威力。回答它的唯一办法，是设计一场足够干净的实验，让位置效应没有地方躲。
这里要先解释一个正在发生的新现象：越来越多的人不再自己打开软件一页页翻，而是让一个 AI 代理替自己检索、比较、下单，人只负责说一句"帮我订个酒店"。研究者给这种现象起了个名字，叫"代理消费者"（surrogate consumer）。当消费决策被外包给 AI，"排名还灵不灵"就不再是学术圈的小问题，而是关系到商家真金白银的大问题。
要设计这样一场实验，第一步不是去训练什么模型，而是先把"比较的基准"立起来。因为"AI 有没有位置偏差"这句话，只有在和人类放在一起比的时候才有意义。
先复刻一场人类实验
2018 年，学者 Ursu 在真实的 Expedia 酒店搜索页面上做过一场经典的随机田野实验（randomized field experiment）。他随机打乱酒店的展示顺序，观察真实消费者是怎么点、怎么看、最后怎么订的。这场实验之所以成为黄金基准，是因为它发生在真实的购物环境里，面对的是真实的钱和真实的犹豫，而不是实验室里的假按钮。这批数据的规模也不小，Ursu 一共记录了 166,036 次酒店展示。
那批数据里，藏着人类决策的两个鲜明习惯。第一是"够好就停"（satisficing）：人类不是把 100 家都看完再选，而是从上往下扫，找到第一个可接受的选项就收手。第二是"注意力越扫越薄"：看列表是从上往下逐条看的，看到后面眼睛就累了、耐心就没了。两个习惯叠加的结果，是一组惊人的数字：人类平均只看 1.12 家酒店，93% 的会话里只点开一次详情，最后 66% 的人下单、34% 的人直接放弃。
研究者决定一比一复刻这场实验的情境，只是把"人类消费者"换成"AI 代理"。理由很直接：如果两边的任务、信息、选项都一模一样，那么 AI 的表现就可以直接放到人类基准旁边去比。这样一来，后面算出来的任何差异，都不能再甩锅给"任务不同"或"信息不对等"。
要复刻得"像"，关键在于信息要给得和人类看到的一致。于是研究者设计了一个两层的信息结构。
列表页加详情页：让 AI 像人一样逛
第一层是列表页，相当于酒店搜索结果的那一屏。每家酒店只给四个字段，也就是酒店名、评分（aggregated review score）、每晚价格、总价。没有照片，没有花哨的推荐标签，就这四样。人类在搜索结果页上看到的，大致也就是这些。只给这四样是有讲究的：多了会偏离人类真实看到的信息，少了又不足以支撑一次像样的比较。
第二层是详情页。真实用户在列表上点一下，才会看到酒店的星级、具体设施、清洁和服务的细分评分、房型与房价。研究者给 AI 配了一个专门的工具，名叫 inspect（检查），想看某家酒店的详情，就必须主动调用它，等价于人类的一次点击。调用几次、按什么顺序调、调完做了什么决定，全部被记录在案。
这个两层结构不是随便搭的，它精确对应了人类决策的一个关键动作：先快速筛出一个小候选集，再对候选集里的对象细细比较。学者把这个小候选集叫"考虑集"（consideration set）。对绝大多数消费者来说，谁进了考虑集，基本就决定了最后买谁。所以实验必须让研究者能看清楚，AI 的考虑集是怎么形成的、到底有多大。
两层设计还有个额外的好处：它把 AI 的"看"和"点"变成了可计数的行为，而不是一句模糊的"我比较了一下"。你数得清它点开了几家，也就能量出它的搜索深度。这一步埋下的伏笔，会在后面变成整篇论文最关键的一根标尺。
每次洗牌：让位置效应现形
接下来的这一步，是整个实验设计的灵魂。研究者没有让 AI 看一个固定的排名，也没有让它看"算法推荐的顺序"。相反，每次会话开始时，100 家酒店的展示顺序都被完全随机地重新打乱。第 87 名的酒店，下次可能排第 3；第 1 名的酒店，下次可能垫底。
为什么要费这个劲？因为真实的搜索结果不是随便排的。搜索引擎会刻意把评分高、口碑好、卖得动的酒店放在顶部。这就造成了一个致命的问题：你观察到"排名靠前的酒店被订得多"，到底是因为"它排得前"，还是因为"它本来就好"？这两件事死死地缠在一起，统计学家叫它"内生性偏差"（endogeneity bias）。就像健身房排行榜第一名的人，可能本来就最健康，不是"上榜"让他健康的。
这个纠缠，正是所有"排名研究"的死穴。如果你只用真实的搜索结果，就永远分不清位置和质量各自的功劳。随机洗牌一刀切断了这团乱麻：既然位置是完全随机分配的，那么"位置"和"质量"之间就不存在任何系统性的关联。同一家酒店，在 500 次会话里会落到 100 个不同的位置上，有时靠前，有时垫底。此时如果还观察到"排在前面的酒店被检查得更频繁"，你就能理直气壮地说：这是位置本身造成的，和酒店好不好无关。研究者把这种状态称作"由构造即因果"（causal by construction），不用赌运气，也不用做复杂的统计假设，随机化本身就保证了因果推断的干净。换句话说，研究者要回答的不是"位置重不重要"，而是给"位置"和"质量"这两个总是同时出现的变量，做一次外科手术式的分离。
还有一个细节会在后面变得重要：人类扫列表是一行一行往下滚的，而 AI 会把整页 100 家酒店一次性读进它的上下文窗口（context window），根本不需要滚动。"看"的方式不同，位置效应的形状可能就完全不同。
这就是本章标题说的那场赌博。研究者赌的是：只要把排序这个变量彻底随机化，藏在地毯底下的位置效应就会自己浮上来。赌注，是 2000 次完全独立的对话。数字 2000 不是随便定的：每个模型 500 次，已经足够让统计上的差异显形，又不至于让实验成本失控。
四个代理，同一场任务
参与这场实验的，是四个当下主流的大语言模型：谷歌家的 Gemini 3.1 Pro（能力最强的一档）、Gemini 3.7 Flash、Gemini 3.1 Flash Lite（最低档），以及 Anthropic 家的 Claude Sonnet 5。两家供应商、三档能力，横跨了当下市场的主流选择。刻意拉开能力档次，是为了看看位置效应到底是"笨模型才会犯的错"，还是"谁都躲不掉的规律"。
每个模型跑 500 次完全独立的会话，四个模型加起来就是 2000 次。会话之间互不干扰，模型不会记得上一次的任务，每一次都是一位全新的"AI 顾客"从头走进这间虚拟酒店大堂。
每次会话里，AI 都被赋予同一个人设：它是一位受旅行者委托的酒店预订助手，负责评估眼前的选项，并最终完成订房。行程参数也全部对齐到人类基准里最常见的那一档，也就是两位成人、没有儿童、一间房、住两晚，而且这两晚包含一个周六，具体是 2026 年 5 月 30 日入住、6 月 1 日退房。用人类数据里的"众数"来设定行程，是为了让这场对比尽可能公平，不给 AI 出人类不会遇到的难题。
研究者也没法给模型调"温度"这类参数。在 2026 年，谷歌和 Anthropic 的现代 API 已经禁止用户修改采样参数（sampling parameters，也就是 temperature、top-p 这些控制输出随机性的旋钮）。所以每个模型都只能以官方默认的设置"开箱即用"地上场。这反而让实验更接近真实世界，因为你我平时在产品里用到的，也就是这个默认配置。
每一次工具调用都被记下来
会话一旦开始，AI 在 100 家酒店里做的每一个动作，都会按时间顺序被完整记录。研究者只关心三个关键状态：第一，它有没有调用过 inspect 工具，调过了就标记为 inspected（已检查）；第二，它最后有没有提交订房，提交了就记为 chosen（已选择）；第三，它有没有选择"一家都不订"这个外部选项（outside option）。
这三个标记，对应了从"看"到"买"的完整链条。看过谁，决定了它进入了什么考虑集；订了谁，决定了位置效应到底有没有穿透到钱包；而不订的比例，则揭示了它到底有没有"空手而归"的退路。人类 34% 会放弃，AI 会不会？答案留到下一章揭晓。有了这三个状态，从"看"到"买"的漏斗就完整了，位置效应究竟卡在哪一环，一眼就能看出来。
除了主实验，还有两张底牌
2000 次主实验之外，研究者还埋了两组对照。第一组是推理努力（reasoning effort）实验：把 Flash Lite 分四档、Pro 分三档，各自在低、中、高推理努力下跑 500 次，7 组加起来又是 3500 次会话，用来测试"让模型多想一会儿"能不能改变位置效应。第二组是简化提示词实验：把提示词里"推荐"之类的字样和"多检查几家"的暗示全部删掉，只留行程参数和两个工具，再跑 500 次，用来证明结果不是提示词写出来的假象。这两张牌，后面细讲。
先记住这一章的结论：研究者没有发明任何花哨的模型，他们只是把一个经典的人类实验，原样搬到了 AI 头上，然后加上一把"随机洗牌"的刀，把位置和质量这两根缠在一起的线，干净地切开了。赌局已经摆好，2000 次洗牌就绪，接下来就看位置效应自己现形。
AI 的购物画像：看得更多，从不空手而归
想象一下，你把整辆购物车交给了别人。你只说了一句"帮我订家合适的酒店"，剩下的搜索、比较、比价、下单，全由一位新助手替你完成。这位助手不会累、不会烦，也不会因为列表太长而中途放弃，更不会逛到一半刷起手机。它就是这篇论文的主角：AI 代理消费者（surrogate consumer），替你完成消费决策的软件代理。
你可以把它当成你雇来的一位私人采购：你交代需求，它去货比三家，最后替你把钱付了。唯一的区别是，它干活的速度和耐心，人类拍马也赶不上。不久的将来，这类代理消费者会越来越多，替你订机票、点外卖、买保险，到那时它们的购物习惯，就真的关系到你的钱包了。
过去我们聊 AI，总觉得它离"花钱"很远，顶多帮你查查资料、写写文案。但这篇论文研究的是另一件事：当 AI 被真正放进一笔交易里，替你从一百家酒店里挑一家、替你下单，它会变成什么样的顾客？在讨论它"买得对不对"之前，先回答一个更基础的问题：它到底会怎么逛？把这个问题拆开，我们会看到一张相当清晰的"购物画像"。
先弄清楚"逛"是怎么定义的
在给 AI 画像之前，得先说清楚"逛"这个词在实验里指什么。论文复刻了一个经典的酒店搜索场景：每次会话里，系统随机摆出 100 家酒店，每家在列表页只显示三样东西，名字、评分、每晚价格。
想知道更多，比如星级、具体设施、清洁度和服务评分、房型有没有空，就必须主动点开详情页。这个"点开看详情"的动作，在实验里被记作一次"检查"（inspect），相当于人类在搜索结果里的一次点击。谁点了多少家、点了哪几家、最后订了哪家，全被完整记录。
这个两层设计很关键：列表页只给最粗的线索，逼着顾客主动点进去才能看全。于是"检查了多少家"成了一个真实的主动行为，而不是被页面推着走。人类点一下、AI 调一次工具，动作不同，含义却一致，都在问同一个问题：这家到底行不行？
这里还牵出一个关键概念，叫考虑集（consideration set）。你逛商场不会把一百家店全逛一遍，通常先凭招牌和门面快速筛出三五家，再进去细看。这三五家就是你的考虑集，而谁能挤进这个集合，基本就决定了你最后买什么。人类靠考虑集省力，AI 却似乎不介意把考虑集开得很大。有了"检查"这把尺子，我们就能公平地比较两拨顾客：一拨是真人，一拨是 AI。
人类逛店：扫一眼就够
先看我们自己。论文拿人类做基准，引用了 Ursu 在 2018 年的一项经典随机化田野实验（randomized field experiment）：在真实的 Expedia 酒店搜索里，人类消费者平均每会话只检查 1.12 家酒店。也就是说，大多数人点开一家，看两眼，就拍板了。
更扎心的数字在后面。93% 的人类会话只有一次点击，你打开列表，扫了扫第一家，觉得还行，直接下单，连第二家都懒得看。经济学家管这种行为叫满足性搜索（satisficing），意思是"够好就停"，而不是"找到最好"。换句话说，人类的购物画像可以用六个字概括：扫一眼、就下单。要么成交，要么转身就走。
为什么人类这么草率？因为人是会累的。研究者把这种从上往下逐条看、越看越没耐心的行为，叫顺序扫描（sequential scanning），看到后面注意力自然耗尽。于是看到第一家勉强合格的，大脑就喊停。这套"扫一眼就够"的机制，带来一个连锁结果：人类里只有 66% 的人最终订了房，剩下 34% 的人选择退出交易，什么也没订。这个"退出"在论文里有个正式名字，叫外部选项（outside option），相当于逛完商场空手出门。
AI 逛店：翻得更深
现在轮到 AI 上场。论文让四款大模型各自完成 500 次订房任务，一共 2000 个会话，每次面对 100 家随机排序的酒店。第一眼的结果就让人意外：没有一个 AI 像人类那样浅尝辄止。
人类平均看 1.12 家。AI 里最"省事"的 Claude Sonnet 5，也要看 1.63 家。Gemini Flash Lite 3.1 看 3.12 家，Gemini Flash 3.7 看 4.25 家，而 Gemini Pro 3.1 一路看到 5.83 家。最深的模型和最浅的模型之间，差了整整三倍多。如果看中位数，这个阶梯更整齐：人类看 1 家，Sonnet 看 2 家，Flash Lite 看 3 家，Flash 看 4 家，Pro 看 5 家，一格一格往上爬。
如果把"只看一眼就下单"的比例拎出来比，差距更刺眼。人类 93% 的会话只有一次点击；Sonnet 降到 37.4%，Pro 是 20.8%；而 Flash 只剩 2.6%，Flash Lite 更是低到 0.8%。这四款 AI 几乎从不"扫一眼就走"，它们会反复打开详情页，把一家家酒店拆开来看。人类是"够好就停"，AI 则更像"再翻翻看"。
从不空手而归
如果说"看几家"只是程度差异，那下一组数字就是性质差异了。人类的转化率（conversion rate）是 66%，意味着每三个人里就有一个空手而归；而四款 AI 的转化率清一色是 100%。两千个会话里，没有一个以"不订"收场，外部选项比例全是 0%。它们一定会订一家。
理论上，AI 完全可以说"这些酒店都不合适，建议你换家平台"，或者在详情页里翻出一堆差评后收手。但两千次任务里，它一次都没有这样做。外部选项对它而言，仿佛根本不存在。
这听起来像句废话：AI 是被派去订房的，当然会订。论文作者显然也想到了这个质疑，于是专门设计了一组"简化提示词"实验。他们把提示词里所有"推荐""建议你订房"之类的暗示词全删掉，只留下行程参数和两个可用工具，让 Flash Lite 再跑 500 次。结果呢？转化率依然是 100%，外部选项依然是 0，甚至它看酒店的平均次数也只是从 3.12 家微降到 2.92 家。
换句话说，AI 的"一定要买"不是被提示词逼出来的，而是它自己的倾向。论文没有给出这个倾向的最终解释，只排除了"提示词逼的"这一种可能。一个合理的猜测是，AI 被设计成一个"完成任务"的代理，它的目标就是成交，而不是"逛得开心"。但作者谨慎地只把它当作开放问题，留待后续研究。
这带来一个挺实际的提醒：把购物委托给 AI，大概率意味着这笔钱真的会花出去。它会替你省点钱、帮你多比较，但几乎不会替你说"算了，不买了"。人类有三分之一的机会在最后一刻收手，AI 的机会是零。研究者把这称为"推荐即成交"的放大效应：一旦你让 AI 当采购，它几乎不会替你刹车。
急性子与比价狂
不过，把四款 AI 混为一谈也不对。它们的"购物性格"差得很远，几乎像是四个截然不同的顾客。
Claude Sonnet 5 像个急性子。它平均只看 1.63 家，而且 98.2% 的情况下，看的第一家就直接下单。它的检查次数分布高度集中，标准差（SD）只有 0.49，几乎每次会话都看差不多同样多的酒店，几乎不纠结。
Gemini Flash 3.7 是另一种急性子：99.8% 首选即订，比 Sonnet 还干脆，可它平均要看 4.25 家才出手。你可以把它想象成那种点开四家详情页反复确认、最后却还是选了第一眼那家的人，折腾半天，结果不变。
而 Gemini Pro 3.1 则是个十足的比价狂。它平均看 5.83 家，首选即订比例只有 60.4%，将近四成的情况下，它看完第一家还不满意，要再翻几家才决定。它的检查次数分布严重右偏，标准差高达 4.78，意味着有些会话它只看两三家，有些会话却能翻十几家。Gemini Flash Lite 3.1 性格相近，首选即订 62.0%，也是"多比较几家再说"的类型。夹在中间的两位，性格也更飘忽：Flash Lite 的标准差是 0.54，Flash 是 1.59，都落在两个极端之间。
这么一看，四款 AI 就像四个性格迥异的采购员：两个急性子，两个比价狂。它们来自不同公司、价位也天差地别，性格各不同，却都挡不住同一件事，最后一定会买。
这个性格差异，直接关系到一个实用问题：你该把"替我订房"这活儿交给哪个 AI？如果你赶时间、想要一个干脆的结果，急性子模型更合适；如果你希望它多比几家、帮你压价，那比价狂模型才是好帮手。论文给的提示很直白：选模型之前，先想想你想要哪种采购员。
这张画像意味着什么
把四张"购物画像"摆在一起，能读出两件事。
第一，AI 替你购物，比你自己逛得更深，也更坚决。它看更多家，却几乎一定会成交。为什么"看更多家"值得单独拎出来讲？因为过去我们默认 AI 会偷懒，扫一眼就交差，这组数据打破了这种印象：即便最急的 AI，也比最耐心的人类看得多。它替你逛的时候，是真的在逛。对商家来说，一个 AI 消费者进来了，成交基本是板上钉钉；对消费者来说，把钱包交出去的时候，它真的会替你花钱。想清楚这一点，再决定要不要把银行卡交给它，就踏实多了。
第二，不同 AI 的购物风格差异巨大，而且这种差异既不跟着供应商走，也不跟着能力档次走。Sonnet 和 Flash 来自不同公司，却都极度干脆；Pro 和 Flash Lite 同属 Gemini 家族，一个是顶级档、一个是最低档，却都是比价狂。这种"性格"更多取决于模型默认配置，跟"聪不聪明"关系不大。
对商家来说，这条规律值得重新掂量：当越来越多的人把"买什么"外包给 AI，过去"把人引到店里"的那套转化漏斗，会被"把 AI 哄开心"取代。对消费者来说，好消息是 AI 会替你多比几家；坏消息是，它几乎从不替你打退堂鼓。
还有一个细节值得玩味。四款 AI 最终订下的酒店，平均排名分别落在第 47.58、43.97、49.46、49.72 名。这个数字藏着一个漂亮的对照：既然每家酒店的排序每次都是完全随机打乱的，那么一个"完全不看位置、只挑好酒店"的顾客，最终选中的酒店平均名次就应该落在正中间，也就是第 50 名左右。四款 AI 全都贴着这个"位置中性"的基准值，说明它们选谁，几乎不取决于被摆在列表的第几位。这跟人类"谁排前面就买谁"形成了鲜明反差，也正是下一章要讲的主角。
这里还藏着一个更大的问题。如果 AI 看得这么深、又一定会买，那"排名"对它到底还有没有用？人类因为只看一家，排名几乎决定了命运；AI 看得深、又受评分和价格这类属性驱动，排名的作用会不会不一样？答案是有，而且变化方式相当反直觉，不是"越靠下越没人看"，而是一条 U 形曲线。我们下一章细说。
中间失明：U 形的位置效应
你有没有过这种经历：背一串手机号，开头三位滚瓜烂熟，结尾两位也张口就来，偏偏中间那几位，想了半天还不敢确定。读一本厚书也一样，开篇的悬念记得清楚，结局的转折刻在脑子里，中段的情节却像被谁抽走了一样模糊。心理学家管这叫首尾偏好，开头和结尾抓得牢，中间最容易溜走。有意思的是，AI 也得了这个毛病，而且比人还典型。这一章要讲的就是 AI 的这个毛病，以及它如何把"排名"这件老生常谈的事，翻出一个新花样。
前面几章我们看过，AI 替你订酒店时搜索得比人深得多，也从不空手而归。人类平均只看 1.12 家就收手，AI 却会把列表翻个底朝天。可这里藏着一个更根本的问题：它到底受不受排名影响？人类搜索有条铁律，排在前面的永远更吃香，这就是所谓的位置偏差（position bias）。AI 是不是也这样？答案分两层，第一层符合直觉，第二层会让人愣一下。
要回答这个问题，得先解决一个技术难题。现实里的搜索引擎，本来就倾向于把好酒店排在前面，质量高的店占了顶部的坑。就像健身房排行榜上第一名的人，可能本来就最健康，不是因为上榜才健康。于是你分不清"排在前面被多看"，到底是因为位置，还是因为这家店本来就更好。研究者把这种纠缠叫内生性偏差（endogeneity bias），它是位置研究的头号敌人。论文的解法很干脆：每次会话，把 100 家酒店的展示顺序完全随机打乱。位置和酒店质量彻底脱钩，任何"位置与行为"的关系，从构造上就是因果关系。
那"看什么"具体指什么？在实验里，AI 看到列表页会先得到店名、评分、价格这些摘要，想知道更多就得调用一个叫检查（inspect）的工具，相当于人类点击进详情页。论文用"是否调用过检查"作为"看没看"的代理指标。这个设计把模糊的"注意力"落成了一个可数的行为，位置效应才有了可测的抓手。
先讲第一层结果。位置确实还在影响 AI"看什么"。论文用线性概率模型（linear probability model, LPM）把"排名位置"和"是否检查"的关系拟合出来。人类基准里，位置系数是 −0.0019，统计上极其显著（p<0.001）。AI 这边，四个模型落在 −0.0002 到 −0.0005 之间，也全部显著。每个模型都各自跑了 500 次会话，样本量不算小。负号说明方向一致：位置越靠后，被点开检查的概率越低。
这个系数怎么读？LPM 的好处在于，系数可以直接当成概率变化来读。名次每往后挪一位，被检查的概率就按系数往下掉一点点。排名每往下掉 10 位，人类点开检查的概率损失大约 1.9 个百分点，AI 只损失 0.2 到 0.5 个百分点。差了 4 到 10 倍。换句话说，排名对 AI 仍然管用，但力道被人为削弱了差不多一个数量级。如果你是一家酒店，排名从第 5 掉到第 55，人类顾客对你的兴趣会明显变淡，AI 顾客则几乎没察觉。方向和显著性都跟人类一致，说明位置偏差在 AI 身上真实存在，只是被稀释了。
到这里，结论还是"老故事的新版本"，位置效应还在，只是变弱了。如果故事停在这里，这一章就没什么好写的了。真正的反转在第二层，而且反转得相当彻底。
论文做了件更细致的事：在回归里加进位置的平方项，看"位置与检查"这条曲线到底长什么样。如果它是笔直向下的斜线，平方项应该等于零。结果不是。Flash、Flash Lite、Sonnet 三个模型的平方项都显著为正。这意味着曲线先往下走，走到某个点后，又折回来往上翘。
那个折点在哪？在 68 到 74 名之间。想象你站在榜单前，从第 1 名往下数：头几十名，AI 还在认真看；越往下，被翻牌的概率越低；到了第 68 到 74 名这一带，概率跌到谷底；可再往下走，它反而又抬头了。第 90 名、第 100 名，被 AI 看到的概率比第 70 名还高。这种"先跌后涨"的形状，就是 U 形。榜单最底部的那几家，被 AI 看到的概率，居然比中间那几家还高，这跟人类完全是两回事。
这里可能有个疑问：既然前面说系数是负的、整体趋势向下，怎么又冒出个 U 形？关键在于两样东西一起看。线性项描述的是"整体往下滑"这个大方向，二次项描述的是"这条向下的线在中途被掰弯了"。两个项合在一起，才拼出完整的 U 形。只画一根直线，你会以为 AI 和人类一样"越靠下越惨"；补上那个弯曲，真相才浮出来。
这个发现之所以值得单独拎出来，是因为它违背了大多数人的直觉。位置效应研究了这么多年，主流结论一直是"越靠后越糟"。谁也没想到，换成 AI 之后，最糟的位置居然挪到了中间。它意味着，我们对"排名"的整套直觉，在 AI 消费者身上可能要推倒重来。
顺带把"首因"和"近因"这两个词说清楚。首因效应（primacy effect），是记忆偏爱开头；近因效应（recency effect），是记忆偏爱结尾。那三个模型的曲线，表现出的是"强首因加上弱近因"，开头记得最牢，结尾只拉回一点点，所以底部能比中间稍微抬起来。四个模型里最贵的 Pro 是个例外：它的平方项不显著，曲线基本只有首因效应那一段向下的部分，末尾不怎么回升，于是对 Pro 来说，底部依旧是最惨的。
把手机号拆开看就明白了：开头几位吃首因的红利，结尾几位吃近因的红利，中间那几位两头不靠，成了被遗忘区。酒店列表同理。第 1 名到前几名，被 AI 牢牢记住；第 90 名到第 100 名，借着结尾的位置也混了个脸熟；夹在中间的第 68 到 74 名，两头的好事都没赶上，成了最惨的一段。
把人类和 AI 摆在一起看，差别一目了然。人类是单调递减：排名越靠下越惨，第一名最好、第 100 名最差，没有翻身的机会。AI 是 U 形：两头翘、中间瘪，最惨的不是第 100 名，而是第 68 到 74 名这一小段。对人类，排名是一根笔直向下的鞭子，越往下抽得越狠；对 AI，排名更像一个两头高、中间低的盆地，真正掉进坑里的是中段。论文给这个现象起了个名字，叫"中间失明"。
这里得把两种"失明"分清楚。人类的是"底部失明"：眼睛从上往下扫，扫累了，排在后面的自然没人看。AI 的是"中间失明"：整页都在眼前，没有累不累的问题，但语言模型读长文本有个通病，开头和结尾抓得准，中间最容易漏。同样是"看不见"，成因完全相反，所以症状也相反：一个越靠下越看不见，一个越居中越看不见。对人来说，第 80 名和第 100 名都差不多没人看；对 AI 来说，第 80 名反而比第 70 名更受待见。
人类的单调递减，机制要简单得多。人看列表是从上往下逐条扫的，这叫顺序扫描（sequential scanning）；扫到二三十条之后，耐心和注意力都开始枯竭，这叫注意力耗竭（attention exhaustion）。再加上人是"够好就行"的动物，找到第一家勉强满意的店就停下，懒得再往下翻。三重因素叠加，排在后面的酒店，对人来说基本等于不存在。这套机制在真人的田野实验里被反复验证过，算是位置效应研究里的老熟人了。
那 AI 的 U 形又是怎么来的？机制藏在它完全不同的工作方式里。AI 不滚动。它把整页 100 家酒店一次性全部读进上下文窗口（context window）里，一口气"看"完。既然整页都在眼前，就不存在"滚到下面才看到"这回事，位置的影响来源也跟着变了。
问题在于，语言模型读长文本有个已知的毛病：开头和结尾的信息提取得更可靠，中间最差。这个现象在学术界叫"中间迷失"（lost in the middle），出自 Liu 等人 2024 年的一篇论文。那项研究发现，把一堆文档塞进长上下文让模型回答，模型对开头和结尾文档的把握明显更好，对挤在中间的文档，准确率掉得厉害。打个比方，模型像是一个把整张菜单铺在桌上、却只对最上边和最下边两道菜记得最牢的食客。回到酒店列表：第 1 名在开头，第 100 名在结尾，这两头都被模型"抓"住了，反而是第 60、70 名这些不上不下的位置，淹没在中间最容易被忽略的区域里。
这里要补一句谨慎的话。论文作者写得很坦诚：他们观测到的是行为上的 U 形曲线，并没有直接观测模型内部的注意力到底落在了哪里。"中间迷失"是一个和观察结果一致的解释，而不是已经被证实的机制。作者用词很克制，没有把猜想说成定论。这一点值得记在心里：科学写作里，"解释得通"和"被证实了"之间，隔着一条不小的沟。读论文也该这样，看到"一致的解释"，别急着当成"已证实的机制"。
不妨再回到那个电话号码的类比。你记不住中间几位，不是因为你"不喜欢"中间那几个数字，而是因为记忆这个系统天然地更优待开头和结尾。AI 的"中间失明"也是同样的道理：它不是讨厌第 70 名，是它的读取机制天然漏掉了中间。位置对它来说，惩罚的不是"靠后"，而是"夹在中间"。这一点最反直觉：商家拼了命想逃离的榜单底部，对 AI 反而没那么可怕；真正危险的，是不上不下的中段。换句话说，AI 的盲区不是末尾，而是中腹；想被它看见，要么抢头，要么守尾。
对做生意的人来说，这个反转很要命。传统搜索优化的全部逻辑，都建立在"排名越靠前越值钱"之上，商家为顶部的几个位置砸钱，赌的就是人只会盯着最上面几行。现在 AI 消费者来了，画面变了：顶部依然最吃香，但底部不再是死角，真正掉进盲区的是中段。排名的版图，从一条斜坡变成了一口锅。那些押注中段排名的小商家，在人类时代已经够难，到了 AI 时代可能更难。
所以这一章的反转可以一句话概括：原来 AI 不是底部最惨，是中间最惨。商家们长期以来信奉的那套"越靠前越好、越靠后越死"的排名逻辑，在 AI 消费者面前被改写成了另一种形状：真正的失明区，藏在榜单中段。排名这回事，在 AI 眼里依然重要，但重要的方式变了。
但还有一个问题悬在那里。位置影响的是 AI"看什么"，可"看"并不等于"买"。对人类，看到什么几乎就等于买到什么，93% 的人只看一眼就做决定；对 AI，情况似乎复杂得多。那位置到底会不会影响 AI 最终买哪家？这是下一章要拆开的线头。
该买哪家：位置失灵，属性为王
想象你在餐厅翻菜单。第一页的招牌菜，你会多看两眼；可最后落笔点下的，多半还是你真正想吃的那一道。再想象你请了一位私人助理替你出差订酒店：他会把整张清单从头到尾扫一遍，然后冷静地报出他最推荐的那家。上一章我们聊过，AI 替我们搜酒店时，排名确实影响它“看什么”：排得越靠前，越容易被它注意到。一个更关键的问题跟着冒了出来：排名会不会再进一步，左右它“买什么”？这一章的答案，是整篇论文里最漂亮的一次反转。
先把结论摆出来：位置对 AI 最终选哪家店的影响，因模型而异，而且差异大得离谱。这正是我们整个系列那个问题的下半场，排名还灵吗？灵，也不灵，取决于你问的是“看”还是“买”。论文用线性概率模型（linear probability model）估了四个模型的“位置→选择系数”，意思是排名每下滑一位，这家店被选中的概率会掉多少。系数是负数，代表排名越靠后越吃亏；数字越接近零，说明越不在乎位置。四个数字，清清楚楚地分成了两派。
第一派是“免疫型”，成员是 Gemini Flash 3.7 和 Gemini Pro 3.1。前者的系数是 −0.000014，p 值 0.338；后者的系数是 −0.000008，p 值 0.606。先说 p 值怎么读：习惯上 p 大于 0.05，就认为这个影响“与零无差别”，也就是那点微弱的波动很可能只是随机噪声。这两个数字都远超这条线，翻译成大白话就是：把一家酒店从第 1 名一路挪到第 100 名，它被 AI 选中的概率几乎纹丝不动。换个说法，你把最贵的酒店放到第一名，这两个模型也不会因此多看你一眼。对它们来说，排名在“买什么”这件事上，基本等于不存在。
第二派是“敏感型”，成员是 Claude Sonnet 5 和 Gemini Flash Lite 3.1。Sonnet 5 的系数是 −0.000035，p 值 0.018，显著了，但幅度远小于人类；Flash Lite 3.1 的系数是 −0.000080，p 值小于 0.001，显著，而且已经逼近人类的量级。人类的位置→选择系数大约是 −0.0001。
用“走完 100 个名次”当尺子，差异会更好懂。Flash 3.7 和 Pro 从第 1 名走到第 100 名，选择概率的变化连 0.15 个百分点都不到，基本等于没动。Sonnet 会掉大约 0.35 个百分点，肉眼难辨。Flash Lite 会掉约 0.8 个百分点，跟人类那一整个百分点的量级基本接上了。换句话说，在“排名能不能影响成交”这件事上，这个最便宜的模型，反而最像人。排名对那两位“免疫型”选手，与其说是信号，不如说是噪音。
这里值得先停一下，想清楚“位置偏差”（position bias）到底值多少钱。搜索广告这门生意的理论根基，是“排得越靠前，成交越多”这一条铁律。可上面的四个数字说：这条铁律在 AI 消费者身上，要么很弱，要么干脆不成立。哪怕是最敏感的 Flash Lite，走完全部 100 个名次，成交概率的变化也不到 1 个百分点。排名这件曾经能直接换成钱的武器，正在悄悄变钝。换句话说，搜索引擎优化那套“排名等于注意力等于需求”的公式，第一次出现了裂痕。
要把这件事看透，得先把一条决策链拆成三段：排名先决定 AI“看”哪些店，这是检查集；看完了，它再决定“买”哪家，这才是选择。上一章量的是第一段，位置对“看”的影响，人类系数高达 −0.0019，AI 只有 −0.0002 到 −0.0005，弱了 4 到 10 倍，但方向还在。这一章量的是第三段，位置对“买”的影响，两个模型直接归零。也就是说，位置在第一段还有力气，走到第三段，力气基本耗尽了。
这里得把两个词掰开说清楚。检查集（inspection set），是 AI 实际点开看过详情的那几家店；考虑集（consideration set），是它认真放进决赛圈、准备从里面挑一个的那几家店。对人类，这两个集合几乎重合，常常都只有一个元素；对 AI，检查集可以铺得很开，考虑集却收得很窄，而最终落点，由评分和价格这些属性说了算。
更让人挠头的是，这个“谁敏感、谁免疫”的分布，找不出任何规律。它不跟着供应商走：Flash 3.7 和 Flash Lite 都出自 Google 的 Gemini，一个免疫、一个最敏感。它也不跟着能力档次走：Pro 是 Google 最高档，几乎免疫；Flash Lite 是最低档，却最像人类。它还不跟着搜索深度走：Pro 平均要看 5.83 家店，看得最多，偏偏最不受排名影响；Flash Lite 只看 3.12 家，却最吃这一套。按常理想，能力越强的模型越该“想清楚再买”、越该不受排名摆布，可数据偏偏不这么排。论文的作者很坦率：这个异质性，他们自己也解释不清，只能如实摆出来，留待后人研究。
读到这儿，你大概会觉得 AI 的“购物性格”太飘忽，商家根本无从预判。别急，下一组数据会把局面彻底反转过来。
虽然四个模型对位置的态度天差地别，它们最终掏钱买的东西，却惊人地一致。每个 LLM 有 89.6% 到 100% 的选择，都集中在同样的 5 家酒店里。请记住这个前提：候选名单上一共有 100 家。也就是说，AI 的选择空间其实很小，四拨性格不同的买家，最后都在同一小撮店里打转。
被所有模型共同认定的那个“标准答案”，是 citizenM New York Times Square。它凭什么赢？就凭两个数字：列表上的最高评分 4.7，以及在这个评分档次里最低的每晚价格 220 美元。用论文的术语说，它在“价格”和“评分”两个维度上是“无支配选项”（undominated option），意思是没有哪家酒店能在“更便宜”和“更好”这两件事上同时压过它。别人要么更贵，要么评分更低，而它两样都占住了。打个比方，它就像一桌选项里那个站在角落的点：谁都赢不了它，它却不主动压谁，只是恰好把“好”和“省”同时握在手里。
“支配”这个词值得再嚼一下。一个选项被“支配”，意思是存在另一个选项，在某个维度上比它好，在其余维度上又不比它差，相当于全面占优。citizenM 的特殊之处在于，100 家酒店里，它是唯一一个谁也压不住它的选项。评分比它高的没有，跟它一样 4.7 的又都比它贵。这种“无死角”的硬实力，正是它能同时打动四个模型的原因。
这家酒店的“众数选择”（modal choice）份额高得惊人。单个模型里，最低的 Gemini Pro 3.1 也有 55.4% 会选它，最高的 Gemini Flash 3.7 达到 100%；四个模型合并起来，2000 次会话里有 1563 次选了它，占比 78.2%。四拨“购物性格”截然不同的 AI，最后有四分之三以上的钱，花进了同一家店。
到这里，论文真正想讲的核心道理就浮出水面了。对人类而言，“看到什么”几乎等于“买到什么”：Ursu 2018 的田野数据显示，人类平均只点开 1.12 家店，93% 的会话只有一次点击，考虑集常常只有一个备选。这正是行为经济学里说的“满足性搜索”（satisficing）：人找到第一个差不多的就停手，根本没耐心把清单看完。既然只看一眼，排名影响“看”，就等于影响“买”。
但对 AI 而言，“看”和“买”是脱钩的两件事。位置确实影响它检查哪几家，也就是它的检查集；可到了最后拍板，它看的是评分和价格这些硬属性，而不是你把它放在第几名。对人类，看到什么几乎就买到什么；对 AI，看到什么和买到什么，中间隔着一套基于属性的判断。这就是论文最重要的理论贡献：在 AI 代理消费者身上，“看”与“买”第一次被清楚地拆开了。
换句话说，AI 像一个极其认真的买家：它把 100 家酒店整个读进上下文窗口（context window），至少会“看”其中好几家，然后凭评分和价格冷静拍板。排名的小动作，骗得到它的“注意力”，却骗不了它的最终决定。
再补一个扎心的细节：人类里约三分之一（34%）最后会放弃、什么都不订，AI 却四个模型 100% 都下了单，从不空手而归。这意味着，AI 一旦被委托去订房，钱几乎一定会花出去，只是花在哪一家，由评分和价格决定，而不是由排名决定。
你可能会想起上一章的“中间失明”：中间名次那一段，AI 最容易忽略。这跟“位置不影响买”矛盾吗？并不矛盾。中间失明影响的是“看”，那些排在中间的好店，可能连被 AI 检查的机会都没有；但一旦进了检查集，最后谁能成交，靠的是评分和价格，不是名次。失明区偷走的是“入场券”，不是“冠军”。
不过，也别把“位置没用”这句话读过头。位置依然有它的用武之地：它决定 AI 会不会“看”到你家。所以排名不是没价值，它买的是“被打开的机会”，只是买不来“被选中的结果”。真正的成交，最终还是要靠评分和价格这样的硬实力去挣。
为什么偏偏是评分和价格能统一四个模型？因为它们是写在页面上的硬信息，可以被反复核验、彼此比较；而排名本身不含任何关于“这家店好不好”的信息，只是一个顺序。放到餐厅的比喻里，排名是服务员递菜单的先后，评分和价格才是菜本身的味道和价钱。AI 显然更信硬信息。
这个反转对商家是一记重锤，也是一颗定心丸。坏消息是：把钱全押在“买排名第一”上，可能真的白花了。如果 AI 不看位置看属性，排名竞价那套商业逻辑，在 AI 消费者面前正在失效。
好消息是：评分和真实的优势依然管用，甚至比以往更管用。比如同价位里最便宜这件事，AI 会真的把它算进账里。与其烧钱买位置，不如把钱花在把评分做上去、把价格压实在、把设施信息写清楚上。位置也许会失灵，但“真的好”这件事，永远不会失灵。
换个角度，作为消费者，这件事反而让人安心：AI 帮你订房时，它不会因为你把它哄到第一页就乱选，它更可能挑评分高、价格实在的那家。它能替你省心，也会真金白银地替你花钱。当然，前提是它真的“想清楚了再买”。下一章会告诉你，这个前提有一个可以拨动的开关。
对平台和监管者，这同样是个信号：如果 AI 消费者不认排名、只认属性，那么围绕“排名竞价”长出来的整条广告经济，都得重新估值。而“AI 代理 100% 会下单、从不空手而归”这件事，又给默认选项设计和消费者保护提了新问题。
一句话收束本章：位置在 AI 眼里是“看”的入口，却不是“买”的理由；真正决定它掏钱的，是评分和价格这样写进纸面的硬属性。商家要担心的，从来不是被排在第几名，而是自家是不是那家“评分高、价格实在”的店。
下一章我们会问一个更细的问题：既然位置偏差有强有弱，那个决定强弱的开关到底在哪？答案藏在一个叫“推理努力”的旋钮里。
想得越久，越不被排名左右
先做一道小学算术。让你心算 87 乘 64，你多半要闭眼默念好一阵，中间进位还可能算错；要是递给你一张草稿纸，你列竖式、写进位、再回头验算一遍，答案就稳得多。同一道题，同一个人，差别只在于你在脑子里“想了多久”。花的时间不同，结论的可靠程度也不同。这就是本章的主角：推理努力（reasoning effort），一个决定 AI 在开口回答之前，先在内部想多久的旋钮。
把这个想法搬到购物上，事情就有趣了。逛超市时，摆在视线平齐、你顺手就拿的那一格，永远是销量冠军，这叫位置效应（position bias）。人靠眼睛扫，眼睛扫不了太久，于是靠前的位置天然占便宜。但 AI 不靠眼睛，它靠“想”。想得多与想得少，能不能抵消位置带来的那点先入为主？这正是研究者要撬开的问题。
前面几章画出了一个略显压抑的图景：AI 代理替你订酒店时，排名位置还在悄悄起作用，位置影响它“看什么”，个别便宜模型甚至被位置牵着决定“买什么”；而 100 家酒店排成一页时，中间那几十家会掉进一片“失明区”。听起来，把购物交给 AI，似乎还是逃不过排名的摆布。前面的每一章都在问“问题是什么”，这一章开始问“怎么办”。好消息是：那个操纵 AI 的开关是存在的，而且就握在配置者手里。把它调高，位置对选择的影响会直接归零。
推理努力这个词，得先讲清楚。在现代大语言模型（LLM）的接口里，它是一项可配置参数，决定模型在给出最终答案之前，把多少计算额度（token）花在看不见的内部推理上，而不是花在你能读到的正文里。你可以把它理解成 AI 的“思考时长”：调高它，模型就多打几张草稿，反复推敲候选酒店之间的优劣，最后才落笔；调低它，模型就近似于心算，凭第一印象快速给结论，省时也省算力。直觉上，想得越久，决策越不容易被表面的东西带偏。这篇论文做的，就是把这条直觉变成可以精确测量的数字。
实验设计很干净，只动一个旋钮。研究者在原来的酒店搜索任务之上，把两个模型分别开到不同的推理努力档位：便宜一档的 Gemini Flash Lite 开了四档，从最低的 minimal、low、medium 一路升到最高的 high；强一档的 Gemini Pro 开了三档，从 low 到 high。七组设置，每组跑 500 次会话，合计 3500 次订房。提示词一字不改、100 家酒店的随机顺序不变、行程参数不变，唯一被拨动的，就是“允许模型多想多久”这一个小变量。500 次一组的规模，足以把随机噪声压下去；这样一来，任何位置效应的变化，都可以干净地归因到推理努力本身，而不是别的因素。
严格来说，这份设计的含金量落在“因果”两个字上。因为列表顺序是完全随机打乱的，任何“位置→行为”的关系都不是巧合，也不是排序算法偷偷塞进去的，而是位置本身在起作用。所以这里看到的每一个系数变化，都可以放心地读作推理努力的功劳，而不是某个看不见的第三变量在捣鬼。
结果几乎是一条教科书式的单调曲线。先看最要紧的那个数，也就是位置对“最终选谁”的影响，前文提过的“位置线性项”系数。Flash Lite 在最低努力档时，这个系数是 −0.0503，统计上高度显著（p<0.001）：排名越靠前，越容易被选中，位置牢牢攥着选择权。把努力一路调到最高档，系数变成 +0.0023，p 值高达 0.707，与零毫无差别：位置对选择的影响，归零了。Pro 是同一个剧本：从 −0.0760（p<0.001）一路降到 −0.0080（p=0.221），同样跌进“统计不显著”的区间，意思是在统计上已经测不出位置还在影响选择。
这里冒出几个专业词，先翻译成大白话。“系数”衡量的是排名每变动一点，选择概率跟着变多少，数值越接近零，位置的影响越小。“p 值”衡量的是这个系数有多可信，研究者通常拿 0.05 当分界线：低于它算“显著”，意思是位置确实在起作用；高于它算“不显著”，意思是这个系数跟零没差别，位置的影响测不出来。于是 −0.0503 变成 +0.0023 这件事，翻译成人话就是：位置从“确有影响”变成了“查无实据”。
不光是最终选择，连“看什么”的 U 形都变了。前文讲过，AI 检查酒店时存在一条 U 形曲线：位置效应在中间名次触底，顶部和底部反而更受关注，那条谷底在前文的测量里大约落在 68 到 74 名之间。提高推理努力之后，这条 U 形的曲率消失了：衡量曲率的那个二次项，在高努力档下不再显著。换句话说，模型不再是“记得住开头结尾、忘了中间”，而是把整张列表更均匀地过了一遍。位置对“看”的影响，连同对“买”的影响，一起被压了下去。
系数太抽象，换两个更直白的指标来看。第一个是“所订酒店的平均名次”。打个更生活化的比方：把 100 家酒店当成 100 个签，放进黑箱子里抓。如果 AI 真的只看酒店本身好坏、完全不理会它们被摆在第几位，那它抓出来的平均签位就该是 50.5，因为 1 到 100 的平均数正是 50.5。Flash Lite 在最低努力时，平均抓到第 43.97 名，说明它不自觉往箱子的前半段伸手；调到最高努力后，落到 51.20，离 50.5 只差 0.7 名，基本是随机噪声。Pro 则从 40.96 挪到 49.72，同样向 50.5 靠拢。第二个是“模态选择占比”，也就是最多会话选中的那家酒店的份额。Flash Lite 从 61.4% 一路涨到 96.6%，Pro 从 48.0% 涨到 55.4%。想得越久，模型越一致地锁定同一家真正的无支配酒店，而不是被位置牵着东看西看。
还有一个细节特别有意思。提高努力之后，两个模型的搜索深度（平均检查几家酒店）变化方向居然相反。Flash Lite 从平均检查 3.12 家降到 1.91 家，看得反而更少了；Pro 从 0.39 家涨到 5.83 家，看得更多了。方向相反，终点却相同：位置对选择的影响都消失了。这说明抵抗排名操纵，靠的既不是把检查名单拉长，也不是缩短，而是思考本身的深度：便宜的模型原本靠“多逛几家”来弥补脑子不够用，调高努力后一步想透，自然不用再看那么多；强模型则把多出来的算力花在更宽的比较上。两条路，通向同一个结论。
对普通消费者来说，这个细节给了一个相当实用的信号。你让 AI 助手替你比价、订房时，别只看它“逛了几家店”。逛得多不等于想得深，逛得少也不等于草率。真正要紧的是它背后的推理努力档位。把档位调高，比纠结它看了几家更管用。
最关键的一层，藏在默认设置里。研究者查了两个模型出厂时的默认努力档位：Flash Lite 默认是 minimal，也就是最低档；Pro 默认是 high，也就是最高档。换句话说，一个普通用户开箱即用、什么参数都不碰，Flash Lite 从一开始就以“最容易被排名操纵”的状态在工作，Pro 则以“几乎免疫”的状态在工作。这跟“哪个模型更聪明”没有必然关系：同一个 Flash Lite，手动把努力调高，位置偏差照样消失。决定你被排名操纵风险的，是省钱模式，是配置，而不是能力本身。便宜的模型为了省算力默认少想，反而更容易被排名带着走。
这件事的弦外之音，比数据本身更扎心。默认值从来不是中立的：它是一道没人问过你、就已经替你选好的答案。普通人用 AI 助手下单，大概率不会去翻设置、调参数，于是便宜模型默认的 minimal 就成了他们实际的“思考水平”。换句话说，很多人并不是“用了会犯错的 AI”，而是“用了默认只肯浅想一层的 AI”。这不是能力问题，是一道配置题。
落到动作上，就更简单了。市面上大多数 AI 助手的接口里，推理努力是可以调的，只是藏得深、默认低。下次让 AI 替你下单前，先把这一档往高了拨；哪怕模型本身不那么贵，位置摆布它的手也会松一截。换个说法，你不是非得换一辆更好的车，只要别一直挂在一档上。
转化率这个数字，要先打个预防针。不管努力档位怎么调，Flash Lite 和 Pro 在所有档位下仍然 100% 订房。推理努力改变的是“怎么选”，不是“选不选”。想得再久，AI 代理也不会突然决定“今天不订了”：它只是在“订哪家”这件事上变得更理性、更不受排名摆布。这一点对后面的讨论很关键，因为它把“会不会花钱”和“花得对不对”拆成了两个独立的问题：前者似乎焊死在了 100%，后者才真正受配置影响。想清楚，不会让你少花钱，但会让你花得更对。
把这一章串起来，就是一个完整的“解药”叙事。前面几章讲的是排名操纵如何发生、AI 如何被位置带着走、中间名次如何变成失明区。这一章给出了一个可以操作的出口：想清楚再买，真的能抵抗排名操纵。而且这个“想清楚”不是玄学，是一个具体、可调节的旋钮：调高它，U 形曲线消失、位置归零、模型稳稳锁定那家真正无支配的酒店。更妙的是，这一切不需要换模型，也不需要更贵的机器，只需要改一个配置。
把这层意思放到更大的背景里看，结论就有点分量了。过去我们谈“排名”，默认它是一座搬不动的山：位置决定注意力，注意力决定成交。可这一章的实验表明，这座山的地基，其实只是模型的一个默认开关。换个参数，山就塌了。对相信“算法中立”的人，这是个提醒：你以为的中立，可能只是某个没被改过的出厂设置。
更微妙的是，这场实验把“负责任”从一个道德词，变成了一个工程词。厂商到底该不该默认开高努力，还是把选择权留给用户？省下来的那点算力钱，最后是谁在付？这些账，得留到下一章慢慢算。
那么问题就来了。既然一个参数就能让 AI 摆脱排名摆布，商家、消费者和平台分别该怎么做？商家是否还值得为“排名第一”砸钱，还是该把预算转向真实的评分和属性？普通用户要不要学会调这个旋钮、又该去哪里调？平台在“AI 代理 100% 会消费”的前提下，又该怎么设计默认值，避免省钱模式默认把消费者交给排名？换句话说，AI 时代的“排名”这门生意，可能要从“买位置”重写成“买属性、买默认值”。这些正是下一章要展开的话题。
新规则：商家、消费者、平台怎么办
前七章讲清了同一件事：当你把下单这件事交给 AI，搜索结果里的排名，含义已经变了。人类时代，排名靠前就等于被看见，被看见就约等于被买走；AI 时代，这两件事开始脱钩。这一章把前面那些反直觉的发现，翻译成三方都能用的行动清单：商家怎么花预算、消费者怎么调设置、平台怎么算账。
先说商家。过去十年，营销团队的默认动作，是把预算砸向"排名第一"。逻辑很直白：排名第一的位置有最高的曝光，最高的曝光带来最多的成交。这套逻辑有一个隐含前提：一个会从上往下、逐条看列表、看到差不多就停的人类消费者。位置偏差（position bias）这门生意的理论根基，就是这个人。
先把这个人类消费者想成货架前的顾客。与视线平齐的那一层，被拿起的概率最高，哪怕旁边那层摆着更好的东西。人逛列表，就像逛这排货架，从上往下看，注意力一路往下掉，看到差不多的就停手。这排货架的顶端，就是搜索结果的第一名。排名竞价这门生意，赌的就是这个习惯。
论文用随机化实验，把这个前提量了出来。对人类，排名每下移 10 位，被点开检查的概率就掉大约 1.9 个百分点；对 AI 代理，同样下移 10 位，只掉 0.2 到 0.5 个百分点。差了 4 到 10 倍。换句话说，AI 对"你排第几"，远没有人类那么敏感。
更反直觉的是形状。人类的位置效应是单调递减的：越靠下越惨，列表底部基本是死亡区。AI 不是。AI 的检查概率从页面顶部开始下降，在 68 到 74 名之间触底，然后重新回升，画出一条 U 形曲线。对 AI 来说，真正的失明区在中间，而不是底部。
为什么会这样？论文给出的解释是"中间迷失（lost in the middle）"：AI 把整页 100 家酒店一次性读进上下文窗口，不滚动、不翻页，而它对长上下文开头和结尾的信息记得更牢，中间最容易漏。所以对 AI 来说，排在最前面和最末尾反而更显眼，卡在中间的最吃亏。论文也坦诚，这只是"一致的解释"，不是"已证实的机制"。
这直接推翻两个旧观念：底部不再是死角，顶部也不再保证成交。论文里四个 AI 模型对位置的反应天差地别，有的几乎不受排名影响，有的接近人类量级。但不管它们怎么看位置，最终下单时却高度一致：四个模型里有 78.2% 的会话，订的都是同一家酒店。
这家店叫 citizenM New York Times Square。它的评分是 4.7，全场最高；在同样 4.7 分的酒店里，它的每晚价格 220 美元又是最低的。用论文的术语，它是一个"无支配选项（undominated option）"：没有任何一家店，能在"更便宜"和"评分更高"两个维度上同时赢过它。AI 不看排名，靠属性把它从 100 家里挑了出来。
给商家的第一条建议因此很清楚：评分（review score）还是硬通货，它是 AI 决策时最主要的启发式线索和信任指标。把钱花在买排名上，不如花在维护真实评分上。一个真实、干净、可核验的高分，比买来的顶部位置更能决定 AI 会不会选你。
第二条建议：把属性信息写清楚。价格、设施、房型这些详情层的内容，是 AI 调用 inspect 工具"点进去"看的东西。如果这些信息模糊、缺失或互相矛盾，AI 比较时就找不到选你的理由。位置是买不来的，属性写清楚，才是真正有效的优化。
打个比方：排名是你门店开在哪条街，属性是店里货架上的标签。AI 采购代理不看街景，它逐项核对标签。价格标错了、设施没写全、评分对不上，它就扭头去下一家。把标签做对、做全、做真，比把门面挪到街口更实在。
更进一步，商家可以主动往"无支配选项"的方向靠。既然所有 AI 都收敛到那个评分最高、同分里最便宜的选项，那你的目标就应该是：在自己的细分市场里，让自己在"价格"和"评分"这两个维度上不被任何对手同时压过。做不到全场唯一，就先做到细分唯一。
论文原文还给了一句更具体的建议：SEO 策略要先搞清楚"你的客户用哪个模型当采购代理，它默认什么推理努力"。这不是绕口令。不同模型"开箱即用"时对位置的敏感度差别极大，而敏感度又由它默认的推理努力档位决定。想优化排名的投入产出，先得知道你客户口袋里那个 AI 的脾气。
再看消费者。你委托 AI 替你比价、订房时，有一个几乎不花成本的开关，能显著降低你被搜索排名左右的风险：把它的推理努力（reasoning effort）调高。
所谓推理努力，可以想成做数学题时打草稿：高努力是把草稿纸写满，低努力是直接心算。论文里它是现代大模型可配置的一个参数，决定模型在回答前内部想多久。同一个模型，把这一档调高，位置偏差就明显消退。想多久，直接影响它会不会被前面的位置牵着走。
论文把这个开关验证得很扎实。同一个模型，最低推理努力时，位置对最终选择的效应显著，接近人类量级；调到最高努力，这个效应就归零，位置对"买什么"不再有影响。想清楚再买，真的能抵抗排名操纵。
麻烦在于默认值。便宜的模型往往默认省算力。论文里的 Gemini Flash Lite 默认推理努力是最低档 minimal，位置效应因此接近人类大小；高能力的 Gemini Pro 默认就是 high，几乎免疫。"开箱即用"的位置暴露，取决于模型配置，而不是能力本身。你图便宜用默认设置，可能正好把 AI 调成最容易被排名带偏的那一档。
具体数字很说明问题。把 Flash Lite 从最低努力调到最高努力，它订下酒店的平均名次从 43.97 收敛到 51.20，越来越接近"位置中性"的 50.5；它对位置的选择系数，也从显著的负值变到了和零无差别。Pro 调高努力后，名次从 40.96 挪到 49.72。推理努力，几乎是位置效应的一个开关。
不同助手的"购物性格"差异巨大。Claude Sonnet 平均只看 1.63 家酒店就下单，风格是"看到一家差不多就拍板"；Gemini Pro 平均要看 5.83 家，像个仔细货比三家的谨慎买家。再看"首选即订"的比例：Sonnet 有 98.2% 的会话，看的第一家就直接订下；Pro 只有 60.4%。同一个任务交给不同的 AI，得到的是完全不同的决策过程。
消费者最该记住的一条，是"委托即消费"。人类自己逛，有 34% 的概率最后什么也不订，转身走人；AI 代理在 2000 次会话里，100% 都订了房，一次都没选"不买"。论文专门做了简化提示词实验，去掉"推荐"之类的字眼，结果还是 100%。你不是在让 AI"帮你看看"，你是在让一个一定会花钱的代理替你花钱。
人类那个 34% 的放弃，有个专门的名字，叫外部选项（outside option）：在候选集里一个都不选，直接退出交易。人逛一圈说"下次再说"，就是选了外部选项。换成转化率看更直白：人类从"看"到"买"的比例是 66%，AI 是 100%。而 AI 的 2000 次会话里，退出这个选项，一次都没被选过。
这带来一个放大效应：推荐即成交。人类世界里，推荐只是提高成交概率；AI 世界里，AI 会把它选中的那家直接订掉，几乎不给反悔的空间。所以消费者要在委托之前就把偏好讲死，包括价格上限、可接受的评分、必要的设施。指令下得含糊，花的钱就由 AI 的性格替你决定了。
最后是平台和监管。他们面对的是一个更根本的问题：如果 AI 不看位置看属性，那"排名竞价"这门生意还成立吗？
排名广告的价值，建立在"位置等于注意力、注意力等于需求"这条链上。论文把这条链从中间剪断了：位置对 AI 仍然影响"看什么"，但对"买什么"的影响因模型而异，甚至归零。如果广告主发现买顶部位置对 AI 采购代理几乎没用，排名竞价的定价逻辑就需要重估，这是整个搜索商业模式的根基问题。
更让平台不安的是，AI 们居然有"标准答案"。论文里四个模型的模态选择（modal choice），也就是出现次数最多的那个选择，是同一家店；2000 次会话里 78.2% 都指向它。当所有采购代理都对同一个属性组合点头，"位置"就从决定性的棋子，退居成一个可有可无的噪音项。
另一头，"AI 代理 100% 会消费"给默认选项设计提出新问题。人类有 34% 的概率拒绝消费，这个"不买"的出口本身是一种保护，也是一种缓冲。AI 把这个出口关死了。那么默认的推理努力、默认的属性排序、默认的推荐逻辑，就不再是技术细节，而是直接决定消费者钱包的设置，需要被当成消费者保护问题来对待。
对监管者来说，还要多想一层：当"看"和"买"由不同的东西驱动，旧的消费者保护工具可能集体失效。过去监管盯着的是广告是否误导、排序是否透明；现在真正影响成交的，是模型内部的推理努力设置和一个评分，这些恰恰不在传统监管的视野里。
回到理论上，这一章可以收敛成一句话：检查与购买脱钩了。对人类，看到什么几乎等于买到什么，因为 93% 的会话里人类只看一眼就做决定，考虑集（consideration set）常常只有一个备选。排名影响"看"，所以排名影响"买"，这两件事绑在一起。对 AI，位置仍然影响"看什么"，但"买什么"由属性决定。看和买，从此是两件事。
这个差别，就是检查-购买脱钩的理论意义。在人类身上，注意力链条是完整的：位置决定看谁，看谁决定买谁，一环扣一环。在 AI 身上，这条链条从中间断开了：位置还能左右它看谁，却左右不了它最终买谁。谁要是还用"管住排名就能管住需求"的老思路，就会错得离谱。
把三方行动收成一句话带走：商家别再抢第一，去养评分、写清属性；消费者把推理努力调高，把偏好讲死；平台要重新给"位置"这枚棋子估价，并认真对待默认设置这件小事。
当然，结论也要留个边界。实验的场景是订酒店，一个价格、评分都相对透明、可比性很强的品类。换成餐厅、服装、理财产品这类更依赖个人口味和偏好的品类，属性是不是还能完全盖过位置，论文没有回答。但恰恰是这个缺口说明，旧规则失效的边界，值得继续量出来。
说到底，这只是一次 100 家酒店、2000 个会话的实验。样本不大，场景也窄。但它的提示足够清晰：AI 消费时代的规则正在重写，而旧规则里最值钱的那块招牌，已经松动了。
局限与下一步：AI 消费时代才刚开头
前八章我们跟着一个实验走完了全程：让四个大语言模型（large language model，LLM）扮演旅行助手，替一个人类在纽约订两晚酒店，然后一笔一笔记下它们看了什么、最后买了什么。我们看着这些 AI 代理比人类搜得更深、从不空手而归，看着排名位置对它们的影响比对人弱 4 到 10 倍，还看着四条位置敏感性天差地别的曲线，最后齐齐收敛到同一家酒店。这一路下来的结论相当干净，甚至有点让人意外。但作为全书最后一章，我们的任务不是把结论再唱一遍，而是诚实交代：这篇论文到底证明了什么，没证明什么，顺着这条路走下去又会通向哪里。
把话说清楚，比把话说得漂亮更重要。科学里最值钱的往往不是"我们发现了什么"，而是"我们在哪里还看不清楚"。好在，这篇论文的作者自己就把短板写在了明处。下面这四条局限，没有一条是我们替他挑刺，全都白纸黑字写在论文里。看懂了这四条，才算真正读懂了这篇论文。
先说实验的边界。这个实验只回答了一个非常具体的问题：所有会话都固定在同样的参数上，目的地是纽约，时长是两晚（含一个周六），房型是一间，住客是两成人、没有儿童。打个比方，这就像一位医生只研究了一种病人、一种病，得出了漂亮的结论，但没敢保证这个结论对其他病人、其他病也成立。论文的研究对象，说白了是一次"买标准化的、可比的、信息维度清晰的东西"的测试。这个选择是刻意的：只有把商品和场景钉死，才能干净地测出位置这一个变量的作用，代价就是外推时要格外小心。
为什么说酒店特别？因为酒店这种商品有个特点，评价体系成熟，价格和评分两个数字就能概括大半信息，属性之间的比较干净利落。换一个场景会怎样？比如让 AI 替人选一台笔记本电脑，配置、品牌、接口、售后、续航堆了一大堆维度，属性之间的权衡远没有酒店那么清爽；或者替人选一份礼物，主观偏好占大头，没有统一的评分可以照抄。属性越复杂、越主观，排名位置会不会重新变得重要，这篇论文给不了答案。也许 AI 面对密密麻麻的参数表时，会退回依赖位置这种省力的信号；也许不会，谁也说不准。它证明了在"纽约两晚酒店"这个窄窄的切面上发生了什么，仅此而已。这不是缺陷，而是诚实：一项研究能说清一件事，已经比什么都想说、什么都没说清强得多。
接着交代最容易被人误读的一条。我们前面反复讲"中间迷失（lost in the middle）"：AI 把 100 家酒店一次性读进上下文窗口、不滚动，于是对中间 68 到 74 名最不敏感，曲线在中间触底。这句话听多了，容易让人以为"中间迷失"已经是被坐实的结论。其实没有。
这里藏着两个层次，得拆开来看。一个是观测事实：检查概率确实在 68 到 74 名之间降到最低，这是数据里明明白白摆着的，谁都看得见。另一个是机制解释：为什么会这样？论文借用了 Liu 等人 2024 年提出的"中间迷失"假说来回答。但作者很坦率：他们没有任何注意力级别的数据，无法直接"看到"AI 在这 100 家酒店里到底把注意力放在哪几行。所以严格地说，"中间迷失"是与数据一致的解释，而不是已经被证实的机制。打个比方，就像医生看到病人退烧了，这是事实；但"退烧是因为吃了那副药"，这只是解释，除非你能观察到药在体内怎么起作用。观测到 U 形是真的，说"原因就是中间迷失"是推测，两者之间隔着一条还没有补齐的证据链，读者不该把它们划等号。这种区分看似咬文嚼字，其实关系到我们对 AI 的理解，到底建立在多硬的地基上。
还有一条局限藏在时间维度上。LLM 本身是个移动的靶子。这篇论文用到的四个模型，是 2026 年某个时间点的快照，而模型每天都在被新的对齐训练（alignment training）改写。
厂商完全可能在下一个版本里，顺手把这种位置偏差修掉一部分，甚至全部抹平。今天的数字，明天就可能失效，任何对 LLM 行为的量化研究都逃不过这个宿命。不过有意思的是，即便四个模型的位置敏感性从"几乎免疫"到"接近人类"各不相同，它们最后却收敛到了同一家酒店，citizenM 纽约时代广场店，列表里评分最高、同等评分下价格最低的那一家，也就是"无支配（undominated）"选项。位置这个变量在各模型之间飘忽不定，"谁最好"这个判断却惊人地稳定。这说明我们也许该盯紧的从来不是"AI 会不会被位置带偏"，而是"AI 靠什么属性做判断"，后者才是更经得起版本迭代、更值得长期跟踪的东西。
方法层面还有两个小遗憾，都跟"模拟"有关。第一，实验里衡量"看了什么"的指标，是一个叫 inspect 的模拟工具，AI 每调用一次就记作"看了一家酒店"。
但真实的浏览器里，人类点击详情页是一套完整的动作：滚动、停留、来回比较、看图片、犹豫再返回。inspect 只是这套行为的一个粗糙代理，模拟与现实之间必然有缝隙。第二，2026 年的主流模型 API 已经禁止用户修改采样参数（sampling parameters），也就是 temperature 这类控制输出随机性的旋钮，作者只能拿到什么默认值就用什么默认值，无法主动去"拧"随机性来看位置效应怎么变，只能靠换模型、调推理努力这些旁路去逼近。这两个限制都不致命，但都指向同一件事：这个实验描述的是"实验室里的 AI 消费者"，跟真实浏览器里那个 AI 消费者，还不是同一个东西。承认这一点，反而让结论更可信，因为它没有假装自己看见了没看见的东西。
说完四条局限，读者可能会问：那这篇论文还值不值得认真读？答案是值，而且相当值。判断一项研究的分量，不能只看它回答得是否完美，还要看它问的问题是否新、是否重要。
这篇论文的价值，恰恰在于它把一个问题从 2018 年搬到了 2026 年。2018 年，Ursu 在真实的 Expedia 上做随机化田野实验，证明了人类消费者看酒店时存在强烈的排名位置效应，越靠下越没人点，那是"人怎么被排名左右"这个问题的经典答案。Wadi 和 Ma 这个研究组，此前已经用《Shopping by Algorithm》这类作品去追问算法替人购物时会发生什么。这一次，他们干脆把 Ursu 2018 的整套情境复刻了一遍，只是把主角从人换成了 AI 代理。同一个问题，同一种随机化方法，问的却是完全不同的对象。这一问，就把一个关于"人"的成熟结论，拉进了一片几乎空白的领域：AI 消费行为学。
一个新学科往往就是这么开场的：先有人把一个老问题换了个新对象，重新问一遍。问完之后发现，老答案不适用了，于是新的问题、新的方法、新的概念，一样一样跟着长出来。"AI 会怎么买东西"，正在从一句好奇，变成一个可以正儿八经研究的题目。
论文的数据和代码全部公开在 OSF 的仓库里（https://osf.io/ch96f/）。任何人拿到这份材料，都可以把 2000 次主实验会话重跑一遍，也可以照着自己的想法改提示词、换模型、加属性，去验证或者推翻这里的每一条结论。可复现，是它作为"起点"而非"终点"的底气。
如果把眼光放远一点，这篇论文留下的开放问题，比它回答掉的问题更有嚼头。位置效应会不会随商品复杂度变化？"中间迷失"什么时候能拿到直接的注意力证据？厂商的对齐训练到底是在放大还是在抹平这种偏差？真实浏览器里的 AI 代理，和实验室里的模拟，差得有多远？每一个问题背后，都藏着一门可以养活一批研究者的新方向。对商家来说，下一步该盯的是你的客户正在用哪个模型当采购代理、它默认什么推理努力；对普通人来说，下一步该学会的是怎么把购物助手调到"想清楚再买"的模式。这些都不是空话，而是这篇论文已经给出手柄的动作。
写到这里，这部长文也该收尾了。回到我们在第一章埋下的那个悬念：当 AI 替我们下单，排名还灵吗？九章读下来，答案不是一个简单的是或否，而是一句更诚实的话：排名还在影响 AI"看什么"，却越来越难左右 AI"买什么"；而"AI 会怎么买东西"这个问题本身，才刚刚被摆上桌面。
这才是真正要紧的地方。AI 替人类消费，不是一个遥远的科幻设定，而是正在发生的现实。它决定了商家该把预算投给"买排名"还是"养评分"，决定了平台靠什么赚钱，也决定了每一个把购物交给助手的普通人，会不会被一套看不见的排序悄悄安排。这个市场还很年轻，规则还在形成，而最早把"AI 的购物性格"研究清楚的人，会在规则成型之前占住位置。未来很长一段时间里，这个问题都不会有标准答案，而这恰恰是它值得被认真对待的原因。AI 替你下单的时代，才刚开了个头。
导读：延伸阅读
导读：- 论文原文：Wadi D, Ma Y. Does Rank Still Matter? Position Bias When AI Agents Shop on Our Behalf. arXiv 2608.22697. https://arxiv.org/abs/2608.22697
导读：- 人类基准：Ursu R M. The Power of Rankings: Quantifying the Effect of Rankings on Online Consumer Search and Purchase Decisions. Marketing Science, 2018, 37(4): 530-552.
导读：- 中间迷失机制：Liu N F, et al. Lost in the Middle: How Language Models Use Long Contexts. TACL, 2024, 12: 157-173.
导读：- 同组前作：Wadi D, Ma Y. Shopping by Algorithm: How Agentic AI Deploys Human Heuristics as a Surrogate Consumer (2026).
导读：- 论文数据与代码（公开可复现）：https://osf.io/ch96f/
