
ZDNet至顶网软件频道消息: Google 的产品列表广告(Product Listing Ads,PLA)是一项可供商家通过搜索页面销售各种产品的竞价广告,出现在 PLA 上的每一项产品都会提供其实时价格、库存信息及图片。不过最近,Google 正在为提高搜索结果的有效性和转换率做出进一步努力,在其博客上,Google 宣布将会为自己的 PLA 增加评价信息(仅美国)。

增加评价信息后被搜索到的产品会以比较表格的形式展示,每个产品下方将会有最高至 5 星的评级信息,同时还会有该产品的被点评数。通过这些信息,用户可以直观地了解产品之间的横向对比。
那么这些评级和点评数是怎么来的呢?根据博客的介绍,这些数据是多个来源的统计,包括商家、第三方聚合器、编辑网站及用户等。
显然 Google 认为提供评级信息有助于提升广告的点击率和转换率,从而帮助其广告业务的扩大。博客称产品评价为购买者提供了购物决策的关键信息。
但是究竟有多少收集了用户评级的商家会愿意把这些数据分享给 Google 尚不得而知,因为分享的数据太多有可能令商家失去主动,这种情况已经在 Amazon 身上体现,商家愈发变成纯粹的接单员。现在 Google 也开始向 Amazon 靠近,很难保证商家不会产生一样的恐惧。不过,对于那些不愿分享更多信息的 PLA 客户,Google 仍将把他们的产品信息列入到搜索结果中去。但是商家也会因提供信息不足而冒上损失大量潜在买家的风险。
Google 产品搜索结果呈现的数据越多,在形式上就越接近于 Amazon 的搜素。但是在送货速度和购买的快捷程度上 Google 仍无法与 Amazon 匹敌,尽管前者也有自己的快递服务 Google Shopping Express 及支付手段 Google Wallet。
好文章,需要你的鼓励
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。