
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
英特尔携手戴尔以及零克云,通过打造“工作站-AI PC-云端”的协同生态,大幅缩短AI部署流程,助力企业快速实现从想法验证到规模化落地。
意大利ISTI研究院推出Patch-ioner零样本图像描述框架,突破传统局限实现任意区域精确描述。系统将图像拆分为小块,通过智能组合生成从单块到整图的统一描述,无需区域标注数据。创新引入轨迹描述任务,用户可用鼠标画线获得对应区域描述。在四大评测任务中全面超越现有方法,为人机交互开辟新模式。
阿联酋阿布扎比人工智能大学发布全新PAN世界模型,超越传统大语言模型局限。该模型具备通用性、交互性和长期一致性,能深度理解几何和物理规律,通过"物理推理"学习真实世界材料行为。PAN采用生成潜在预测架构,可模拟数千个因果一致步骤,支持分支操作模拟多种可能未来。预计12月初公开发布,有望为机器人、自动驾驶等领域提供低成本合成数据生成。
MIT研究团队发现,AI系统无需严格配对的多模态数据也能显著提升性能。他们开发的UML框架通过参数共享让AI从图像、文本、音频等不同类型数据中学习,即使这些数据间没有直接对应关系。实验显示这种方法在图像分类、音频识别等任务上都超越了单模态系统,并能自发发展出跨模态理解能力,为未来AI应用开辟了新路径。