GemNews

全部文章 · 文章

AI 读得懂热力图之后，Shopify 店主在 CRO 上还得亲自练好哪一块？

热力图、问卷和分析数据，AI 如今读得比大多数 CRO 从业者都快，所以店主真正要亲自掌握的，是弄清顾客为什么想买。专做 Shopify 品牌转化优化的 @jordanhill11 把 CRO 拆成两面：一面是数据，一面是把营销用到网站上。他认为只要擅长其中一面就够了，而 AI 正在快速接手数据这一面。

作者 Janie Nguyen · · 6 分钟阅读

分享: WhatsApp · Telegram · X · Facebook · LinkedIn · Email

看热力图、汇总问卷，现在可以交给机器

按 @jordanhill11 的说法，CRO 的数据工作正在被 AI 大口吞掉。他举了三个例子：

  • 热力图：已经有 MCP 把热力图工具接到常用的大模型上，模型扫一遍网站比任何人都快，给出的建议也比多数 CRO 从业者好。
  • 顾客反馈问卷：以前要花好几天通读、归纳想法，现在几秒钟就能看出趋势和情绪。
  • 顾客旅程：AI 读取分析数据，找出漏斗里流失最大的环节，马上给出修改建议。

他还提到，这部分工作花的时间已经大幅缩短。过去全靠一个人读数据、拍板做对判断，他觉得这本身就相当冒险。对品牌创始人来说，这其实是好消息：转化决策不必再押在某一个人的眼光上。

@hanifproduktif 分享的流程走得更远。把 Claude Code 或 Codex 接上 Meta Ads MCP，交代 offer、目标人群、预算和目标 CPA；让 AI 写广告文案、做创意变体，A/B 测试 hook、角度和 offer；再接入分析数据和落地页做 CRO，让 AI 找出流失点、测试修改方案；砍掉跑输的广告，在预算内放大跑赢的，然后循环。

Shopify 自己也在研究这个方向。@ShopifyEng 介绍了一项将在 COLM2026 会议上展示的研究 SimGym：用 VLM agent 在真实浏览器里跑店面 A/B 测试，agent 的 persona 由真实 clickstream 搭建，实验周期从几周缩短到一小时以内。要说明的是，这是 Shopify Engineering 在学术会议上发表的研究，并不是商家后台现在就能打开的功能。

数据只会告诉店主怎么改现有页面

@jordanhill11 自己也划了一条线：数据永远只能说明，网站上已有的东西该怎么改进（原文："But data only ever tells you how to improve what's already on the site."）。他说，从数据里得到的通常是 UX 微调、文案小改、元素挪位置，而这类改动能带来的提升有天花板。

@kasper_dolk 说得更直接：CRO 不是挂个倒计时、加几条评论，然后祈祷它起作用。在他看来，往页面上加评论属于低杠杆的做法。倒计时和评论都是现成的“技巧”，加上去不难，但它们没有回答一个更关键的问题：顾客到底卡在哪一步。

AI 还替不了的部分：顾客为什么想买

@jordanhill11 说的第二面，是把营销用到网站上。这需要创造力：看着产品去想网站该讲什么，找出还没人跑过的角度，做静态图，围绕这些角度搭落地页，再用定位把一门无聊的生意变成值得买的东西。他的判断是，这一块 AI 做不了。在他看来，AI 把数据处理完以后，剩下的就是弄清楚人们一开始为什么想要这个产品；这部分不一定有数据可查，只能凭经验，凭对人心的理解。

@kasper_dolk 举的镜头案例正好落在这一面。他们有个客户卖相机镜头，选项太多，进站的人很难百分之百确定哪款适合自己。团队没有简单地加上评论（他称之为低杠杆），而是做了一个简单弹窗，让顾客输入相机品牌和型号，再帮他们找到对应的卡口（高杠杆）。他承认这样搭建更费时间，帖子里也没有给出结果数字。但这个弹窗打中的，正是顾客犹豫的那一步：不确定能不能用在自己的相机上。

@thankyouecom 在 9月发过一条帖子，讲的是怎么找广告角度，并不专门谈 CRO，道理却相通。作者说自己试过用 AI 做调研，按他自己的说法，跑出赢家的比例只有 1/100。他认为，让 AI 包揽大部分调研、结果卡住的人，是连“理解角度”这件事也一起外包了。读过 130 个人谈论同一个问题之后，就会知道他们害怕什么、是什么在推动购买，凭这份理解就能写出 10 条广告。

就连对 AI 跑广告相当乐观的 @hanifproduktif，在那套自动化流程的末尾也留了一句：如今唯一的护城河是“品味”（原文："\"Taste\" is the only moat now."）。连主张把执行全交给 AI 的人，也把判断力留给了人。

一轮测试里，AI 和店主各管什么

@jordanhill11 回顾过，品牌过去把 CRO 外包给代理公司，是因为自己不会看数据、不会从数据里提炼想法、也不会设计测试，所以大家心目中的 CRO 一直是偏数据型的人。如今这部分 AI 已经做得又快又便宜，店主的时间可以这样分配：

  • 交给 AI：热力图、问卷汇总、漏斗流失点，让它先列出问题和修改建议。
  • 亲自读顾客原话：@thankyouecom 用的四个来源可以直接照搬。Reddit 上顾客用自己的话描述问题，细节很多；亚马逊上的竞品能看出对手哪里做错了、顾客讨厌什么；售后问卷来自已经付过钱的人，既能改广告也能改产品；TikTok 自然流量内容能看出大家在看什么，相关创作者的视频播放到 1000万，就值得拆解结构，做成 AI 广告。
  • 每轮只挑一个高杠杆改动：@kasper_dolk 提醒，CRO 一次只能测有限的几样东西，所以要有明确意图，把力气集中在杠杆最大的地方。
  • 请代理或自由职业者之前先问一句：他们卖的是数据这一面，还是理解顾客、做定位这一面？前者 AI 已经能做得很便宜。

这周就能动手的一件事：把最近一批售后问卷的原文从头读一遍，把顾客反复卡住、反复追问的问题记下来，再拿着这份清单让 AI 提测试方案。

来源

在 GemCommunity 讨论

esc