Một tỷ lệ người mua ngày càng tăng không phải là con người. Họ là các tác nhân AI đang nghiên cứu, so sánh và ngày càng thực hiện giao dịch mua thay cho người tiêu dùng. Gần đây, OpenAI đã đưa ChatGPT đi sâu hơn vào việc khám phá sản phẩm và các ứng dụng của nhà bán lẻ; Google đã ra mắt giao thức thương mại phổ quát (UCP) để cho phép các tác nhân AI giao dịch trên nhiều nhà bán lẻ; và Amazon đã phát hành các công cụ cho phép tác nhân của họ mua sắm trên các trang web bán lẻ khác thay mặt cho khách hàng.

Các chiến thuật thuyết phục đã được các nhà tiếp thị tinh chỉnh qua nhiều thập kỷ, dựa trên các quy luật đã được ghi nhận rõ ràng trong nhận thức của con người, không hoạt động theo cùng một cách đối với các tác nhân AI. Một số chiến thuật hoàn toàn không có tác dụng. Một số phản tác dụng. Đây không phải là suy đoán. Khi chúng tôi kiểm tra tám cơ chế khuyến mãi thương mại điện tử phổ biến trên bốn mô hình AI trong hàng nghìn lượt mua sắm mô phỏng, chúng tôi nhận thấy chỉ có một cơ chế hoạt động nhất quán theo cách chúng tôi mong đợi đối với người mua là con người.

Hầu hết các công ty không sẵn sàng cho điều này. Trong một cuộc khảo sát thăm dò với 50 giám đốc điều hành thương mại điện tử trên khắp Hoa Kỳ và Vương quốc Anh, phần lớn cho biết họ đã nhận thấy sự thay đổi về lưu lượng truy cập hoặc tỷ lệ chuyển đổi mà họ cho là do các tác nhân AI gây ra, và họ đang tích cực tìm cách cải thiện cách các tác nhân tương tác với trang web của mình. Tuy nhiên, nhiều giám đốc điều hành này vẫn tin rằng những tín hiệu thuyết phục được người mua là con người cũng có xu hướng ảnh hưởng đến các tác nhân AI theo cách tương tự, và họ đã hiểu rõ yếu tố nào trên trang web của mình quan trọng nhất đối với hành vi của tác nhân.

Nghiên cứu của chúng tôi cho thấy sự tự tin này là sai lầm. Cơ chế của sự thuyết phục được xây dựng dựa trên đối tượng là con người: dựa trên sự ngại rủi ro (loss aversion), sự neo đẩy (anchoring), thiên kiến khan hiếm (scarcity bias), bằng chứng xã hội (social proof). Đối với người mua là AI, đây không phải là những nguyên tắc đáng tin cậy. Chúng chỉ là những giả thuyết cần được kiểm tra. Và các phát hiện có thể không còn giá trị sau mỗi lần cập nhật mô hình.

Những gì chúng tôi tìm thấy

Chúng tôi đã phát triển một mô phỏng độc quyền tái tạo cách các tác nhân AI tương tác với các trang sản phẩm thương mại điện tử điển hình. Chúng tôi đã kiểm tra bốn mô hình AI khác nhau (GPT-4.1-mini, GPT-5, Gemini 2.5 Pro và Gemini 2.5 Flash Lite), mỗi mô hình thực hiện nhiệm vụ lựa chọn giữa các sản phẩm được trình bày trong một bố cục dạng lưới thực tế. Chúng tôi đã thay đổi tám loại huy hiệu khuyến mãi thường được sử dụng trong bán lẻ trực tuyến: tín hiệu đảm bảo ("Đảm bảo hoàn tiền"), đồng hồ đếm ngược, giá gạch ngang, tín hiệu khan hiếm ("Chỉ còn 2 chiếc!"), bằng chứng xã hội (số lượt mua), phiếu giảm giá, gói sản phẩm và xếp hạng sao. Các danh mục sản phẩm được luân phiên thay đổi giữa bốn mặt hàng thường ngày—điện thoại, đồng hồ thể thao, máy giặt và tấm lót chuột—để kiểm tra xem các quy luật có đúng trong các bối cảnh bán lẻ phổ biến hay không. Đối với mỗi mô hình và sản phẩm, chúng tôi đã chạy 1.000 lượt mua sắm mô phỏng, tạo ra tổng cộng hơn 16.000 tình huống lựa chọn.

Phát hiện chính rất rõ ràng: Chỉ có xếp hạng sao là nhất quán đẩy lựa chọn đi lên trên tất cả bốn mô hình và danh mục sản phẩm, phản ánh sự phụ thuộc đã được thiết lập rõ ràng của con người vào các tín hiệu chất lượng. Mọi huy hiệu khác đều tạo ra các hiệu ứng khác nhau tùy theo mô hình và danh mục sản phẩm, đôi khi rất khác biệt. Bằng chứng xã hội là tín hiệu mạnh mẽ thứ hai, nhưng ngay cả điều đó cũng thay đổi tùy theo từng trường hợp.

Ngược lại, các chiến thuật nổi tiếng như giá gạch ngang, đồng hồ đếm ngược và gói sản phẩm không cho thấy bất kỳ quy luật ổn định nào. Trong một số trường hợp, chúng làm tăng tỷ lệ lựa chọn; trong những trường hợp khác, chúng không có tác dụng; và trong ít nhất một trường hợp, gói sản phẩm làm giảm tỷ lệ lựa chọn.

Một quy luật rộng hơn đã xuất hiện: các mô hình không lý luận (non-reasoning models)—Gemini 2.5 Flash Lite và GPT-4.1-mini—nhìn chung phản ứng tốt hơn với các tín hiệu khuyến mãi, trong khi các mô hình lý luận (reasoning models)—GPT-5 và Gemini 2.5 Pro—thì ít phản ứng hơn. Nhưng ngay cả sự khái quát này cũng có giới hạn: Cùng một huy hiệu có thể tạo ra hiệu ứng ngược lại trên cùng một mô hình tùy thuộc vào danh mục sản phẩm.

Sau đó, chúng tôi đặt ra một câu hỏi sâu hơn: Tại sao những chiến thuật này lại có hiệu quả với con người, và liệu logic đó có giải thích được cách các tác nhân AI phản ứng không? Mỗi tín hiệu khuyến mãi này tác động đến con người vì một lý do tâm lý cụ thể. Huy hiệu khan hiếm kích hoạt nỗi sợ bỏ lỡ (fear of missing out) hoặc cảm giác mất mát tiềm tàng, thúc đẩy mọi người hành động nhanh chóng trước khi sản phẩm bán hết. Tuy nhiên, tín hiệu này không có tác dụng đối với một số mô hình, và thậm chí GPT-5 còn phản ứng tiêu cực trong một số danh mục sản phẩm nhất định, cho thấy một quy luật trái ngược với những gì thường thấy ở con người.

Tương tự, giá gạch ngang tạo ra một điểm neo (anchor) khiến mức giảm giá có cảm giác như một khoản lợi, từ đó khuyến khích việc mua hàng. Nhưng chúng tôi đã không quan sát thấy một quy luật phản ứng nhất quán nào phù hợp với logic đó. Trên thực tế, đối với Gemini 2.5 Pro, khi tín hiệu giảm giá trở nên quá mức, hiệu ứng thuyết phục bổ sung của nó càng yếu đi chứ không mạnh lên.

Bức tranh toàn cảnh rất rõ ràng: Các tín hiệu khuyến mãi đôi khi ảnh hưởng đến lựa chọn của tác nhân, nhưng không phải vì những lý do mà chúng ảnh hưởng đến con người.

Các nhà tiếp thị nên làm gì về vấn đề này?

Những phát hiện của chúng tôi chỉ ra một yêu cầu chiến lược rõ ràng: Các nguyên tắc để thuyết phục người mua là con người không thể áp dụng một cách đáng tin cậy cho các tác nhân AI. Nhưng nghiên cứu cũng tiết lộ một cấu trúc có thể hành động được ẩn sau những nhiễu loạn đó.

1. Hãy làm đúng những điều cơ bản trước tiên.
Trên mọi mô hình mà chúng tôi đã kiểm tra, hai yếu tố hoạt động giống hệt như đối với con người: giá cả và xếp hạng. Giá cao hơn luôn làm giảm tỷ lệ lựa chọn; xếp hạng cao hơn luôn làm tăng tỷ lệ lựa chọn. Các huy hiệu và tín hiệu khác thì không đáng tin cậy.
Trước khi đầu tư vào các chiến thuật dành riêng cho tác nhân, các công ty nên đảm bảo những điều cơ bản của mình thật hoàn hảo: định giá cạnh tranh và hồ sơ đánh giá mạnh mẽ, xác thực.

2. Coi mỗi mô hình như một phân khúc thị trường riêng biệt.
Các nhà tiếp thị đã dành nhiều thập kỷ để phân khúc người mua là con người theo nhân khẩu học, địa lý, tâm lý học và hành vi. Kết quả của chúng tôi cho thấy giờ đây họ cần xem xét một biến số phân khúc mới: chính mô hình AI. Việc coi mỗi mô hình như một phân khúc riêng biệt, với cấu trúc phản ứng riêng đối với các tín hiệu khuyến mãi, cung cấp một khuôn khổ quen thuộc và có thể hành động được để quản lý sự phức tạp này.

3. Điều chỉnh những gì bạn trình bày tùy theo ai, hoặc cái gì, đang xem.
Nếu mỗi mô hình phản ứng khác nhau, bước hợp lý tiếp theo là cung cấp các phiên bản khác nhau của thông tin sản phẩm tùy thuộc vào tác nhân nào đang tương tác với trang web hoặc nguồn cấp dữ liệu của bạn.
Một điểm khởi đầu thực tế là xác định mô hình AI nào tạo ra nhiều lưu lượng truy cập hoặc giao dịch nhất trong danh mục của bạn và tối ưu hóa cho những mô hình đó. Điều này đang trở nên dễ dàng hơn. Khi các giao dịch mua ngày càng diễn ra thông qua các giao thức thương mại như UCP của Google, các nhà bán lẻ có được khả năng hiển thị về nền tảng AI nào đang thúc đẩy giao dịch của họ. Điều này phản ánh những ngày đầu của việc tối ưu hóa cho thiết bị di động, khi các công ty ban đầu thiết kế cho thiết bị thống trị trước khi xây dựng trải nghiệm đáp ứng hoàn toàn.
Một cách tiếp cận mạnh mẽ hơn là động: phát hiện mô hình tác nhân và điều chỉnh các tín hiệu khuyến mãi trong thời gian thực—ví dụ: huy hiệu nào xuất hiện, cách định giá được trình bày, liệu có hiển thị gói sản phẩm hay phiếu giảm giá hay không—dựa trên tác nhân nào đang đánh giá trang.
Hiện tại, điều này vẫn còn khó khăn. Hầu hết các tác nhân mua sắm AI đều duyệt qua các trình duyệt web tiêu chuẩn, khiến chúng khó phân biệt với khách truy cập là con người trong thời gian thực. Nhưng khi các giao thức thương mại trưởng thành và việc phát hiện hành vi được cải thiện, khoảng cách sẽ thu hẹp lại. Các công ty bắt đầu xây dựng cơ sở hạ tầng thử nghiệm ngay bây giờ sẽ có vị thế tốt nhất để hành động khi việc tùy chỉnh theo thời gian thực ngày càng trở nên khả thi.

4. Hiểu câu lệnh (prompt), không chỉ tác nhân.
Một tác nhân mua sắm AI không mang theo sở thích riêng của nó. Nó mang theo câu lệnh của người dùng. Một người tiêu dùng nói với tác nhân của họ "hãy tìm cho tôi tai nghe không dây được đánh giá tốt nhất với giá dưới 100 bảng Anh" đã giao cho nó một nhiệm vụ rất khác so với người nói "hãy lấy cho tôi lựa chọn rẻ nhất có thể giao vào ngày mai". Hành vi của tác nhân được định hình bởi những chỉ dẫn này.
Hiểu được cấu trúc câu lệnh phổ biến nhất trong danh mục của bạn là một hình thức nghiên cứu người tiêu dùng mới và quan trọng. Các công ty nên bắt đầu nghiên cứu những gì người tiêu dùng yêu cầu tác nhân của họ tối ưu hóa. Điều này có thể thông qua nghiên cứu trực tiếp, phân tích các mẫu truy vấn hoặc quan hệ đối tác với các nền tảng AI. Các thương hiệu hiểu cách khách hàng của họ nói chuyện với tác nhân của họ sẽ có vị thế tốt hơn để đảm bảo sản phẩm của họ xuất hiện đúng cách cho đúng truy vấn.

5. Mong đợi các mô hình tiên tiến hơn sẽ hoài nghi về các chiến thuật tiếp thị, chứ không phải thờ ơ với chúng.
Một giả định phổ biến là khi các mô hình AI trở nên có năng lực hơn, chúng sẽ trở nên "lý trí" hơn—ít bị ảnh hưởng bởi các tín hiệu tiếp thị hơn, giống như những người tối đa hóa lợi ích với thông tin hoàn hảo trong lý thuyết kinh tế.
Những phát hiện của chúng tôi thách thức điều này. Các mô hình tiên tiến hơn như GPT-5 và Gemini 2.5 Pro ít phản ứng hơn với một số chiến thuật khuyến mãi nhất định nhưng chúng không đơn thuần bỏ qua chúng. Trong một số trường hợp, chúng dường như phạt những nỗ lực thuyết phục lộ liễu, như thể giải thích chúng là tín hiệu của chất lượng kém hoặc sự thao túng.
Điều này có nghĩa là các chiến thuật khuyến mãi hung hăng, loại vẫn có hiệu quả với nhiều người mua là con người, có thể ngày càng trở nên phản tác dụng khi các mô hình tác nhân tiến bộ. Hướng đi không phải là hướng tới những tác nhân chỉ đơn giản bỏ qua hoạt động tiếp thị của bạn; mà là hướng tới những tác nhân mà việc thuyết phục nhiều hơn tạo ra ít lựa chọn hơn.

6. Xây dựng cơ sở hạ tầng thử nghiệm, không phải chiến lược một lần.
Có lẽ bài học quan trọng nhất mang tính cấu trúc. Các hiệu ứng khuyến mãi mà chúng tôi đo lường hôm nay sẽ không còn giống vậy sau bản cập nhật mô hình tiếp theo. Mọi bản phát hành lớn, điều chỉnh tinh chỉnh hoặc sự liên kết an toàn mới đều có thể thay đổi cách một tác nhân phản ứng với cách định giá, tín hiệu khẩn cấp hoặc bằng chứng xã hội. Bất kỳ "chiến lược tối ưu hóa tác nhân" cố định nào cũng có tuổi thọ ngắn ngủi.
Các công ty nên xây dựng các môi trường mô phỏng, nơi họ có thể chạy một cách có hệ thống các tác nhân AI trên các trang sản phẩm của mình qua nhiều mô hình, danh mục và cấu hình khuyến mãi. Họ có thể duy trì một cơ sở dữ liệu có phiên bản về hành vi của tác nhân, được lập chỉ mục theo bản phát hành mô hình, để có thể phát hiện khi một chiến thuật đã hiệu quả trong quý trước không còn hiệu quả nữa hoặc bắt đầu phản tác dụng.

Trong nhiều thập kỷ, các nhà tiếp thị đã tinh chỉnh mọi công cụ thuyết phục với một đối tượng duy nhất trong tâm trí: con người. Đối tượng đó đang phân tách. Một phần ngày càng tăng của các quyết định mua hàng sẽ được thực hiện hoặc lọc bởi các tác nhân không phản ứng với các tín hiệu được thiết kế tỉ mỉ của bạn theo cách con người vẫn làm. Một số sẽ bỏ qua chúng. Một số, như dữ liệu của chúng tôi cho thấy, sẽ quay lưng lại với bạn. Đối với các nhà tiếp thị đã dành cả sự nghiệp để hoàn thiện nghệ thuật thuyết phục, bài học khó chịu là đôi khi bước đi tốt nhất là giảm bớt chúng lại. Các thương hiệu sẽ phát triển mạnh là những thương hiệu đủ kỷ luật để biết khi nào bản thân sự thuyết phục đã trở thành vấn đề.

Jafar Sabbah và Oguz A. Acar