
YouTube 在其实验性对话搜索工具 Ask YouTube 中加入购物能力:搜索产品测评时可能返回带产品属性与类别的对比表格,用户选定视频后可在观看页继续追问。该功能搜索版仍限美国英语用户实验,观看页版本覆盖更广,但视频选择与属性数据来源尚未公开。
过去在 YouTube 上找产品测评,用户面对的是无穷无尽的视频列表,需要自己点开、快进、对比。如今这一流程正在被重新设计。YouTube 在其实验性对话式搜索工具 Ask YouTube 中引入购物相关能力:当用户搜索某款产品的测评时,结果页可能直接给出结构化的视频推荐,例如一张带有产品属性与类别的对比表格。用户选定感兴趣的视频后,还能在该视频的观看页继续追问产品细节。
这一变化由 YouTube 在 9 月 23 日的 Made On YouTube 活动上对外公布。它意味着 AI 搜索不再只是「帮你找视频」,而是开始介入「帮你做购买判断」。
理解这次更新,需要先区分 Ask YouTube 的两个入口:
YouTube 观看者产品管理副总裁 Johanna Voolich 在官方公告中描述了这一链路:搜索某款产品的测评时,用户会收到经过组织的视频推荐,比如包含产品属性与类别的对比表;点击最感兴趣的视频后,可以在观看页继续提问。
值得注意的是,观看页版本还支持在电视端通过语音指令提问,这一能力此前已出现在智能电视和游戏主机的帮助文档中。
搜索版 Ask YouTube 目前仍处于实验阶段。其帮助页面显示,该功能面向「美国境内、使用英语、通过电脑/移动端/电视设备搜索的有限用户」开放,并「正在逐步扩大范围」。这比 4 月测试时的范围更广——当时仅面向 18 岁以上的美国 Premium 订阅用户在桌面端开放。
观看页版本的覆盖面则大得多:帮助页面列出数十个国家和地区及多种语言,已登录且年满 13 岁的用户可在部分视频上看到该功能。Alphabet 第二季度财报电话会上,Sundar Pichai 提到 6 月有超过 1.4 亿用户在观看页使用了 Ask YouTube。
从购物体验看,对比表格提供了一种更有序的方式:用户可以在决定看哪条测评之前,先横向浏览创作者内容与产品属性。
但透明度仍是问号。搜索版帮助页面说明,Ask YouTube 回答的排序逻辑「优先考虑相关性、互动度和质量」,与常规 YouTube 搜索类似。然而,两个帮助页面都没有进一步说明视频是如何被挑选的;9 月 23 日的公告也没有解释产品搜索中的视频选择机制,以及表格里的产品属性数据来自哪里。
对品牌和电商团队而言,可操作的切入点在于:如果能够访问该购物体验,可以用核心产品词去跑 Ask YouTube,观察哪些创作者测评会出现在结果中、表格里又呈现了哪些属性。这相当于一次「AI 搜索可见性」的实测。
把视线拉回国内,AI 搜索与电商的结合走的是另一条路。百度、阿里、字节等平台更倾向于把 AI 对话直接嵌入交易场:用户在淘宝、京东、抖音电商内提问,AI 给出商品推荐并直接跳转购买,链路更短、转化意图更强。而 YouTube 的做法是先解决「看哪条测评」的问题,再通过观看页追问承接决策,购物闭环仍依赖外部电商站点。
在模型能力层面,国内的通义千问、文心一言、DeepSeek、豆包、Kimi、智谱 GLM 等都在强化多模态理解与长上下文能力,为「视频+商品」的问答提供了技术基础。差异更多体现在产品形态与商业生态,而非单纯的模型水平。
YouTube 表示正在为 Ask YouTube 推出新的购物能力,但没有给出上线时间、地区或资格细节。截至 9 月 23 日,搜索版帮助页面尚未提及购物,但明确指出在实验阶段不会用 Ask YouTube 对话来展示广告;观看页帮助页面则说明,符合条件的已标记商品可能出现在回答中。
Google 还表示,观看页版本将在「未来几个月」获得 agentic video understanding(代理式视频理解)能力。如果这一能力落地,AI 对视频内容的理解将从「检索片段」走向「主动执行任务」,购物只是其中一个可能的方向。
对于依赖 YouTube 做产品种草的品牌来说,现在值得做的不是等待功能全量开放,而是尽早建立对 AI 搜索结果呈现方式的监测习惯——因为排序逻辑不透明时,可观测性本身就是一种竞争优势。
没有。搜索版仍属实验功能,仅面向美国境内使用英语、通过电脑/移动端/电视搜索的有限用户,并逐步扩围;观看页版本覆盖数十个国家和地区,已登录且年满 13 岁的用户可在部分视频上使用。
官方尚未说明。9 月 23 日的公告和两个帮助页面都没有解释产品搜索中的视频选择机制,也没有交代表格中产品属性数据的来源。
搜索版帮助页面指出,在实验阶段不会用 Ask YouTube 对话来展示广告;观看页帮助页面则说明,符合条件的已标记商品可能出现在回答中。
如果能够访问该购物体验,可以用核心产品词去跑 Ask YouTube,记录哪些创作者测评出现、表格展示了哪些属性,以此评估自身在 AI 搜索中的可见性。
Bingdada 是一个专注 SEO、GEO(生成式引擎优化)与 AEO(答案引擎优化)的内容平台,由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态,为读者提供准确、实用、可落地的方法论与行业洞察。
编辑团队:内容策划 · 技术编辑 · AI 研究组
网站:bingdada.com
© 2026 Bingdada. 保留所有权利。
SEO & GEO 技术探索者,专注于搜索引擎优化和生成式引擎优化。

Chartbeat 最新报告显示,其客户网络内 Google Search 同比降幅从 21.9% 扩大到 40.2%,搜索占页面浏览量份额两年从 9% 跌至 5%。与此同时,暗社交、直接访问与站内流量持续上行,忠实读者成为稳住大盘的关键。

谷歌R4T-Diffusion框架通过强化学习加蒸馏,把查询扇出延迟从近50秒压到亚秒级。本文拆解其三阶段架构、三重奖励机制与生产就绪信号,并分析对SEO策略的潜在影响。

Google 在 Search Console 的 Performance 报告中新增多模态过滤器,首次把 Lens、Circle to Search、图片上传等图片入口带来的流量单独拆出。本文解读其覆盖范围、无查询词的限制,以及对电商与内容站的实操价值。
获取最新的 SEO 与 GEO 技术资讯。
我们尊重您的隐私,随时可以取消订阅。