OpenAI 计划通过与 Shopify 和 Stripe 等公司合作，推出基于大型语言模型（LLM）的即时结账功能，并收取约 2% 的低佣金。这一策略旨在快速吸引商家和用户，挑战谷歌和亚马逊等现有巨头。经济学分析表明，在短期内，这笔佣金成本主要由商家承担，对消费者价格影响不大。但从长远来看，随着 OpenAI 平台锁定效应增强，其可能会提高佣金，并将部分负担转移给消费者。为防止市场力量被滥用，政策重点应放在保障数据互通和算法透明上，而非直接管制佣金率。
OpenAI 的低佣金市场进入策略
OpenAI 推出的“即时结账”功能，通过与 Shopify、Stripe 和 Etsy 等平台合作，正式进入电商领域。其商业模式的核心是收取佣金，但费率极具颠覆性。
- 极低的佣金率： OpenAI 暗示其佣金率约为 2%，这远低于谷歌购物历史上 12% 或亚马逊通常 15% 的推荐费。
- 商家掌握主导权： 与亚马逊模式不同，OpenAI 强调商家仍然是销售记录方，能够保留客户关系并控制履约过程。
- 排名中立性： OpenAI 明确表示，支付佣金不会影响产品在搜索结果中的排名或位置。排名依据的是与用户意图的相关性、可用性、价格和质量等指标。
这种模式更接近于联盟营销，而非传统的市场平台。它通过 AI 策展来影响消费者的购买决策，但并不直接控制交易的后端环节。
当前电商市场的竞争格局
OpenAI 进入的是一个由巨头主导但竞争压力日益增长的市场。了解现有平台的收费结构至关重要。
- 亚马逊： 占据美国电商市场约 37-40% 的份额，其复杂的费用结构（包括推荐费、FBA 费和广告费）实际上会抽走交易额的 30-35%。
- 谷歌： 为了与亚马逊和社交平台竞争，谷歌已完全取消了“Buy on Google”的交易佣金，现在完全依赖广告收入。
- 社交电商： 这是增长最快的部分，其中 TikTok Shop 收取 6-8% 的佣金，而 Instagram 和 Facebook 则收取 5% 的运费佣金外加支付处理费。
总的来说，平台间的竞争和商家日益增长的议价能力，已经导致了佣金率的下降趋势。OpenAI 的 2% 定价正是在这一背景下的激进策略。
AI 电商与传统搜索的根本差异
LLM 驱动的电商在结构上与传统搜索有很大不同，这些差异直接影响成本由谁承担。
- 用户意图与转化： AI 购物的用户参与度更高，但初期的直接转化率反而更低。这表明 LLM 目前更擅长激发用户的发现和考虑，但在完成交易方面仍面临信任和习惯的障碍。
- 信任是关键摩擦点： 顶尖 LLM 的准确率约为 80%，这意味着五分之一的推荐可能存在错误。这种信息不对称会增加用户的疑虑，削弱他们对推荐价格的敏感度。
- 新的转换成本： AI 通过学习用户的偏好和历史互动，创造了一种个性化的锁定效应。用户更换平台意味着失去这种积累的“默契”，从而增加了心理上的转换成本。
经济负担的分配：谁来承担这笔费用？
税收归宿理论（Tax Incidence Theory）可以帮助我们预测 OpenAI 的佣金成本最终会落在谁的身上。核心观点是，法定支付方（商家）不一定是最终的经济负担方。
负担的分配取决于市场各方的相对弹性。简而言之，选择更少、更难离开的一方将承担更多的成本。
短期分析（2% 佣金率）：
- 消费者：由于电商市场选择众多，消费者对价格非常敏感（需求弹性高），商家很难将 2% 的成本完全转嫁给他们。
- 商家：对于许多希望获得新客源的商家来说，ChatGPT 是一个有吸引力的新渠道，替代选项有限（供给弹性低）。因此，他们更有可能自己吸收这部分成本以保持价格竞争力。
- 竞争对手：谷歌和亚马逊会因市场份额被侵蚀而承受竞争位移带来的损失。这本身也是一种成本负担。
长期分析（如果佣金率提高）：
- 如果 OpenAI 成功建立起用户和商家的依赖性（即降低了他们的弹性），平台就有能力提高佣金率（例如提高到 4-6%）。
- 届时，商家将被迫将更大比例的成本转嫁给消费者，导致商品价格上涨。
长期策略与政策建议
OpenAI 的低佣金策略显然是为了在早期阶段最大化用户和商家的参与度，以建立强大的网络效应。一旦平台依赖性形成，长期来看其最优佣金率很可能会超过 2%。
对于监管者而言，关键的政策建议如下：
- 避免直接管制佣金率： 历史经验表明，对平台佣金设置上限往往会适得其反。平台可能会通过降低对受管制商家的推荐、降低服务质量等“隐性”方式来弥补损失。
- 保障数据互通和算法透明： 政策的重点应该是确保商家可以轻松地在多个平台之间迁移和运营（多宿主），这能有效维持市场竞争，从而限制任何单一平台的定价权。
- 关注推荐偏见： 与明确标记的搜索广告不同，LLM 的推荐结果可能会在算法中 subtly 偏向能带来更高商业利益的合作伙伴。要求平台提高算法推荐逻辑的透明度是防止隐性成本增加的关键。