9 月 29 日，亚马逊在旧金山开了一年一度的 unBoxed 广告大会。会上有一段演示被反复转发：有人在亚马逊搜索框输入「咖啡机」，先跳出来的不是一排商品，而是一句被标注为「赞助」的提问——「帮我拿主意」。
点进去，页面变成一个对话窗口。系统接着问：「要最大程度自动化」「要能用胶囊」「要现磨豆子」。用户一条条答下去，AI 就把选项越收越窄，最后落到一台同样被标注为赞助的机器上[1]。
亚马逊把这套新格式叫 Branded Conversations，字面意思是「品牌对话」[1][2]。它的分量不在「又多了一个广告位」，而在于一件事：品牌第一次拿到了一个「直接给 AI 推荐喂料」的官方入口。
可几乎同一时间，另一组数据给了这份兴奋一记冷静的提醒。Kantar《Media Reactions 2026》显示，净 75% 的营销人计划在 2027 年继续加码 AI 助手投放，62% 认为 GenAI 将主导品牌推荐；而消费者这边，只有 32% 会用 AI 去研究品牌，只有 23% 真的信任 AI 给出的推荐[7]。
一边是供给端狂奔，一边是需求端迟疑。
这道落差，就是 2026 年下半年品牌人最该盯住的战场。
01｜先看清事实：亚马逊把整个广告后台，改成了一个「代理」
这次 unBoxed 不是常规的功能更新，而是一次产品线重命名 + 并购式整合。
亚马逊把原本分开的「广告后台」和「DSP（需求方平台）」合并，统一更名为 Amazon Ads Agent；老的 Amazon DSP 品牌退场，改叫 DVA（即 display、video、audio，展示、视频、音频）[3][4]。
对广告主最直观的三个变化是：
– 三种广告类型：Sponsored Ads（原有的商品推广）、DVA+、以及 Full-Funnel Campaigns（全漏斗广告）[4][5]。
– 全漏斗广告：广告主只交预算、产品和素材，规划、投放、跨渠道持续优化交给 AI 做[2]。
– 对话式后台：整个后台底层是一个聊天界面，可以用自然语言做媒体规划、投放定位、看数据、生成洞察，不再需要写 SQL[2][5]。
为什么亚马逊要这么做？答案写在同一周的财报里：2026 年第二季度，亚马逊广告收入接近 200 亿美元[2]。
一块接近 200 亿美元、还在高速增长的生意，最大的增长阻力往往是「客户不会用、用得太碎」。所以亚马逊的选择是：把复杂交给 AI，把入口收拢成一个对话框。
结果也有数据支撑。据亚马逊公开的案例，自然语言投放推荐可让广告主新增独立客户超过 25%，同时千次曝光成本平均下降超过 10%[2]。
翻译成品牌语言：当平台把操作门槛降到「说一句话」，广告预算的决策权就进一步向平台算法转移了。
02｜广告从「点一下」，变成了「聊几句」
Branded Conversations 是这次大会最有想象力的一个新东西。
它和亚马逊前一代的 Sponsored Prompts（赞助提示）不是一回事。赞助提示更像「赞助搜索结果」，用户搜什么，就还他一个商品；Branded Conversations 则是把商品页上的「经常一起购买」「买了还买」这类推荐，升级成一段多轮对话[1]。
亚马逊广告赞助商品应用科学总监 Amjad Jbara 的说法是：它把基于提问的购物搜索，变成「多轮购物对话，帮消费者在品牌提供的输入信息基础上，找到合适的产品」[1]。
具体到体验，有三个关键点：
1. 对话是品牌「自适应」的。点进去之后，界面会带上这个品牌的配色、字体、图像和产品描述[1]。
2. AI 会主动接着问。系统会给出建议的后续提问，引导用户把需求说清楚[1]。
3. 对话被明确标注为赞助。并且会披露「品牌提供的信息参与了这次回答的生成」[6]。
举个亚马逊自己的例子：同一台笔记本，游戏玩家关心的是「超高分辨率 + 算力」，而跑 AI 仿真的工程师关心的可能是「专利散热」，同一款产品，可以走进两段完全不同的对话[1]。
这套格式预计 2027 年 1 月先在美国上线，并向广告主开放「品牌对话样例」报表与提问级点击、转化和 ROAS 数据[6]。
这意味着：广告的形态，第一次从「一条素材」变成了「一段可被 AI 接管的销售对话」。
03｜品牌第一次能直接「喂料」：这就是 Conversational Briefs
对话交给 AI 生成，品牌会不会被架空？亚马逊给的答案是 Conversational Briefs，可以理解为「对话简报」[1]。
广告主可以通过它，告诉亚马逊的 AI 三件事：
– 哪些产品经常被一起购买（用于搭配、组合推荐）[1]；
– 自家品牌和竞品相比，差异在哪、产品如何对比、能满足什么需求[6]；
– 用一段自由文本，写清产品描述、功能特性和使用场景，来影响多轮对话走向[1]。
但亚马逊同时画了红线。比如，品牌想让 AI 优先展示某些「夸自己」的评论——Jbara 的回答很干脆：不行[1]。品牌无法挑选 AI 呈现哪些评论，如果简报里提供了虚假或不合规的信息，亚马逊会通过后台「给反馈」[1]。
这套设计，把第六期一直在讲的那件事推到了台前：AI 推荐什么，取决于你给它什么「原料」。
过去品牌想影响 AI，只能靠官网、新闻稿、第三方报道去「自然积累」；现在亚马逊开了一个官方投喂口，允许你把「差异点、对比、搭配、场景」结构化地交上去。
但入口是平台的，规则也是平台的：你能喂什么、喂进去之后 AI 怎么用，解释权在亚马逊手里。 这既是机会，也是新的依赖。
04｜评价，正在变成 AI 推荐的「燃料」
这次大会还有一个容易被忽略、但对品牌非常关键的动作：Request Reviews for Sponsored Ads[1]。
它的规则很简单：
– 面向评价数少于 1000 条的商品（尤其是刚上市的新品），广告会去提醒买过的人「留个星级和评价」；
– 出现在首页、订单页和下单后的确认邮件里；
– 不允许给激励（不能送样品、不能给折扣）；
– 按点击付费，且被引导的评价数量上限 1000 条[1]。
为什么亚马逊要为「拉评价」单独做一个广告产品？因为评价本身就是 AI 代理推荐的输入之一[1]。
这件事对品牌是一个清晰的信号：在一个 AI 替你挑选商品的环境里，公开评价不再只是「口碑」，而是喂养推荐算法的原料。 亚马逊甚至提醒得很直白：你花钱引导了评价，不代表拿到的就是好评——先把产品做好，再谈拉评[1]。
反过来说，靠刷评、靠水军去「喂」AI，风险也第一次变得明确：平台不允许激励，规则之外的操作，是在给信任挖坑。
05｜真正值得品牌人警惕的，是那道「信任差」
把上面的动作串起来看，亚马逊正在做一件事：把「品牌被 AI 推荐」这件事，从不可控的自然积累，变成可以花钱、可以投喂、可以度量的广告产品。
但消费者怎么看？这才是最硬的约束。
据 eMarketer 引用的一项 2026 年 4 月 Ipsos 调查：超过一半的美国成年人表示，如果知道是广告主影响了 AI 的推荐，他们会更不信任这些推荐；只有 14% 会因此更信任[6]。
同一时间，Kantar 的年度研究给出了整个行业的温差[7]：
净 75% 的营销人计划在 2027 年增加 AI 助手相关投入，62% 预期 GenAI 将主导品牌推荐；但只有 32% 的消费者用 AI 研究品牌，只有 23% 信任 AI 的推荐。
Kantar 首席执行官的判断很直白：品牌必须「同时赢得人和机器推荐你的资格」[7]。
这两组数据放一起，指向一个反常识的结论：
「能被 AI 推荐」不等于「被信任」；而广告，是可以买到前者、但很难买到后者的。
这也正好解释了亚马逊为什么要把对话明确标注为赞助、把「品牌提供信息参与生成」写进披露里[6]。平台比谁都清楚：一旦用户发现「这个推荐是花钱买的」，整个推荐体系的可信度都会受损。透明，是它必须付的入场费。
对品牌是一样的道理。花钱买到的推荐位，能带来一次曝光；真正能复利的，是那些不依赖付费、也能被反复引用的公开信源——官网、第三方报道、可核验的评价。这恰恰是第六期「搜索资产 / 内容复利」一直在说的东西。
06｜给品牌操盘手的可复用清单
把这次 unBoxed 拆完，能沉淀出 6 条可以马上动手的事：
1. 先把「品牌档案」写成 AI 读得懂的版本。
模仿 Conversational Briefs 的思路，准备一份结构化文档：一句话定位、和谁很像又不一样在哪、适合谁、常和什么搭配、典型使用场景。就算不上亚马逊，你也要有这份「原料」。
2. 把差异化写成「对比句」，而不是形容词。
「高端」「专业」这类词对 AI 没用。要写成「A 场景选我们、B 场景选别家」这种可被直接抽取的对比结论。
3. 主动经营真实评价，而不是刷评。
在 AI 代理推荐里，评价是燃料。合规地邀请真实用户评价（不给激励），比任何话术都稳。
4. 监测「AI 怎么说你」。
定期用你所在品类的真实提问去问主流 AI，看它提没提你、怎么描述你、引用了哪些信源。这是判断你「原料够不够」的最直接方式。
5. 把付费入口和免费资产分开算账。
付费用来获取一次对话机会；公开信源用来获取长期复利。别把两者当成一回事。
6. 把「透明披露」当成资产，不是负担。
平台强制披露赞助，说明用户对「被影响」高度敏感。品牌主动说清「这是广告 / 这是品牌提供的信息」，短期损失一点神秘感，长期换来可被信任的资格。
写在最后
亚马逊这次 unBoxed，最容易被误读成「平台又多卖了一个广告位」。
但把它和 Kantar 的信任数据放在一起看，就会发现真正发生的是一次权力再分配：平台给了品牌一个直接投喂 AI 的入口，同时也把「推荐」这件事，进一步收拢到自己手里。
对品牌来说，机会是明确的——第一次能主动影响 AI 替消费者做的推荐。约束同样明确——消费者对「花钱买来的推荐」天然警惕，只有 23% 的人愿意相信。
谁能同时拿到「被 AI 推荐」和「被人信任」，谁才是这一轮真正的赢家。而后者，只能靠长期可核验的公开信源慢慢攒，没有捷径。
如果你想把自家品牌的「搜索/AI 资产」盘一遍，看它在 AI 眼里到底是什么样，可以后台回复关键词「体检表」，领取我们整理好的《品牌 AI 搜索资产体检表》（Excel + 说明文档，可直接编辑填写）。
引用与参考资料：
[1] AdExchanger, “Amazon Gets Conversational With New Agentic Ad Formats And Brand Controls”, 2026-09-29. https://www.adexchanger.com/platforms/amazon-gets-conversational-with-new-agentic-ad-formats-and-brand-controls/
[2] Marketing Dive, “How Amazon is streamlining ad buys across multiple formats with AI”, 2026-09-29. https://www.marketingdive.com/news/how-amazon-is-streamlining-ad-buys-across-multiple-formats-with-ai/831492/
[3] AdExchanger, “Amazon Ads And The Amazon DSP Get An Agentic Rebrand”, 2026-09-29. https://www.adexchanger.com/content-studio/amazon-ads-and-the-amazon-dsp-get-an-agentic-rebrand/
[4] Digiday, “At its flagship unBoxed conference, Amazon Ads collapses buying silos as AI takes a bigger role in media decisions”, 2026-09-29. https://digiday.com/media-buying/at-its-flagship-unboxed-conference-amazon-ads-collapses-buying-silos-as-ai-takes-a-bigger-role-in-media-decisions/
[5] MediaPost, “Amazon Reboots Ad Business, Emphasizes Agentic”, 2026-09-29. https://www.mediapost.com/publications/article/418323/amazon-reboots-ad-business-emphasizes-agentic.html
[6] eMarketer, “Amazon gives brands more control over AI shopping conversations”, 2026-09-29. https://www.emarketer.com/content/amazon-gives-brands-more-control-over-ai-shopping-conversations
[7] Kantar《Media Reactions 2026》，经 LBB（lbbonline.com）与 DecisionMarketing 于 2026-09-29 报道。https://lbbonline.com/news/net-75-of-marketers-plan-to-increase-investment-in-ai-visibility-including-ads ; https://www.decisionmarketing.co.uk/top-story/marketers-fail-to-grasp-publics-nuanced-feelings-over-ai
[8] 亚马逊 2026 年第二季度广告收入接近 200 亿美元，经 Marketing Dive / AdExchanger 报道（同 [2][3]）。
[9] 案例数据（Cuisinart × Global Overview 的 AI 素材测试、Canine Naturals 全漏斗投放）均来自亚马逊在 unBoxed 分享的案例，经 Marketing Dive 报道（同 [2]）；属平台自报口径，仅供方向参考。
[10] Ipsos 2026 年 4 月调查（关于广告主影响 AI 推荐后的信任变化），经 eMarketer 转述（同 [6]）。
免责声明：
本文基于公开报道与官方公开信息整理，旨在进行行业观察与方法讨论，不构成任何投资、投放或采购建议。文中涉及的第三方公司、产品与数据均引自公开来源，仅用于研究与交流；如涉版权或事实出入，请联系我们更正。文中品牌案例数据为平台或服务方自报口径，未作独立效果背书。文中「AI 推荐」相关表述均指生成式 AI 助手/代理给出的内容，不代表对任何具体平台功能的确定性判断。
