当 AI 代理开始替人下单，品牌忠诚度该如何重算？

导语

当 AI 代理不只是推荐商品，而是能够替用户比较、谈判甚至直接完成交易时，“消费者忠诚度”这件事会发生根本变化。品牌过去关注的是人对品牌的情感连接、复购习惯和价格敏感度；但在自主商务场景中，真正按下购买按钮的可能是一个受目标函数、执行风险和用户授权约束的 AI 代理。

arXiv 上这篇论文提出了一个名为 DVM-HALL（Dynamic Verifiable Multi-Agent Human Agentic Loyalty Loop）的框架，并配套给出 NHAS（Net Human-Agent Score）指标，试图为“人类—代理—品牌”的新关系建立理论模型。

核心要点

• 传统忠诚模型面临失效：论文认为，既有消费者忠诚研究主要围绕人类心理、体验和品牌关系展开，难以解释 AI 代理参与决策后的选择机制。代理并非完全理性的优化器，也不是简单工具，而是具有“构造出来的自主性”和算法边界的决策参与者。

• 品牌选择被重新形式化：作者用 softmax 概率形式描述品牌被选择的可能性，将人类情感资产、代理的机器体验效用、校准后的信任、用户授予代理的权限，以及执行过程是否可验证等因素放进同一选择函数中。

• 信任与授权会递归更新：DVM-HALL 的一个关键设定是，每次交互后，用户对代理的信任、代理被允许执行的范围，以及后续品牌选择概率都会被动态调整。这让忠诚度不再是静态标签，而是一个循环反馈过程。

• DeFi 与代币化忠诚是重点场景：论文特别把链上执行风险纳入模型，例如 gas 成本、滑点、MEV 暴露和智能合约漏洞。也就是说，在去中心化金融或代币化积分体系中，品牌偏好不仅取决于“好不好”，还取决于代理能否安全、低成本、可验证地完成交易。

• NHAS 衡量人机一致性：作者提出的 Net Human-Agent Score 是一种可审计、风险加权的指标，依据人类反馈、执行日志、基准比较和可验证凭证来衡量代理行为是否与用户意图保持一致。

意义与影响

这篇论文的价值主要在于提出问题框架：未来品牌面对的可能不仅是“人类顾客”，还包括代表人类行动的“机器顾客”。如果代理成为购买入口，品牌竞争力就不只体现在营销、情感和价格上，还会体现在接口质量、执行透明度、风险控制和可验证性上。

对企业来说，这意味着客户关系管理可能要加入面向代理的优化：让代理更容易读取条款、验证交易、比较风险，并在多代理环境中形成可信交互。对用户而言，核心问题则是如何确保代理在效率和便利之外，仍然忠实执行人的真实偏好。

不过，这篇论文目前更偏理论建模。作者提出了受控购物实验、多代理市场模拟和 DeFi 测试床三阶段验证计划，但素材中尚未给出实验结果。因此，它更适合作为理解自主商务趋势的概念工具，而不是已经被实证证明的行业标准。

来源：arXiv