据 Business Insider 报道，曾被视为消费“决策助手”的在线评论，如今在不少场景下反而成了新的决策负担。随着评论数量不断膨胀、平台展示逻辑愈发依赖评分排序，再加上AI摘要和假评论带来的干扰，消费者越来越容易陷入“看得越多、越难下单”的困境。

美国得州居民 James Hardaway 就是其中一类典型消费者。每次购物前，他都会在多个平台反复查阅信息，对比评价后再作决定。在他看来，这是“确保每一笔钱都花得值”的必要步骤。但现实并不总如评论所示——无论是婴儿车、洗碗机还是床垫，按评价精挑细选后的商品，也未必都让人满意。Hardaway 坦言，自己最后常常陷入“也许还有更好的选择”的反复怀疑。

报道指出，这并非个别现象。皮尤研究中心 2016 年的调查显示，美国有八成消费者在首次购买某类商品前会先阅读在线评论。Yelp于2026年发布的调查也显示，Z世代消费者在选择餐厅、健身房、美容院等服务前，通常都会先在至少一个平台上查询相关信息。

在线评论之所以重要，在于它让消费者不再只依赖品牌广告或少数专业测评，而是能够接触到更多真实用户的使用体验。但问题也随之而来：评论越来越多，可选项也越来越多，信息本身反而开始压垮决策。报道举例称，有人为了选一份披萨，花30分钟浏览15家店铺和数十条评价，最后仍迟迟无法下决定。

斯沃斯莫尔学院名誉教授 Barry Schwartz 在《选择的悖论》（The Paradox of Choice）中指出，一旦开始执着于寻找“最好的那个”，通往不幸福的路径就会变得更直接。当选择近乎无限时，哪怕是再小的消费决定，也会带来额外的心理负担。

平台的产品设计也在放大这一趋势。Google 在搜索结果中往往优先突出星级评分，而不是引导用户先进入具体网站了解信息；Amazon 也将评论放在比价格更显眼的位置。与此同时，AI搜索引擎正越来越多地采用“先给出评论摘要、再提供链接”的呈现方式。表面上看，这让消费者获得了更高效的决策依据；但实际上，评论者是谁、其偏好是否与自己一致，很多时候并不清楚。

AI的介入，也让评论体系变得更复杂。一些平台会利用AI把数百条反馈压缩成简短摘要，方便用户快速把握整体口碑，但在这一过程中，个体偏好和具体语境也可能被一并抹平。比如，有消费者因为不喜欢黄瓜味而给某款沐浴露打低分，AI摘要却可能只概括为“气味不好”。此外，摘要还可能放大少数负面意见，甚至混入错误信息。

假评论问题同样在升温。借助AI工具，批量生成虚假评价变得更加容易，消费者识别真伪的难度也随之上升。一家假评论监测机构人士指出，操纵评论本就是长期存在的顽疾，一些商家会彼此交换评论，或通过中介获取评价。美国联邦贸易委员会已于2024年出台新规，禁止虚假评分和带有背书性质的虚假推荐评论，并对违规行为施以经济处罚。不过，外界仍认为，仅靠平台现有机制，对相关问题的约束依然有限。

面对评论过载，专家认为，与其彻底放弃参考评论，不如改变使用方式。哥伦比亚商学院教授 Sheena Iyengar 建议，消费者在阅读评论前，应先明确自己的判断标准。如果只是笼统地寻找“最好的酒吧”或“最好的健身房”，很容易陷入无休止的比较；但如果提前设定“环境安静、座位充足”或“器械齐全、课程丰富”等具体条件，最终满意度往往会更高。

报道还指出，并不是所有消费选择都值得投入同样多的精力去追求“最优解”。多数日常消费决定，过一段时间后甚至不会被人记住。与其把大量时间耗在反复比对上，不如把精力留给真正重要的决定，让日常选择适度“自动化”。正如“最好的婴儿车”未必是榜单上的第一名，而更可能是最适合自己、也最常使用的那一款。换言之，评论更适合作为参考资料，而不是标准答案。