AI 站上橋頭堡，美團阿里做“導購”

美團首款 AI Agent 產品“小美” App 近日在主流應用商店上架，定位在“小而美的 AI 生活小秘書”，用戶獲取專屬邀請碼后可參與公測。

《新立場》在實測后發現，用戶能通過簡單的自然語言交互，獲得 AI 提供的外賣、堂食、酒旅等本地生活消費推薦。

大廠投注 AI 已經算是一種標配。結合美團近期先是宣布自研模型 LongCat-Flash-Chat （小美 AI 基于此模型）正式發布，在Github、Hugging Face 平臺開源；以及大眾點評宣布“重啟”品質外賣服務，也提到會通過 B 端自研大模型優化服務，這都提示了進度稍慢的美團 AI 布局在逐漸鋪開。

本輪外賣大戰初期，社媒有過一句戲言，以為會 All in AI，后來發現是 All in 外賣，原來 WAIMAI 里有兩個AI。外賣和即時零售的確分走了許多注意力，但其實 AI 這條線索從沒有“下桌”，隨著競爭逐漸深入，技術性軍備正在被一件一件搬上前線。

把視角放大一點，圍繞 AI 功能嵌入 App，淘寶近期也是動作不斷。8 月已上線一款基于大模型的 AI 問答產品“AI 萬能搜”，媒體報道另有一款電商搜索產品“AI 助手”也在灰測。這些 AI 產品的實用方向都很一致，整合平臺供應，通過自然語言交互，協助或引導消費者做選擇。

而若按照這個標準，會發現高德日前上線掃街榜，通過用戶的“行為+信用”構建一套線下服務的信用體系，本質也是“輔助決策”，目標也是用戶心智。

用戶心智的構成非常復雜，補貼、服務、供應、營銷都是影響因素，而心智又是一種相對“高維”的競爭力，一但形成，對業務的反哺效應極其明顯。基于此，發力 AI 輔助功能所折射的用戶心智搶奪，會是觀察企業底層競爭力的絕佳切口。

01、美團的真假護城河？

淘寶閃購的攻勢，以及美團近期財報的利潤表現，讓市場出現了對“外賣護城河”這個概念的質疑之聲。

這基于以下邏輯。首先外界普遍以為美團的護城河在于其極強履約能力（配送速度、時間承諾、覆蓋面等）搭配龐大用戶基礎，一方面履約基建這類重資產的確是前期投入巨大、運營成本極高，另一方面它是對外最容易被看見、被用戶識別的競爭力。

所以當淘寶閃購洶涌而來，訂單量數字不斷刷新，財報又提示了美團利潤端正在承受不小的壓力，這種競爭力是否真正達到了“護城河”一般的高度就會有異議。簡言之，如果“護城河”容易被競爭對手模仿或通過資本補貼突破，那么它就是非常脆弱的。

但以上討論中對企業競爭力的描述是相對簡略的。在顯性資源之外，經營經驗、已成型的商家/用戶/騎手體系、算法調度與數據預測這些需要靠長期積累的資產，形成了一個企業的辨識度。只不過這些因素通常內化于系統之中，充當各個環節的潤滑劑，使整個經營流程更順暢的進行。

所以，美團正在測試的小美 AI，肩負了一些顯化內在競爭力的任務。

外賣場景存在一個被低估的需求——“做選擇”，它是指用戶在快、便宜、衛生、美味這些訴求之上，會有一個綜合式的問題呈現，即如何“在眾多選項里做出符合自己偏好的選擇”。

平臺競賽可能會把焦點放在價格、配送速度等容易量化、短時間見效快的指標，但“做選擇”是認知+偏好匹配。當下，整個消費環境都存在供給過剩、信息過載的結構性問題，具體到點外賣這個動作上，會發現日常語言中最頻繁出現的句式不是“這家豬腳飯便宜 3 塊”，而是“今天吃什么”。

圖片來源：小紅書用戶@獨立開發者

《新立場》實測小美 AI 以后，認為目前這款“導購”式的 AI 助手有兩個特色。一是充分突出 LBS 能力，對區域商戶及商品供應信息摸得比較透徹，能給出用戶生活半徑內的一些動態消費決策。圖中提問要求以好評為標準，反饋的信息維度能看出來是比較豐富的。

二是可以抓取用戶歷史數據做定制化方案。比如在提出“根據我過往中午時間段點單偏好給出推薦”的問題后，AI 能夠判斷出個人口味習慣、消費區間和場景偏好。如圖案例中給到的輕食選擇，不同的用戶會有不同的方案。

傳統的 LBS 會告訴你附近有什么，而 AI 助手能把這些信息抽取、排序、標簽化，生成“可決策”的推薦。美團有十多年積累的用戶行為數據和商戶資源，過去它關于“選擇多、履約快、更實惠”等方面的口碑，主要來自用戶口耳相傳和長期使用后的黏性。

當下結合 AI，美團相當于把“隱形的長期積累”轉化成了“顯性的產品體驗”，把構筑真正護城河的底牌拿到臺面上做攻防。畢竟短期競爭靠補貼搶市場，長期競爭靠匹配/信任留人。

02、“導購型”AI 還在證道途中

“AI 重塑互聯網”的口號轟轟烈烈地喊了快三年，回到現實應用領域，面向 C 端最常見的產品其實就是前文提到的“導購型” AI。

其特征包括，用戶能夠以自然語言和少量交互表達需求，比如本地生活 App 可以提出“給我推薦附近好吃火鍋”，電商 App 可以提出“預算 500 元以內，輕便的運動鞋推薦”。AI 助手基于平臺數據，幫助用戶縮小選擇范圍，減少決策成本。

很多平臺都做過類似嘗試。比如淘寶在開頭提到的“AI 助手”和“AI 萬能搜”之外，2023 年就內測過“淘寶問問”，也是主打電商搜索導購。京東做過“京言 AI 助手”，抖音也做過 AI 導購服務“智能購物”，這些產品都內嵌于應用內，交互邏輯大同小異。

我們測試了在電商領域這樣的 AI 導購能提供怎樣的選擇。以近期上線的“AI 萬能搜”為例，提問“推薦一些適合我的換季衣服”，外顯的 AI 的篩選條件包含了當季流行趨勢、商品評價、用戶需求，并返回 3-5 個打包式的穿搭與購買方案。

作為對比，下圖也展示了“換季衣服”這一關鍵詞在常規搜索界面返回的結果。以筆者的需求來看，AI 能夠幫助縮小一些選擇范圍，但面對服飾這種消費決策過程較復雜的品類，多番比對大量瀏覽的流程通常是“簡略”不了的。

除了直觀的商品/服務交易平臺，以內容為“商品”的小紅書也做過 AI 問答助手“達芬奇”、搜索智能助手“搜搜薯”，和擁有獨立 App 的“點點”。

“搜索”本身是一種非常基礎的交互行為，但這些以“搜索”為切口的“導購型”AI 產品，鮮有真正成為用戶日常依賴的入口。換句話說，相關功能還處在輔助和探索階段，而非用戶首選決策路徑。

究其原因，比較容易聯想到的方向，是功能還沒有打磨完善。

AI 無法假定用戶能夠準確表述其需求，自然語言交互沒有嚴格的提示詞范式。在這個前提下，那些模糊表達，比如“我想買點小眾的衣服”“我想吃簡單點但不要太廉價”，AI 推薦與需求匹配的成功率也是一個模糊區間。我們都知道日常生活中很多的決策困難，都是從“自己都不知道自己要什么”開始的。

但這些問題還能通過“技術手段”找找突破口，而產品底層邏輯是否適配應用場景，或許也有值得商榷的地方。

“消費決策”是一個多維、動態且復雜的過程，拋開那種目標非常明確即買即走的情況，消費者做選擇時常會需要適當的“噪音”。

很長一段時間內消費者最倚重的信源是商品評論區，且不是單純順從好評和差評指引的方向做選擇，“桌子比圖例看著小但挺漂亮”，和“桌子挺結實但顏色太詐騙了”這兩條評論之間，不同的人會對購買與否有不同的權重調整。

更近的案例比如小紅書種草，這個電商平臺都希望借鑒的內容社區，影響消費決策的方式是非常情景化的。在內容社區需求消費建議，返回的 UGC 內容包含大量日常語言，“多余”的表達，評論區你一言我一語的正負面反饋。哪怕是小紅書自己的 AI “導購”，也還沒有完美捏合信息熵增與 AI 降噪。

再者，消費者對“壟斷”的信息渠道有天然的警惕。互聯網如此普及的當下，大多數人都對買廣、投流和推薦位等名詞有一定了解，信任門檻也需要考慮在內。

工具是精良的，只是怎么用在合適的地方、充分發揮它的價值，仍是一個行業性問題。

03、寫在最后

我們在此前的文章中有提到過，先是近遠場電商融合，后有團購、酒旅等領域不斷迎來跨界選手，以美團阿里為代表的互聯網巨頭們越來越朝著“超級應用”的方向努力，將自身擴充為一個大消費入口。

但超級應用的構想在過去時常有“貪多嚼不爛”的質疑。一個可參考的對象是布局非常廣、服務非常多的支付寶，從生活繳費到出行、到店、醫療等等都有涉獵，但其即用即走的工具屬性還是壓過了其他，鮮有用戶把它當做一個能長期停留的綜合消費平臺。

功能越厚重不一定越強，一個統合式的入口去梳理這些業務就顯得至關重要。現在內嵌于各平臺的 AI 助手們就肩負著這種期望，只不過目前仍需等待技術走向成熟，培養用戶形成習慣。

*題圖及文中配圖來源于網絡。