
今年双11,66.7%的受访者会用AI辅助购物,"比价、算满减、凑单、找最优用券组合"以71.2%的获选率排在用途首位。当决策的第一问从搜索框挪进对话框,品牌争的就不再只是一个货架位。
10月下旬起,淘宝、京东、抖音先后把购物入口往AI对话框里挪了一段。淘宝与千问打通,用户绑定账号后可以在对话里完成选品、比价、算优惠,站内还上线了AI试穿、AI试妆和"AI帮挑清单";京东一口气推出JoyAI万能博士、京言AI导购和升级版"东东",主打模糊指令识别与需求拆解;抖音则把直播间、领券和下单搬进了豆包,"双11问豆包"成了一个独立会场。
三种路径,方向其实一致:把用户做决定的那几分钟,尽量留在自己熟悉的界面里。阿里选择"引进来",在站内做AI助手;抖音选择"走出去",把电商能力嵌进大模型App;京东则在既有应用里全面铺开,能嵌的地方都嵌一遍。

这些动作听起来仍像入口之争的老故事——谁离用户近一点,谁就多拿一点流量。但如果只看到这一层,会漏掉今年更有意思的变化:筛选发生在消费者进店之前。
过去二十年,品牌在电商里的主要功课是"如何被搜到":关键词、标题、主图、评价数量,都是为了让商品出现在列表的前几屏。现在多了一道工序——在用户还没打开任何一个商品页的时候,AI已经替他把候选名单列过一遍了。
这道工序不写在任何一份大促规则里,却直接决定了谁能进入下一轮比较。
入口搬了家:
从"打开App"到"先问一句"
中国青年报社的调查显示,今年双11有66.7%的受访者会用AI辅助购物;在具体用途上,"比价、算满减、凑单、找最优用券组合"以71.2%的获选率排在首位,85.7%的受访者认为AI让购物更省力、省钱、省心。
需求端的接受度,比多数人预想的要快。平台侧的反馈更直接:淘宝在接入AI试穿、AI试妆功能后,服饰商家的退货率平均下降5%,美妆商家的转化率提高18%。
两个数字值得拆开看。退货率下降5%,改善的不是流量,是履约成本;转化率提高18%,提升的不是曝光,是决策效率。它们指向同一件事:AI介入的那一段,原本是消费者反复权衡、容易放弃的环节。
对品牌来说,这意味着"第一次被比较"的位置变了。以前是被放进搜索结果的列表里横向比较,现在是被写进一份清单、一段建议里纵向解释:为什么适合你、有什么不足、和另一款差在哪里。列表比较看标签和价格,清单解释看信息是否说得清。
商家侧同样在动。1688在本届双11接入面向中小企业的经营智能体,从洞察趋势、智能发图、数据分析到客户接待串成一条链。AI不只在消费者那端当"军师",也在商家那端接走了重复劳动。


TalkingData洞察
入口迁移的本质,是决策权的一次前移:消费者把"先看什么"交给模型,模型再决定把谁送进比较范围。这意味着品牌的第一次亮相往往发生在自己的商品页之外,而它对这次亮相的控制力,取决于信息被读懂的难易程度。
筛选提前了:
被搜到不等于被读到
AI列清单时看什么?标题、参数、成分表、评价、详情页?这些字段本来就存在,但过去是给人看的,可以含糊、可以美化、可以把不利信息放进折叠区。模型读的时候,含糊会变成缺失,矛盾会变成失真。
一个被反复验证的现象是跨平台比价难。多数大模型只能取到关联平台的价格,第三方模型难以稳定获取电商实时价格与限时补贴;一位电商行业人士的说法更直白——没有平台愿意沦为外部AI的底层供应链管道。这意味着AI给出的"省钱方案",很多时候只是某一个平台内的凑单组合。
另一组数据来自上海市消保委今年6月的调查:84.56%的受访者试过AI选购功能,但认为AI能精准匹配商品的只有16.06%;38.79%反馈AI不贴合低价需求、优先推荐高价商品。
所以这里要先泼一盆冷水:今天的AI导购远谈不上聪明,它可能读不全、比不准、说不清。
但"笨"和"没用"是两件事。它不需要包办付款,只要能把人筛进名单,价值就已经产生。判断它是否重要,不该看它能不能替消费者做决定,而该看它是否已经成为消费者做决定前的第一道筛子。
平台自己也在为这道筛子搭核算口径。豆包在双11期间上线"豆包运营"专区与"豆包经营数据",覆盖曝光、点击、转化率、成交金额、订单数、客单价与退款金额,商家可以按周期对比判断渠道表现。过去难以单独衡量的AI对话流量,由此成为一个可独立核算的经营渠道。
这是一个容易被忽略的信号:当一种流量可以被单独核算,它就不再是"活动",而是一项常规预算科目。


TalkingData洞察
可见性正在从"位次竞争"转向"引用竞争":前者考核页面在列表里的位置,后者考核品牌是否出现在答案里、以什么说法出现。衡量对象一变,那套以曝光和点击为核心的报表,就开始量不准新的战场。
标尺要重做:
曝光量不出AI里的品牌
传统投放漏斗是曝光、点击、转化三段。这个模型成立的前提,是"曝光"有一个可见的位置——首屏、信息流第三位、搜索结果第一页等。
AI入口里没有这样的位置。答案是一段连续生成的文本,品牌可能被放在第一句,也可能被放在"也可以考虑"的从句里,还可能一次都不被提及。位置感消失了,剩下的是语义上的权重:被提到、被解释、被推荐,是三种不同的处境。
于是衡量的对象必须换。一些可操作的口径正在形成:一是商品信息在模型侧的完整度与一致性,字段缺不缺、多个平台的说法打不打架;二是在一组代表性问法下被推荐、被引用的命中情况;三是AI渠道的独立经营数据,看它带来的是流量还是成交。
"生成式引擎优化"这个说法今年出现得越来越频繁,核心主张是把"排名"换成"被引用"——不再只争搜索结果的前几位,而是让品牌成为模型组织答案时愿意调用、能够复述的信息源。这个提法是否成立还需要时间检验,但它指出的问题是真的:排名靠前不等于被引用,被引用也未必依赖排名。
标尺换了,责任边界也会跟着紧起来。AI判断错了、执行错了,平台和商家之间需要可追溯的划分;商家授权之后数据怎么存、存多久、能否二次使用,需要说清楚;用好AI有门槛,中小商家不能被落在降本空间的门外。这三组边界,是接下来一年需要关注的治理议题。


TalkingData洞察
当推荐由模型生成,品牌资产的构成会发生变化:不再只是认知度与好感度,还包括"是否可被机器理解、可被准确复述"。对数据服务行业而言,这意味着工作面从流量采买前移到事实供给——把分散在各处的商品与经营信息,整理成一致、可核验、可引用的形态。

结语
这届双11,AI没有改变零售的本质。人还是要比价,还是要犹豫,还是会在最后一刻换掉购物车里的东西。它改变的是"被看见"的路径:从争一个货架位,变成争一句被说出的话。
三层信号已经比较清楚。需求端,消费者愿意把决策的第一问交给模型,接受度比行业预期更快;供给端,平台把AI做成了商家经营的基础设施,并开始为AI渠道单独建账;竞争的关键,则从预算规模转向信息质量。
对数据服务行业来说,这是一块新的、可被验证的工作面。TalkingData也在观察这一层变化:当决策入口迁移,AI数据要回答的问题,也正在从"用户是谁"扩展到"品牌被如何理解"。
免责声明:
本文事实信息来自团结报、腾讯新闻、南方日报、中国日报网、财联社等实测报道及上海市消保委2026年6月问卷调查的公开披露内容。文中观点为基于公开信息的独立判断,不构成对任何平台、企业或产品的评价,不代表任何官方立场。

END

关注TalkingData,获取更多数据洞察与行业分析。




高质量数据集是未来AI 发展的支撑。

为人工智能提供所需的一切数据
Delivering Comprehensive AI Data for All Industries.
#Data AI# #万亿数据要素市场#
推荐阅读:


TalkingData
用数据优化决策、加速转型
欢迎关注分享




