過去20年，支付、物流、價(jià)格等問題被逐一解決了，但"幫每一個用戶個性化地做決策"這件事，始終沒有一個可規(guī)?；慕鉀Q方案 - 這也成為了電商業(yè)務(wù)增量的卡點(diǎn)之一。
一方面是信息過載，主要影響的是城市和年輕用戶。埃森哲 2025中國消費(fèi)者洞察報(bào)告的數(shù)據(jù)顯示：76%的中國消費(fèi)者曾因選項(xiàng)過多或決策困難而放棄購買。品牌忠誠度在持續(xù)下滑，55%的消費(fèi)者即使有偏好品牌，也要反復(fù)比較多個替代選項(xiàng)才下單，而這個比例在2021年只有42%。
而傳統(tǒng)"幫助用戶決策"的方式正在集體失效。70%的消費(fèi)者對營銷內(nèi)容感到無感或抵觸，僅32%認(rèn)為內(nèi)容驅(qū)動了自己的購買行為。
另一方面是能力門檻，主要影響的是下沉市場和中老年用戶。根據(jù)CNNIC數(shù)據(jù)，近年新增網(wǎng)民以農(nóng)村地區(qū)和50歲以上人群為主體—他們是互聯(lián)網(wǎng)滲透率增長的主力軍。這批人已經(jīng)能上網(wǎng)、能支付，但面對電商平臺的搜索、篩選、比價(jià)、評價(jià)體系，存在明顯的操作障礙。
很難想象的是，今天仍然有2億以上中國人不會操作復(fù)制粘貼，有超過4億人不會上網(wǎng)發(fā)表觀點(diǎn)。
CNNIC定義的7項(xiàng)核心數(shù)字技能中，"搜索信息并辨別真?zhèn)?僅有27.2%的網(wǎng)民能熟練掌握，“支付操作（綁卡/支付）”僅有39.6% 能熟練操作。
而AI，天生就是幫助用戶來解決這些問題的。
AI不需要用戶精確表達(dá)需求。"周末露營帶什么吃的"這樣模糊的、場景化的描述就能被理解和轉(zhuǎn)化為具體的商品推薦。它不需要用戶耗費(fèi)精力搜索、比價(jià)、篩選，兩三輪對話就能走完從需求理解到下單的全流程?；谟脩魝€性化的信息和意圖理解，AI甚至能推薦用戶"自己都沒想到"的解決方案，幫助用戶發(fā)現(xiàn)新品牌和新產(chǎn)品。
淘寶推薦算法負(fù)責(zé)人姜宇寧有一個核心觀點(diǎn)："如果你只推低價(jià)商品，是不需要用大語言模型的。" LLM 的真正價(jià)值在于理解復(fù)雜、模糊、場景化的需求，然后匹配長尾商品。[1]
淘寶內(nèi)部的大模型RecGPT數(shù)據(jù)顯示：LLM對"探索圈"（用戶發(fā)現(xiàn)新品類）的效率提升超過50%，而對"效率圈"（已知偏好匹配）的提升僅為個位數(shù)—這是因?yàn)閭鹘y(tǒng)推薦系統(tǒng)在效率圈的baseline已經(jīng)非常高。LLM 的核心戰(zhàn)場是幫助消費(fèi)者打破信息繭房、激活長尾供給。
毋容置疑，用戶的行為已經(jīng)在發(fā)生結(jié)構(gòu)性遷移—第57次《中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告》顯示，2025 年中國AI使用人群已超過6億，同比增長140%+。[2]
增長黑盒在 2025 年末的調(diào)研也發(fā)現(xiàn) AI 輔助消費(fèi)決策的滲透率超過了 40%。也就是說，每年至少有 2.4 億人在用 AI 購物，且這個數(shù)字會隨著 AI 普及快速增長，全民普及只是時(shí)間問題。
隨著全新的用戶旅程形成，電商的新增長有可能被進(jìn)一步打開，新的商機(jī)也隨之而來。不過，究竟怎樣的形態(tài)能夠更絲滑的滿足用戶需求，是當(dāng)下平臺入口與商家要共同探索的課題，千問的表現(xiàn)也更有必要去關(guān)注一下。
千問C端事業(yè)群負(fù)責(zé)人吳嘉表示："我們真正想的是，要讓AI融進(jìn)老百姓的日常生活場景中，AI點(diǎn)一杯奶茶也好、買一張電影票也好，可能看似簡單，但這是AI第一次真正參與到消費(fèi)者的真實(shí)消費(fèi)決策和執(zhí)行鏈條中來，這不是卷流量，是未來一定會發(fā)生的事。"
他把春節(jié)大免單稱為一次"AI壓力測試"—測試的不是補(bǔ)貼能拉多少用戶，而是AI能不能真的替人做消費(fèi)決策。[3]
在千問APP里，用戶不再需要輸入"華為手機(jī)"這樣精確的關(guān)鍵詞。他們會說："我們家是復(fù)式樓，有兩層，我需要一個既能掃一樓也能掃二樓的機(jī)器人。"或者："過年回家，想給家里35到50歲的阿姨們買面霜，請推薦。"
這種搜索方式和傳統(tǒng)電商有本質(zhì)區(qū)別：
淘寶搜索的平均輸入是7到8個字，基本是品牌名+品類——用戶必須先知道自己要什么，才能搜到什么；
千問的平均query長度是20到30個字，對于場景的上下文理解大于單一的品類或品牌。AI需要從場景中理解需求，再把需求翻譯成具體的商品推薦。
更重要的是，AI做了一件傳統(tǒng)搜索做不到的事：橫向比價(jià)和真實(shí)評價(jià)篩選。用戶可以讓千問同時(shí)比較三款手機(jī)的性價(jià)比、配置、AI功能，AI會讀取大量產(chǎn)品信息后生成對比表格。而在傳統(tǒng)電商里，你打開商品評論，前100條可能都是刷出來的—AI能看到全部評價(jià)，把真實(shí)的highlight挑出來給你。
這套交互方式帶來了一個直觀的結(jié)果：千問總體用戶平均每次對話持續(xù)7輪，停留時(shí)長18分鐘，表現(xiàn)優(yōu)于競品。
增長黑盒的調(diào)研顯示，1月26日千問全面開放消費(fèi)功能之前，消費(fèi)決策相關(guān)提問占比不到20%，排在知識問答和AI創(chuàng)作之后。開放當(dāng)天，消費(fèi)類占比直接跳升到30%以上，并在隨后兩周穩(wěn)定在35%到40%之間，成為千問的第一大使用場景。
從消費(fèi)類提問的結(jié)構(gòu)來看：閃購（本地生活）占65%，淘寶（電商）占15%到25%，飛豬（出行）約占20%。閃購排名第一的品類是奶茶，其次是咖啡、早餐、中晚餐，高頻用戶一天能產(chǎn)生三單。淘寶側(cè)的前四大品類是女裝、3C數(shù)碼、母嬰和美妝。
千問APP端日均會產(chǎn)生6000萬次購物相關(guān)提問，其中62%會觸發(fā)商品推薦鏈接—也就是每天大約3700萬次消費(fèi)對話會產(chǎn)生可購買的結(jié)果。
補(bǔ)貼前千問的消費(fèi)轉(zhuǎn)化率只有3%到4%，補(bǔ)貼后則直接翻倍超過了 8%。而淘寶傳統(tǒng)搜索的轉(zhuǎn)化率不到3%，即便扣除補(bǔ)貼因素，千問的對話式搜索在轉(zhuǎn)化效率上也已經(jīng)超過了傳統(tǒng)貨架式搜索。
閃購的閉環(huán)能力尤其突出——82%的閃購用戶在千問內(nèi)部完成了從對話到下單的全流程，只有18%跳轉(zhuǎn)到外部APP（主要是查看騎手狀態(tài)或?yàn)g覽更多選項(xiàng)）。淘寶側(cè)由于暫時(shí)還只能展示商品卡片、不能直接下單，45%的用戶在千問完成"種草"后跳轉(zhuǎn)到淘寶APP進(jìn)一步研究和加購。
毀單率小于 10%—用戶下單后發(fā)現(xiàn)AI推薦的不完全是自己想要的，比如點(diǎn)了大杯送來中杯。這個數(shù)字在內(nèi)部被認(rèn)為是可接受的，因?yàn)閷υ捠劫徫锏慕缑嬲宫F(xiàn)還在打磨中，隨著體驗(yàn)優(yōu)化，這個比例會持續(xù)下降。
但真正值得關(guān)注的是阿里系本身的增量。
千問的核心用戶畫像是15到35歲，占比67%；一線城市占52%；閃購場景中學(xué)生和職場人合計(jì)占78%。這個畫像指向一個關(guān)鍵事實(shí)：千問每月新增的近千萬用戶，約2/3是增量——他們此前在淘寶處于低頻甚至僵尸狀態(tài)，是AI購物的新交互方式把他們重新激活的。
這不是從淘寶分流，而是阿里生態(tài)的真實(shí)擴(kuò)容。千問內(nèi)部對此有清晰的定位區(qū)分：
淘寶APP內(nèi)置的"AI萬能搜"定位為存量用戶的copilot，服務(wù)的是25到45歲、有購買意圖但需求模糊的女性用戶——她們已經(jīng)在逛淘寶，只是需要AI幫忙縮短決策鏈路。
千問APP定位為"AI原住民的戰(zhàn)略入口"，核心用戶是00后和10后，這些人從接觸互聯(lián)網(wǎng)起就習(xí)慣了用AI找信息、找服務(wù)，千問要做的是讓他們的第一次電商體驗(yàn)就發(fā)生在對話框里。從官方公布的數(shù)據(jù)來看，春節(jié)活動期間在千問下單的人有 40% 是 00 后，而通過千問預(yù)定景區(qū)門票的 00 后比例更是高達(dá) 50%。[4]
同樣值得注意的是另一端的用戶：春節(jié)期間有超過400萬60歲以上的用戶通過千問完成了購買。千問官方也給出了一份有趣的數(shù)據(jù)：中老年人最愛的雞蛋和抽紙，成為了搶手貨。
圖片來源：千問 app 公眾號
不難發(fā)現(xiàn)，千問花了30億，實(shí)際上是在培養(yǎng)一種全新的消費(fèi)習(xí)慣，讓數(shù)千萬用戶第一次體驗(yàn)到"對AI說一句話就能完成購買"是什么感覺。
一旦這個習(xí)慣形成，用戶就不會回到傳統(tǒng)的搜索-瀏覽-比較-下單的鏈路，就像你習(xí)慣了無人駕駛在高速公路上接管方向盤，你就不會每次都手動駕駛。
這也是為什么阿里把這定義為"全年飽和式投入"，30億只是第一波，后續(xù)補(bǔ)貼會從奶茶拓展到盒馬生鮮、天貓超市、飛豬出行；淘寶側(cè)的交易閉環(huán)計(jì)劃在二季度打通，屆時(shí)用戶可以在千問內(nèi)直接完成電商下單，不再需要跳轉(zhuǎn)。
這個目標(biāo)叫做Agentic Commerce——AI不只是幫你搜信息，而是作為你的代理人，替你完成從需求理解到比價(jià)到下單到售后的全流程。支撐這個愿景的基礎(chǔ)設(shè)施也在同步搭建：螞蟻推出的ACT協(xié)議（Agent Commerce Trust）解決了agent之間的支付結(jié)算問題，讓AI代理可以通過支付寶完成收付款——目前已有數(shù)十家服務(wù)商接入測試。
Agentic Commerce已經(jīng)成為行業(yè)的共識目標(biāo)。
全球來看，2026年1月Google在全美零售聯(lián)合會年度大會上發(fā)布了Universal Commerce Protocol（UCP）——一個面向agentic commerce的開放標(biāo)準(zhǔn)，覆蓋從商品發(fā)現(xiàn)、購買到售后的全流程。UCP由Shopify、Etsy、Wayfair、Target、Walmart等行業(yè)巨頭聯(lián)合開發(fā)，獲得超過20家企業(yè)背書，包括Visa、Mastercard、American Express、Stripe、Best Buy和Macy's。Google同時(shí)宣布在AI Mode搜索和Gemini APP中接入agentic checkout功能，用戶可以在AI對話中直接完成購買。
幾乎同一時(shí)期，OpenAI推出了ChatGPT的Instant Checkout功能，基于與Stripe聯(lián)合開發(fā)的Agentic Commerce Protocol（ACP）。ChatGPT的商品推薦邏輯值得特別關(guān)注——官方明確聲明： 商品排名完全基于相關(guān)性，開通結(jié)算功能的商家不會獲得排名加權(quán)。發(fā)現(xiàn)是免費(fèi)的，只有在實(shí)際成交時(shí)才收費(fèi)。
這和千問的CPS邏輯幾乎一模一樣，不賣廣告位，賣成交結(jié)果。
從國內(nèi)其它平臺的動作來看，豆包的嘗試更加積極。抖音商城的商品卡已經(jīng)在豆包全面上線，并且在測試與商家的商業(yè)化合作。用戶可以流暢的體驗(yàn)從豆包跳轉(zhuǎn)抖音 app下單的過程，但豆包內(nèi)授權(quán)下單的協(xié)議仍未開放。
不久之前，素有“美國春晚”之稱的超級碗期間，AI行業(yè)上演了一出頗具諷刺意味的好戲。
ChatGPT最大競爭對手Claude花重金投放了四支廣告。畫面里，一個用戶向AI傾訴自己的煩惱，AI先是噓寒問暖，表現(xiàn)得像個貼心好友，然后話鋒一轉(zhuǎn)，開始推銷增高鞋墊和約會網(wǎng)站。
"Ads are coming to AI. But not to Claude."廣告沒有點(diǎn)名ChatGPT，但明眼人都看得出來指的是誰 - Sam Altman剛剛宣布要開放AI廣告，立刻就被貼臉嘲諷。
這場霸占美國熱搜頭條的事件背后，是一個更加深刻的問題：當(dāng)AI開始替用戶做決策，廣告應(yīng)該以什么形式存在？或者更尖銳地問—廣告還應(yīng)該存在嗎？
知名風(fēng)投機(jī)構(gòu) a16z 就在最新的分析中指出：AI 引入廣告不是墮落，而是必然。
ChatGPT 有 8 億周活躍用戶，但只有 5-10% 愿意付費(fèi)訂閱。剩下的絕大多數(shù)人用 AI 問的是"天空為什么是藍(lán)色的"或"幫我寫封郵件"這類日常問題，這些場景產(chǎn)生的價(jià)值遠(yuǎn)不足以支撐每月 20 美元的訂閱費(fèi)。
如果你想讓十億人免費(fèi)用上 AI，廣告是互聯(lián)網(wǎng)歷史上唯一被反復(fù)驗(yàn)證過的答案—Google、Facebook、Instagram、TikTok，無一例外。a16z 甚至認(rèn)為，那些原則性反對廣告的人持有的是一種"優(yōu)越感"：你之所以能反對廣告，恰恰因?yàn)槟愀兜闷鹩嗛嗁M(fèi)。
摩根士丹利的首席互聯(lián)網(wǎng)分析師給出了一個更結(jié)構(gòu)化的判斷：agentic commerce 的商業(yè)化路徑與傳統(tǒng)電商廣告有著本質(zhì)區(qū)別。[5]
電商平臺目前利潤最豐厚的部分是retail media，也就是"賣廣告位"。傳統(tǒng)電商的變現(xiàn)邏輯是CPM和CPC：平臺賣的是"用戶可能看到你"。 廣告主為曝光和點(diǎn)擊付費(fèi)，用戶買不買是廣告主自己的事。這個模式核心支撐是用戶會"逛"，會瀏覽，會在一頁搜索結(jié)果中被某個位置的商品吸引。競價(jià)排名的本質(zhì)，是在搶用戶的注意力。
而AI agent恰好插在了消費(fèi)者和平臺之間，天然繞過了傳統(tǒng)的"展示廣告→用戶點(diǎn)擊"路徑。當(dāng)AI給出的是"一個最佳答案"而不是"一頁搜索結(jié)果"時(shí)，沒有廣告位可以插入。
用戶不再瀏覽，不再比較—他們只看AI的推薦。這個時(shí)候，如果平臺還想通過誰出價(jià)高就推薦誰來賺錢，用戶會在幾次糟糕的推薦后徹底失去信任。AI購物的核心資產(chǎn)是信任，而競價(jià)排名是摧毀信任最快的方式。
因此，千問內(nèi)部對商業(yè)化的設(shè)計(jì)思路，從一開始就不是簡單的賣競價(jià)廣告。
我們拿到的信息顯示，千問更傾向的變現(xiàn)模型是CPS—按實(shí)際成交付費(fèi)。這意味著轉(zhuǎn)化風(fēng)險(xiǎn)從廣告主轉(zhuǎn)移到了平臺。AI必須推薦真正好的商品，否則平臺自己賺不到錢。
這更像是走了達(dá)人帶貨的方式，收取坑位費(fèi)+傭金。區(qū)別在于人類達(dá)人會因?yàn)榭游毁M(fèi)推薦不適合你的產(chǎn)品，AI沒有這個動機(jī)。千問的排序邏輯目前基于三個維度：最值得買（需求匹配度）、最可靠買（商家歷史投訴率、退貨率等硬指標(biāo)）、最優(yōu)惠買（性價(jià)比）。你付了很多錢但產(chǎn)品很差，AI也不會推薦你。
在CPS模式下，平臺的利益和用戶的利益真正對齊了。 平臺只有在用戶做了正確的購買決策時(shí)才能賺錢，而不是在用戶被誤導(dǎo)點(diǎn)擊時(shí)就收錢。
當(dāng)商業(yè)化最終開啟時(shí)，廣告的呈現(xiàn)形式也會和傳統(tǒng)模式截然不同。千問規(guī)劃的不是banner廣告或搜索結(jié)果置頂，而是"為你而生成"的個性化推薦—AI根據(jù)你的歷史偏好、當(dāng)前季節(jié)、甚至你身邊人的生日，在對話過程中自然地植入匹配的商品。不是千篇一律的廣告，是AI算出來你此時(shí)此刻大概率要買這個東西，才會把它植入出來。
不過，商業(yè)化不是眼下的重點(diǎn)。千問目前的策略非?？酥疲麄€一季度和二季度都在打磨產(chǎn)品，商業(yè)化至少要到三季度才會開始小范圍灰度測試。
當(dāng)AI代理成為購買中介時(shí)，平臺將從"少量交易、高抽成"轉(zhuǎn)向"大量交易、低抽成"。傳統(tǒng)搜索廣告一次點(diǎn)擊可能收幾塊錢但大部分不轉(zhuǎn)化，AI代理每筆成交收取傭金但轉(zhuǎn)化率遠(yuǎn)高于傳統(tǒng)路徑。
Adobe analytic 最新的全球數(shù)據(jù)已經(jīng)驗(yàn)證了部分事實(shí)：由 AI 導(dǎo)流至電商網(wǎng)站的下單轉(zhuǎn)化率，已經(jīng)在購物季反超了非 AI 引流渠道。
過去二十年，品牌在電商上的核心能力是"投流"——買關(guān)鍵詞、搶廣告位、做搜索優(yōu)化。在AI購物時(shí)代，這些技能的價(jià)值將大幅縮水。取而代之的是：你對于用戶需求和痛點(diǎn)是否深刻，產(chǎn)品本身夠不夠好、用戶評價(jià)是不是真實(shí)、退貨率和投訴率夠不夠低。
對品牌來說，這意味著游戲規(guī)則正在改寫。
從E-Commerce到Agentic Commerce的轉(zhuǎn)向，已經(jīng)從概念進(jìn)入了協(xié)議制定和產(chǎn)品落地的階段。窗口期正在打開——對品牌來說，關(guān)鍵問題不再是"這件事會不會發(fā)生"，而是"我現(xiàn)在應(yīng)該做什么準(zhǔn)備"。
根據(jù)我們拿到的信息來看：千問的商業(yè)化工具尚未開放，品牌后臺預(yù)計(jì)最早二季度末才可能上線，GEO（Generative Engine Optimization）的玩法還在實(shí)驗(yàn)階段。從操作層面看，確實(shí)沒有一個明確的"投放入口"可以立刻行動。
我們認(rèn)為當(dāng)前的窗口期恰恰是建立結(jié)構(gòu)性優(yōu)勢的最佳時(shí)機(jī)，因?yàn)榇蠖鄶?shù)競爭對手還在觀望。
比如Google今年提出了一個值得注意的概念：隱形貨架（Invisible Shelf）。[6]
傳統(tǒng)零售的競爭發(fā)生在物理貨架上—誰的產(chǎn)品擺在超市貨架的黃金位置，誰就贏得了注意力。
電商時(shí)代，貨架變成了搜索結(jié)果頁—排名靠前就意味著更多點(diǎn)擊。
而在 agentic commerce 中，出現(xiàn)了第三層貨架：它沒有固定位置，或許也沒有可以購買的廣告位，消費(fèi)者甚至看不見它的存在。
當(dāng)用戶對 AI 說"幫我找一款適合敏感肌的面霜"時(shí)，AI 在后臺檢索、篩選、比較的那個過程，就是這個隱形貨架。你的產(chǎn)品能不能被"擺上去"，取決于一件事：AI 能不能讀懂你的產(chǎn)品數(shù)據(jù)。傳統(tǒng)包裝是給人看的，產(chǎn)品數(shù)據(jù)是給 AI 看的—在隱形貨架上，數(shù)據(jù)就是你的新包裝。
第一層：讓AI能"讀懂"你的商品。
第三章提到的排序三維度：需求匹配度、商家硬指標(biāo)、性價(jià)比幾乎全部依賴淘系內(nèi)部數(shù)據(jù)。這意味著品牌需要重新審視自己在平臺內(nèi)的數(shù)據(jù)資產(chǎn)。傳統(tǒng)電商的商品詳情頁是給人看的—精美圖片、營銷文案、情緒化表達(dá)。但AI的決策依據(jù)是結(jié)構(gòu)化信息：參數(shù)、規(guī)格、適用場景、用戶評價(jià)的真實(shí)分布。淘寶萬能搜已經(jīng)在和部分商家做SPU信息擴(kuò)寫實(shí)驗(yàn)，用AI補(bǔ)充場景化的商品描述，測試能否提升AI搜索的展現(xiàn)效率。這個方向的信號很明確。
第二層：重新思考你的貨品結(jié)構(gòu)。
傳統(tǒng)電商的流量分配邏輯是：頭部爆款吃掉大部分曝光，長尾商品因買不起廣告位而沉底。Agentic Commerce的分配邏輯完全不同—AI不看廣告位，看的是需求與商品的匹配度。
淘寶算法負(fù)責(zé)人姜宇寧提到一個有趣的數(shù)據(jù)—淘寶內(nèi)大模型RecGPT上線后增長最快的品類是玩具。"有更高情緒價(jià)值的新、奇、特商品，一定會得到更好的流量回報(bào)。"
過去無法獲得分發(fā)的垂直長尾品，在AI渠道中可能獲得從未有過的曝光機(jī)會。品牌應(yīng)該提前梳理自己的"AI渠道友好"貨盤。那些真正解決細(xì)分需求、但在傳統(tǒng)搜索邏輯下難以被發(fā)現(xiàn)的產(chǎn)品。
第三層：對AI的決策行為建立體感。
這是最容易被忽視、卻可能最重要的一步。
現(xiàn)在就可以開始做的事情：用千問等AI工具，以消費(fèi)者身份測試不同品類的購物推薦。觀察它在什么場景下推薦什么品牌、決策依據(jù)的權(quán)重排序是什么、同一個問題換不同問法結(jié)果有多大差異。這些體感的積累，不需要平臺開放任何工具就能開始。
當(dāng)窗口期真正打開時(shí)，有體感的團(tuán)隊(duì)和完全陌生的團(tuán)隊(duì)，反應(yīng)速度會有數(shù)量級差異。
歸根結(jié)底，Agentic Commerce時(shí)代的品牌競爭力，正在從"誰能買到更好的廣告位"轉(zhuǎn)向"誰的產(chǎn)品和服務(wù)本身更好"。
AI 時(shí)代來臨，新增量的方向已經(jīng)足夠清晰。但我們也必須客觀地指出：千問想要進(jìn)化成終極形態(tài)，還有不少挑戰(zhàn)。
首先是信任的悖論?？的螤柎髮W(xué)教授 David Rand 針對 ChatGPT 引入廣告提出了一個尖銳的警告：一旦用戶意識到 AI 的推薦可能受到商業(yè)利益的影響，他們會本能地在對話中隱藏自己的真實(shí)需求。
而 AI 購物的推薦質(zhì)量恰恰依賴于用戶愿意坦誠地暴露需求——"我預(yù)算有限""我皮膚敏感"。如果用戶開始對 AI 設(shè)防，AI 獲得的信息就變少，推薦就變差，用戶就更不信任，這是一個惡性循環(huán)。[7]
千問現(xiàn)在計(jì)劃不引入競價(jià)排名，但當(dāng)商業(yè)化灰度測試開始時(shí)，這個承諾能否經(jīng)受住利潤壓力的考驗(yàn)，是一個真正的未知數(shù)。
其次是補(bǔ)貼退坡后的留存問題。春節(jié)期間千問日活峰值沖到7352萬，但補(bǔ)貼驅(qū)動下習(xí)慣養(yǎng)成的效率有多高？
有分析指出，千問的"辦事AI"定位仍需打磨，通用 Agent 在跨場景復(fù)雜任務(wù)上的執(zhí)行效率還比不過垂直模型，阿里生態(tài)內(nèi)部的業(yè)務(wù)協(xié)同也存在銜接不夠絲滑的問題。當(dāng)30億花完、免單活動結(jié)束后，那些被奶茶和紅包吸引來的用戶，有多少會真正留下來用 AI 做日常消費(fèi)決策？這個答案還需要觀察。[8]
第三是商家的 ROI 仍然是一個未經(jīng)驗(yàn)證的承諾。Agentic commerce 對品牌講的故事很美好，但從目前全球 AI 商業(yè)化的實(shí)際表現(xiàn)來看，這個愿景還遠(yuǎn)沒有兌現(xiàn)。
ChatGPT 的廣告定價(jià)是 CPM $60，是 Meta 平均水平的三倍，最低投放門檻 20 萬美元。但廣告主拿到的是什么？沒有成熟的歸因工具，早期投放被明確定位為"品牌曝光測試"而非效果營銷。按 0.5% 的點(diǎn)擊率計(jì)算，單次點(diǎn)擊成本高達(dá) 12 美元—對于需要精確衡量 ROI 的商家來說，這個數(shù)字很難論證投入合理性。[9]
更值得關(guān)注的是 Perplexity 的案例。這家曾被視為"AI 搜索顛覆者"的公司，在 2024 年底推出廣告產(chǎn)品后，于 2026 年 2 月宣布徹底放棄廣告模式。廣告主反饋的核心問題是：規(guī)模有限、ROI 指標(biāo)不清晰、缺乏行業(yè)標(biāo)準(zhǔn)的效果衡量工具。[10]
回到千問，雖然 CPS 模式在理論上比 CPM/CPC 對商家更友好，但實(shí)際商業(yè)化尚未啟動，所有數(shù)據(jù)都來自補(bǔ)貼期。未來補(bǔ)貼的費(fèi)用，會不會商家來出呢？從"AI 能幫你買東西"到"商家能在這里賺到錢"之間，還有一段路要走。
最后，也是最根本的一點(diǎn)：agentic commerce 是一個行業(yè)趨勢，不是任何一家公司的專屬故事。
Google 的 UCP、OpenAI 的 ACP、螞蟻的 ACT——協(xié)議層面的競爭已經(jīng)鋪開。國內(nèi)的豆包、元寶甚至小紅書的 AI 助手“點(diǎn)點(diǎn)”都在探索消費(fèi)場景的接入。
千問的先發(fā)優(yōu)勢在于阿里自有的電商生態(tài)和支付閉環(huán)，但這個優(yōu)勢是否足夠深，取決于它能否在補(bǔ)貼退坡后真正跑通"AI 替用戶做決策"的完整閉環(huán)。如果其他 AI 應(yīng)用找到了接入第三方電商的有效路徑，千問的護(hù)城河就未必如想象中那么寬。
通過常識思考一下，視頻號+小程序+微信支付也能提供完整閉環(huán)的體驗(yàn)，騰訊難道不能做的更好嗎？
這場從 E-Commerce 到 Agentic Commerce 的轉(zhuǎn)型已經(jīng)啟動。但它走多遠(yuǎn)、多快，取決于技術(shù)、信任和商業(yè)模式的三方博弈。
而對品牌來說，真正需要回答的問題不是”我要在哪個 AI 平臺投廣告“，而是：當(dāng)越來越多的消費(fèi)者開始對著 AI 說出自己的需求，而不是在搜索框里輸入關(guān)鍵詞—你的產(chǎn)品、你的數(shù)據(jù)、你的服務(wù)，準(zhǔn)備好被 AI 讀懂了嗎？
參考資料：
[1]《對話淘寶姜宇寧：如果你只推低價(jià)商品，是不需要用大語言模型的》，新浪財(cái)經(jīng)
[2] 《第57次〈中國互聯(lián)網(wǎng)絡(luò)發(fā)展?fàn)顩r統(tǒng)計(jì)報(bào)告〉發(fā)布 我國生成式人工智能用戶規(guī)模達(dá)6.02億人》，光明日報(bào)
[3]《千問總裁吳嘉：AI的應(yīng)用，中國一定會走在世界最前列》，觀察者網(wǎng)
[4]《當(dāng)00后接管千問“一句話下單”——》，微信公眾號
[5] A Novel Way to Shop Online, YouTube
[6] The invisible shelf: How CPGs can win agentic commerce in 2026, Google Cloud Blog
[7] Why ads are coming to your AI chatbot, Financial Times
[8] AI入口爭奪戰(zhàn)：APP之后？千問這個動作值得關(guān)注，36Kr
[9] ChatGPT ads come with premium prices — and limited data, Search Engine Land
[10] Perplexity abandons advertising strategy- FT, Investing.com
快報(bào)
根據(jù)《網(wǎng)絡(luò)安全法》實(shí)名制要求，請綁定手機(jī)號后發(fā)表評論