01
-
千问 “一句话下单” 测试期：近 2 亿次下单，日活突破 7300 万
-
灰度测试转化率：提升 37%（阿里内部数据）
-
客单价：上涨 22%（阿里内部数据）
02
-
产品力即流量的商家：AI 推荐的核心是 “最适合”，不是 “出价最高”。如果你长期靠品质和复购活着，AI 时代可能是你利润率最高的时候。千问的推荐算法会优先匹配用户需求与产品核心卖点，而不是简单按价格排序。 -
真实口碑积累的商家：千问的推荐权重中，真实用户反馈是关键数据源。AI 能识别虚假刷单（通过 NLP 语义分析、用户行为轨迹等多维度验证），越真实的评价，推荐权重越高。反过来说，刷单的成本正在急剧上升 —— 数据越假，推荐越低，甚至可能触发平台处罚。 -
会生产 “AI 可读内容” 的商家：你需要的不再是关键词堆砌，而是让 AI 能理解的结构化信息。参数清晰、场景明确、能回答真实问题的详情页，才是新流量密码。千问的商品理解模型能解析完整的产品描述，包括材质、尺寸、适用场景、使用方法等，这些信息越完整，被推荐的概率越高。
-
纯靠直通车砸钱的商家：用户不再搜关键词，你的付费流量就失去了立足之地。AI 对话购物直接绕过搜索框，直通车的 ROI 正在结构性下滑，这不是短期波动，而是长期趋势。 -
靠信息不对称赚钱的商家：AI 的本质是 “比价 + 参数透明”。千问提供AI 试穿、AI 算优惠、AI 低价帮抢等功能，用户绕过信息差直接找到最优解，低质高价的玩法将被快速出清。 -
高度同质化的通货商家：没有差异化特征的商品，AI 会在 40 亿商品里秒级匹配出性价比最高的一个。剩下的只有价格战，而价格战在 AI 面前必输 —— 因为 AI 能实时计算全网最低价，用户不会为同质化商品支付溢价。
03
04
-
重审商品标题与详情页：从 “关键词堆砌” 改为 “自然语言表达”。示例：“2026新款韩版修身显瘦气质连衣裙女夏”→ “适合通勤和约会的 A 字连衣裙，收腰显瘦，夏季透气，搭配高跟鞋更显优雅”行动： 让团队写 20 个 “一句话描述产品” 的不同角度，对照 AI 推荐逻辑做筛选。重点突出用户痛点、场景价值、差异化卖点。 -
全面梳理真实用户评价：今后，评价不再是 DSR 工具，而是AI 训练数据源。
-
主动引导真实用户留下详细体验（不要只写 “很好用”，要引导写 “在 XX 场景下解决了 XX 问题”）
-
系统性排查评价中暴露的真实问题 —— 这些正是 AI 判断产品力的信号
-
对负面评价及时回应并改进，AI 会识别商家的服务态度和问题解决能力
-
研究 AI 友好的结构化数据标准：淘宝正在推进商品信息标准化。你的参数、场景、适用人群，是否以 AI 能识别的格式呈现？
这就像 2015 年做 “移动端友好” 一样，现在是 “AI 友好型商品信息” 的基础设施要求。行动： 参考淘宝开放平台的商品信息结构化规范，补充完整材质、尺寸、功能、适用场景、保养方法等字段，确保 AI 能准确理解产品。 -
测算 AI 流量在你 GMV 中的占比：立即在后台建立新维度：来自 AI 推荐渠道的订单量和转化率。618 是千问打通后第一场实战，密切监测数据变化，判断是增量还是存量迁移。 行动： 开通淘宝商家后台的 AI 流量分析功能，设置专属追踪标签，区分 AI 推荐订单与传统搜索订单。
05
-
从以搜索为核心 → 以 AI 理解为核心
-
从靠直通车分配流量 → 靠产品力和服务力说话
-
从关键词竞争 → 对话式需求匹配
