一个美国女生刷到一条登山鞋的视频点进商品页，她没有继续往下滑而是在对话框里打了一行字，问自己平时穿 7 码应该选什么尺码，AI 回得很短说建议改选 7.5 因为这款是按 7.5 码生产的，然后她下了单，整个过程里没有客服没有运营。这句话不是 AI 推断出来的结论，而是你填在尺码表里的那一行字被它原封不动地念了一遍。
这个叫 Shopping Assistant 的功能在 10 月 5 日由 TikTok 在纽约广告周发布，它改变的并不是卖货的方式而是买家提问的对象，以前买家问的是客服现在问的是一台只会照着商家资料说话的机器。
买家问的那句话，答案在你后台
TikTok 官方宣传片：买家提问后 Shopping Assistant 给出的回答与商品结果（动图）
你如果在同样的场景里用 ChatGPT，它什么都答得上来，语气还挺像那么回事，只是那个答案可能是拿别人的参数凑的，也可能引的是几年前某个旧页面里的说法，落到这双鞋上就成了牛头不对马嘴。
Shopping Assistant 怎么答，按官方给广告主的说法，它只从商家提供的信息里取，不搜全网，也看不到别人家的评价，你喂给它什么它就答什么，你喂进去的那些内容就是它会的内容，多一句也编不出来。
所以它不聪明但很老实，读不到的东西它就不说，这种可靠也仅限于此——它填不了你留下的坑只会把坑原样念一遍。
官方给广告主的那篇公告里有一句话写得很直白，Shopping Assistant 把「准确、及时的商品数据」这件责任推给了商家，因为助手就是照着这份数据去回答买家的。同一篇里还有一句说的是另一件事，TikTok 会把达人佣金、推荐费和优惠券算进 GMV Max 的投放回报里，只看毛销售额会高估表现。这两件事看着不挨边，落点却是同一个：一个系统在买家面前念你的资料，另一个系统在后台按你的资料估你的转化。
TikTok 官方 Newsroom 新闻稿原文
你写清尺码偏窄材质偏硬发货五天，AI 就答得准，那份资料流到投放系统里也估得准；你写得含糊，AI 只会说它不清楚，而同样的含糊落到另一个要读它的系统里，出来的就是一个更保守的转化预期。它不看你的计划，只看今天后台里那份资料长什么样。
一件商品信息没写清，会亏三次
同一个字段，写清和没写清的分叉（示意图）
就像你雇了个店员业务很强但只背你写给他的那本手册，没写的答不清楚写错的照错说，一天三百遍不累不烦也不道歉，你后台那份商品资料就是那本手册。
有人会说 Shopping Assistant 还没开放跟自己没关系，其实关系很大，因为退货率和差评今天就已经记在账上了。
TikTok Shop 退货的头号原因是商品与描述不符第二是尺码选错，这两项加起来在服饰鞋类里常占退货的一半以上，据多家服务商统计服饰类目的退货率能到 18% 到 25% 比货架电商高一倍，根子几乎都不是质量而是商品页上那句含糊的描述。
那句含糊的描述到底长什么样，服饰类目里最典型的就是面料那一栏写「柔软」。柔软是个评价，买家真正想知道的却是成分比例，这两件事在后台落在两个不同的字段上，一个是描述文案怎么填都不算错，一个是 Fabric composition 空着就是空着。买家的预期按前一个建立，收到的货按后一个生产，落差要等签收那一刻才露出来，退货理由他会选商品与描述不符。尺码和发货时效是一个道理，均码、快速发货这种词本身不带信息，真正有用的是能填进 Size range 和 Handling time 的具体数值，比如 S 到 XL 四个码、下单后五个工作日内发出。
这些坑以前人工顶着。买家下单前问一句，客服回一句这款偏小建议拍大一码，到货的落差风险就提前在对话框里得到了消解。说白了，客服做的就是替商品页补上没写清的那半句话，他补得全退货率就低，补得少或者当天没人值班，就可能变成一条差评加一个退款。可这件事从头到尾靠人扛，人越多越贵，规模一大就开始漏。
轮到 Shopping Assistant，它不会来问你，只念你已经写进去的东西。每个进店的买家拿到的都是同一版答案，谁也没有机会挨个纠正，以前客服一个人能补上三五个人的疑问，现在你详情页上的漏洞会同时摊到几千个访客面前。
退货的成本也不只是一单的货款。订单一退，你付出去的达人佣金按平台规则会被追回，平台手续费同样退回，但货发出去再回来的物流费、包装耗材和二次上架的人工全部由你承担。服饰类目里这笔来回成本常常等于两三单的毛利，所以一单退货在账上的意义不是少赚，是把前面几单的利润一起抵掉。
美区新版店铺体验分也就是 SPS 在 10 月中开始切换，商品满意度从整店差评率改成先给每个商品单独打分再按订单占比汇总，以前三四个 SKU 差评率高一点分母大还能拉回来，现在一个爆款就能单独把你卡在 3.5 分以下，连带曝光少 20% 秒杀报不上联盟达人也不愿接。
转化率那条线损失成交退货那条线倒赔佣金而评分那条线压缩流量，三条线的起点其实是同一句话也就是商品页里没写清的那个参数。
隔壁没投更多广告，只是它的商品页能读懂
TikTok 的事归 TikTok 别的平台未必也是这样，但如果把范围放大到整个美国零售这已经不是假设了。
Adobe 今年 4 月给美国零售网站做了一次机器可读性打分，看的是一个页面有多少内容能被大模型读懂，满分 100，退换货客服 FAQ 和首页这些页面都在 73 到 82 之间，而商品详情页只有 66 分是全站最低的。
Adobe 官方博客原文：美国零售网站各类页面平均机器可读性得分（截图）
最决定成交的那一页恰恰是机器最读不懂的一页，三分之一的内容取不到，原因很简单，尺码材质和参数做进了图片里或者靠脚本动态加载，抓取程序下来就是一片空白。
Adobe 那份数据里还有一组对比，2026 年 3 月经 AI 推荐入口进来的访客转化率比非 AI 渠道高 42%，而同一批流量在一年前的数字是低 38%。也就是说这个入口在十二个月里从转化最差的一档变成最好的一档，Adobe 自己的解读是被推荐进来的访客在点击之前已经拿到了一部分答案，进店时的意图比搜索流量更明确。
Adobe 官方博客原文：AI 流量与非 AI 流量的转化率对比（截图）
欧洲那边有一份样本更小但更具体。一家波兰机构在 9 月抽查了本土美妆品牌的商品页，74% 的页面存在数据自相矛盾，典型的是结构化数据里写的价格和页面上显示的价格不一致，或者库存字段显示为零而旁边仍挂着可点击的加入购物车按钮。这类矛盾在人工浏览时会被视觉遮蔽掉，买家看到的是页面上那个价，机器读的是结构化数据里那个价。
人看一眼就知道哪句不算数，模型不会做这个判断，它遇到互相冲突的字段时倾向于降低这个页面的可信度，然后把这个商品从推荐里排到后面去。
同一个爆款被 AI 推荐给了隔壁那家，原因往往不在广告预算也不在货本身，而在它的商品页能被完整读出来。模型在读不通的时候没有客服可以追问，也不会停留等你补一句话，它直接换下一个候选。而走掉的那个访客在你的后台里只是一个没成交的 UV，你连他来过都不知道。
没有过渡期
这次三个功能里有两个要求商家先准备材料，一个要商品信息能被机器读，一个要提交一份经品牌审核的知识库，两个都不是开通就能用的开关。而公告里那条已经在跑的改动是佣金进投放口径，它读的也是同一份商品资料。
所以真正的分界线不在功能上不上线。平台一边把 AI 放在买家和商品之间，一边把成本口径往同一份资料上收，两件事作用在一个地方。以前的代价是转化率低一点、客服多回几句，以后的代价是那台机器在买家面前根本不介绍你，而投放系统还在按一份含糊的资料给你估一个偏低的转化。
这中间没有过渡期。功能开放要等通知，资料能不能读懂，今天就在算。
本文涉及的平台功能均为资格制测试，官方未公布开放时间与市场名单；SPS 新版按批次切换，以后台实际显示为准。Adobe 数据为美国零售整体基准，非 TikTok Shop 单平台数据。GMV Max 成本口径为逐步扩展，官方未公布完整市场名单与时间表。