这届 618，被 AI 彻底改写，却没有人真的爱上 AI。

消费者把选择权交给 AI，却在每一次推荐中保持警惕；商家拼命学习 GEO 优化，却发现广告效果如薛定谔的猫；平台高调推出 AI 导购，却同样面临着商业化难题。

从 " 人找货 " 变成 " 货找人 "，再到 "AI 替人找货 "，电商运转的底层逻辑，正在悄然变化。

许许在上海一家广告公司做媒介执行。今年 618 她本来没什么购物欲，但闺蜜要过生日，她想送一份不贵但有心的礼物，预算 200 块。

按习惯，她得先在小红书搜一圈 " 生日礼物推荐 "，再去淘宝翻关键词、看评价、对比买家秀。一套流程下来，一个午休就没了。

这次不一样。淘宝内置了千问 AI 购物助手，她随手点进去，输入 " 闺蜜 24 岁，喜欢简约风，预算 200 元以内的生日礼物。"

几秒后，AI 给出了答案：香薰蜡烛礼盒、手账套装、小众设计的帆布托特包。每一条都标注了理由和到手价。

" 它好像真的读懂了简约风是什么意思，推荐的都不是那种花里胡哨的东西。"

但许许很快发现，AI 不是每次都懂你。AI 只能解决不知道买什么的选择困难，一旦有了明确偏好，AI 反而成了累赘。

要是 AI 反复推同一个品牌，她刻进 DNA 的警惕就上来了，觉得品牌肯定砸了不少钱。在她眼里，传统的销量榜反而更可信。" 那是市场真实检验的结果，是消费者的选择，不是算法的选择。"

2026 年被行业认为是 "AI 原生大促元年 "。不只是淘宝，各大平台都亮出了自己的 AI 底牌。京东上线 AI 助手 " 京言 "，字节豆包上线 " 帮你选 " 功能，就连在 AI 上一向慢半拍的拼多多，也在 5 月底悄悄试水 AI 搜索。

大麦是个重度咖啡爱好者，每天要消耗 4 颗胶囊咖啡。日常他会在山姆下单星巴克的研磨胶囊咖啡，因为便宜且方便，60 颗装 179.9 元，平均一个 3 元钱。

这次 618，他不想做数学题，直接用 AI 助手在电商平台找好价。他分别在淘宝、京东、豆包上搜索 " 均价 3 元的胶囊咖啡 "。

没想到，最靠谱的竟然是豆包，直接给出了适配 Nespresso 咖啡机、单颗约 3 元的高性价比胶囊，按照口碑和价格排序。

淘宝给出的第一款，是类似三顿半的冷萃即溶咖啡，并非真正的胶囊咖啡。京东解释一堆概念后，推荐的三款是：胶囊鞋带扣、吐血胶囊道具和洗衣凝珠，把大麦给整乐了。

大麦认为，淘宝的商品都有巨长的商品名，堆满了为搜索硬塞的关键词。关键词污染或许导致 AI 推荐结果不理想。京东的匹配能力差，更像是自身技术力的问题。

但他真正担心的是另一件事：换成那些一无所知、直接相信 AI 的人，会不会因此买到货不对版的商品？

林芷的淘宝店开了八年，主打法式复古风连衣裙，定价 200-400 元，月销稳定在四五百件，八年里，她学会了拍照、修图、写详情页、植入关键词、开直播。

她是懂流量的。森女系、韩式碎花这种氛围感形容词已不再流行，只要把 " 法式复古 连衣裙收腰 显瘦 " 这几个词塞进标题，再配上几张氛围感主图，总能被搜索的用户看见。

千问与淘宝全面打通后，她试着用千问搜自己的商品，却发现很难找到自家店铺的款式。她不死心，换了各种问法，也未能如愿。

她不知道自己哪里做错了：标题写得不够好？是详情页的某张图 AI 不喜欢？还是某个差评随口说了一句版型不好，被 AI 当成真理，调整了权重？

搜索时代，规则是透明的，至少你知道自己的劣势在哪里。林芷打了个比方：" 就好像你苦练了十年跑步，突然裁判说，以后不比速度了，比质量。你问他什么叫质量，他说这不能公开。"

林芷开始疯狂补课。她知道了 GEO（生成式引擎优化）这个新概念，要优化 " 怎么让 AI 记得住、讲得出、信得过你的品牌 "。

她修改了店里卖得最好的碎花连衣裙的详情页，老老实实写出了 100% 棉麻、裙长 118cm、腰部有抽绳可调节、大裙摆遮胯宽、适合春夏约会、通勤、度假等等信息，每一条都是 AI 能抓取的标签。

林芷想过找代运营商帮忙，对方报价一个月两万，承诺帮她做 AI 内容优化、GEO 布局、投喂大模型，而这个成本对小商家来说是天价。

而且代运营商自己也承认，" 我们只能不断猜、不断试、不断调，谁也没法保证你一定能被 AI 选中。"

一批批商品不断被选入宫中选秀，翻牌赐花全靠眼缘，被相中的人趋之若鹜，不被欣赏的人只能含泪回家。

问题同样困扰着陈明。陈明在杭州一家中等规模的电商公司做运营总监，主营小家电，从去年底开始，他专门指定了一个下属负责 AI 落地，就想着把能试的工具全试一遍。

半年多下来，他们用 AI 做过详情图、设计过换款、采集过竞品数据、生成过运营素材、全自动投放优化、也尝试过 GEO.... 几乎全踩了一遍坑。

" 结果就是，我们花了大半年时间，验证了网上 90% 的 AI 案例都是夸大其词。"

比如说用 AI 生成详情页时，他们试过七八款工具，输入产品参数，出来的东西乍一看像模像样，统统排版漂亮、文案流畅。但仔细一核对，卖点全是套话，甚至连产品颜色都能搞混，得花双倍时间去校对、修改，还不如自己从头写。

" 你以为省了时间，实际上是在给 AI 擦屁股。" 真正能落地的 AI 应用，往往是需要团队自己花时间去调、去适配、去打磨的定制化方案。

他们最后只保留了两样东西：一个是自动化的竞品价格监控脚本，另一个是基于历史数据的销量预测模型。它们不 fancy，不性感，但至少能算清楚投入产出比。

陈明觉得，GEO 在自媒体嘴里被包装成了一门科学，但在他手里，更像是一门玄学。它的效果无法归因、无法量化、无法迭代，又有多少代运营机构验证过效果，样本量是多少？有没有排除其他变量的干扰？

过去，商家拼的是谁更懂消费者；现在，他们得先学会怎么讨好 AI。

#03

平台流量生意的黄昏

对许许来说，AI 推荐的尽头是信任危机，对林芷来说，AI 推荐的尽头是看不见的黑箱。但对平台来说，AI 推荐的尽头是一个更现实的问题：怎么靠它赚钱？

传统电商的广告逻辑建立在搜索之上。用户输入关键词，平台提供货架，商家通过购买关键词竞价来获得曝光。

但 AI 正在让这种传统模式加速走向末路，当消费者不再逐页浏览商品页，而是直接得到 AI 推荐的答案，平台赖以生存的 " 过路费 "，就难有立足之处了。

于是平台陷入商业化悖论，如果让 AI 优先推送广告商品，用户的信任就会受损；可如果完全保持中立，平台的广告收入又会被直接掏空。如何平衡 AI 推荐和广告商业化，是一个还没有标准答案的难题。

悖论归悖论，真到了牌桌上，谁也不敢慢，尤其是阿里。

据 QuestMobile 数据，截至 2026 年一季度，豆包月活 3.45 亿，千问 1.66 亿，前者约是后者的两倍，逼着阿里必须在 AI 购物这条赛道上快速卡位。一旦让豆包率先定义了 "AI 购物 " 的用户心智，淘宝天猫就可能被绕过。

就目前看，千问和豆包的 AI 推荐里都还没有明显的广告位，更多是基于需求匹配。但谁都清楚，平台不可能永远不商业化。

答案或许已经在大洋彼岸成型。

亚马逊今年 5 月把原来的购物助手 Rufus 并入了新的 Alexa for Shopping，升级成了一个能 " 动手 " 的智能体：可以帮顾客盯价格，一旦降到预期就提醒下单；能自动补货，把咖啡、纸巾这类常购品定时加进购物车；能调出一款商品过去一年的历史价格曲线，判断商家是否真的在打折。

在变现上，亚马逊的 " 提示词广告 "（Sponsored Products prompts）在去年以免费形式试水，今年 3 月底正式转为商用，按点击付费，当消费者向 AI 提问时，语义匹配的商品会带着 Sponsored 标签，直接出现在对话答案里。

眼下亚马逊定的还是按点击收费。但不少人预判，当 AI 未来不再只是推荐、而是直接替消费者完成交易，收费方式迟早会从 " 按点击 " 滑向 " 按成交 " 付费。

未来的电商，或许正从 B2C 变成 B2A2C。电商平台当年的叙事是 " 去掉中间商 "，让品牌直连消费者。但 AI 智能体又悄悄站到了中间，为了讨好 AI，做生意的门槛被无形中抬高。

当然，搜索不会消失，" 猜你喜欢 " 不会消失，有明确目标的用户依然会自己去找。只是流量的权重正在重新分配，原有的竞争规则正在失效。

而夹在品牌和消费者之间的 "A"，身份始终暧昧——它是消费者的代理人，还是商家派来的销售员？是平台的变现工具，还是真正中立的购物顾问？

这届 618，所有人都在往前走。只是走得踉踉跄跄，心里没底。