满减退场，AI 上桌：这个双 11，商家抢的位置从货架挪进了对话框

10 月 12 日晚 8 时，京东全品类现货开卖，取消定金预售；10 月 15 日晚 8 时，淘宝天猫开启预售；同一天，抖音商城双 11 好物节启动，全周期 28 天、不设预售。三家平台把节奏错开，却做了一件相同的事：把沿用多年的跨店满减撤掉，换成官方立减或单件直降。

对消费者，这是一道算术题的终结。过去要凑到满减门槛才划算，现在价格牌上直接写着减多少。天猫的口径是品牌立减叠加平台消费券后最低约 7.2 折；抖音是商品立减 15% 与单件直降二选一。规则简单了，比价也简单了。

对商家，省下来的不是运营精力，而是解释成本。以往大促前要花两周给客服写话术、给主播写脚本、给详情页写满减说明；现在这些内容大幅缩水，团队的注意力被腾出来做另一件事——让 AI 认识自己的商品。

这背后是一条清晰的逻辑：当平台把优惠计算从人脑转移到系统，页面上那些围绕「怎么算更便宜」堆出来的内容就失去了价值。流量没有变多，只是重新分配——分给了能被机器读懂、能进入 AI 答案的商品。

换句话说，满减退场不是让生意变简单，而是把竞争从「谁更会算」换成了「谁更被认得出」。这一点，在今年的三个平台身上都能看到同一个动作：把 AI 放到了交易链路的最前面。

10 月，千问接入淘宝天猫超 40 亿商品，用户可以在对话里完成发现、比较、下单、售后；豆包接入抖音商城，打通电商全链路；京东把 App 升级到 16.0，AI 购物助手「东东」从一问一答变成支持 AI 穿搭、动态组合的购物工作台，承接购前到购后。

入口位移不是平台的心血来潮。灵狐科技在今年的双 11 趋势洞察里给出的口径是：79.4% 的消费者在下单前会先问 AI，AI 对购买决策的影响力达到 43.7%，首次超过传统媒体广告的 42.6%。这组数字来自服务商的行业观察，不是平台的官方财报，但方向足够清楚。

对商家来说，变化在于「被检索」的对象变了。过去争的是搜索关键词下的第一排货位，现在要争的是 AI 回答里的那一行推荐。而 AI 推荐不看你投了多少广告，它看你的商品信息能不能被解析、被比较、被引用。

这也是为什么今年很多商家突然开始补商品参数表：材质、尺寸、适用人群、使用场景、售后政策。不是为了给人看，是为了让模型在回答「有没有适合油皮的防晒」时，能把你放进候选集。

一个可验证的细节：京东在商家大会上提出，要推动销售额过百万的新商家数量同比增长超 60%。这类目标通常靠两件事实现——降低新商家的运营门槛，以及把流量分给能承接住的新商品。AI 工具正好同时服务于这两件事。

还有一个容易被忽略的变化：门店的堆头与陈列依然重要，但它承担的职能从「说服」变成了「确认」。消费者在手机上问完 AI，到店只是来核对实物、比一比手感。这意味着门店的动线、灯光、货品齐套率，比海报上的文案更影响成交。

消费侧的入口变化只是表层。真正影响日常经营的，是平台把 AI 塞进了商家的后台。

淘天的 AI 店小蜜以 Agent 架构在服饰、家电类目试点，官方口径是夜间等人工薄弱时段的成交转化率增幅超过 50%，目前覆盖超 300 家品牌店铺；生意管家 2.0 则围绕六个岗位打造「数字员工」。京东这边，京麦 AI 经营中心面向商家，数字人工具服务超 9 万家商家；抖音电商开放了豆包 AI 导购、罗盘 AI 问数、飞鸽智能客服，其中飞鸽在大促期间限时免费，24 小时在线接待。

注意这些工具的组织方式：不是「一个万能助手」，而是按岗位切分——客服、运营、投放、数据分析各有一个。这个选择和企业的实际组织一致：AI 要落地，先得知道它替的是哪个岗位的哪段工作。

岗位化的好处是责任清楚。客服的 AI 出错了，找客服主管；投放的 AI 出错了，找投放负责人。反过来，如果只有一个「万能 AI」，出了事没人认领，也没人知道该改哪一段。

但岗位化也带来一个新问题：这些 AI 大多是平台侧的能力，商家只能用、不能改。它懂平台的规则，不一定懂你的商品。所以实际使用中，最有效的做法往往是把平台 AI 当第一道筛子，把企业自己的知识库当第二道闸门。

过去写详情页只有一个读者：人。现在有两个：人和模型。这两个读者的偏好并不一致。

人要被说服，需要场景、情绪、对比、信任背书；模型要被检索，需要结构化的属性、明确的类目、可比较的参数、可验证的资质。一段「匠心工艺，甄选好料」的文案能打动人，但很难被解析成一个可筛选的条件。

所以今年双 11 前后，很多品牌做了一件看起来很不「营销」的事：把商品信息重新整理成表格。SKU、材质、规格、适用人群、使用场景、售后条款，一行一行填清楚。

这五条没有一条需要买新系统。它们需要的是把商品资料从「设计部门的文件」变成「运营部门的数据」。

双 11 期间客服的压力是集中的：咨询量在开售那一小时翻几倍，问题却高度重复——什么时候发货、能不能改地址、尺码怎么选、优惠怎么算。

AI 客服处理这类问题的效率确实高。飞鸽在大促期间免费开放 24 小时接待，店小蜜在夜间承担了大部分首响。但真正决定体验的不是首响速度，而是答案准不准。

一个常见的翻车场景：客户问「我买的这款支持 7 天无理由吗」，AI 答「支持」，但这款是定制商品，实际不支持。这一句话的代价不只是退货，还有平台的纠纷率和店铺评分。

所以 AI 客服上线前，最该做的不是调话术，而是把「不能答错的问题」列出来：退换规则、发货时效、定制商品、发票、安装服务。这些问题必须由人确认标准答案，再交给 AI 执行。

另一件事是留痕。AI 答过的每一轮对话，都应该是可回溯的：它引用了哪条规则、哪句知识、哪个版本的答案。出了问题能定位，才谈得上优化。

今年三家平台都把「现货」放在了显眼位置：京东取消定金预售、全品类现货开卖，抖音明确不设预售、主推现货。现货意味着更短的等待，也意味着更高的库存要求。

京东公布的数字里，有一个值得注意：超脑大模型 3.0 的包裹量预测准确率突破 94.2%。预测准确率提高几个百分点，落到仓库就是少压一批货、少调一次车、少一次爆仓。

这也是 AI 在零售里最不性感却最值钱的部分：它不生成内容，只做预测和调度。而预测的前提是数据实时——订单一进来，库存就要动；退款一发生，可售数就要回。如果订单是批量同步的、退款是隔天到的，再强的模型也只能在错误的数据上做自信的判断。

对中小商家，这条约束更硬。没有实时库存，AI 给出的补货建议就是猜；没有准确的履约时效，AI 客服承诺的发货时间就是空话。

所以真正该先做的，是把订单、库存、退款三条数据打通，让它们在同一分钟里保持一致。这件事做完了，AI 才有东西可算。

京东给出的口径是：设计智能体「京点点」让素材产出成本降低 99%，商家综合运营效率提升 10 倍以上；京麦 AI 工具已助力 80% 的新商家提升运营效率，为 96% 的新商家提供日常运营支持与经营建议。

淘天的口径是：AI 店小蜜在夜间等人工薄弱时段，成交转化率增幅超过 50%。灵狐趋势洞察的口径是：AI 对购买决策的影响力达到 43.7%，首次超过传统媒体广告。

这几个数字都来自平台或服务商自己的发布，样本、统计周期与计算方式没有完全公开，不能直接当成行业平均值。但它们指向同一件事：AI 在这轮双 11 里，主要省的是重复劳动的钱，不是判断的钱。

素材成本降 99%，省的是设计排期和外包费；夜间转化涨 50%，省的是夜班人力；运营效率提升 10 倍，省的是一个人盯十个后台的时间。这些都有一个共同前提——流程本身是标准化的。流程不标准，AI 只会把混乱放大。

换个算法：如果一个商家连商品资料都没整理、库存还在表格里、客服话术还靠老员工口口相传，那么再便宜的 AI 工具，用起来也只是多了一个需要维护的系统。

有商家说得很实在：AI 能出图、能答疑、能整理数据，但选品的判断、价格的拿捏、品牌的调性，最终还得人来拍板。大促凌晨盯数据、等各个岗位反馈的那个人，眼下还没有被完全替代。

这句话不是怀旧，是分工。AI 擅长的是在已知规则下快速给出候选，人擅长的是在规则之外做取舍。选品要判断的是明年的流行，定价要判断的是对手的底线，品牌要判断的是哪些钱不能赚——这三件事都没有标准答案。

更有意思的是，今年跑得好的商家，往往不是 AI 用得最多的，而是把 AI 用在了可验证的环节：素材生成、客服首响、数据汇总、竞品比价。反过来，把 AI 用在不可验证的环节——比如让它直接定投放预算——翻车的概率明显更高。

一个简单的判断标准：如果这件事的结果当天就能被验证对错，交给 AI；如果结果要三个月才知道，人来定，AI 只做参考。

第一步，把商品资料结构化成一张表。不求全，先把在售的前 20 个 SKU 填清楚：类目、属性、场景、售后。

第二步，把订单、库存、退款三条数据接成一条线。哪怕先用最笨的方式每天对一次账，也比让 AI 在错数上算强。

第三步，列出「不能答错」的客服问题清单，写标准答案，再让 AI 去答。清单之外的问题，转人工。

第四步，选一个可验证的环节先跑两周。素材生成或夜间客服首响，都是不错的起点，因为结果第二天就能看到。

这四步做完，平台再出什么新工具，你都能接得住。反过来，如果底料没备好，明年双 11 会有更多工具、更多入口，但你依然只能站在旁边看。

还有一句要留给老板：AI 不会替你决定卖什么，也不会替你承担卖错的后果。它只让已经想清楚的事，跑得更快。