AI对话导购的未来在哪里？

wen 2025-02-24 17:16:08

一、AI对话导购的现状

在当前的电商领域，AI 对话导购相关产品的发展态势似乎并不尽如人意。国外的 buysmart，曾经被视为 AI 对话导购领域的重要参与者，如今已进行业务转型。在国内，京东的京言、阿里的淘宝问问、字节的智能购物，从市场反馈来看，这些 AI 对话导购产品似乎都未能激起太大的水花。

为何会呈现这样的局面？背后的核心原因是什么？以及在未来，AI 对话导购是否还有挖掘潜力的可能？下面笔者将带着大家一起来分析下。

二、现状原因分析

首先，抛开“AI”、抛开“对话”这些限定词，我们从商品购买的本质来看。

用户购买商品付出了什么？——购买过程所花费的精力、所支付的钱；
用户购买商品得到了什么？——购买过程所带来的情绪、商品本身所带来的价值

注：“购买过程”是包括了购买前、中、后的整个过程

不论是过去传统的线下购买方式还是当前主流的互联网电商购买方式都离不开以上这套逻辑，它存在于任何商品购买决策设计中。基于用户诉求和购买阶段两个维度，笔者提出下表，也填了一些常见的case（共12个环节位置，case所填位置可能不够严谨，不用过于纠结，主要是供大家了解这套逻辑）。

同理，AI对话导购也绕不开这套逻辑，并且需要注意的是，AI对话导购有自带的局限性——依赖用户对话作为输入。

1. 用户输入门槛更高

“平台个性化推荐”无需用户输入、“平台精准搜索”只需用户输入一轮词类内容即可，而“AI对话导购”则需用户输入多轮句类内容。

注：如果不是多轮句类输入，那就没有必要采用“AI对话”的形式，用其他页面形态也可满足。不要为了做而做，要想清楚为什么一定要采用“AI对话”的形式。

2. 用户输入的可能不是真实的需求

“平台个性化推荐”核心是基于用户历史行为数据、“平台精准搜索”则是在“个性化推荐”前加了一层语义过滤，本质都是通过用户的行为数据来推测用户的需求。而“AI对话导购”核心是基于对话内容来推测用户的需求。

用户对话数据不如用户行为数据可靠，一是用户口头上可能无法表达清楚他想要什么；二是用户可能只是好奇体验下AI对话（推荐和搜索也存在好奇数据，但在数据干扰上，对话数据相比行为数据的量级少非常多，因此被干扰的可能性更大）。即，“别看他说了啥，要看他做了啥”～

这里也解答了文章最前面提到的，在大部分场景和品类下，AI对话导购在“精准推荐”这块其实更低效的原因。

因此，在AI对话导购自带bug的情况下，想要PK当前主流的互联网电商购买方式（商城搜索、推荐、直播、视频等），必须在上述12个环节里找到至少1个位置，而且必须是核心位。

那回想下我们目前体验到的京东京言、淘宝问问、抖音智能购物，你觉得有找到相关位置吗？

从笔者的个人体验来说并没有（没浪花也在情理之中）。

三、AI对话导购的未来潜力方向

从目前的个人体验来看，各大厂更多是为了占住AI对话导购这个位置，但具体的迭代方向还在试探（比如探索更具体的品类或场景）。也可能有核心方向，但受到技术、数据、合规问题的限制，暂时无法充分发挥。

基于前述的用户购买逻辑，笔者尝试提一些未来AI对话导购可能的潜力方向：

1. IP导购

以“获得更好的情绪”为主要目的。

这里大家比较容易想到的是数字人IP，将某现成的IP转化为数字人形式，比如用大热的哪吒IP来直播对话，大家肯定会感兴趣。但这里的主要瓶颈在于数字人技术成熟度还远远不够，以及如何确保 IP 在电商平台的专属性，避免版权纠纷。

另外，UGC社区里的达人IP是一个潜力方向。这块很适合小红书做，里面有大量的真实内容分享，结合达人背后的可靠内容（即个人知识库），为用户筛选商品。比如我现在比较关注某个美妆博主，她过去分享过很多内容，我想看看她有没有推荐过黄皮适合的口红，通过AI对话这种形式来提升信息获取效率，同时AI对话背后的IP是我本身有建立信任的博主，在决策情绪上也更加友好。

2. 感官类导购

以“ 获得更高价值的商品”为主要目的。

这里的感官类，是指用户主要用视觉这类感官来选购商品，比如时尚类（衣服、配饰）。个人认为这是一个相比数字人，会更快实质落地的方向。一是技术成熟度相对更高（人物一致性问题近期在可灵AI、海螺AI上已经有明显进步）；二是数据上，让用户授权个人形象数据对电商平台来说不算难事（一张脸、一组身材数字）；三是不存在明显的伦理、合规这类问题。

从用户诉求来说，平台通过个人数据建模，能更实质性得帮助用户挑选商品。比如当我想购买一套休闲风格的服装时，系统会根据我个子不高等数据，为我搭配一套露腰、高腰九分裤的试衣展示，并详细说明搭配思路。如果我觉得这个搭配思路OK，系统再为我推荐相似商品集。

3. 高专业门槛品类导购

以“花费更少的精力”为主要目的。

由于高专业门槛品类的决策成本高，购买前往往需要充分的知识输入或者找专业的人士咨询（比如医疗、金融），因此前置由AI对话来解答专业问题在该品类下是用户刚需。目前金融品类，支付宝的蚂小财表现较好，在理财、保险上都充分降低了用户的决策门槛，但金融、医疗这些品类所受监管严格，整体的发挥空间比较受限，亟需满足合规要求的技术或流程创新。

4. 长尾品类导购

以“获得更高价值的商品”为主要目的。

上面提到，AI对话在精准推荐上更低效，是相对于由丰富行为数据输入的推荐和搜索功能。如果该品类本身数据稀疏，无法精准推荐，那可以用AI对话来收集用户用多的显性需求。不过这里存在投入产出比的问题，长尾品类本身代表了销售数量少，即使通过AI对话提升了销量，是否能cover住相关成本。从平台来说，该场景更适合单价、利润率高的长尾品类。