📊 **AI重塑电商基础设施，提升流量匹配效率**：阿里正将大语言模型系统性地融入淘宝的搜索、推荐和广告三大核心引擎。通过AI对用户复杂语义的理解，搜索的商品相关性提升了20%，推荐系统的点击量增加了10%。广告环节通过AI的精准投放和动态出价，显著提升了商家的ROI（投资回报率）12%。这种AI驱动的基础设施升级，直接影响着流量的分配方式，使得流量匹配更加精准高效。

🛠️ **赋能商家AI化运营，实现降本增效**：阿里为商家提供了包括AI美工、AI营销、AI数据分析、AI客服在内的AI经营团队工具，并免费开放。AI美工每月可生成2亿张图片，AI客服每天为商家节约2000万元成本。这使得“AI预算”不再是小商家的门槛，品牌商家也能利用AI提供千人千面的个性化服务，重塑旗舰店的消费体验，推动商家整体的AI化。

🛍️ **打造“AI原生”购物体验，而非独立App**：淘宝的策略是将AI功能嵌入用户日常购物流程，而非推出独立的AI原生App。如拍立淘（多模态搜索）、AI万能搜、AI助手、AI试穿、AI清单等功能，旨在解决实际购物痛点，如图像化搜索、复杂需求匹配、商品筛选、退货率降低以及购物清单生成。这些功能在双11期间将提供新的用户体验，核心在于验证产品的市场契合度，培养用户形成新的购物习惯。

💡 **从“流量电商”迈向“理解电商”**：文章核心观点认为，AI并没有颠覆电商，而是重构了电商的“灵魂”和核心技术基建。过去的淘宝是“流量分发系统”，而现在的淘宝正转变为“理解系统”，推荐逻辑从“猜你喜欢”变为“我懂你”。这标志着电商行业正从过去的“流量电商”时代，迈入一个更加注重用户理解和个性化服务的“理解电商”新时代。

原创 苏子华 2025-10-18 13:03 北京

​接下来，流量分配规则、购物方式都要变了。

2023 年末，互联网商业世界出现了一个标志性时刻——拼多多的市值一度超过阿里巴巴。

这不仅导致市场情绪对阿里电商前景看衰，也加速了内部的反思和战略调整。彼时，马云在内部明确提出，接下来要发力「AI 电商」。

而何为 AI 电商、又该如何落地，在内部乃至整个行业都没有清晰的路径。据《晚点》此前报道，2023 年淘宝天猫内部一度有近 20 个团队在摸索 AI 业务，同质化问题严重。

不过，这种模糊状态近期已经被打破。

10 月 16 日，天猫在上海举办了「双十一」启动发布会，阿里搜推智能产品事业部总裁凯夫以《AI 重构电商》为主题的分享，极为清晰地阐释了阿里做「AI 电商」的完整思路。而且，效果不错，比如，引入大模型后，商品推荐的精准度大幅提升，带动购买效率提升 25%；在广告环节，商家 ROI 提升了 12% 等等。

在发布会当天接受媒体访谈时，他强调，AI 电商的核心包含三方面：

一是提升流量匹配效率，包括：AI 搜索、AI 推荐、AI 广，这是电商的重要基础设施，会直接带动 GMV 增长；

二是为商家提供 AI 经营团队，包括：AI 美工、AI 营销、AI 数据分析、AI 客服等，实现降本增效；

三是为消费者打造新的 AI 导购产品，包括：拍立搜、AI 帮我挑、AI 试穿、AI 清单等等；

因此，阿里在推进电商与 AI 结合时，都围绕着这三大核心方向推进。这种改变传递到消费者和商家时，则意味着，接下来，流量分配规则和购物方式等，都要变了。

如果说电商的底层逻辑是「流量如何分配」，那么 AI 的介入，正在改变这一核心机制。

凯夫在分享中提到，从 2025 年初开始，淘宝系统性地将大语言模型融入搜索、推荐、广告三大引擎中。这三大引擎是决定流量分配的关键。

以搜索为例，过去，淘宝的搜索算法偏重「关键词匹配」，用户在淘宝搜索时，需求表达分为两类：一类是简单关键词，如「连衣裙」「手机膜」「手机壳」「iPhone」；另一类是复杂语义表达，比如「寻找清理下水道小飞虫的产品」「给补课辛苦的高中生选礼物」。在大模型应用前，这类复杂需求难以被有效承接——商家不会在商品标题中直接标注「清理下水道小飞虫」，通常仅标注商品名与品牌名。

而在加入AI后，它开始理解人类语言中的模糊与情绪——比如，用户可以不再输入「洗发水」，而是「我想找不容易塌的蓬松洗发水」。大模型能从语义中抽象出核心意图，并在商品库中找到最契合的那一类产品。经 A/B 测试，商品相关性提升了 20%。

在淘宝这种超大规模体系中，20% 不是小数，而是变革。

推荐系统的改变也同样明显。AI 的「理解力」让电商平台的推荐功能第一次跳出了「同质化推荐」的陷阱。

一个买了煤油炉的用户，可能不是在准备冬天，而是个「露营玩家」。AI 会基于语义推理，推荐露营装备、户外用品、甚至艺术装饰。这意味着推荐逻辑从「行为相似」转向「兴趣抽象」。试运行数据显示，推荐点击量提升了 10%。

广告环节同样被重写。商家的 ROI 提升 12%，这背后是 AI 帮他们精准投放、动态出价、优化预算。

而所有搜索、推荐、广告的技术升级，都建立在平台商品库的基础之上。

为了支撑上层的 AI 应用，阿里启动了「AI 商品库优化」项目。平台用生成式 AI 对商品库进行全面清理、信息补全与索引优化。AI 开始解读每款商品的功能、适用场景与核心特征，补全商品属性字段。

对品牌与商家而言，这意味着「商品信息丰富度」将直接影响曝光效果。过去，商品信息完备性对流量的影响有限，但在新算法体系下，大模型会持续分析商品详情页——商品信息越完备、使用场景描述越清晰，就越容易在用户精准需求搜索中被匹配。

整体来看，是以商品为基础、以「搜索、推荐、广告」为上层建筑，对平台进行 AI 化改造。

从这个意义上讲，阿里并不是在做一个「AI 电商 App」，而是在做一个「AI 理解力更强的电商系统」——让 AI 更加理解人，更加理解商品，进而实现两者的更高效配对。

无论是哪个行业，如今几乎都在追求「AI 原生」应用。而淘宝的策略是：要 AI 原生，但不必是独立 App。

阿里如今并未推出独立的 AI 原生电商应 App，而是将 AI 功能嵌入用户日常购物流程，在关键节点「润物细无声」地解决问题。

凯夫认为，用户无需刻意感知「淘宝 AI 产品」的存在，只需在需要时调用对应功能。

比如，今年淘宝已经陆续推出了几项在公测中的 AI 原生功能：

拍立淘（多模态搜索）：用户通过手机拍摄商品，即可触发多模态搜索。例如，拍摄小时候的连环画、日常使用的药盒（限 OTC 药品），系统可精准匹配平台内在售的对应商品，解决「能看到商品却叫不出名字」的搜索痛点。

AI 万能搜：针对场景化、宽泛化需求，精准拆解用户痛点并匹配商品。例如，有用户反馈「家中猫狗同住，狗会偷吃豆腐猫砂」，咨询「该买什么猫砂盆」，AI 万能搜直接推荐「顶部开门、无侧边门」的猫砂盆——这类精准的商品理解，在无 AI 技术支持时难以实现。

AI 助手：当搜索结果商品数量过多、用户难以筛选时，点击右下角 AI 助手，告知具体需求，助手会分析商品特征并推荐最匹配的选项，降低决策成本。

AI 试穿：AI 试穿可最大程度还原用户真实身材，呈现衣服上身的真实效果，帮助降低退货率；

AI 清单：AI 清单支持用户通过对话式交互生成购物清单——用户告知想买的商品类型，AI 生成清单后，可通过进一步对话优化清单内容，无需逐一筛选商品、浏览会场。用户在搜索框输入「AI 清单」，即可体验该功能。

可以看到，这些 AI 功能，足够务实，更多以解决实际购物问题为导向，比如，「AI 试穿」解决退货问题；「AI 万能搜」解决复杂需求表达问题；拍立淘解决图像化搜索需求。

据凯夫透露，这些产品都会在双 11 期间发挥一定作用，「但更多是为用户提供新的体验，满足尝鲜需求。团队内部虽会设定目标，但暂不便对外分享。而且在当前阶段，这类产品的核心优先级并非量化指标，而是验证产品市场契合度。」

目前看，淘宝的 AI 化，不是一个新产品的诞生，而是一个习惯的形成。

凯夫在演讲中提到的几个数字，足以让人直观感受 AI 的效率革命：

AI 美工每月生成 2 亿张图片；

AI 数据分析每天自动生成商家经营报告；

AI 客服每天为商家节约 2000 万元成本。

目前，这些覆盖店铺运营、素材生产、营销推广、客服服务等核心场景的工具，全部免费开放。对小商家来说，这意味着「AI 预算」不再是门槛。而对于品牌商家而言，通过 AI，可以实时感知用户需求，提供千人千面的个性化展示与服务，重塑品牌旗舰店的消费体验。

显然，在商家侧，阿里的策略是，让 AI 成为店铺经营的「全能助手」，进而实现商家的「AI 化」，来接近「AI 电商」的目标。

对于外界普遍关心的「投入是否值得」问题，凯夫透露，目前阿里系电商领域的 AI 投入，其 ROI 完全能覆盖成本

回过头看，AI 并没有颠覆电商，但更像是重构了电商的「灵魂」，以一种前所未有的效率和精度，重构了电商行业的核心技术基建。

从前的淘宝，是一个「流量分发系统」；而如今的淘宝，正在变成一个「理解系统」。比如，推荐的底层逻辑正在从「猜你喜欢」，转向「我懂你」。

如果说过去十年是「流量电商」的时代，那么接下来，或许是「理解电商」的时代了。

阅读原文

跳转微信打开