本文来自微信公众号： 真故研究室 ，编辑：张铎，作者：刘曳
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。
#01
又爱又怕的消费者
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”。
图｜大麦的搜索结果
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？
#02
困在算法黑箱里的商家
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。
图｜代运营机构们不断产出针对GEO的方案
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。
图｜Alexa for Shopping
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。