截至 11 月 6 日的公开信息，百度指数显示“双十一”的搜索热度五年间缩水超过七成，而星图数据统计截至 10 月 31 日综合电商累计销售额仍达 10263 亿元；规则层面，跨店满减、复杂凑单被官方立减与现货直降取代，但逆向涨价、大数据杀熟、定金加尾款不如单买便宜等老问题仍在，中消协等机构已发布消费提示。对做价格秩序的品牌来说，这一届大促的难题不是规则太复杂，而是规则简化之后，价格风险换了一种藏法。
搜索热度缩水七成 但成交还在涨
搜索热度下降与成交增长同时出现，说明大促的流量来源变了。过去消费者靠搜索找活动，现在活动入口直接嵌在 App 首页、会员频道与 AI 导购里，搜索不再是必经路径。热度指标因此失去了部分解释力，用它判断大促冷热会得出错误结论。
流量路径变化带来的副作用是价格比较的难度上升。搜索结果页至少把同类商品并列展示，App 首页与 AI 导购给的却是被筛选过的推荐，消费者看到的候选更少。候选越少，比价越难，价格信息的透明度反而下降。这与“规则简化提升透明度”的直觉相反。
为什么规则简单了 价格却更难判断
因为规则简化只解决了“怎么算”，没解决“跟谁比”。官方立减让到手价的计算变简单，但推荐位、会员价、专属券让可比对象变少。消费者能算清自己的到手价，却不知道隔壁渠道是不是更便宜。价格透明度取决于可比性，而不只是计算复杂度。
逆向涨价与杀熟 藏在个性化里
逆向涨价指的是活动前抬高标价、活动期再打折，制造降价假象；大数据杀熟指的是同一商品对不同用户展示不同价格。两种做法的共同点是难以被单个消费者发现：前者需要历史价格记录，后者需要跨账号对比。规则简化之后，这两种做法的操作空间并没有消失。
| 风险类型 | 识别方法 | 监测难点 |
|---|---|---|
| 逆向涨价 | 对比活动前后标价曲线 | 需要长期价格快照 |
| 大数据杀熟 | 多账号同商品比价 | 账号身份影响展示 |
| 定金套路 | 对比尾款价与直接购买价 | 预售与现货并行 |
这张表把三类风险翻译成了可执行的监测动作。三项里最容易做的是第一项，只要建立价格快照；最难的是第二项，因为个性化定价本身可能是合法的会员权益，需要区分“会员价”与“杀熟”。区分的标准是规则是否公开、是否对所有符合条件的用户一致适用。
AI生成内容带来的新风险
今年大促的另一个变量是 AI 生成内容。AI 生成的商品图、AI 数字人主播、明星 AI 带货开始出现在平台上，带来货不对版的风险。消费者看到的是模型生成的完美画面，收到的实物可能差异明显。这类问题的责任认定比传统虚假宣传更复杂，因为内容不是实拍。
对价格秩序的影响是间接的：当商品图与实物差距大，退货率上升，促销费用被退货成本吃掉，品牌会倾向于用更低的折扣吸引新客，进一步压缩毛利。这是一种恶性循环，起点不在价格，而在内容真实性。
促销费用核算要含退货
核算促销效果时，如果只算成交不算退货，会高估 ROI。更准确的口径是扣除退货后的净销售额，再减去促销费用与履约成本。三项都算进去，很多看起来赚钱的活动其实是亏的。这也是为什么有些品牌大促 GMV 创新高，利润却下滑。
品牌的价格治理清单
第一项是价格快照，按日记录核心 SKU 的标价与到手价，形成可回溯的曲线。第二项是账号抽样，用不同账号身份验证是否存在差异化定价。第三项是内容审核，确认 AI 生成素材与实物一致。三项都不需要大投入，但需要固定流程。
流程之外还要设红线。比如标价调整必须在活动开始前 30 天完成并留档，活动期内不得上调标价；会员价必须规则公开、适用一致；AI 生成素材必须标注并经过实物核对。红线越明确，执行越不容易走样。
还要注意跨渠道的一致性。同一商品在自营、平台旗舰店、即时零售渠道的价格可能不同，差异本身合理，但需要能解释。解释不清的价差，会被消费者理解为杀熟或欺诈。把价差的形成原因写进内部文档，是对外解释的基础。
把价格曲线作为核心资产
价格曲线不只是合规材料，它还是定价决策的依据。哪个月份价格弹性最大、哪个价格带转化最好、促销后的价格回归速度多快，这些结论都来自长期曲线。没有曲线，定价就只能靠经验与竞品对标。
常见问题
大促搜索热度下降，是不是说明消费者不参与了？
不是。活动入口转向 App 首页、会员频道与 AI 导购，搜索不再是必经路径。热度指标失去部分解释力，应结合成交数据判断。
会员价和杀熟怎么区分？
看规则是否公开、是否对所有符合条件的用户一致适用。公开且一致的会员权益属于差异化定价，不构成杀熟。
AI 生成商品图需要注意什么？
必须与实物一致并明确标注。差异过大导致的退货，会被计入促销成本，最终侵蚀毛利，也可能构成虚假宣传。
促销 ROI 应该怎么算？
用扣除退货后的净销售额，减去促销费用与履约成本。只看成交额会系统性高估效果。
