Insights | BXTData Omnichannel Consumer Data Monitoring and Analytics Platform

Q: 八、常见问题

AI导购助手 的核心竞争力是模型还是数据？ A: 现阶段更接近数据。唯品会的招聘岗位集中在后训练、数据合版与SFT文本数据，说明团队把重心放在把商品、活动与用户行为描述成机器可读的结构上，而不是单纯更换模型。

唯品会上线AI小唯导购助手进入能力深耕期

10月12日，唯品会自研的AI助手“AI小唯”被披露已低调上线灰度试水，产品由公司大模型团队开发，支持文字与语音对话，可以提供找商品、查活动、问优惠等服务；同期招聘平台信息显示，唯品会正以月薪5万至8万元(AIbase)（对应年薪60万至96万元）招募大模型后训练负责人、LLM数据合版负责人、大模型SFT文本数据负责人等岗位。值得注意的是，这批岗位的核心任务是拆解“AI小唯”所需的能力维度，覆盖导购意图识别、商品理解、推荐生成与多轮对话。一个导购助手能否改善购物体验，取决于这套能力拆解是否做得足够细。

一、核心结论

第一个结论是电商AI导购已经从“能不能答”进入“答得准不准”的阶段。早期助手以问答覆盖度为目标，只要能接住用户问题就算达标；而唯品会这批岗位描述里的关键词是意图识别、商品理解、推荐生成与多轮对话，指向的是把一次购物任务拆成若干可度量的子能力。能力拆解越细，模型迭代的方向就越明确，效果也越容易被归因。

第二个结论是人才投入的密度正在成为产品迭代速度的先行指标。招聘岗位覆盖后训练、数据合版与SFT文本数据，意味着团队把重心放在数据侧而不是提示词侧。对零售品牌而言，这条信号的现实含义是：AI导购的差距很可能不在模型选型，而在自有商品与用户行为数据的结构化程度。谁的商品数据更规整、更可被机器理解，谁的助手就更容易给出可靠的推荐。

二、产品拆解：AI小唯先解决哪三件事

从公开信息看，AI小唯当前的服务边界集中在三件事：找商品、查活动、问优惠。这三件事看起来简单，实际覆盖了导购链条上转化率影响最大的环节。找商品解决的是“能不能被找到”，查活动解决的是“值不值得现在买”，问优惠解决的是“还有没有更划算的方式”。把这三件事做扎实，已经能覆盖相当一部分用户在货架页与详情页之间的犹豫。

意图识别决定第一跳

意图识别的难点不在于识别“我要买裙子”，而在于识别“我上次买的那个牌子、差不多的价位、但想要长一点的款式”。这类表达包含商品属性、价格区间与个人历史偏好三层信息，需要助手同时调用商品理解与用户画像。识别对了，用户第一跳就落在合适的商品集合里；识别偏了，后续再多的推荐也只是在错误的方向上加速。

商品理解是推荐的地基

推荐生成的质量高度依赖商品理解。同一个“轻薄”在不同品类里含义不同，同一个尺码在不同品牌之间也不可通约。如果商品属性字段缺失、描述口径不统一，模型只能退回到用标题关键词做匹配，推荐结果就会显得机械。因此，商品理解的第一步往往不是训练模型，而是把属性字段补齐、把口径统一、把可比较的量纲对齐。

三、最佳实践

品牌把AI导购做成可迭代的产品，需要一套固定的数据动作：先定义能力清单，再为每项能力指定数据需求，然后构建配套数据集并持续诊断短板。这套流程的价值在于把“效果不好”这种模糊反馈，拆解成“哪一项能力的数据不足”这种可执行的结论。没有这套拆解，模型迭代就会在“换个更大的模型”与“再调一版提示词”之间反复循环。

先定义能力清单再找数据

能力清单应当从用户任务出发，而不是从模型能力出发。用户要完成一次购物，需要经历发现、比较、决策与售后四个阶段，每个阶段都可以再拆成若干子任务。把子任务逐条写下，再逐条标注需要哪些数据、当前是否具备，就能得到一张清晰的建设路线图。这张图比任何一份技术方案都更能指导资源投放。

用数据集把经验固化下来

导购场景里的很多判断依赖一线经验，例如什么话术更容易促成加购、什么时点提醒优惠更有效。这些经验如果不被记录成数据集，就会随着人员变动而流失。把优质的导购对话标注出来，形成可复用、可评测的数据集，是把个体经验转化为组织能力的必要一步，也是助手长期迭代的燃料。

四、常见误区

第一个误区是把导购助手当成客服升级版，只优化应答速度而不管转化路径。第二个误区是只关注模型参数而忽略商品数据质量，导致助手在正确的模型上给出错误的推荐。第三个误区是跳过能力拆解直接上线，结果无法判断效果好坏究竟来自哪一环。第四个误区是让助手承担全部销售职责，忽略了它更擅长缩短决策链路而不是替代人的判断。第五个误区是把评价指标定成对话轮次或满意度，而不是加购率、转化率与退货率这类与经营直接相关的指标。

五、人才与数据：能力建设的投入顺序

从唯品会的招聘结构可以看出一种清晰的投入顺序：先补数据与后训练能力，再谈产品扩张。后训练负责把通用模型对齐到自有商品与用户语境，数据合版负责把分散在各业务线的商品与行为数据整合成训练可用的形态，SFT文本数据负责把导购经验转化为高质量样本。三者串联起来，构成一条从原始数据到可用助手的完整链路。对预算有限的品牌而言，即使不自建模型，也需要按同样的顺序梳理自有数据，否则无论接入哪家模型，效果都会停在“能聊但不管用”的水平。

六、总结

AI小唯的上线本身并不稀奇，稀奇的是它伴随而来的岗位结构。当一家电商把后训练、数据合版与SFT数据列为关键岗位，说明它已经把AI导购当作长期能力而非短期功能。对行业而言，这条新闻更像一次提示：导购助手的竞争正在从产品形态转向数据资产，谁能把商品、活动与用户行为描述成机器可读的结构，谁就能在下一轮里把转化率拉开差距。

对快消与零售品牌而言，可执行的起点并不高：把主力商品的属性字段补齐，把活动规则写成结构化描述，把历史导购对话整理成可评测样本。这三件事不需要等待模型成熟，现在就可以开始，并且无论最终接入哪家平台，都会持续产生回报。