10月20日晚8点，天猫双11开卖，四小时后124个品牌成交额破亿。同一时间，商家后台的另一组数字在往上走：AI 工具订阅费、智能客服调用量、素材生成额度。两边的曲线并不重合——平台公布的是成交，商家支付的是工具成本。当用户把 AI 当成比价与凑单的助手，商家却把 AI 当成投放与素材的生产线，这笔账的落差就注定存在。
124个品牌破亿 与商家的AI账单
据网易财经转载的报道，天猫双11开卖四小时后有124个品牌成交额破亿。头部品牌的爆发掩盖了一个事实：绝大多数商家的成交增长来自让价，而让价的成本需要用效率来对冲，AI 工具正是被寄予这个期待的部分。
问题在于，AI 工具的成本是刚性的，按订阅或调用量计费；而它带来的效率提升是弹性的，取决于使用方式。当一个商家把 AI 用于批量生成商品标题，效率提升立竿见影；当它把 AI 用于投放素材，效果则取决于素材质量与人群匹配，波动极大。两类用法的投入产出比相差数倍。
用户把AI当比价器 商家把AI当投放器
消费者的用法很务实：让 AI 总结评价、对比参数、找出隐藏优惠。这些动作的共同点是把信息不对称抹平，让决策更快、更便宜。商家的用法则是反向的：用 AI 生成更多素材、覆盖更多关键词、测试更多人群，试图在注意力稀缺的环境里抢到更多曝光。
两种用法在同一场大促里相遇，结果就是头部主播单日成交5.7亿元这类极端案例与大量中小商家的低转化并存。流量向少数节点集中，其余商家支付的工具费用并没有换来等比例的成交，这就是“商家忙买单、用户只薅羊毛”的结构性来源。
转化落差从哪里来
落差来自三个环节。第一是素材同质化：当所有商家都用相似的模型生成相似风格的素材，点击率的差异会被抹平，投放变成纯粹的价格竞争。第二是人群重叠：AI 人群包基于相似的行为特征，商家越多，重叠越高，获客成本随之上升。第三是决策前置：用户在到达商品页之前已经完成了比价，商家失去了临门一脚的说服机会。
三个可验证的观察指标
第一个指标是工具成本占 GMV 的比例。这个比例若持续上升而毛利率不升，说明工具没有产生结构性效率。第二个指标是自然流量占比，若 AI 素材带来的流量几乎全是付费流量，工具只是在替代人工，没有创造增量。第三个指标是复购率，AI 若只作用于拉新而不作用于复购，长期价值有限。
开卖四小时124个品牌成交额破亿，同期调查显示消费者怀疑零售商借 AI 抬价，两组信息放在一起说明信任正在成为转化的重要变量。商家在工具上投入越多，越需要用透明的价格与真实的内容来抵消消费者的戒备，否则效率提升会被信任折价吞掉。
还有一个被低估的成本是组织学习。AI 工具的效果依赖使用者的提问质量与判断力，若团队没有相应的训练，工具只会放大原有的粗糙。这也是为什么同一套工具在不同商家的产出差距，往往大于工具本身的差异。
从长期看，AI 对电商的真正改变可能不在投放，而在商品开发。用评论数据反向定义产品、用搜索词预测品类缺口，这类用法不依赖流量采买，产出也更稳定。只是它见效慢，在大促节点上很难被优先选择。
常见问题
AI 工具对大促成交的实际贡献有多大？
取决于用法。用于标题、客服、图片处理等确定性任务时，贡献较明确；用于投放素材时，效果波动大。目前没有统一口径，需按场景分别核算。
比价抹平了信息不对称，用户在下单前已完成横向对比，商家的说服窗口被压缩到价格与服务两项，营销溢价空间随之下降。
中小商家该如何控制 AI 工具成本？
按场景设定预算上限，优先投入确定性任务，对效果波动大的场景采用小步测试。同时监控工具成本占 GMV 比例，避免费用随规模同步膨胀。
