这轮 AI 导购，先被打穿的不是转化率，是留存。11 月 11 日的公开报道里，一组行业人士给出的数字很扎眼：AI 购物工具的 7 日留存不足 15%，30 日留存仅 3%。同一批调查里，66.7% 的受访者说今年双 11 会用 AI 辅助购物，79.4% 会在下单前先咨询比价。用的人多、留下的人少，中间隔着的正是「算出来的价到底准不准」——这也是评论与口碑监测里最新的一个变量。
三个数字，三种时态
先把三个数摆清楚：66.7% 的受访者会用 AI 辅助购物，其中 27.3% 深度参与；79.4% 的用户下单前会先通过 AI 咨询比价；而 AI 购物工具的 30 日留存只有 3%。前两个说的是「用过」，最后一个说的是「一直在用」，两者之间的落差就是产品的真实成熟度。
同一份调查里还有一组反向数据：53.7% 的受访者担忧 AI 给出的比价、凑单方案不可靠或者不是最优，43.3% 担心推荐的是冷门款或非官方店铺，43.0% 担心 AI 生成的商品图与实物差异大，信任度打分是 10 分制的 7.7 分。这组数字解释了留存为什么上不去——不是不会用，是不敢信。
促销规则做减法之后
今年几家平台不约而同简化规则：天猫取消跨店满减改官方直降，京东取消预售改现货，抖音立减加直降，拼多多把满减券成本由平台承担。规则越简单，AI 越容易算对；规则越复杂，AI 给出的「最低价」越可能只是一次概率推算。
比价结论的三层证据
一条比价结论要站得住，至少要有三层证据：商品是否同款同规格、优惠是否可叠加、到手价是否含运费与赠品折算。三层里任何一层缺失，结论就只能当参考。消费者自己在做这件事，品牌的评论区也在替他们做。
| 证据层 | 核对内容 | 常见失真 |
|---|---|---|
| 同款同规格 | 型号、容量、赠品 | 标题相同规格不同 |
| 优惠叠加 | 平台券、店铺券、会员价 | 券不可叠加却计入 |
| 到手价 | 运费与赠品折算 | 未扣运费 |
失真最集中的是第二层，其次是赠品与运费的折算口径——很多方案把赠品按标价计入优惠，实际结算时并不成立。平台券、店铺券、品类券、会员价之间的互斥规则，几乎每场大促都在变。AI 读到的往往是几天前的规则快照，算出来的低价值得打个问号。
口碑监测要多看一类内容
传统口碑监测盯评论：好评率、差评关键词、情感倾向。AI 购物普及之后，要补一类内容——用户对「AI 推荐结果」的评价。这类评价往往不在商品页，而在社交平台和问答区，措辞也更具体：不是「不好用」，而是「它给我推的店不是官方的」。
这类内容的价值在于它提前暴露了信任裂缝。等裂缝变成差评，商品页的评分已经开始掉了，补救成本高一个量级。对做评论分析的团队，这等于在差评出现之前多了一个预警窗口。
留存低不全是产品问题
3% 的 30 日留存看着难看，但要分清是工具不好用，还是需求本身低频。大促一年两次，比价需求天然是脉冲式的。真正该看的指标是下一次大促的召回率，而不是日活曲线；召回率能起来，说明用户还记得它算得准。
品牌侧该改的三件事
第一，把商品页的关键参数写成机器可读的结构，型号、规格、赠品、适用人群各占一行；第二，把优惠规则的变化时间写进页面，让抓取方知道哪一版是当前版；第三，把「AI 推荐带来的订单」单独打标，看它的退货率与差评率是否高于自然流量。
第三件事最容易被跳过，却最能说明问题。如果 AI 渠道的退货率明显更高，说明推荐时的信息与实物有落差，问题不在流量，在页面。
常见问题
AI 购物助手留存低，是不是说明没人用？
不是。用过的人很多，持续用的人少，差距出在结果可靠性上，而不是入口认知。
比价结论为什么经常和实际到手价不一样？
多半是优惠叠加规则与运费、赠品折算没算进去，规则变动快的品类尤其明显。
口碑监测要新增哪些字段？
除了好评差评，还要记录用户对 AI 推荐结果的评价、推荐来源店铺是否官方。
品牌该不该主动喂 AI 内容？
可以做，但前提是页面信息先自洽。页面口径不一致时，投流只会把矛盾放大。
