淘天把AI塞进大促：增长口径怎么被重算

在2026年天猫双11媒体沟通会上，天猫总裁家洛提出了一个问题：“对于淘天这样一个大的集团，我一年服务将近10亿消费者，我还有怎样的用户总量空间？”他给出的答案是“单个人的消费边界能够获得很大的空间”。今年双11，家洛将消费者体验和增长列为最重要的两个指标，并明确表示增长不仅取决于折扣力度，也取决于平台能否发现消费者尚未明确表达的需求。据披露，今年参与双11的品牌商家数量创下历年新高；平台投入500亿元88VIP消费券与330亿元平台加补券。

核心结论

第一，AI在大促中的落点从“推荐”转向“需求发现”。家洛描述的场景是：消费者登山后膝盖不适，可能需要运动防护或恢复类商品，却未必知道该买什么，也不会主动搜索相关品类。这类需求不会表现为搜索词，因此无法用传统关键词模型捕捉，只能通过行为序列与场景关联推断。一名活跃消费者一年在淘宝天猫购买约15个品类，而正常消费范围可达25至30个品类（今年双11的增量靠AI了？天猫总裁家洛谈供需匹配）这一差值就是平台试图用AI填补的空间。

第二，增长口径因此被重算。过去大促的核心指标是折扣力度带来的成交增量，现在平台更强调“高品质人群的交易增长”与“高品质商品的交易增长”两条结构性口径。这意味着商家看到的流量分配逻辑会变化：供给与服务能力更强的商家可能获得更多曝光，而单纯依赖低价的商品未必能获得同等资源。

事件背景与AI落点

从流量分配到供需撮合

家洛提到，平台对全年及双11期间的增长仍有预期，既包括消费者数量也包括购买金额。在用户规模扩张空间有限的情况下，增长不仅取决于折扣打得有多狠，也取决于平台能否发现消费者尚未明确表达的需求，让更多商品找到潜在买家。从猜中消费者还没说出口的需求，到帮商家找到还没买过的人，AI正在更深地插手平台的交易撮合和广告生意。天猫双11于10月15日晚8点启动预售、10月20日晚8点进入现货销售阶段，100万商家参与、活动商品约7200万件（天猫双11将于10月20日开卖，100万品牌参与创纪录）供给侧的宽度本身也为算法撮合提供了更多可选空间。

规则简化与AI决策的配合

与AI撮合并行的是规则的持续简化。今年价格机制以商品直接立减为基础，叠加平台消费券，不再将复杂的跨店满减和凑单作为核心玩法。京东同样以官方直降、无须凑单为主线推出低价热卖玩法，官方直降、无须凑单成为主流玩法（京东11.11推出全新升级低价热卖玩法）并公布11.11首日下单用户数同比实现双位数增长。京东11.11首日下单用户数同比双位数增长（京东11.11首日下单用户数同比双位数增长）规则简化降低了消费者的决策成本，也让AI在优惠分发环节的介入空间更大。

最佳实践

用四步框架核算AI带来的增量

在评估AI对大促增量的实际贡献时，建议采用四步框架。第一步界定基线：以未启用AI策略的同类人群与品类作为对照，而非用去年同期直接对比，因为大促周期与玩法已经变化。第二步拆解环节：把增量拆成曝光增量、点击增量与转化增量三段，分别归因于需求发现、内容匹配与优惠分发。第三步去重：剔除同一用户在不同环节被重复计入的部分。第四步折算利润：把增量成交额换算为毛利，扣除优惠券成本与履约成本，得到净贡献。

建立可复现的数据留痕

AI策略的效果评估依赖数据留痕。建议商家在活动前后固定记录三类信息：策略版本与生效时段、人群包定义与规模、以及优惠券的分发口径与核销率。只有这三类信息完整，才能在复盘时复现实验条件。对平台侧披露的宏观数字，如500亿元消费券与330亿元加补券的规模，也应作为环境变量记录，而不是直接计入自身增量。

常见误区

第一个误区是把平台整体增长等同于单个商家的增长。平台披露的是生态级数字，商家的实际增量取决于品类竞争强度与自身供给能力。第二个误区是用成交额替代利润做评估。AI撮合往往把商品推给此前未购买的消费者，这部分新客的首单利润可能低于老客复购，若只看成交额会高估收益。

第三个误区是忽视AI推荐对品牌资产的双向作用。AI可以帮商家找到还没买过的人，但也可能把商品放在与品牌定位不匹配的场景中。零售行业近期反复讨论的信任机制问题，信任才是零售业下一个十年的胜负手（信任才是零售业下一个十年的胜负手？）在算法分发环境下更需要主动管理：品牌应定期检查自身商品被推荐时的关联场景，避免长期出现在削弱定位的上下文中。

数据透视：增量口径的横向对照

把淘天的口径与外部数据对照，可以看到消费环境的整体特征。宏观层面，美国9月零售销售额环比增长0.8%、同比增长6.3%（新浪零售行业热点小时报（2026年10月16日09时））全球消费在高价格环境下保持温和增长，增量更多来自结构而非总量。这与淘天强调“结构性增长”的判断一致：在总量扩张有限的情况下，平台与商家的增长都来自份额转移与品类扩张，而不是整体消费规模的快速抬升。

另一个值得关注的对照是AI在大促中的角色分工。平台侧用AI做需求发现与优惠分发，商家侧用AI做素材生成与人群运营，两端的评估口径并不相同。平台关注的是生态总交易额与用户活跃度，商家关注的是自身毛利与复购率。商家在引用平台数据做决策时，需要完成一次口径转换：把生态级指标映射到自身可影响的变量上，例如品类渗透率、新客占比与复购周期，而不是直接套用平台的增长结论。