豆包千问618购物实测：AI推荐仍受困于商业逻辑与数据断层

背景

在电商行业过去二十年的发展中，竞争的核心在于“在哪里买”，即渠道与流量的争夺。然而，随着人工智能技术的演进，下一阶段的竞争焦点正在转向“谁替你决定买什么”。这种转变表面上看是为用户提供了更便捷的福利，但实际上引发了关于“将购物决策权交给由平台训练、服务于平台利益的AI”的深层担忧：这究竟是体验的升级，还是一种更隐蔽的流量收割手段？

在2024年618购物节前夕，字节跳动的豆包和阿里巴巴的千问（Qwen）密集上线了购物功能，为这一行业命题提供了真实的测试场。钛媒体记者强调Next通过同一组测试问题，对这两款AI产品进行了实测，旨在观察AI是否真的能改变用户的购物习惯，以及其背后的推荐逻辑与商业意图。

核心内容

本次测试选取了四组具有代表性的问题，分别对应基础推荐、反向纠偏、高客单价复杂决策以及跨平台比价四个维度，深入剖析了豆包与千问在AI购物场景下的表现差异。

1. 基础推荐：预算3000元以内购买笔记本电脑

• 豆包：表现像一位做过功课的朋友，先进行需求过滤，再推送具体商品卡，附带价格、配置及适用场景。其底部设有“选购提醒”，主动警告低价i7独显机可能是老款改装陷阱，并追问用途以引导对话。其闭环流程顺畅，但流量分发逻辑中，直播间的权重高于普通商品列表，首位推荐多为直播间。
• 千问：按使用场景分类推荐，但信息结构化呈现不如豆包。它未直接提供购买链接，而是引导用户进入商品结果页自行筛选，需求匹配度一般，类似淘宝关键词搜索结果。此外，千问推荐了一款标价6237元的二手MacBook，明显超出3000元预算，显示出预算匹配失控。
• 小结：豆包倾向于替用户做完决策，但落脚点突出直播间；千问更像开放商城入口让用户自决，智能程度相对较弱，但体现了阿里电商生态的丰富性，尽管存在预算匹配失误。

2. 反向纠偏：戴森吸尘器比米家贵，但效果一样，对不对？

• 豆包：直接否定错误前提，分场景阐述差异，并附带实时商品卡，主动推销意向明显。
• 千问：使用三列对比表格拆解维度，给出分场景结论，纯信息输出，无商品挂载。
• 小结：两者均合格。豆包推销意识强，善于捕捉卖货机会；千问回答像纯工具，但显得过于谨慎，缺乏果断性和专业感。

3. 高客单价复杂决策：预算8000元购买相机，主要用于拍娃

• 豆包：提炼核心需求（对焦快、追焦稳、直出好看），提供三套预算方案，商品卡来自官方旗舰店，数据可查，表现稳定。
• 千问：文字推荐框架完整，品牌判断专业（如索尼A6400、富士X-T30II），但商品卡匹配严重错位。例如，“全新微单方案”挂的是53元的库洛米儿童玩具相机，“二手全画幅方案”挂的是7.78元的玩具相机。
• 小结：豆包在高客单价场景下逻辑清晰；千问在语言理解层正确，但在商品匹配层断裂，语言层与商品层未打通。

4. 跨平台比价：同款AirPods 4在京东、淘宝、拼多多哪里最划算

• 千问：坦诚作为淘宝AI助手，无法查询京东和拼多多实时价格，仅给出淘宝内部省钱攻略，数据真实但覆盖范围有限。推荐克制，需用户确认后才推商品。
• 豆包：给出看似完整的三平台比价表，结论清晰。但数据并非实时拉取，而是模型基于搜索资料生成，存在“幻觉”。例如，引用的“淘宝普通版636元”是叠加多重优惠后的理论最低价，普通用户难以获取。此外，豆包底部挂载的商品卡是自家抖音商城的产品，与比价需求无关，体现了强烈的推销逻辑。
• 小结：这组测试揭示了底层策略差异。千问诚实但受限，豆包看似专业实则存在数据幻觉和强推销意图。在购物决策中，编造的答案比没有答案更危险。

AI购物的三大核心短板

1. 推荐底层未必是用户利益：平台型AI购物面临商业逻辑矛盾。千问的推荐高度集中在付费权重高的商家，高性价比平价款被压制；豆包的推荐池指向抖音商城，且直播间权重高。AI推荐掩盖了广告与自然结果的界限，用户难以分辨算法推荐与商业推广。
2. AI做了决策，但未管控全程：AI的决策层与平台的商品召回层未打通。一旦用户离开推荐卡片进入“查看更多”，预算约束消失，排序逻辑回归传统的销量、广告权重和平台利益。此外，商品数据的标准化和实时同步是巨大工程难题，大模型的知识更新速度跟不上电商实时变化的库存和价格。
3. 对话购物效率未超越搜索：AI购物的优势仅在“需求明确+标品+决策简单”场景成立。对于模糊需求或多维比较，用户仍需打开其他App交叉验证，AI反而增加了确认步骤，并未提升整体效率。

关键要点

• 生态局限性无解：移动互联网时代的“花园围墙”在AI时代依然存在。千问受制于阿里生态，无法跨平台比价；豆包则强力引导至抖音电商闭环。
• 商业利益优先：AI推荐的排序逻辑深受平台商业模式影响。千问受淘宝广告竞价排名影响，豆包受抖音直播间流量分发逻辑影响，用户利益往往让位于平台商业目标。
• 技术断层明显：当前AI在“语言理解”与“商品匹配”之间存在断层。千问出现将高价相机推荐为廉价玩具的错误，显示后端数据同步与匹配机制存在严重Bug。
• 数据真实性存疑：豆包的跨平台比价数据多为模型生成而非实时抓取，存在“幻觉”风险，可能误导用户决策。
• 高客单价信任缺失：在618主战场（家电、手机、服装等高决策成本品类），AI推荐的可靠性和用户信任度尚不足以替代传统搜索比价。
• 入口之争非主战场：2024年618的AI购物更多是一次“公开压测”和象征性节点，旨在验证技术路线和跑通支付闭环，而非真正改变购物格局。

意义与影响

本次实测表明，尽管豆包和千问等AI助手在购物场景中展现出一定的辅助能力，但距离真正的“AI购物时代”仍有显著差距。

首先，信任契约的重建是核心挑战。AI购物需要解决推荐数据的实时性、准确性、跨平台比价的可信度，以及个性化推荐与商业利益之间的透明边界问题。这些问题的解决不能仅靠功能迭代，更需要行业重建用户与平台之间的信任。

其次，用户习惯迁移需要时间。从搜索式购物切换到对话式购物是认知方式的迁移，而非简单的App更新。在可预见的未来，大多数用户仍会依赖熟悉的购物App进行比价和下单，AI购物的尝鲜者仍属少数。

最后，AI在低决策成本品类中更具潜力。目前，外卖、标品等低决策成本品类在AI购物中表现相对顺滑。而对于高决策成本、强比价需求、重信任背书的品类，AI尚无法完全“代劳”。

综上所述，2024年618的AI购物实测揭示了一个现实：虽然AI正在介入电商决策环节，但其背后的商业逻辑、技术局限和生态壁垒，使得它暂时无法颠覆现有的电商格局。真正的AI购物时代，仍需等待技术突破、数据打通以及行业信任机制的完善。