文 | 新立场 Pro
美团首款 AI Agent 产品 " 小美 " App 近日在主流应用商店上架，定位在 " 小而美的 AI 生活小秘书 "，用户获取专属邀请码后可参与公测。
《新立场》在实测后发现，用户能通过简单的自然语言交互，获得 AI 提供的外卖、堂食、酒旅等本地生活消费推荐。
大厂投注 AI 已经算是一种标配。结合美团近期先是宣布自研模型 LongCat-Flash-Chat （小美 AI 基于此模型）正式发布，在 Github、Hugging Face 平台开源；以及大众点评宣布 " 重启 " 品质外卖服务，也提到会通过 B 端自研大模型优化服务，这都提示了进度稍慢的美团 AI 布局在逐渐铺开。
本轮外卖大战初期，社媒有过一句戏言，以为会 All in AI，后来发现是 All in 外卖，原来 WAIMAI 里有两个 AI。外卖和即时零售的确分走了许多注意力，但其实 AI 这条线索从没有 " 下桌 "，随着竞争逐渐深入，技术性军备正在被一件一件搬上前线。
把视角放大一点，围绕 AI 功能嵌入 App，淘宝近期也是动作不断。8 月已上线一款基于大模型的 AI 问答产品 "AI 万能搜 "，媒体报道另有一款电商搜索产品 "AI 助手 " 也在灰测。这些 AI 产品的实用方向都很一致，整合平台供应，通过自然语言交互，协助或引导消费者做选择。
而若按照这个标准，会发现高德日前上线扫街榜，通过用户的 " 行为 + 信用 " 构建一套线下服务的信用体系，本质也是 " 辅助决策 "，目标也是用户心智。
用户心智的构成非常复杂，补贴、服务、供应、营销都是影响因素，而心智又是一种相对 " 高维 " 的竞争力，一但形成，对业务的反哺效应极其明显。基于此，发力 AI 辅助功能所折射的用户心智抢夺，会是观察企业底层竞争力的绝佳切口。
01、美团的真假护城河？
淘宝闪购的攻势，以及美团近期财报的利润表现，让市场出现了对 " 外卖护城河 " 这个概念的质疑之声。
这基于以下逻辑。首先外界普遍以为美团的护城河在于其极强履约能力（配送速度、时间承诺、覆盖面等）搭配庞大用户基础，一方面履约基建这类重资产的确是前期投入巨大、运营成本极高，另一方面它是对外最容易被看见、被用户识别的竞争力。
所以当淘宝闪购汹涌而来，订单量数字不断刷新，财报又提示了美团利润端正在承受不小的压力，这种竞争力是否真正达到了 " 护城河 " 一般的高度就会有异议。简言之，如果 " 护城河 " 容易被竞争对手模仿或通过资本补贴突破，那么它就是非常脆弱的。
但以上讨论中对企业竞争力的描述是相对简略的。在显性资源之外，经营经验、已成型的商家 / 用户 / 骑手体系、算法调度与数据预测这些需要靠长期积累的资产，形成了一个企业的辨识度。只不过这些因素通常内化于系统之中，充当各个环节的润滑剂，使整个经营流程更顺畅的进行。
所以，美团正在测试的小美 AI，肩负了一些显化内在竞争力的任务。
外卖场景存在一个被低估的需求—— " 做选择 "，它是指用户在快、便宜、卫生、美味这些诉求之上，会有一个综合式的问题呈现，即如何 " 在众多选项里做出符合自己偏好的选择 "。
平台竞赛可能会把焦点放在价格、配送速度等容易量化、短时间见效快的指标，但 " 做选择 " 是认知 + 偏好匹配。当下，整个消费环境都存在供给过剩、信息过载的结构性问题，具体到点外卖这个动作上，会发现日常语言中最频繁出现的句式不是 " 这家猪脚饭便宜 3 块 "，而是 " 今天吃什么 "。
《新立场》实测小美 AI 以后，认为目前这款 " 导购 " 式的 AI 助手有两个特色。一是充分突出 LBS 能力，对区域商户及商品供应信息摸得比较透彻，能给出用户生活半径内的一些动态消费决策。图中提问要求以好评为标准，反馈的信息维度能看出来是比较丰富的。
二是可以抓取用户历史数据做定制化方案。比如在提出 " 根据我过往中午时间段点单偏好给出推荐 " 的问题后，AI 能够判断出个人口味习惯、消费区间和场景偏好。如图案例中给到的轻食选择，不同的用户会有不同的方案。
当下结合 AI，美团相当于把 " 隐形的长期积累 " 转化成了 " 显性的产品体验 "，把构筑真正护城河的底牌拿到台面上做攻防。毕竟短期竞争靠补贴抢市场，长期竞争靠匹配 / 信任留人。
02、" 导购型 "AI 还在证道途中
"AI 重塑互联网 " 的口号轰轰烈烈地喊了快三年，回到现实应用领域，面向 C 端最常见的产品其实就是前文提到的 " 导购型 " AI。
其特征包括，用户能够以自然语言和少量交互表达需求，比如本地生活 App 可以提出 " 给我推荐附近好吃火锅 "，电商 App 可以提出 " 预算 500 元以内，轻便的运动鞋推荐 "。AI 助手基于平台数据，帮助用户缩小选择范围，减少决策成本。
很多平台都做过类似尝试。比如淘宝在开头提到的 "AI 助手 " 和 "AI 万能搜 " 之外，2023 年就内测过 " 淘宝问问 "，也是主打电商搜索导购。京东做过 " 京言 AI 助手 "，抖音也做过 AI 导购服务 " 智能购物 "，这些产品都内嵌于应用内，交互逻辑大同小异。
我们测试了在电商领域这样的 AI 导购能提供怎样的选择。以近期上线的 "AI 万能搜 " 为例，提问 " 推荐一些适合我的换季衣服 "，外显的 AI 的筛选条件包含了当季流行趋势、商品评价、用户需求，并返回 3-5 个打包式的穿搭与购买方案。
作为对比，下图也展示了 " 换季衣服 " 这一关键词在常规搜索界面返回的结果。以笔者的需求来看，AI 能够帮助缩小一些选择范围，但面对服饰这种消费决策过程较复杂的品类，多番比对大量浏览的流程通常是 " 简略 " 不了的。
" 搜索 " 本身是一种非常基础的交互行为，但这些以 " 搜索 " 为切口的 " 导购型 "AI 产品，鲜有真正成为用户日常依赖的入口。换句话说，相关功能还处在辅助和探索阶段，而非用户首选决策路径。
究其原因，比较容易联想到的方向，是功能还没有打磨完善。
AI 无法假定用户能够准确表述其需求，自然语言交互没有严格的提示词范式。在这个前提下，那些模糊表达，比如 " 我想买点小众的衣服 "" 我想吃简单点但不要太廉价 "，AI 推荐与需求匹配的成功率也是一个模糊区间。我们都知道日常生活中很多的决策困难，都是从 " 自己都不知道自己要什么 " 开始的。
但这些问题还能通过 " 技术手段 " 找找突破口，而产品底层逻辑是否适配应用场景，或许也有值得商榷的地方。
" 消费决策 " 是一个多维、动态且复杂的过程，抛开那种目标非常明确即买即走的情况，消费者做选择时常会需要适当的 " 噪音 "。
很长一段时间内消费者最倚重的信源是商品评论区，且不是单纯顺从好评和差评指引的方向做选择，" 桌子比图例看着小但挺漂亮 "，和 " 桌子挺结实但颜色太诈骗了 " 这两条评论之间，不同的人会对购买与否有不同的权重调整。
更近的案例比如小红书种草，这个电商平台都希望借鉴的内容社区，影响消费决策的方式是非常情景化的。在内容社区需求消费建议，返回的 UGC 内容包含大量日常语言，" 多余 " 的表达，评论区你一言我一语的正负面反馈。哪怕是小红书自己的 AI " 导购 "，也还没有完美捏合信息熵增与 AI 降噪。
再者，消费者对 " 垄断 " 的信息渠道有天然的警惕。互联网如此普及的当下，大多数人都对买广、投流和推荐位等名词有一定了解，信任门槛也需要考虑在内。
工具是精良的，只是怎么用在合适的地方、充分发挥它的价值，仍是一个行业性问题。
03、写在最后
我们在此前的文章中有提到过，先是近远场电商融合，后有团购、酒旅等领域不断迎来跨界选手，以美团阿里为代表的互联网巨头们越来越朝着 " 超级应用 " 的方向努力，将自身扩充为一个大消费入口。
但超级应用的构想在过去时常有 " 贪多嚼不烂 " 的质疑。一个可参考的对象是布局非常广、服务非常多的支付宝，从生活缴费到出行、到店、医疗等等都有涉猎，但其即用即走的工具属性还是压过了其他，鲜有用户把它当做一个能长期停留的综合消费平台。
功能越厚重不一定越强，一个统合式的入口去梳理这些业务就显得至关重要。现在内嵌于各平台的 AI 助手们就肩负着这种期望，只不过目前仍需等待技术走向成熟，培养用户形成习惯。
