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」。
图片来源：小红书用户 @独立开发者
《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。
传统的 LBS 会告诉你附近有什么，而 AI 助手能把这些信息抽取、排序、标签化，生成 「可决策」 的推荐。美团有十多年积累的用户行为数据和商户资源，过去它关于 「选择多、履约快、更实惠」 等方面的口碑，主要来自用户口耳相传和长期使用后的黏性。
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。
除了直观的商品/服务交易平台，以内容为 「商品」 的小红书也做过 AI 问答助手 「达芬奇」、搜索智能助手 「搜搜薯」，和拥有独立 App 的 「点点」。
「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。
