鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册

阿里难舍本地生活

编程导航
编程导航
2025-09-16 12:30
阅读 179
编程导航
2025-09-16 12:30
阅读 179

阿里,正在乘胜追击。9月10日,阿里26周年庆之际,高德地图悄然投下一枚重磅炸弹——推出全球首个基于用户真实行为产生的榜单“高德扫街榜”。

同时,高德启动了“烟火好店支持计划”,发放超10亿元补贴,用于降低用户的到店成本,有望为线下餐饮及其他服务业多带去1000万客流。

过去几个月,阿里凭借淘宝闪购在即时零售领域取得突出成绩,在夯实“到家”业务布局后,阿里将目光投向本地生活的另一核心板块“到店”,也是顺理成章的下一步动作。

但意料之外的是,阿里并未将“到店”并入淘宝,而是由高德单方面单打独斗。在阿里的本地生活服务板块中,饿了么、飞猪已并入电商事业群,却唯独高德成为“特例”,阿里的如意算盘到底是什么,又能否完成未竟的“本地生活梦”?

阿里逐梦本地生活

在高德正式发布“高德扫街榜”前,外界已猜测阿里的“保密项目”与“到店”有关,但普遍认为阿里将推出对标大众点评的产品,最大的可能是重启口碑网。

但不同于传统点评平台,“高德扫街榜”并不依赖用户主动打分,而是通过真实出行行为生成榜单。据高德地图CEO郭宁介绍,“扫街榜的核心目标是真实反映用户的选择”。

尽管没有明言,但在外界看来,“扫街榜”打的就是大众点评的短板——用户评价可能存在虚假评价或刷评的现象,难以百分百反映商家产品和服务质量。

据悉,“高德扫街榜”主要通过两大维度来保证评价的真实性。一则,依托于高德地图上海量的导航数据,平台可以洞察用户的出行动作,比如远距离专程赶往、多次回头光顾等,是用户“用脚投出来”的真实评价。二则,高德引入了芝麻信用体系等措施,芝麻信用高的人,其评价权重也会更高。

在这一基础上,高德再通过AI算法,对用户在高德地图上的导航、到店等行为进行科学量化,就能真实公平地呈现线下商家的受欢迎程度,还能提升识别和过滤虚假信息。

郭宁表示,“扫街榜”的初衷是用科技AI打造一份真实榜单。目前,高德AI助手“小高老师”单日调用量12亿次,本地生活类地点日均AI搜索量1.2亿次,在此基础上,高德才提出构建中国最广泛线下服务信用体系的目标。

区别于以往的点评产品,“高德扫街榜”有着更真实、更理想、更数据化的一面。但在此之前,阿里在本地生活领域也曾探索多年,并打造过多款不同的产品,却始终近在咫尺又无法突破,推翻从前的“造品”逻辑,会是一步“好棋”吗?

2006年,阿里收购了由前阿里员工李治国创办的口碑网,并在2009年将其整合为“淘宝本地生活”,但相较于更早入场的58同城、赶集网等,口碑网并没有带来太多水花。

2010年后,团购行业开始兴起,“百团大战”日渐白热化,阿里为了在本地生活抢到蛋糕,选择“复活”口碑网。2017年,阿里上线了独立APP“口碑”。

不过,“口碑”却迟迟未能独当一面,只能在阿里体系内不断“流浪”。2018年,阿里收购饿了么后,整合口碑和饿了么两大业务,成立本地生活服务公司。2021年,口碑发起“爆爆团”到店团购业务,尝试在支付宝内再复制一个“美团”;同年,高德地图品牌正式升级为“出门好生活开放服务平台”,其到店团购业务开始与口碑共用客服和BD团队。

可以看到,阿里在本地生活领域的布局,分别经历了口碑、支付宝、饿了么以及高德为主的几个阶段,几大业务分分合合,派系之间错综复杂,也是本地生活难以突围的原因之一。

分管生活服务板块的俞永福曾表示,(本地生活)是一块不好啃的硬骨头,组织没有从“单一业务能力和单一的业务组织”,成长为“先进的规模业务能力和先进的规模组织能力”。

高德成为“落脚点”

2021年后,俞永福开始接连对本地生活开启多项大刀阔斧的改革,他认为高德可以成为阿里未来的“生活服务入口”,是一张能承载衣食住行的地图。

在这一设想下,2023年,高德正式与口碑正式合并,阿里把到店业务统一整合在高德地图的入口中。只是,阿里旗下如此多亿级入口,为何偏偏是高德?

首先,高德的打车业务为其带来了海量流量和用户,不仅是10亿规模用户,更是1.8亿日活用户产生的导航行为数据。

根据QuestMobile 2024年6月的报告,高德的月活跃用户数超8亿,仅次于微信(10.5亿)、淘宝(9.2亿)和支付宝(8.9亿),甚至还超过了抖音(7.66亿)。

其次,高德基于目的地的流量与口碑到店业务之间存在天然契合度。用户在使用导航时本身就有强烈的“到目的地”需求,从导航直接切换到到店消费也是顺理成章。

最后,高德的生活服务产品心智已经足够成熟。过去几年,高德的本地生活属性已越来越重,首页中三分之一的位置都交给了美食团购、酒店、景点门票等本地生活入口。

高德具备同时整合流量、用户心智与决策入口的综合能力,这一核心优势是侧重到家场景的饿了么与侧重点评入口的口碑均不具备的。

因此,阿里对高德的定位早已不仅是导航工具,还承载了阿里对本地生活的“希望”。高德不仅是到店业务最合适的“落脚点”,也是阿里大消费生态下,拓展线下消费场景,与阿里生态内的其他业务协同的“最佳选择”。

因此,高德这张“地图”也变得越来越庞大。不过,高德地图此前一直处于亏损状态,一直到2025财年第三季度财报才首次实现盈利,主要仍以广告收入为主。

艰难盈利的高德,其处境也非常微妙。今年二季度,阿里对业务板块进行战略整合与财报结构优化,将高德、菜鸟、大文娱划分至“所有其他”板块。但看似被边缘化的高德却突然重回幕前,可能与阿里在即时零售大战中的“初捷”有关。

尽管三巨头在外卖大战中都投入了真金白银,但阿里的钱可谓“烧得最值”。在阿里2025年半年报电话会上,阿里电商事业群CEO蒋凡表示,“只看外卖到家订单份额,我们已经行业领先。”

此外,即时零售对淘宝电商主业的赋能也非常明显。根据2025年6月份季度财报,8月前三周,淘宝app的月度活跃用户同比增长25%。

尝到甜头的阿里,在今年推出了大消费平台的战略定位。今年6月,阿里将饿了么、飞猪合并入中国电商事业群;8月,淘宝上线全新的大会员体系;近日,淘宝提出了“衣食住行上淘宝,淘出精彩新生活”的新心智,强化用户对“全场景生活服务入口”的认知。

如果说以淘宝为核心的“即时零售作战军团”,帮阿里打通商品流通“最后一公里”,推动阿里体系的“破壁”;那么高德体系,则旨在解决阿里“最后三公里”的短板,将线上线下消费场景全面打通,形成了高频带动低频,远近场电商结合的新生态,为平台再造新增长引擎。

这一逻辑在美团身上也得到体现,其到店和到家两大业务也形成了强大的协同效应:外卖业务是美团的流量引擎,持续提升用户粘性与平台使用频次;到店业务则成为即时零售的商品供给池,提升“万物到家”的消费体验,同时不断巩固美团在本地生活的场景壁垒。

此外,到店业务也能为平台贡献更多利润,根据国海证券研报,美团到店的佣金率在2%-15%之间。不过,目前到店还不足以成为支撑高德的收入来源,高德地图CEO郭宁也在发布会上承诺“永不商业化”,由此可见,盈利还不是“扫街榜”当前的首要目标。

(图源:国海证券)

从阿里大消费平台的战略定位出发,推动高德加速探索线下生态,才是其当前阶段的核心任务——高德所沉淀的海量用户数据资源,是打通线下生态的关键“钥匙”,能进一步串联起“吃喝玩乐逛”全场景服务,为阿里生态的合作方提供更多现实世界的数据决策依据与运营支撑。

重建信任的“新挑战”

“高德扫街榜”的出现,使高德成为阿里体系内又一个超级入口,也让三巨头之间的比拼进入到一个新阶段,从拼价格转换到拼场景、拼效率和拼生态。

但在此之前,“高德扫街榜”要先通过市场的考验,想要在到店市场中分得一席位,其面临的挑战也不容小觑。

一则,大众点评经过多年发展,已经建立了深厚的心智优势,用户习惯了看点评找餐厅的习惯,不是一朝一夕能够改变的。

二则,抖音、小红书等内容平台,正通过内容种草重建消费者的到店心智,以场景化、可视化的美食内容来激发用户兴趣,逐步分流掉部分本地生活服务需求。

三则,并非所有线下消费行为都能用“数据”来定义,比如熟客反复光顾餐厅,不一定需要导航;用户评价除了数据之外,是否具有温度和情感,也是衡量餐厅的重要因素。

目前来看,没有登上“高德扫街榜”的小店,大部分只有少量评价,内容仍有待丰富。不少消费者担忧,高德要补上内容短板,会否因此催生出“冲评价”的店铺,让真实评价成为“伪命题”。

最后,则是对高德到店转化率的担忧。地图作为具有强烈“到目的地”属性的产品,通常只能覆盖目的地附近2-3公里的商家,在有限的范围内,高德将面临着流量分配与平衡的难题,“永不商业化”的承诺真的能兑现吗,会不会变相用新规则取代旧规则?

这些疑问,还需留给阿里慢慢解答,因此,“高德扫街榜”要扭转大众长期形成的消费决策习惯,将会是一门长期的功课。不过,AI可能会成为一个关键的“变量”。

事实上,国外的 Google Maps已经完成了类似的进化,根据restroworks数据,62%的美国消费者会用Google来发现餐厅,远超Yelp等传统点评平台。

其中,AI推荐和智能化推送正是重要的“突破口”。大众点评的内容壁垒,在于无法简单复制的“人味”,但随着AI技术的突破,平台有望根据用户的出行轨迹、支付习惯等,对用户进行精准的推荐和回答,潜移默化地逆转用户传统的思维习惯。

当用户询问“有什么推荐的餐厅”,平台可以整理出附带评分和导航的一整套答案,简化用户的决策流程;同时,平台可以进一步优化目的地周边的到店推荐,这一功能对于吸引并留住消费者的注意力至关重要。

当AI学会思考,当导航不止引路,地图上的每一个坐标,都成为下一个消费入口。高德这场“扫街”行动,就有望“扫”出一张属于阿里自己的“生态地图”。

当这张“生态地图”真正铺开,阿里在本地生活赛道的新故事,也将重新开始书写。在此之前,不妨给阿里多一点“打榜”的时间。(楷楷)

原文链接: 阿里难舍本地生活
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
🔥 热门文章
1
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
480
2
Vibe Coding 实战:从零构建现代专业级 AI 搜索引擎
430
3
我的第一个出海产品!7 天 2 万
370
4
又一个国产版 Codex 神器,也来卷办公了!
370
5
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
340
6
DeepSeek 重磅开源的超级 Agent,到底是个啥?
330
7
最近在落地 AI Native 项目,卡在团队资产协同这块,想请教下社区各位有实际落地经验的同学: 我们现在的资产分为三块:项目文档(PRD/ADR/ 运行手册)、Agent Skill(业务技能、执行 SOP、提示词包)、MCP 工具服务定义。 目标是做到:人和多 Agent 共用一套可信资料源,Skill、MCP 配置、项目文档能够版本化、同步、共享、可评审。 目前我们初步方案是用 Git 做底层版本主线: - 文档:Markdown + ADR,带元信息,支持 RAG 检索 - Skill:单技能包目录化,带版本、评估用例、依赖声明 - MCP:项目级声明文件纳入 Git 但实际协作里遇到不少疑问,想参考大家成熟的实践: 1. 大家团队里,文档、Skill、MCP 三者是怎么组织目录和版本管理的?有没有稳定的仓库结构模板? 2. 多人协作时,Skill 的变更评审、灰度升级、依赖管理怎么做?如何避免本地版本不一致、“本地能跑别人不行”? 3. MCP 是统一中心化网关模式,还是大家各自本地启动 + git 同步配置?权限白名单、调用审计这块有什么好方案? 4. 有没有成熟工具链做自动同步(类似 agentmeld /teamai-cli)、变更校验、eval 回归门禁? 5. 文档和 Agent 的打通:哪些文档放进 Git 作为可信真值,哪些放外部知识库,边界怎么划分? 如果有现成的仓库样例、目录规范、团队协作流程,非常希望能分享参考,感谢!
280
8
PHP 被曝两大致命漏洞,请所有程序员抓紧做这件事!
280
9
人工智能前沿部署工程师(FDE) · 概 览 与 方 法 论
270
10
QuireKit 编辑器的 AI-Native 是如何设计的?谈谈我对真正 AI-Native 的理解
250
11
告别“金鱼记忆”:我开发了一款能当“第二大脑”的浏览器 AI 助手
250
12
ARTS 1101: 最长回文串与子序列匹配、一次 URL 请求的来回之旅与如何验证 AI 的交付
230
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
朱雀AI检测助手朱雀AI检测助手