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

天猫双11撬动了一个新的万亿市场

编程导航
编程导航
2025-10-19 12:30
阅读 214
编程导航
2025-10-19 12:30
阅读 214

作者 | 黄昱

编辑 | 王小娟

转眼间,双11已经走到了第17个年头,这个早已成为中国消费活力图腾的商业符号,如今也失去了顶峰时期的“刺激感”。卸下往日的光环,作为双11的发起者,阿里巴巴正在讲述一个新的电商故事。

10月16日,天猫双11发布会上,阿里巴巴旗下的淘天集团揭示了本届双11的核心变革:它不再仅仅是一场电商促销狂欢,而是其“大消费时代”与“AI全面落地”两大战略历史性交汇的首次大型实战演练。

这届双11被赋予了三个“第一”的定义:第一个大消费时代的双11,第一个淘宝闪购全面参与的双11,也是第一个AI全面落地的双11。

当电商行业流量红利见顶,单纯的价格战难以为继时,淘天集团选择将筹码压在AI上,试图用技术重构效率与体验,为平台、品牌和亿万消费者求解一道全新的增长方程式。

同时,今年双11是淘宝从电商平台升级为大消费平台后的首个双11,实现“远场”电商与“近场”即时零售的全面融合,这一增量空间是巨大的。

阿里巴巴中国电商事业群淘宝平台总裁处端表示,未来几年淘宝闪购会带来万亿的新增量,成为品牌接下来生意增长重要的新增量。 

这场始于金秋的消费盛事,正演变为一场由AI和大消费驱动的商业模式预演,其背后是淘天在激烈市场竞争中寻求破局、做大增长的决心与野望。

AI成双11破局点

在阿里将“AI驱动”作为核心战略近两年后,其最大的电商盛会终于全面落地了AI。 

天猫总裁家洛指出,今年双11正在经历根本性变革,其核心驱动力已从单纯的流量与优惠,转变为基于AI和长期数据洞察的深度经营能力。

“平台不再仅仅追求‘流量洪流’,而是通过技术升级,助力品牌实现更精准的用户识别、更高效的私域运营以及线上线下全面融合,从而在多元电商格局中找到可持续增长引擎。” 

据悉,今年双11全周期天猫将发放500亿消费券补贴用户,部分消费券将由AI“智惠引擎”统一决策发放。试点期数据显示,AI“智惠引擎”发券转化率,相比以往提升了15%,能让消费补贴更加精准。

当前,商家在天猫经营也可以做到全链路 AI化,覆盖从经营分析、商品运营、素材制作,到人群运营等绝大部分环节;同时,天猫旗舰店升级为3.0“智能态”,聚合货架、品牌、会员、服务四大中心,通过AI实时感知用户需求,提供千人千面的个性化展示与服务。

也就是说,过去,AI更多是营销层面的点缀,但今年,它已成为驱动淘宝平台运转的底层基础设施。

用淘宝天猫市场部总经理暮珊的话来说,今年的双11,AI在淘宝绝对不是一个噱头。“AI产品已经深入应用到各个消费者购物的场景当中,让消费者的需求与品牌好货可以双向奔赴。” 

据暮珊透露,在天猫双11预售开启的首日(10月15日),AI已爆发出极大的势能,平台的AI大模型调取次数超过150亿次,无论是商家、还是消费者们都在踊跃使用平台的各种AI工具。

AI真正“有用”的背后,是今年以来淘宝天猫押注投入AI产研。据悉,淘宝天猫平台的算力提升了40倍,对用户行为序列长度的感知,从半年周期提升至10年,大幅提升商品推荐的精准度,带动购买效率提升25%。 

家洛指出,今年“双11”不仅是全民狂欢的时刻,更是新增长的起点。天猫将押注AI升级产品能力,结合算法重投核心用户,扶持优质品牌实现品质升级,为品牌开启全新的增长机遇。 

在此背景下,天猫双11预售开启后首小时,35个品牌成交破亿,1802个品牌成交翻倍,破亿品牌数、成交翻倍品牌数、活跃用户数均超去年同周期。 

大消费齐发力

如果说AI是这次天猫双11的技术底座,那么“大消费平台”战略则是其商业模式的顶层设计。 

今年4月阿里将淘天旗下即时零售业务“小时达”升级为“淘宝闪购”,与京东、美团展开了对即时零售市场的争夺;6月,飞猪、饿了么被并入阿里中国电商事业群;7月,盒马被接入淘宝一级流量界面;不久后,飞猪也被接入了淘宝一级流量界面。

今年8月,淘宝也上线了全新的大会员体系,打通了饿了么、飞猪、高德等。

这一系列动作的背后,最终的目的只有一个:整合阿里旗下全部消费业务,实现淘宝从“电商平台”到“大消费平台”的战略升级 。

在此背景下,淘宝迎来了升级为大消费平台后的第一个双11 ,也将给商家带来更大的增长空间。 

据淘宝提供数据,5300万88VIP、3亿闪购月成交用户、10亿大会员,将为品牌带来最高净值、最广泛、最高频的用户群体;即时零售与电商的融合,也将开启万亿增量新市场。 

暮珊表示,今年双11是淘宝远近场全面融合、线上线下体验空前一致的双11。对于品牌来说,这是一个商品全面供给,价格管理、电商以及门店经营空前体验一致的双11。 

据悉,在这个双11,天猫与淘宝闪购深度协同,品牌旗舰店可接入淘宝闪购,打通线上线下,开启“远近一体”经营。首批已有37000个品牌40万家门店接入闪购,覆盖苹果、华为、优衣库、迪卡侬等行业头部大牌。

与此同时,今年天猫双11投入力度为历年最大,全周期发放500亿元消费券补贴用户。不仅天猫商品可用,开通淘宝闪购的品牌商品也适用双11优惠,可用88VIP消费券。

淘宝闪购在双11前期也取得了不错的战绩。华尔街见闻了解到,仅在双11首日,通过“闪购免单”参与活动的用户规模达800万;88VIP会员订单量、淘金币频道闪购订单用户数都有显著提升。

如今的双11已经只是一个单纯追求GMV数字的营销节点,而是一场由AI驱动、线上线下融合、平台与品牌共赴的商业变革。在这场变革中,淘天正全力以赴,试图为“做大增长”这一时代命题,给出一份属于自己的答案。 

风险提示及免责条款
市场有风险,投资需谨慎。本文不构成个人投资建议,也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资,责任自负。
原文链接: 天猫双11撬动了一个新的万亿市场
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
🔥 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