89% 的零售商都在用 AI 了,电商这场仗,打法全变了

你想想这样一个场景。

凌晨两点。店里一个人都没有,客服早就下班了。可后台,订单提示音自己响了。

一个 AI 客服,把一个犹豫了半天的顾客,从「随便看看」一路聊到了付款。

这不是想象,也不是未来。这就是今天很多网店的日常。

而且,这场变化的规模,比大多数人体感的大得多。89% 的零售商,已经在实际使用 AI,或者至少在做试点。刚过去的假日购物季,美国有超过 620 亿美元的销售额背后,都有 AI 的影子。全球 AI 电商市场,2024 年还是 72.5 亿美元,预计 2034 年冲到 640 亿以上,年复合增速超过 24%。

很多人嘴上,还把 AI 电商叫「趋势」。

错了。它是现在进行时。

什么叫 AI 电商?

别被这个词唬住。说白了,就是把机器学习、自然语言处理、计算机视觉这些技术,用进网店的每个环节:获客、推荐、定价、客服、库存、风控。

你其实天天在见它。

推荐引擎,是 AI。下单前拦下可疑订单的风控系统,是 AI。盯着行情自动调价的定价引擎,是 AI。不用人工就能解决大部分咨询的客服机器人,是 AI。你拍张照片,它就帮你找同款,这叫视觉搜索,也是 AI。

那过去的电商靠什么运转?

靠规则,靠人工。首页放什么商品,人拍板;用户弃购了发什么邮件,人设定;清仓怎么打折,人算账。

AI 干的事,就是把这套死规则,换成会自己学习、越用越聪明的活系统。

这不是修修补补。这是换了台发动机。

为什么不做不行了?

有人觉得,AI 是大厂烧钱的玩具,小卖家先把基本功练好就行。

这个想法,正在变得越来越贵。

先看消费者。2026 年的一项调查显示,72% 的消费者希望网购时有 AI 购物助手搭把手;45 岁以下的人群里,这个比例超过 80%。他们要的是秒回的答案、对味的推荐。你给不了,对手给得了,那你的客户就变成对手的客户。跟你产品好不好、价格香不香,关系都不大。

再看账本。已经在用 AI 的公司,平均收入增长 10% 到 12%。领先的那批人更夸张:三年周期里,收入增速是非采用者的 1.5 倍,股东回报是 1.6 倍。

这不是多赚两个点的差距。这是结构性差距。

最后看门槛。几年前,一套电商 AI 方案,预算七位数起步。现在,小商家的入门工具,一个月不到 50 美元。

钱,早就不挡路了。挡路的,是你知不知道从哪儿下手。

AI 到底能替你干哪些活?

咱们从最熟悉的说起。

什么叫个性化推荐?机器把用户的浏览、加购、购买记录拆开揉碎,算出这个人下一步最可能买什么。亚马逊全站大约 35% 的收入,是推荐引擎带来的。天呐,三分之一还多。做好了的个性化,转化率最多能提 23%。而且不止商品页,邮件、首页、搜索结果、结账时的加购,全都算。

什么叫智能搜索?关键词搜索有个天生的毛病:用户得知道自己要什么,还得会形容。「站着一天也不累的鞋」,这句话里没一个品牌名,商品标题里也未必有,关键词搜索基本接不住。自然语言搜索听得懂人话。服装、家居这种「看着买」的品类,视觉搜索更直接:拍张照片,找同款,加购率明显往上走。

什么叫动态定价?定价引擎盯着对手的价格、自己的库存、实时的需求,自动调价。头部零售商,每 10 分钟动一次价。麦肯锡的研究说,AI 定价优化能把 EBITDA 抬高 2 到 5 个百分点。注意,这不是无底线打折。需求旺的时候,它甚至建议你涨价;库存压多了,它帮你找该降的价。

客服这块,变化最直观。如今的 AI 客服,早不是「按 1 转人工」那种树状问答了。它听得懂歪问,能查订单、办退货、发优惠码,还能把人一路聊到下单。用了对话式 AI 的品牌里,96% 拿它做客服,单通电话的成本能降将近一半。2024 年黑色星期五,用 AI 客服的零售商,转化率比传统渠道高 15%。客服团队那边,生成式 AI 助手让坐席每小时多解决 14% 的工单,平均处理时长还降了 9%。

库存呢?压货,吃毛利;断货,毁信任。AI 预测模型把需求预测的误差降 20% 到 50%。怎么做到的?季节规律、促销日历、供应商交期,甚至天气和宏观经济数据,全在它的算式里。销量大的生意,少压一点货、少断一次货,直接就是现金流和毛利率。

风控这块,更是一个人顶一万个人。一笔交易完成之前,AI 在毫秒之间过几千个信号:设备指纹、行为习惯、收货地址有没有异常、下单频率快不快。规则系统抓不到的骗子,它抓得到;规则系统误伤的好客户,它放得过。

营销和弃购挽回,也早就交给机器了。67% 的零售商已经在用 AI 做营销和广告,机器决定给谁、说什么、走哪个渠道、几点发。快流失的客户,提前识别,自动触发挽留。至于弃购,大约 70% 的购物车最后没走到结账。AI 盯着用户离场前的动作,在他要走的那一刻,递上一句提示、一张券、一个免邮。

这是把本来要丢的钱,捡回来。

把账放一起算一算

单看每个场景都是好处,合起来更吓人。

收入这边:2025 年 1 月到 7 月,AI 带来的单访客收入涨了 84%。AI 聊天的转化率,是无引导浏览的 4 倍,12.3% 对 3.1%。有 AI 协助的购物者,完成下单快 47%。

成本这边:AI 路径规划和需求预测,物流成本平均降 15%,做得好的能降一半;库存优化,把持有成本平均降 35%;客服自动化,单次交互成本最多省 50%。

效果面:落地 AI 的零售商里,69% 报告收入直接上涨,72% 报告成本下降。注意,这不是几家大厂的试点成绩单,是各种体量的公司都在发生的事。

大牌们是怎么打的?

看几个实在的例子。

亚马逊,标杆。推荐引擎贡献约 35% 的收入;动态定价据说一天调整几百万次;履约 AI 提前把货铺到离你最近的仓库。你还没下单,它已经猜到你要买什么了。

丝芙兰。聊天机器人管选品、管预约、管促销咨询;虚拟试妆用计算机视觉,把口红眼影实时「叠」在你的照片上。客服成本降了,商品页的互动还涨了。

沃尔玛。AI 管选品组合,管供应链,一直管到每家店级别的需求预测。它把销量、天气、本地活动放在一起算,保证抢手货出现在对的店。少浪费,少缺货。

H&M。AI 分析购买行为和社媒趋势,决定不同门店的货怎么配。不是全国一盘货,是一店一盘货。结果是打折清仓更少,缺货也更少。

ASOS。服装电商最大的利润杀手是退货。ASOS 用视觉搜索和 AI 尺码推荐,让人在买之前就更确定「这件合不合身」。退货少了,下单也更有底气了。

五家公司,五套打法。但有一件事是共通的:AI 在他们身上,不是某个部门,是长进了业务流程里的东西。

B2B 这半边战场,被低估了

聊 AI 电商,大家默认聊的是 to C。其实 to B 的变化,可能更猛。

全球 B2B 电商市场,预计 2026 年达到 36 万亿美元,年增速 14.5%。里面 71% 的 B2B 企业已经在用 AI。但注意:美国 B2B 公司里,只有 33% 把 AI 全流程落了地。

什么意思?红利还大片大片地空着。

想一个场景。汽车零部件分销商,SKU 以百万计。采购的人以前在类目树里爬楼梯,现在直接一句话:找某个车型 2018 款的前刹车片。对的零件,立刻浮出来。错买少了,采购周期短了,销售和客服也被解放了。

还有客户级定价。以前这种「看人下菜」的事,只有专属客户经理能干。现在 AI 规则引擎自动来:老客户的协议价、批量折扣、定制目录,该给谁给谁,还规模化。

更狠的是预测式补货。AI 看着客户的历史采购规律,在他自己还没意识到缺货之前,把补货建议递过去。对高复购的生意,光这一个功能,就足够锁住忠诚度。

再往前一步,是 agentic AI,智能体:自己生成报价,自己处理采购订单,自己走完订单全生命周期。2026 年 3 月,Redpoint Ventures 的报告确认,B2B 公司的技术支出,正在从一堆散装工具,转向整合的 AI 平台。

生成式 AI:从「猜你喜欢」到「替你写」

前面说的 AI,是预测型的:分析已有数据,猜结果。

生成式 AI 反过来,它会创造新东西。文案、图片、商品描述,又快又便宜。

商品描述。几千个 SKU 的文案,以前得养一个文案团队。现在,喂给它品牌语气和商品数据,几分钟出稿。描述写得好,用户买得更明白,退货率还能降。

营销内容。标题、正文、短信、广告变体,以前一周的文案加测试,现在几小时跑完,还能一人一版。

图片。生成式 AI 能直接产生活方式场景图、场景变体、模特图,不用拉队伍去拍片。服装、家居、美妆这些靠图卖货的品类,内容成本断崖式下降。

对话式购物。用户不打关键词了,直接用大白话,甚至语音,把需求说出来,AI 像个懂行的导购一样接住。谷歌的 AI 购物体验和一批站内实现,已经验证了这套玩法的参与度和转化。

工具这么多,从哪儿下手?

市面上的工具已经相当成熟,挑几个代表说说。

做个性化推荐,Nosto 适合中大型商家,Dynamic Yield 已经归入 Mastercard 旗下,走企业级全渠道路线。客服这边,Tidio 家的 Lyro 月付 19 美元起,小商家就能上车;Gorgias 是专为电商做的工作台,工单量大的品牌用着顺手;Intercom 适合需要复杂客户沟通体系的成长期品牌。管库存,Inventory Planner 对接主流平台,Blue Yonder 是企业级供应链方案,Linnworks 适合多渠道卖家。搜索,Algolia 是市场头部,Constructor.io 专为大目录电商设计。定价,Prisync 盯对手价格自动调价,Omnia Retail 适合类目和市场都复杂的零售商。

还有一类,AI 直接长在平台里。Shopify 有 Sidekick 和一堆原生 AI 功能;BigCommerce 把 AI 接进了搜索、选品和 B2B 流程;Adobe Commerce 建在 Magento 之上,靠 Sensei 提供推荐、客群分层和预测分析。

一个明显的趋势:原来同时跑 6 到 8 个单点工具的公司,正在收敛到 2 到 3 个整合平台。数据通在一起,智能才滚得起来。

坑也是真的

诚实点说,这条路不好走的地方,一个都不该瞒。

数据脏,神仙难救。AI 的上限,就是数据的质量。订单在一个系统,客户资料在另一个系统,行为数据在第三个。拼不起来,再好的 AI 也是空转。

集成是技术活。老平台、深度定制的系统,塞新工具进去得好好规划,别把现有流程搅了。

最大的障碍,是不知道。2025 年的 Shopify 商家调查显示,没用 AI 的商家里,29% 不清楚 AI 工具能干什么,29% 不知道从哪儿开始,26% 不知道该选哪个工具。最贵的不是钱,是迷茫。

ROI 不好算。归因,本来就是电商的老大难。要证明某个推荐引擎到底带来了多少收入,没有一套严格的测量框架,说不清。

偏见、安全、失控。AI 会把历史数据里的偏见学进去,定价和推荐上可能做出歧视性的结果。自动化还放大错误:人手错,错一单;AI 错,错一片。治理和盯梢,不能省。

给你一条最短的路

这不是技术问题,是策略问题。六步,说给你。

1. 从最痛的地方下手。别想着全面开花。客服把团队压垮了,上客服机器人;断货伤收入,先做需求预测。挑一个,打透。
2. 先盘数据,再看工具。你有什么数据、在哪儿、干不干净,心里得有数。
3. 选整合的,不选散装的。前面说了,收敛到少数平台,是趋势。
4. 动手前先定指标。转化率、客单价、工单量、库存周转、复购,成功长什么样,事先说清楚,不然没法诚实地算账。
5. 小步试,验证了再放量。拿一部分流量或商品先测,跑出 ROI,再铺开。
6. 人留在环里。AI 只会优化你给它的指标。指标和品牌的大目标偏没偏,得有人看着。

这场仗,往后会打到什么程度?

近一两年:对话式购物走向成熟,语音下单、AI 比价、聊天里完成支付,会越来越平常;直播带货那边,AI 会根据观众信号实时挑品、实时调玩法;智能体接管更多运营流程,调广告出价、处理退款、回复评价,都在商家划定的框里自己跑。这些已经不是实验,是头部玩家的日常。

个性化也会再往深里走一层:从「像你这样的人」变成「你本人」,机器给每个顾客建一个真正属于他自己的偏好模型。

再往远看,有人管这个叫「自主电商」:选品、定价、客服、库存,甚至跟供应商砍价,都由 AI 自动跑。人,退到品牌策略、创意方向和关系经营上去。

对早动手的人,时间站在他这边。AI 用的数据越多就越聪明,优势是复利。晚动手的人,今天落后的是业绩,明天落后的是数据。而数据这个差距,只会越拉越大。

有一件事,现在很清楚了:AI 和电商,再也分不开了。

问题不再是「要不要用」。

是先用在哪,多快用。

回到开头凌晨两点那个场景。那单生意,没有人工干预,没有加班,没有咖啡。系统自己看懂了需求,自己报了价,自己关了单。

这是 2026 年,某些网店一个普通的夜晚。

祝你也能早点,睡上一个这样的好觉。