美团 VS 抖音：AI战局的「信任」与「兴趣」

AI的竞争，已不再只是算法与算力的比拼，而是价值逻辑的较量。美团以“信任”为核心，构建长期关系；抖音则以“兴趣”为驱动，捕捉瞬时心智。本文将深入解析这场战局，探讨它如何重塑平台生态与用户心理。

———— / BEGIN / ————

今天，我想深入剖析「本地生活服务」这个赛道。

在我看来，这场竞争已从「搜索 vs 推荐」的表面差异，演变为两种底层「操作系统」的全面对抗。

大众点评（美团）：这是一个基于UGC（用户生成内容）构建的「信任决策引擎」。它长达二十年积累的海量评价数据是其核心资产。

面对挑战，人工智能正被用于两个关键战略方向：

「防御」——不惜一切代价捍卫其「评价真实性」；以及「进攻」——利用AI升级决策效率，解决其「工具」属性带来的商业化难题。

抖音本地生活：这是一个基于算法构建的「兴趣激发引擎」。其核心资产是能高效分发内容、创造即时需求的庞大流量。AI是其发动机，但它正面临一个根本性挑战：如何将算法制造的「线上冲动」转化为可控的「线下履约」。

AI技术的迭代正在重塑战局。

它迫使「信任引擎」大众点评变得更加动态和智能，以提升用户粘性；同时，它也迫使「兴趣引擎」抖音变得更加有序和可控，以解决高速增长带来的履约混乱。

创世篇：不同的基因决定不同的路径

平台的初衷定义了其核心价值，并深刻影响了后续所有的产品迭代。

大众点评的诞生源于一个清晰的需求侧问题。

2003年，其创始人旨在解决「人与服务」之间的信息差，在全球范围内首创了「餐饮消费者点评模式」。在那个「唯快不破」的O2O时代，大众点评的理念是「耐心」。

这种耐心，源于对本地服务行业本质的深刻理解：本地服务涉及复杂的「线下履约」。

信息的真实性直接决定了用户的金钱和时间成本。因此，大众点评从第一天起，其产品基因就不是「效率」或「低价」，而是「信任」。它的核心资产不是POI列表，而是附着在POI上、且被用户所相信的UGC评价体系。

与此相反，抖音本地生活的入局是供给侧的推动。

这是在其核心的广告和直播电商业务之后，才开始探索的新领域。这是一个纯粹的「流量变现」战略。平台的核心诉求是为其巨大的、高频的流量，寻找一个新的变现出口。

这种「Push」模式是抖音本地生活一切优势（爆发力强）和劣势（履约混乱）的根源。它从根本上定义了抖音的产品形态——「店找人」。

现状篇：两种模式的「阿喀琉斯之踵」

两种截然不同的基因，演化出了两种截然不同的用户旅程，双方在效率和变现上均存在根本性的挑战。

1. 抖音的「核销率」难题：冲动消费与线下履约的鸿沟

本地生活相较于实物电商，增加了一个至关重要的「线下核销环节」。从我作为产品经理的视角看，抖音的「店找人」模式存在一个系统性缺陷，即「低核销率」。

这会产生三大负面连锁反应：

起因：抖音的AI推荐算法，其优化的核心指标是「线上点击」和「即时购买」（GTV），而非「线下履约」意愿。这导致了大量的「低意图冲动消费」。

1. 反应1（商家端）：商家看似获得了很高的GTV，但实际到店客流远低于预期，导致ROI不可控，甚至出现「赔本赚吆喝」。

2. 反应2（用户端）：用户因冲动购买而未核销的「沉没成本」不断累积，导致未来对平台团购券的「信任度下降」。

3. 反应3（平台端）：这会「污染」抖音自己的AI模型。算法错误地学习到用户「喜欢」某类产品（因为他购买了），但用户从未真正体验（因为没去核销）。

「核销率」是抖音本地生活必须解决的第一PMF（产品市场契合度）难题。这个难题也迫使其变现模式更加倚重「广告」，而非与履约强绑定的「佣金」（抖音佣金率约2.5%，远低于美团的8-10%）。

2. 大众点评的「货币化」天花板：工具属性与广告收入的天然冲突

大众点评（美团）面临着相反的问题。其较高的佣金率保证了交易收入的稳定性，但其「广告变现空间」却受限。

这是「信任」的代价，也是大众点评的「工具悖论」：

• 平台的核心价值是「人找店」的「工具属性」和「信任」。

• 用户使用工具的心态是「用完即走」，追求「最高效率」。

广告的商业模式，本质上是「打断」用户路径、「延长」用户停留时间，以创造广告库存。

因此，大众点评的核心价值（高效、可信）与其最可扩展的变现模式（广告）「天然冲突」。

过多的广告会「稀释信任」、「降低效率」，从而杀死带来用户的「信任飞轮」。

产品经理面临的核心困境是：如何在不破坏「信任」和「效率」的前提下，「增加用户停留时长」，为其广告业务创造库存。

核心议题：AI驱动下的「攻」与「防」

AI，特别是大模型和先进的机器学习算法，正成为双方解决其核心问题的关键武器。

A. 大众点评（美团）：AI作为「秩序」的维护者与「效率」的放大器

大众点评的AI战略围绕其核心资产「信任」展开，分为「防御」和「进攻」两部分。

1. AI解决方案（防御）：构建“AI+人工”四道防线

平台的UGC评价体系正遭受「赠品换好评」、「水军刷评」等行为的系统性攻击。这是大众点评的「存亡问题」。

为此，大众点评构建了一个「AI-in-the-Loop」的混合治理系统，以捍卫评价的真实性：

• 第一道防线 (AI)：「黑产安全防护网」。在「评价源头」利用AI识别黑产等非真人类账号行为。

• 第二道防线 (AI)：「数百种风控模型」。AI识别「店员刷评」、「恶意差评」等复杂的「行为模式」。2024年，近60%的违规评价在此环节被拦截。

• 第三道防线 (人工)：「人工研判」。处理AI无法判断的「复杂场景」，还原写评的具体场景。

• 第四道防线 (人工+众包)：「畅通申诉渠道」与「大众评审机制」。为边缘案例提供复核，2024年超227万用户参与了大众评审。

这种「AI+人工」的混合模式，是在「信任」与「成本」之间找到的最优解。大众点评的策略是：用AI处理「高确定性」的作弊；用「AI+人工」处理「低确定性」的灰色地带。

2. AI解决方案（进攻）：算法迭代与产品重构

为解决「工具悖论」，大众点评正利用AI从「底层算法」和「上层产品」两个层面发动进攻。

a. 底层算法：从关键词匹配到“语义+个性化”召回

美团技术团队在2024年3月披露，大众点评正在对其内容搜索内核进行重大升级。旧模型是传统的「关键词匹配」。新模型引入「语义召回」，旨在理解用户模糊查询背后的「真实意图」；并引入「个性化召回」，结合用户的「地理偏好」、「上下文」和「历史消费内容」等信息。

这是大众点评在用AI「偷师」抖音。 「语义召回」和「个性化召回」正是抖音推荐算法的核心。大众点评试图在其「人找店」的搜索框架内，注入「店找人」的内容发现能力。其产品目标非常明确：希望用户在「搜索后」不要立即离开，而是被相关内容吸引，从而「逛起来」，为其创造急需的广告库存。

b. 上层产品：利用大模型（LongCat）重启“品质外卖”

2025年9月，大众点评宣布重启「品质外卖」服务。这一举动的核心驱动力是「AI+真实高分」。平台使用美团的B端自研大模型，去「分析海量的用户评价数据」，剔除虚假信息。

这是一个抖音「无法复制」的AI应用。大众点评最大的资产是什么？20年积累的、海量的、且被「AI四道防线」清洗过的UGC数据。大语言模型（LLM）最擅长什么？「理解」和「总结」非结构化文本。

大众点评的产品经理敏锐地抓住了这个结合点：让LongCat大模型去「阅读」成千上万条「真实评价」，并「总结」出哪些餐厅是「真正」的「品质」餐厅。此举将大众点评的「防御型AI」（治理）和「进攻型AI」（LLM）完美结合，将其「数据护城河」转化为了「产品护城河」。

B. 抖音本地生活：AI作为「欲望」的发动机与「混乱」的平衡木

抖音的AI既是其「核心资产」，也是其「问题的根源」。

1. 已识别问题：流量洪峰下的履约混乱

抖音的AI是「内容分发」AI，不是「服务履约」AI。

它能瞬间制造「爆款」，但商家端完全无法承接这「泼天的富贵」。

具体表现包括：商家为赚取流量设置「骨折价」导致赔本；大量商家「不懂如何设计产品套餐」；用户到店后发现「答应的套餐卖完了」，导致信任危机。

2. 推进中的解决方案：算法横向扩张，从「餐饮」复制到「泛电商」

2024年数据显示，抖音本地生活在餐饮等基本盘的增长正在放缓。「爆款单品」模式的「边际效应」正在递减。

面对餐饮品类的瓶颈，抖音在2024年开始开拓新类目，包括房产、装修、服装等。从我作为产品战略的视角看，这不是对大众点评核心优势（低频、高信任服务）的正面进攻，而是一次巧妙的「战略规避」。

抖音在餐饮（高频、强线下履约）上遇到了瓶颈和难题。大众点评的核心护城河是「低频、高信任」的服务。抖音选择的新品类（房产、装修、服装）具有一个共同点：「电商属性更重」。

抖音的AI最擅长的就是电商。卖装修套餐（本质是线索售卖）和卖服装（实物电商）的算法逻辑，远比卖线下核销的餐饮体验更接近抖音的「AI舒适区」。抖音在战略上选择避开大众点评的信任壁垒，转而利用其内容算法优势，攻击那些更接近其核心电商能力的本地生活品类。

3. 待解决的问题（PM视角）：抖音AI的“三大战役”

在我看来，抖音的产品和算法团队面前，有三个「待解决」的核心问题，而AI是唯一的钥匙。

a. 战役一：AI如何提升“核销率”？

这需要解决「冲动消费」与「线下摩擦力」的根本矛盾。抖音的AI必须从「GTV优化」转向「LBS+时间」优化。

旧AI：「你可能喜欢这个券，买吧。」

新AI：「现在是上午11：30，你正在公司楼下，你那张xx券300米外就能用，现在去吗？」这需要AI模型融合「兴趣图谱」、「实时地理围栏」和「时间序列」，从「种草AI」进化为「履约AI」。

b. 战役二：AI如何赋能B端（商家）？

这需要解决商家「运营混乱」的问题。这正是「生成式AI」的用武之地。

• 「AIGC视频」：商家上传3张图，AI自动生成「爆款」探店短视频。

• 「AI套餐设计」：AI根据全网数据，自动帮商家设计「引流单品」和「利润单品」，实现「动态定价」。

• 「AI智能客服」：自动处理直播间的海量评论。这需要抖音打造一个「智能商家」SaaS平台，用AI弥补B端的能力短板。

c. 战役三：AI如何治理生态？

这需要解决「探店博主」生态受损和商家履约合规的问题。抖音的算法需要从「单目标优化」（GTV最大化）转向「多目标优化」。

新目标（公式示意）：$Score = w_1(GTV) + w_2(核销率) + w_3(商家NPS) + w_4(创作者收益)$

这需要建立一个更复杂、更平衡的生态分配机制。

终局篇：本地生活的未来——“全能管家”与“即时乐园”

大众点评（美团）的终极目标：AI驱动的一站式、高确定性的「本地生活决策大脑」

大众点评的终局，是将其「独有」的、经AI「清洗过」的「UGC数据资产」与美团的「自研大模型」相结合。其最终形态将从一个「搜索框」进化为一个「AI管家」（即C端智能体）。

用户不再是「搜索」，而是「提问」——「我下周带客户去上海，求推荐一家有面子、安静、且评价「真实」（无刷评）的餐厅」。

AI将「代替」用户完成筛选、比对和决策。其核心壁垒将是「确定性」。在信息爆炸和虚假内容泛滥的时代，大众点评将自己定位为「真相」和「品质」的最终提供者。

抖音本地生活的终极目标：AI驱动的、覆盖全域兴趣的「即时服务变现闭环」

抖音的终局，是将其「世界级」的「内容推荐AI」能力，应用到「万物」。本地生活只是其中一个关键闭环。其最终形态将是一个覆盖全域兴趣的「即T时乐园」。

AI看到用户刷「装修」视频，就即时推送本地设计师的线S索；看到用户刷「亲子」视频，就即时推送周末游乐园的团购。

它不是一个「工具」，而是一个「嵌入生活」、无处不在的商业层。其核心壁垒是「即时性」。它不解决用户的「确定性」需求，但它能「创造」和「满足」用户「当下」的「不确定」欲望。

本文来自作者：靠谱瓦叔

想要第一时间了解行业动态、面试技巧、商业知识等等等？加入产品经理进化营，跟优秀的产品人一起交流成长！