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。
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。
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。
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」。
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。
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」。
「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%）。
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」：
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。
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。
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：
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」。
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。
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。
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。
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。
本文由 @靠谱瓦叔 原创发布于人人都是产品经理。未经作者许可，禁止转载
题图来自Unsplash，基于CC0协议
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。