[雙11消費觀察-2] 幹活的人換了: 從棄GMV到數位軍團上崗

凌晨三點，杭州一處居民樓的燈已經暗了大半。

往年這個時間，家具品牌天貓旗艦店的負責人還守在電腦前，反覆刷新後台的即時成交數字，等著看衝到哪個量級，好判斷要不要再加一波推廣預算。今年他沒守。手機亮了一下，是 AI 大促助手推來的晨間簡報，昨日支付金額、退款費比、流量來源渠道，連同兩條異常波動提醒，一項一項列好了。他劃了兩下，翻個身繼續睡。

同一個凌晨三點，京東某個直播間裡，一個數字人主播正在講一款取暖器。它不需要喝水，不需要休息，也不需要為深夜的流量焦慮。它本身就是為這個時段設計出來的。

這是第 18 個雙十一。熱鬧沒有變，變的是誰在幹活。

上一篇我們講了貨架，貨架上賣的東西從實物換成了服務和 AI 額度。這一篇要講貨架後面的人。不過在講 AI 之前，得先講一件更容易被忽略的事：商家今年換掉的第一個「人」，不是員工，是 GMV。

商家先把 GMV 這個指標撤了

《商業數據派》採訪過一位在杭州做了九年女裝生意的老闆，她在天貓、抖音、拼多多三個渠道都開店。今年 10 月初，她把團隊熬了兩週做出來的雙十一方案整個推翻，達人直播的場次直接砍掉三分之二。

她給團隊定的雙十一考核指標裡，沒有 GMV 了，只剩兩項：利潤率，還有老客戶復購占比。

她說了一句話，把這件事講得很清楚：「以前問的是能賣多少，今年先問能剩多少。」

GMV 是商品成交總額。這是雙十一最風光的年代裡，平台和商家最愛看的紀錄數字，開售一分鐘破億、類目內率先突破十億，戰報一天發好幾輪。今年這個數字從考核表上被撤了下來。

這不是個案。廣東省網商協會發布的《2026 年雙 11 全平台調研與品牌經營深度報告》裡，對今年有兩句定性描述：一句是商家端從「GMV 崇拜」轉向利潤與長期價值並重，另一句是平台集體簡化規則、現貨替代預售成為主流、價格表達從「算法迷宮」回歸「直降透明」。這份報告同時提到，2026 年雙十一全網參與商家突破 1500 萬家，較 2025 年增長約 8.5%。

要注意這裡的口徑。協會說的是「參與商家破 1500 萬家」，加上一句對趨勢的定性判斷。這不等於「1500 萬家都在轉向利潤導向」，那是兩件事，不能合成一句話講。

另一份在行業內流傳的《2026 年 618 大促專家紀要》裡，受訪專家提到，他合作的品牌中，今年有超過七成把淨利潤率列為第一位的 KPI；而前一年，這個比例連四成都不到。

七成對四成不到。這個跳躍幅度如果屬實，說明轉向發生得很快。但這份紀要是業內流傳的版本，不是公開發布的正式報告，只有單一來源，引用時得把它的性質講清楚，不能當成硬證據。它只能當一個方向的參考，不能當成一個結論。

還有一個側面的證據：今年四大平台集體不報總成交額了，改報服務、改報 AI、改報用戶數。連平台自己都不再公布那個數字，商家還把它當成一號指標，就沒什麼意義了。

平台不再報，商家不再考，那個曾經撐起整個雙十一敘事的數字，今年第一次退到了背景裡。

退貨率把 GMV 的含金量掏空了

為什麼商家突然不想要 GMV 了？答案不複雜，退貨率把它吃掉了。

男裝品牌步森在 2026 年半年報裡披露，它的抖音渠道退貨率高達 70.36%。需要說明清楚的是，這個數字對應的渠道交易額其實很小，公司在財報裡也說這塊業務量不大、對整體業績影響有限。所以它不能被當成「行業平均退貨率」來用，它只能說明一件事：在直播這個場景裡，賣出去一百單、退回來七十單，是完全可能發生的事。

這不是孤例。行業裡流傳的《2026 年 618 大促專家紀要》有一組更有意思的拆解。商家內部現在把訂單分成兩類：一類是消費者主動搜索後下單的，這類退貨率通常在 12% 到 22%；另一類是在直播這類場景裡衝動下單的，退貨率普遍 50% 起跳，部分平台的服飾品類甚至超過 90%。

這組數字同樣來自非公開材料，只能當方向參考。但方向本身不難理解：同樣一筆 GMV，含金量差三四倍。搜出來的單子是「想要」，直播喊出來的單子是「當下心動」。心動會退燒。

在直播間吆喝半天，賣出去的量要打個大折才算是真的賣掉，退回來的每一單還要承擔物流、客服、折舊，還有那一筆已經付出去的帶貨佣金。這筆帳算下來，GMV 這個數字就變得很奇怪：它記錄的是「成交」，不是「留下」。

你可以怎麼算自己的帳

上面這些都是別人的數字。真正對經營者有用的，是把同樣的算法套回自己的報表。

這件事不需要一個複雜的模型，只要抓四個數字，而且這四個數字你的團隊今天大概都拿得出來，只是從來沒有把它們放在一起看。

退貨率。不是全店平均，要分渠道看。直播間來的單、搜尋來的單、老客回購的單，退貨率會差好幾倍。多數人的報表只有一個總退貨率，那個數字會把很嚴重的問題稀釋掉。

帶貨傭金率。達人直播的傭金加上坑位費，換算成占成交額的比例。這一項在算 GMV 的時候完全看不到，但它直接吃掉淨利。

退貨處理成本。包括來回運費、重新入庫、二次銷售的折價，還有客服處理退貨的人力。這一項最少人算，因為它散在好幾個部門的費用裡，沒有人把它歸到「這一單」身上。

老客復購率。這是最能看出「你賺的是不是真錢」的指標。會退貨的單子通常來自新客和衝動客，會回來的單子才是留下來的。

把這四件事放在一起，可以算出一個比 GMV 有用得多的東西：每一單真實的淨貢獻。公式很簡單，成交額減掉退貨造成的損失、減掉傭金、減掉退貨處理成本，剩下的才是這一單真正帶給你的錢。

算完之後，多數人會看到一個不太舒服的結果：直播間那些漂亮的成交額，換算成淨貢獻之後，可能比你想像的薄很多。而你自己旗艦店那些不起眼的搜尋訂單，反而厚。

這不是叫你別做直播，是讓你知道每一種流量，各自的淨貢獻是多少。有了這個，預算該往哪裡挪，就不再是憑感覺。

那位杭州女裝老闆砍掉三分之二達播場次，她做的其實就是這個動作。她不是討厭直播，她是把那筆帳算出來了，發現算不過。

這就解釋了那位女裝老闆為什麼砍掉三分之二的達人直播場次。她砍掉的是「會退回去的銷量」。把預算從達播省下來，轉去經營自己的旗艦店、會員營運和老客戶複購，換來的是不會退的單子。

這是全篇最反直覺的地方。

過去幾年，天貓一直被當成「傳統包袱」，直播電商才是新故事。但有代運營機構拿品牌樣本做過橫向測算，發現天貓渠道的淨利率反而是幾個平台裡比較好看的，中位數可以到一成以上。

這個數字我沒有找到原始報告，只能當方向參考。但方向跟邏輯對得上：貨架電商的退貨率低、退貨處理成本低，淨利率自然好看。

直播帶來的是 GMV 的幻覺，貨架帶來的是淨利。

這個對比對台灣讀者特別有參考價值。這幾年台灣很多品牌都在焦慮要不要重倉直播，答案可能不在「要不要」，而在「算不算得清楚」。直播間裡的成交額很好看，但如果你把退貨、佣金、退貨後的二次處理成本一起算進去，那個數字可能會讓你想改主意。

所以今年商家集體撤退的方向很清楚：從「怎麼賣得更多」，轉向「怎麼賣得更值得」。他們發現，原來那套算法的分母被退貨率掏空了。

數位軍團是分三層上崗的

講到 AI 進場，很多報導喜歡用「全面接管」這種說法。實際去看，它是一層一層進來的，而且每一層的帳算得出來，也各有各的上限。

AI 客服的帳最簡單，因為它能用「一通多少錢」直接算。傳統人工客服處理一通諮詢的成本大約 2 元人民幣，店小蜜這類 AI 客服的標準版定價是 0.2 元一通，只要人力的十分之一。

有一個案例把這個規模效應講得很清楚。森馬服飾的公開說法是，開啟店小蜜的店鋪大約 200 人的人力配置，加上 AI 綜合承接約四成的諮詢量，相當於撐起了過去 400 人的人力規模。天貓官方口徑則是店小蜜 5.0 幫商家把轉人工率降低 20% 以上，店鋪成交轉化率提升 35% 以上。這兩個數字是平台和品牌自報的，看的時候心裡要有個折扣。

為什麼這一層能被 AI 吃掉？因為大促期間的諮詢洪峰，八成以上都是高度重複的問題：「什麼時候發貨」「優惠券怎麼用」「我的尺碼是哪個」。這類問題有標準答案，有固定的問法，答錯的代價也低。

母嬰品牌十月結晶有個很具體的例子。夜間新手爸媽來問紙尿褲尺碼、待產包清單、發貨時間，過去客服下班了就「有心無力」，這些單子直接流失。接入 AI 之後，半夜的諮詢有人接了，那些本來會跑掉的訂單被接住了。

這一層的關鍵在於，AI 比人便宜，而且不用睡覺。它吃掉的是那些「有標準答案、不需要判斷」的對話。

比客服更進一步，AI 今年坐進了商家的「投放室」。

發券這件事，過去很大程度上靠營運的經驗和手速。今年天貓把一部分決策權交給了 AI 智惠引擎。它的邏輯不複雜：不再等消費者主動去領券，而是根據行為信號動態判斷誰值得一張券、值得多大的券。

這裡有個數字必須講清楚年份。天貓官方講的「發券轉化率相比以往提升 15%」，是試點期的口徑，來自 2025 年那一屆雙十一，不是 2026 年。2026 年的公開報導裡，我沒有找到官方確認的同年數據。

更值得看的是 2026 年可以核實的案例，因為它們講的是「怎麼找到對的人」而不是「發了多少張券」。

阿里媽媽的「萬相點睛」有個很典型的例子。林氏家居一款布藝床，過去只定向「裝修人群」，轉化一直不上不下。萬相點睛把它推給了另一群人：希望躺著打遊戲更舒服的電競人群。結果這批新客的成交金額占比超過 83%。

這裡的道理不神秘。那款床的賣點本來就是「能躺」，但「裝修」這個標籤把所有正在裝修的人都圈進來，裡面有一大半根本不關心能不能躺。換成「電競」，圈進來的人少了很多，但每一個人都在乎同一個賣點。

美的和雷士照明也有類似的公開說法，把商品鎖定、預算分配、投產比調優交給 AI 工具之後，特定單品的表現明顯改善。這兩個案例的具體倍數我沒能核到原始出處，只知道方向是「投放效率提升」，所以這裡不給精確數字。

這些數字的共同點是：AI 做的事，本質上是把「對的人」從一堆人裡篩出來。它沒有創造需求，它只是減少了浪費。

不過這裡得說清楚這套系統的邊界，否則它看起來像萬靈丹。

萬相點睛之所以能在林氏家居那張床上奏效，前提是那個商品有一個說得清楚、又對得上明確人群的賣點。「能躺著打遊戲的床」，一聽就知道該賣給誰。如果今天賣的是一張普通的雙人床，賣點就是「品質好、睡得舒服」，那 AI 再怎麼篩，也很難從「裝修人群」裡再切出一個更精準的圈子，因為這個商品本身就沒有可切的特徵。

換句話說，AI 投放放大的是商品原本就有的差異，它不負責發明差異。賣點模糊、人群本來就分散的品類，AI 篩選未必比一個做了十年的老運營更準，因為老運營手上有演算法學不到的東西：他知道去年那批客人為什麼退貨。

而且，這套系統的成效統計，多半來自平台和品牌自己公布的成功案例。失敗的案子不會被寫成新聞稿，這一層要自己打個折。

但這裡要停下來想一件更根本的事。

精準地發 10 萬張券，跟乾脆一次發 100 萬張，差別到底在哪裡？如果只看數學，這確實是一道很無聊的題。發 100 萬張，使用率假設 5%，等於 5 萬人用了；精準地發 10 萬張，使用率假設 50%，也是 5 萬人用了。同樣的補貼金額，換來同樣的核銷人數，只是名目上的「發券量」從 100 萬變成 10 萬，看起來比較好看。如果這就是全部的答案，那 AI 發券只是一場數字遊戲。

但這件事在淘寶、京東這種會員規模上千萬的平台上，真正的價值不在「準」，在「不打擾」。

一個手上有一千萬會員的平台，如果不做篩選，一次大促就是一千萬條訊息發出去。對平台來說，這是「觸達率 100%」，一個漂亮的數字；對那九百多萬個根本不打算買的人來說，這是九百多萬次打擾。

打擾是有成本的，只是這個成本沒有人記在帳上。

它長什麼樣子？就是那個晚上十一點，你手機在桌上震了一下，螢幕亮起來，是某個購物 App 的推播：「限時 3 小時，全館 5 折起」。你連內容都沒滑完，手指按住那條通知往左一划，跳出「關閉此 App 的通知」的選項，你點了。從那一刻起，這個 App 再有什麼優惠，都到不了你了。

平台後台的報表上，這件事不會顯示為「損失一個用戶」，它只會顯示為「推播開啟率下降 0.3 個百分點」。那 0.3 個百分點背後，是幾萬個人做了同一個動作。

會員規模大到一定程度之後，「不打擾」本身就成了稀缺資源。精準發券的意義，是讓不該收到的人收不到，從而保住那些還願意被打擾的人的注意力。

這個角度一換，AI 發券就不再是數學遊戲，而是一種會員資產的保護機制。

而台灣的落差，恰恰就在這裡。這部分留到第三篇細講，這裡先點一句：台灣絕大多數品牌自營站和中小型平台，會員池只有幾萬到十幾萬，對它們來說，「打擾」還不是一個需要計算的成本，因為量還不夠大到會痛。所以它們的做法，仍然是一次全部發。

數字人直播是今年被講得最多的部分，也是最多數據陷阱的地方。

先說清楚數據。京東 2026 年雙十一的官方口徑是：數字人服務超過 10 萬商家，開播超過 900 萬小時，帶動銷售額超過 13 億元。請注意，網路上一組流傳很廣的「4 萬商家、累計帶動 GMV 超 23 億元、成本為真人的十分之一」，那是 2025 年的戰報。兩個年份的數字如果混著用，讀者會以為這個業務腰斬了，其實是不同年份、不同口徑。

百度的數字也一樣。常被引用的「雙十一期間 83% 商家使用數字人開播、開播規模同比增長 119%、GMV 提升 91%」，是百度副總裁平曉黎在 2025 年 11 月的百度世界大會上講的，屬於 2025 年那一屆的數據，不是 2026 年。

這些數字本身不假，但被挪了年份之後，就會變成另一件事。

數字人來補位，不搶真人的飯碗

講到數字人直播，最常見的質疑是：它這樣一對多講話，沒有人會真的停下來看吧？真人直播的互動感、臨場感，AI 怎麼可能取代？

這個質疑我認真查過，結論是：質疑是對的，但質疑錯了對象。

先把數字人現在真正佔住的場景列出來。

時段。凌晨兩點到早上八點，真人主播的時薪要加價，流量又最小，開播的成本效益最差。但這個時段確實有人在逛。數字人填的就是這個洞，它不需要休息，不需要加班費，播一整晚的成本跟播半小時差不多。

品類。工業品、五金、機械零件這類商品，直播間人氣本來就低，但詢價的人很精準。數字人可以照著規格表講一整晚，講到有人問為止。這種「守著一個低流量但高精準的房間」的活，真人做起來很折磨，數字人做起來剛剛好。

覆蓋量。一家店想要 24 小時都掛著直播間，真人做不到，得排三班，成本直接乘以三。數字人做得到，而且可以同時開好幾個房間。

把這三件事放在一起看，會發現數字人吃的是「真人主播不願意吃、或者吃不起的那部分飯」。

一對多從來不是它的短板，那就是它的正確用法。

真人直播的價值在哪裡？在於「我現在就回答你」。觀眾問「這個顏色顯白嗎」，主播可以直接把手舉到鏡頭前說「你看我這個膚色」。觀眾說「我怕買錯尺碼」，主播可以說「你跟我一樣身高就選 M」。這種即時的一對一回應，建立的是一種叫「你懂我」的信任，而信任是成交的前提。

數字人做不到這件事。它現在能做的，是把一套話術講得流暢、講得不累、講得不用付加班費。它是一台會講話的廣播，不是一個能聽你說話的銷售員。

所以那個判斷是準的：AI 直播現在還是一對多的廣播模式，只是把「真人」換成了「AI」，它取代不了真人直播的吸引力。真正的分水嶺，是它有沒有變成一對一、可完全客製化的互動。在那之前，它的角色是補位，還談不上替代。

而這個「補位」本身，其實已經改變了就業結構。一家店原本請三個主播輪班，現在可能請一個主播守黃金時段，其餘時段交給數字人。被換掉的是「深夜的那兩個班」，「主播」這個職業還留著。這跟客服那一層是同一個邏輯：AI 拿走的是工作裡「可以標準化、可以重複、不需要判斷」的那一塊。

那留下來的是什麼？

是那個能在鏡頭前舉起手說「你看我這個膚色」的人。是那個聽完你的困擾、能給出一個不在話術裡的建議的人。是那個出了問題你找得到、也認得的人。

這一層 AI 現在還碰不到，但它正在靠近。真正該問的問題是：你手上的那份工作，有多少比例是可以被寫成話術的？

這套帳，搬到台灣怎麼算

中國這套「AI 上崗」的帳之所以算得過來，有一個前提：規模。

AI 客服一通 0.2 元人民幣，比人工省 90%。但這個省法要成立，得有足夠的通話量把系統的固定成本攤掉。一家公司一天只接 200 通諮詢，導入一套 AI 客服系統，省下的錢可能還不夠付系統費。

同理，數字人直播的划算，建立在「開播時間長」上面。它最貴的部分是前期的形象建模和腳本設定，一旦建好，開多久都一樣的邊際成本。所以它適合那種一天想開 16 小時、24 小時的場景。一家台灣的中型品牌，一天只播 4 小時，數位人省下的那點人事費，很難蓋過建置成本。

也就是說，同樣的工具，在中國是「省錢」，在台灣可能還是「花錢」。

但這裡有個角度值得台灣的業者注意：不要只看「省了多少人力」，要看「能不能做到原本做不到的事」。

那家想在凌晨兩點接住詢價的工業品供應商，本來就沒有這個能力，數字人讓他有了。那家想在夜間接住新手爸媽諮詢的母嬰品牌，本來這些單子就是流失的，AI 把流失接住了。這種「從 0 到 1」的價值，跟規模無關，跟「你原本錯過了什麼」有關。

反而在台灣，AI 客服這一層比較容易算得過，因為台灣的客服人力成本相對高，而且服務業的薪資這幾年一直在漲。一通電話省下的錢，在台灣比在中國更有感。

至於投放和發券那一層，台灣的落差就更明顯了。這部分我留到第三篇講，因為它牽涉到一個台灣特別的問題：會員規模。

那到底該不該導入？可以看三個條件，不必算精確的 ROI，對號入座就行。

第一，你的諮詢量有沒有到「排隊」的程度。如果客服經常忙不過來、大促時要臨時加人、離峰時段沒人接電話，那 AI 客服就有明確的位置。如果你一天只有幾十通，人工處理得綽綽有餘，導入只是多花錢。

第二，你的問題有沒有八成是重複的。發貨時間、尺碼建議、優惠券怎麼用，這類問題有標準答案，AI 接得住。如果你的諮詢大量是客製化需求、議價、售後爭議，AI 只能擋住表面，最後還是要轉人工，效果有限。

第三，你的直播時段有沒有「閒置」。如果你已經每天播八小時、黃金時段場場爆滿，數字人可以補足深夜和清晨那幾段，邊際效益最高。如果一天只播兩小時，先把這兩小時做好，比買一個數字人划算。

三個條件裡有兩個成立，這件事就值得試。一個都不成立，等規模到了再說。這不是保守，是不要在錯誤的規模上做正確的事。

被換掉的是「可以被量化」的那一層

把這一篇收一下。

今年雙十一，商家做的第一批決定，不是買 AI，是撤掉 GMV 這個指標。原因不玄，退貨率把它吃掉了。GMV 記的是成交，不是留下。當抖音服飾的退貨率能到 70%，那個數字就不再是成績，是一種幻覺。

然後才是 AI 進場。它一層一層地進：客服先站穩，因為帳算得出來，一通多少錢清清楚楚；投放和發券跟上，因為它能從一堆人裡篩出對的人；直播最後到，而且它吃的是真人吃不起的那幾個時段。

三層有一個共同的規律：AI 拿走的是可以被量化、可以被標準化、可以被寫成話術的那一部分。客服的話術可以寫下來，投放的判斷可以用數據表達，直播的講解稿可以照著念。這些都能被 AI 接走。

留下來的是那些寫不成話術的部分。是那個聽完你說完就懂你在意什麼的人，是那個出了事你找得到、也認得的人，是那個敢在鏡頭前說「這個我不建議你買」的人。

對台灣的業者來說，這裡有個很實際的自問：我團隊裡每一個人做的事，有多少比例是可以被寫成 SOP 的？那部分遲早會被接走。剩下的那部分，才是你真正該投資的地方。

下一篇，鏡頭要轉到消費者這一側。當商家全員 AI 上陣，發券的、投廣告的、寫推薦的全部換成演算法，消費者手上那張券，還算得清楚嗎？我們會看到台灣和中國之間一個很具體的落差，也會看到一個有意思的場面：消費者開始用 AI，去對抗商家的 AI。