AI搜索阻碍电子商务效率 | AI生成和翻译
问题： 京东移动应用中基于DeepSeek的AI搜索功能，是否对用户而言比传统关键词搜索更糟糕？用户是否应该先使用专用聊天AI进行研究，再切换到京东进行常规关键词查询？
回答：
是的，这是一个被充分理解的产品设计失败模式。以下是京东AI搜索为何表现不佳以及你的直觉为何正确的原因：
电商AI搜索为何失败
目标函数错位。 京东的AI搜索并非优化为你提供最佳答案——它优化的是GMV（商品交易总额）。DeepSeek模型经过微调或提示，倾向于展示能促成转化的商品，而非为你提供中立、准确的产品研究。每个AI回答都是一个漏斗，而非一个神谕。
上下文窗口≠商品目录智能。 像DeepSeek这样的通用大语言模型并不具备深度的SKU级规格结构化知识、大规模真实用户评价或跨品类比较推理能力。它本质上是在京东的产品数据上进行RAG（检索增强生成），而这些数据充满噪声且存在商家偏见。
规格参数存在幻觉风险。 如果你问“3000元以下性价比最高的显卡是哪款”，AI可能会自信地给出过时的基准测试对比或错误的TDP数值。传统搜索则返回实际产品页面，你可以自行验证规格。
UI/UX的强制路径。 AI搜索的回答是一条死胡同——你阅读答案，或许点击一个推荐商品。传统关键词搜索则提供一个结果网格，你的眼睛可以扫描20个商品，按价格排序，按品牌筛选，查看评价数量。对于购物任务，关键词搜索的信息密度更高。
正确思维模型：两阶段研究
你描述的工作流程实际上是最优的：
阶段1：研究（ChatGPT / Claude / Perplexity）
→ “比较RTX 4070与RX 7800 XT在机器学习推理上的表现”
→ “500元以下最适合编程的机械键盘轴体”
→ 获得结构化、无偏见的分析
阶段2：执行（京东关键词搜索）
→ 搜索“RTX 4070 Ti ASUS”——已经确切知道想要什么
→ 按价格排序 + 筛选京东自营
→ 手动查看评价数量和最新评论
这种分离之所以奏效，是因为研究是一项生成性任务（LLM擅长于此），而购物执行是一项检索+筛选任务（结构化搜索擅长于此）。
京东为何不会修复这个问题
京东的动机是让你留在应用内，减少比价行为。AI搜索给出自信的答案，会阻止你去查看淘宝或拼多多。AI功能在某种程度上是一种留存机制，而非纯粹的用户价值驱动。
DeepSeek集成很可能也是一个成本信号——推理便宜、部署快速，且有一个营销故事（“AI驱动”）。对用户的产品质量是次要于叙事本身的。
一般原则
AI搜索在以下情况下表现良好： 查询模糊需要解读，语料库结构良好且经过筛选（例如企业知识库），且平台与用户之间没有利益冲突。
AI搜索在以下情况下表现糟糕： 平台对你找到的内容有经济利益，底层数据由商家生成（存在偏见），且你需要比较多个选项而非描述一个产品。
京东的情况符合所有三个“糟糕”条件。你的双应用工作流程是对这一错位产品的正确应对。