考察点
这是美团 AIGC 岗社招 GM 面的题,和前面业务面的项目深挖不同,GM 面看的是业务格局:你理不理解美团的生意本质(高频刚需、双边供给、重履约),能不能从「外卖、到店、酒旅、零售」这一堆板块里挑出 AI 真正能撬动杠杆的点,而不是背一份「AI+一切」的清单。好的回答要有取舍:先说判断框架,再按框架给出优先级,每个方向讲清楚 AI 解决了什么原来解决不了的问题。追问一般会往「你挑的场景怎么验证价值」「和现有推荐/调度系统什么关系」「商家侧和平台侧利益冲突怎么办」走。
参考答案
我的筛选框架:三个条件缺一不可
美团业务的特点是高频、低客单、强履约,AI 想在里面赚到钱,我会用三个条件筛场景:一是决策频率高,用户或商家每天要做大量小决策,AI 省的是重复脑力;二是平台有独家数据,别的大模型公司拿不到,比如真实交易、履约时效、菜品级评价;三是错误代价可控,错了不至于资损或伤害用户信任。三个条件都满足的,才值得先做。按这个框架,我会把落地分成用户侧、商家侧、履约侧三层,优先级从前到后。
用户侧:从「搜索-筛选」到「对话式决策」
本地生活消费最大的痛点不是没供给,是决策累。「周五晚上四个人、人均一百五、要有包间、离地铁近」这种复合需求,现在要在 App 里筛七八个条件再翻几十家店。对话式导购是小美正在做的事,我认为这是对的方向,但关键不在聊天本身,而在能不能闭环到交易:推荐的店必须真实可订、价格准确、能直接领券下单。这里 AI 的增量价值是把「搜索列表」变成「决策代理」,我会优先做两个高频场景:多人聚餐的决策(需求复合度高,传统筛选最吃力)和「不知道吃什么」的模糊意图(占外卖流量的大头)。评估指标不看对话轮次,看从对话到下单的转化率和决策时长缩短了多少。
商家侧:运营能力是最大短板,AI 最能补
美团几百万商家,绝大多数没有专业运营。AI 在这里的价值密度最高,我会落三个功能:一是智能问答式的经营诊断,商家问「这周单量为什么掉了」,AI 直接给出归因(天气、竞品促销、评分波动)和建议动作,而不是让他自己去翻七八张报表;二是营销素材生成,菜品图、活动文案、回复评价,这是已经被验证过付费意愿的场景;三是定价和活动的辅助决策,比如「同商圈同类目做满减的商家占比多少、力度多大」。商家侧的好处是效果可量化(用了工具的商家 GMV 有没有涨)、错误代价低(建议类,最终决策权在商家),适合快速跑量。
履约和供应链:AI 做预测的增强,不做决策的颠覆
调度、ETA、库存预测这些环节美团的传统算法已经很深,大模型在这里不是替代关系,是补盲:比如把天气、节假日、商圈活动等外部信息更自然地融入预测,把骑手和客服之间的沟通用语音 AI 提效。这块我不会作为新功能的卖点,而是作为存量系统的增强去谈——GM 面上把这块说成「大模型重构调度」反而暴露不懂行。
节奏上的取舍
如果真负责一个板块,我前六个月只做两件事:用户侧的多人聚餐决策场景打透,商家侧的经营诊断跑通归因准确率。两个场景一个 C 一个 B,能互相验证数据飞轮;其他功能做成 Roadmap 但不启动。AI 落地最大的坑是摊大饼,每个场景都做到 60 分,不如一个场景做到 90 分拿到口碑和预算。
可能的追问
- 对话式导购怎么验证比搜索列表好? 答:AB 实验看对话入口用户的决策时长、下单转化率和客单价;特别要看「原本会流失的模糊意图用户」被接住了多少,那才是纯增量,抢搜索流量的转化不算本事。
- 商家经营诊断的归因不准怎么办? 答:归因是概率问题,产品上要把「确定性结论」改成「候选原因+证据展示」,让商家看到「单量掉的同时竞品在做满减」这个事实,判断权留给人;准确率按「商家采纳建议率」来衡量,不追求 AI 一锤定音。
- AI 给商家的建议可能伤害平台利益吗,比如劝商家降价? 答:会,这是真实的张力。原则是 AI 的建议以商家长期经营健康为目标,短期让利换复购是双赢,但无底线的价格战建议要在策略层拦掉。这块需要在 prompt 和规则层写明边界,不能裸奔。
- 和美团现有的推荐算法团队怎么分工? 答:推荐系统继续做候选和排序,AI 层做意图理解和结果解释。用户说「带老人吃清淡点」,意图拆解和约束过滤是 AI 的活,具体给哪几家店还是推荐系统出——两边是上下游,不是替代。