高德扫街榜产品负责人：这是一套线下服务的“信用体系”

9月10日消息，阿里巴巴今日举行业务发布会，发布“高德扫街榜”。以真实导航/到店等行为结合AI与评价生成综合评分，覆盖餐饮、酒店、景区等业态，主打线下服务“信用体系”。同时启动“烟火好店支持计划”，通过发放超10亿元的补贴措施，鼓励用户到店消费。

这款产品形态上类似美团旗下的“大众点评”，但是在发布会现场，高德一再强调，这是一套主打线下服务的“信用体系”，永不商业化，且会将榜单数据开放给阿里生态内其它产品，及外部合作伙伴的产品使用。发布会之后举办的小范围的沟通会上，高德扫街榜产品负责人李刚系统回应了市场关注的一些问题。

图源：腾讯科技

以下是高德扫街榜产品负责人李刚回应的十个核心问题：

问题一：这个项目大概六月份立项？能透露一下立项背景及团队构成吗？

李刚：做“扫街榜”的初心与高德地图的使命是一致的——连接真实世界，做好一张“活地图”，让出行和生活更美好。用户出门后面临的第一个问题就是去哪里吃、去哪里玩，这本来就是高德应该解决的事。一直以来，我们都在思考：怎么让大家迈出家门后，吃得更好、玩得更好。

今年年初，我们分别做了用户侧和商家侧的调研。用户一个直观的痛点是：到了不熟悉的地方，要做很多细碎而关键的决策。比如带孩子出门，如何快速找到不踩坑的餐厅并不容易。近两年网上也有不少反馈：有时评分特别高的店反而更容易踩坑，而那些3.5分但经营多年、口碑稳定的店，实际体验可能更好。从产品经理的视角看，这确实是普遍的用户特征与刚需场景：找吃、找玩、找适合遛娃的地点，都是高频而必须被更好支持的决策。

商家这边，我们和一些连锁餐饮老板、线下夫妻店聊过，他们在运营中往往投入大量精力和成本去“冲榜、刷分”，但很多小老板在营销上确实面临困难，甚至被迫把时间从“把饭做好”转移到“如何刷到更高的分数”。

我们之所以决定做扫街榜，是因为看到了两项基础优势：其一，高德每天有约1.8亿用户，持续产生出行与到店导航行为，同时带来海量的门店搜索；其二，近两年大模型能力显著提升，在效果、效率和成本上都有质变。结合这两点，我们有条件把“行为数据”与“评价数据”更好地融合，重构一个线下服务的信用体系：既让用户获得更真实可信的参考，也让商家把主要精力回归到把菜品和服务做到位，而不是在与本职无关的“卷”里消耗。我们希望由此形成一个用户与商家都受益的良性循环。

团队方面，我是扫街榜的整体负责人。扫街榜并非单一功能，而是一套成体系的产品：包括榜单产品本身、评分体系以及“真实评价”等模块。我们既有底层数据与算法，也有前端的展示与运营策略，分别由多位产品经理协同负责，六月份立项，在杭州封闭开发，目前大概投入100多人，力求把“用户要找的好店”和“真正值得被看见的好店”高效、透明地连接起来。

问题二：永不商业化的边界是什么？比如榜内曝光位、导流位，或类似券包合作这类，算不算商业化？

李刚：高德扫街榜“永不商业化”的核心在两点。

第一，所有门店一视同仁。我们只依据真实用户、真实出行行为和真实评价数据来评判，不设任何准入门槛。不会因为存在商业合作就抬高分数，也不会因“大品牌”或“夫妻店”的身份而区别对待。几千万线下服务标准完全一致。

第二，评分只反映真实经营结果。我们关注的是有多少人实际到店、多少回头客再次到访，这些可验证的行为结果构成评分基础；不看流量曝光，也不看是否购买广告位。从这两个层面讲，扫街榜与商业化导向切割开来。

此外，榜单与评分按日更新。底层以高德的实时出行行为和真实评价数据进行计算，但对外展示每天刷新一次。因此今天与明天的结果可能有所差异；计算实时、出分日更。

问题三：发布会上高德CEO郭宁多次提到了口碑这个词，这是口碑网的传承、升级吗？看到高德地图上有团购，这是商业化的吗？

李刚：扫街榜是一个从零开始的全新产品，跟之前的所有产品没有任何关系，只能说初心是一样的，都是解决用户出行和生活决策的问题。这两个产品没有关系。关于与到家、闪购的合作，我这边没有什么具体信息，我们现在专心做好高德扫街榜的榜单，这是我们现在最重要的工作。

所有扫街榜产品都是完全不商业化的，与商业化没有任何关系。高德上所有我们今天说到的产品全部是用户产品。地图里面显示的团购是商业侧的产品，是其他部门的业务。

问题四：高德在此之前针对目的地也推出过类似榜单产品，这次最大的颠覆点是什么？

李刚：有几方面：第一，我们之前确实高德上也有一些类似产品，帮助大家解决出行决策问题。这一次做扫街榜产品跟之前不一样的是，原来不管是榜单还是评分，它是单一的产品。但这次我们今天发布的扫街榜其实是三个产品为一套的信用体系，我们有高德扫街榜、评分和真实评价，三位一体的三个产品帮助用户更好地解决出行服务的生活决策。

另外一个比较大的不一样是，确实在这两年AI大模型、多模态技术有比较快的发展，包括我们集团在千问开源模型上面能力有非常快的提升，在效果提升的同时，效率和成本上面大幅下降，所以我们也是乘上了这个东风。

我们在8月份发布了全新的AI升级，里边用到了空间智能，底层用到了千问。我们这套扫街榜的底层，不管是榜单还是评分、真实评价，也用到了这套大模型的能力，这个也是跟原来有巨大差别。

问题五：今年8月高德宣布全面AI化，升级成出行智能体，扫街榜在其中扮演什么角色？会和出行助手“小高老师”打通吗？

李刚：这是两方面：第一，扫街榜的底层与高德的AI化共用了底层模型，包括空间智能，也用到集团千问的开源多模态大模型做数据处理，因为高德的核心能力基于空间智能，理解这些出行行为之间的关系。

第二，高德今年8月份的全新升级是一个更好与用户交流沟通的界面，高德扫街榜的榜单评分信息也会被用到高德全新升级的AI里面，包括AI、搜索和其他各种渠道也会用到扫街榜的信息。

“小高老师”怎么使用这套榜单，我不能做特别准确的回答，因为这取决于AI同事他们最终怎么来用这个榜单。榜单就像书，“小高老师”都是读过的，都是知道的，但最终怎么用，可能得AI同学来给具体回答。

问题六：能不能具体讲讲AI是如何作用于整体的评论数据去保证它的真实性？

李刚：我们对数据的处理分两方面，前提都是在用户授权下进行，合法合规，并在最严格的脱敏条件下只做群体化分析：一类是行为数据，一类是真实评价数据。

先说行为数据。围绕一次到店决策，用户会形成一条连续“序列”：从搜索、收藏、分享，到导航、到店、交易，乃至到店后的笔记或感受发表。我们用空间智能技术对这条序列进行建模，理解各环节之间的关系与因果，进而判断这家店在真实世界中的反馈表现。由于高德每天产生海量数据（数亿用户×数千万POI，叠加搜索、推荐与AI的动态关联），关系复杂、规模庞大，我们依靠空间智能做时空归因与模式识别，让基于行为的线下评价更公正、客观。

再说真实评价数据。首先是可信度判定：识别哪些内容确实来自“真实到达后的反馈”，并结合芝麻信用等体系提升可信度评估。其后，我们利用多模态大模型理解评价中的文本与图像信息，抽取菜品、服务、环境等要素与情绪倾向，判断“这家店为什么值得选”；同时也能从图片理解门店形态（例如是不是“真正的小店”）。最终，我们将行为信号与评价内容双向校验、融合计算，形成对线下门店更可靠的信用刻画。

问题七：基于高德扫街榜的排名规则排出的榜单，与竞品相比差异性会有多大？

李刚：从多个方面看，差异都很明显。首先在核心逻辑上就完全不同：我们的榜单由“行为数据＋信用评价数据”共同驱动，基于真实出行数据来生成结果——无论海外还是国内，鲜见将真实出行数据用于美食、酒店、景区等榜单的做法，这是我们的首创能力。

其次在评价层，高德每天都有大量用户提交真实感受与笔记。我们依托空间智能识别哪些评价更可信、权重更高，并在用户在高德端授权的前提下，与芝麻信用协同：对芝麻信用分较高的用户所留下的文字与图片给予更合理的加权，让这些更具参考价值的内容帮助大家做出更好的出行与到店决策。

另外在地图体验上，榜单天然突出地图的优势：用户可以直接从地图视角查看周边门店分布与位置关系，快速定位、便捷找店。这正是地图的看家本领，也是我们把“找得到、找得准、到得了”融入到榜单中的关键差异。

问题八：以西溪附近一家店为例，大众点评显示总评价1.8万、评分4.8；高德为评分4.5、评价200多。0.3分的差异会影响用户决策，核心差别在哪？用户评价数量在权重上大致如何？

李刚：核心在于评分口径不同。我们的评分由行为数据＋真实评价共同构成，尤其重视“用脚投票”的到店与复访等真实行为，这是高德的大规模出行数据所能支撑的。评价数量并非简单线性加权项，我们会根据行为与评价的可信度做动态加权，两者的比例不是固定值。因此，即便只有百余条评价，只要行为样本充分（例如到店、复访、专程前往等信号稳定），也能较好反映这家店的真实经营状况与用户共识。

举个直观例子：望京那家店复购率高，说明口碑扎实、用户愿意再去；有的店“一次到此不再来”，则意味着整体体验一般。从这个角度看，差出0.3分更多是评价体系侧重不同的结果——我们更看重真实到店与回访等行为信号，而不是仅以评价总量推高分数。

问题九：公司如何衡量扫街榜的投入成本或者战略目标？未来是否高德的账户体系也会跟淘宝、饿了么这些产品打通？

李刚：我们做的不是用户侧账号打通，而是做榜单开放。高德扫街榜的定位是“最真、最全、最开放”的榜单：我们愿意将上榜信息授权给合作伙伴（包括集团内的飞猪），让他们在选酒店、选景点等场景中直接调用我们的榜单，帮助用户更高效地做出出游等决策。

基于此，我们保持充分开放的态度，欢迎更多伙伴使用高德扫街榜来服务其用户在酒店、美食、景点等选择上的需求。由于要覆盖“360度的出行”，后续也会持续完善品类，例如“溯溪榜”“露营榜”等。需要强调的是，这里的“开放”并非用户侧信息打通，而是榜单数据可被引用、可被授权使用。

关于商业模式，目前我们团队并未以此为工作重点。作为产品与研发团队，我们从用户视角出发在做扫街榜，我个人也是用户产品经理，核心任务是解决用户问题。至于如何盈利，不在我当前的职责范围内。

投入方面，我专注在产品推进。团队在阶段内从二十余人扩充到五十余人、并进一步增长到一百人；同时也投入了相当多的大模型服务与算力资源，这两块投入都比较可观。我们的初心始终不变：先把高德用户的出行决策真正解决好，把高德上的出行用户服务好。

问题十：能否对高德扫街榜产品的整个研发过程做个具体分享？在这个阶段中遇到过哪些特别大的技术上或者战略上的困难和挑战？在以在途决策为导向的过程中，怎么围绕这个场景进行优化？接下来团队的北极星指标是什么？

李刚：首先，高德服务的用户规模确实很大。除了驾车，乘地铁、实时公交、常规公交，以及近来流行的骑行、步行用户都在高德上高频活跃。我们的用户不一定都在路上，很多人也会在家里完成出行与到店的前期决策。用户的决策链条与高德深度融合：无论是找“附近的店”，还是在熟悉区域之外做选择，高德作为地图，要服务的是“360行”的决策场景。

研发过程中的最大难关在于“从0到1”。项目在6月正式立项，我们从北京集结到杭州，封闭推进。时间非常紧——从立项到9月10日上线，只有七八十天。虽然产品的初心与过去一致——解决用户出行与生活服务的决策问题——但路径完全重做，需要在有限时间里真击中用户痛点、给出有效解法。

为此我们做了系统调研：一方面进行用户访谈；另一方面办商家闭门会，了解线下商家如何运作、如何判断业态，新时代的用户画像与触达渠道是什么，线下生态如何流转。这些工作在立项后投入了相当多的产品与运营资源，是我们把握产品方向的关键依据。

技术实现看似“风轻云淡”，实则结构复杂。我们用底层AI模型与空间智能去梳理“行为数据+真实评价”的关系，同时对整体AI架构与数据流程进行了密集论证。为了呈现“覆盖最全、尽量真实”的全国榜单，我们在内部引入“红蓝对抗”机制，由红蓝队反复校验榜单质量。上榜商家的规模与品类都很大。本次主打美食，但其他品类也已设置；我们围绕不同品类逐一校验数据质量，并对相关图像、理由等要素做了大量整理与校对。整体节奏非常紧凑，两个月多把这件事跑通。

下一步的北极星指标分两块：其一，围绕“生活出行与生活服务决策”的高频痛点，路还很长——真正把产品做好、服务好高德的8亿用户乃至更广用户，是一件长期主义的事；其二，在用户认可度上，我们会重点看用户规模与使用深度，以及满意度、NPS等核心指标，确保产品既“有人用”，也“用得好”。