美团和大众的数据逻辑，正在被三个力量重塑

很多人把美团和大众点评当成"两个平台"，归到一个公司旗下所以觉得它们天然互补。但数据层面看，它们的资产性质完全不同——美团的核心数据是交易和行为数据，点评的核心资产是评价和内容数据。有交集，但不重叠。

这两个数据池加在一起，构成了中国本地生活领域最完整的数据图谱。而AI正在把这个图谱的用法，从"你查它给"变成"它主动告诉你"。

点评的真实评价：一张正在被AI加固的护城河

大众点评过去一年新增了4亿条真实美食评价，由1.3亿用户贡献，十年累计15.5亿条。数字本身有意义，但更有意义的是平台选择怎么处理这些数据。

2025年大众点评做了一件事：引入AI审核机制，全年处理了1161万条AIGC评价。AI的判断逻辑不是"这段文字像不像人写的"——生成式AI写出来的评价在文本层面已经很难和真人做区分——而是"评价内容跟商户的实际情况是否匹配"。

一条评价夸某家店"炭火肉串外酥里嫩"，AI先去查这家店的菜单和品类——如果商家是自助火锅店且菜单上根本没有烤串，这条评价就会被标记。这个逻辑的本质是：数据真不真，不取决于文字像不像人写的，取决于能不能跟物理世界的真实信息对应上。

这条路径的选择很关键。在生成式AI能批量产出高质量假评价的时代，"海量评价"这个指标已经贬值了。比拼数量的阶段过去了，比拼"真实权重"的阶段开始了。大众点评选择用AI来守卫真实性，而不是用AI来加速生产——这个方向对了。

美团的数据价值正在发生一次跃迁

美团的数据价值不同于点评——它离交易更近，离用户行为的闭环更近。过去美团的典型数据用法是商家自己登录后台查看报表：昨天的营业额多少、哪个菜卖得好、用户差评集中在哪方面。数据都是现成的，但需要商家主动去查、自己去解读。

AI介入之后，这个模式被反转了。2026年6月升级的美团餐饮堂食工具"智能掌柜"，每天主动巡检门店经营状况，把营业额涨跌、转化环节问题、与商圈同行的差距推送到商家面前，不需要商家自己去翻后台。

这个转变的意义在于：数据使用权的门槛被大幅降低了。中小餐饮老板不是不会看数据，是没时间、没精力天天盯着后台。AI主动推送让"看不懂数据可以不看，但该知道的事不会漏掉"。目前该工具已服务超100万家中小餐饮商家，解决了780万个经营问题。

外卖场景的"袋鼠管家"覆盖了菜单优化、营销、经营诊断、评价巡检等方向。AI风控模型对恶意差评的识别准确率达到99%，每月主动帮商家拦截150万条恶意差评。对中小商家来说，这个能力的实际价值可能比GMV增长更直接——被恶意差评搞崩心态然后关店的案例太多了。

数据底座：数十PB的数据怎么支撑这些能力

底层逻辑值得提一句。美团的OLAP架构基于Apache Doris构建，承载超300个集群、10万核计算资源，支撑外卖经营分析、到店人效分析、商户报表等场景。Colocate Join处理多表关联，Bitmap精确去重支持百亿级数据的单SQL查询。

2026年进一步构建了BA Agent方案，把业务常识、分析套路沉淀为结构化知识，让AI能按业务逻辑逐步拆解问题，从"一次回答"走向"连续探索"。这一步的价值在于：数据从"被查询"走向"被理解"，中间需要把领域知识结构化嵌入到分析链路中——这是所有AI+BI方案都要过的关。

外部变量：高德带来了不一样的竞争维度

2025年9月高德推出了"扫街榜"，基于导航终点、用户实际到店停留时长、消费频次等行为数据，建立了一套不依赖用户主动写评的评价体系。

这个模式的差异在于数据来源：点评依赖用户"主动生产内容"（写评价），高德依赖用户"无意识行为"（设置导航终点、到店停留）。后者不增加用户的额外负担，而且在覆盖面和使用深度上可能有更大的想象空间。

上线当天扫街榜用户超4000万人，同期大众点评DAU为3260万。这个数据本身不代表竞争胜负，但它说明了一件事：本地生活的数据竞争，已经从"谁能获得更多评价"转向了"谁能用更多的数据维度来刻画真实消费行为"。

大众点评的选择是进一步强化真实性的壁垒——AI审核、星级评分规则升级，同时加强与美团基建的协同，利用地图AI和信息提取技术提升数据体验，并计划加强在地化运营和海外市场建设。

总结一下美团和点评的数据逻辑正在被三个力量重塑：

• AI让数据从"被动查询"变成"主动推送"，中小商家不需要懂数据分析，也能拿到经营洞察
• 真实评价成为AI时代最稀缺的内容资产，点评选择用AI守卫真实性而不是加速生产
• 高德用行为数据切入竞争，让"不写评价的用户也在产生有价值的数据"

对商家和运营者来说，核心不是选工具或者平台，而是理解这套正在变化的数据逻辑——评价数量不再等于可信度，用户查询不再是唯一数据入口，主动推送正在替代主动查询。这套逻辑变了，本地生活的玩法就得跟着变。