Building an Autonomous Delivery Experience with DoorDash Co-Founders Andy Fang and Stanley Tang

关键观点

1. 01

   自然语言交互释放了原界面未满足的需求

   Ask DoorDash让用户直接描述场景、偏好和限制，而不必先把需求压缩成关键词或逐项点击。餐厅场景中，使用轨迹有一半最终选择了用户从未订过的商家，这是DoorDash过去很难推动的行为指标。杂货场景的购物篮则扩大约40%，常见任务包括根据冰箱照片补货、按饮食限制规划餐食以及重购常用品。这说明交互成本不仅影响便利性，也会改变用户购买什么和购买多少。

   为什么重要: 生成式界面的价值可以通过新增探索和订单扩张衡量，而不只是对话次数或使用时长。

   支撑证据

   50% of those trajectories are people ordering from places they've never ordered from before... And then another one is on the grocery side, we're seeing a lot higher basket sizes, like I would say like 40% larger basket sizes on grocery.

   Ask DoorDash让用户直接描述场景、偏好和限制，而不必先把需求压缩成关键词或逐项点击。餐厅场景中，使用轨迹有一半最终选择了用户从未订过的商家，这是DoorDash过去很难推动的行为指标…展开观点

   Ask DoorDash让用户直接描述场景、偏好和限制，而不必先把需求压缩成关键词或逐项点击。餐厅场景中，使用轨迹有一半最终选择了用户从未订过的商家，这是DoorDash过去很难推动的行为指标…展开观点收起观点

   Ask DoorDash让用户直接描述场景、偏好和限制，而不必先把需求压缩成关键词或逐项点击。餐厅场景中，使用轨迹有一半最终选择了用户从未订过的商家，这是DoorDash过去很难推动的行为指标。杂货场景的购物篮则扩大约40%，常见任务包括根据冰箱照片补货、按饮食限制规划餐食以及重购常用品。这说明交互成本不仅影响便利性，也会改变用户购买什么和购买多少。

   为什么重要: 生成式界面的价值可以通过新增探索和订单扩张衡量，而不只是对话次数或使用时长。

   支撑证据

   50% of those trajectories are people ordering from places they've never ordered from before... And then another one is on the grocery side, we're seeing a lot higher basket sizes, like I would say like 40% larger basket sizes on grocery.

2. 02

   推荐质量需要平台数据与外部世界知识结合

   DoorDash不只依赖自身商家和订单记录，还尝试把互联网趋势、论坛讨论等外部信息加入推荐体验。这样可以处理模型知识截止日期之后的新餐厅和流行话题，也能满足用户“吃到当下热门选择”的愿望。其目标不只是扩大候选集合，而是让推荐更可信、更具文化相关性。不过访谈没有披露这些外部信号的来源治理或质量评估方式。

   为什么重要: 商业智能体若只理解平台库存，可能能完成交易，却难以承担发现和决策代理的角色。

   支撑证据

   DoorDash不只依赖自身商家和订单记录，还尝试把互联网趋势、论坛讨论等外部信息加入推荐体验。这样可以处理模型知识截止日期之后的新餐厅和流行话题，也能满足用户“吃到当下热门选择”的愿望。其目…展开观点

   DoorDash不只依赖自身商家和订单记录，还尝试把互联网趋势、论坛讨论等外部信息加入推荐体验。这样可以处理模型知识截止日期之后的新餐厅和流行话题，也能满足用户“吃到当下热门选择”的愿望。其目…展开观点收起观点

   DoorDash不只依赖自身商家和订单记录，还尝试把互联网趋势、论坛讨论等外部信息加入推荐体验。这样可以处理模型知识截止日期之后的新餐厅和流行话题，也能满足用户“吃到当下热门选择”的愿望。其目标不只是扩大候选集合，而是让推荐更可信、更具文化相关性。不过访谈没有披露这些外部信号的来源治理或质量评估方式。

   为什么重要: 商业智能体若只理解平台库存，可能能完成交易，却难以承担发现和决策代理的角色。

   支撑证据