題圖 | 視覺中國

AI造新的一次嘗試

在剛剛完結(jié)的電視劇《狂飆》中，劇中角色徐江的一句“把那電視機給我砸了，什么檔次跟我用的一樣”，讓等離子電視也成為了和電視劇本身一樣，膾炙人口的談資。相比于那個年代又厚又重的大彩電，（等離子電視）又薄又輕的特性，無疑是當時爆款的風(fēng)向標。

身處2023年，面對消費市場瞬息萬變的需求和產(chǎn)品的快速迭代，商家想要找準爆款的模樣，相比二十多年前要更加困難。盡管市場調(diào)研、趨勢觀察、數(shù)據(jù)預(yù)測的工具越來越多，品牌仍舊難以消滅造新失敗的風(fēng)險。萬千商家正在呼喚更具確定性、更有安全感的解決方案。

(資料圖片僅供參考)

比如，近來橫空出世的ChatGPT，提供了一個可行的方向。作為一款人工智能聊天工具，它能夠運用神經(jīng)網(wǎng)絡(luò)架構(gòu)，使得AI具有語言理解和文本生成能力?！笆澜缧蝿荨⑶槿斯?jié)巧克力的配方”，五花八門的問題背后，AI總能給出有趣的回答。另一方面，諸如修改代碼、代寫論文、詩歌創(chuàng)作等人力工作，ChatGPT也能快速輸出答案。生成式AI的這種強大能力，也讓市場對類似工具的應(yīng)用范圍有了更“瘋狂”的暢想：從能否取代搜索引擎，到能否代替各種文字工作，再到實現(xiàn)通用人工智能。

依照上述技術(shù)邏輯，未來的電商產(chǎn)品研發(fā)有了一張美好的藍圖：打造一款商品研發(fā)市場的“ChatGPT”，利用AI來幫助商家研發(fā)新品。

“輸入商品就能自行判斷是否為爆款，還能利用AI設(shè)計生成爆品概念卡”，愿景美好的同時，AI造新距離完全落地還有相當長的一段距離。但已經(jīng)能夠在市場上，看到萌芽誕生的蛛絲馬跡。比如天貓新品創(chuàng)新中心（下文簡稱TMIC）近期推出的“AICI爆款公式”，即被視為新品研發(fā)AI智能解決方案的初探。

從2017年成立至今，TMIC的創(chuàng)新工廠和黑馬工廠業(yè)務(wù)幫助商家大大減少了洞察市場趨勢的時間，TLAB產(chǎn)業(yè)創(chuàng)新實驗室則著重從原材料研發(fā)端減少商家產(chǎn)品研發(fā)時間。而“AICI爆款公式”則進一步降低了數(shù)據(jù)挖掘與洞察的耗時，針對商品數(shù)字化企劃流程實現(xiàn)提效，彌補了品牌在新品企劃上挖掘爆款能力的短板。

作為新品孵化前的重要一環(huán)，商品企劃階段承擔(dān)著新品設(shè)計和爆款預(yù)測的職責(zé)，商家需要從大盤中找到真正能夠出圈的爆款，而這從來都不是一件容易的事。

從趨勢洞察到產(chǎn)品落地，有多遠？

服務(wù)于商品結(jié)構(gòu)和品牌盈利的傳統(tǒng)商品企劃流程，同時需要用到感性與理性思維來進行流程管理。過往，企業(yè)對商品企劃的職能和系統(tǒng)性認知的不足，外加技術(shù)支持的缺位，讓品牌造新在步入孵化階段之前，就吃了不少苦頭。

比如，如何確定數(shù)量、價格、銷售地點等因素，以及如何滿足目標顧客欲望和需求。這些決策過程往往是依賴人為的主觀經(jīng)驗和判斷，最終“拍腦袋”生產(chǎn)出來的具體產(chǎn)品往往與消費市場的新需求大相徑庭。

其次，數(shù)據(jù)支撐完備性較差限制了商品企劃的完成速度。目前的市場洞察手段或許可以幫助研發(fā)部門對產(chǎn)品痛點進行分析，比如對于洗發(fā)水商家來說，針對消費人群的需求洞察工具，能夠為商家選定大致的細分賽道：脫發(fā)人群的增長和消費者對于持久留香健康需求的提高，讓防脫發(fā)洗發(fā)水和香氛洗發(fā)水成為商家可選的細分賽道。

但是，圍繞這些痛點和需求的產(chǎn)品設(shè)計，仍舊是一個漫長的過程。比如在確定了研發(fā)方向之后，具體新品的設(shè)計研發(fā)也要耗費大量的時間。同樣以洗發(fā)水為例，如何確定產(chǎn)品的成分構(gòu)成、香味如何設(shè)計、功效如何與成分匹配、價格如何設(shè)定都是抽象且復(fù)雜的問題，沒有數(shù)據(jù)支撐，人工判斷下產(chǎn)品研發(fā)很容易偏離爆款軌跡。

有的時候，品牌對所在市場的趨勢變化和發(fā)展方向已經(jīng)有了清晰地洞察，但真正到了下場選品的時候，對于新品的數(shù)量、種類、占比的規(guī)劃仍舊是一頭霧水。也正是在商品企劃階段中，暴露出來的缺乏確定性指導(dǎo)的缺陷，讓無論是市場節(jié)奏較快的快消行業(yè)、還是追求產(chǎn)品差異化的服裝行業(yè)，甚至是3C數(shù)碼汽車等傳統(tǒng)行業(yè)，都有過新品上市即翻車的“慘痛教訓(xùn)” 。

最后，沒有數(shù)字化的介入，圍繞爆款定義的大量信息的處理和分析也讓品牌研發(fā)如履薄冰。

介于上述背景，“AICI爆款公式”的落地，則進一步將新品診斷邏輯轉(zhuǎn)變?yōu)楸钌蛇壿嫛６@種邏輯演變的基礎(chǔ)，則來源于模型背后，一套符合后端生產(chǎn)研發(fā)語言產(chǎn)業(yè)的商品要素標簽。

從技術(shù)層面來說，這套利用貨品屬性知識項對大盤現(xiàn)有貨品打標形成的商品要素標簽，與TMIC已有的產(chǎn)業(yè)知識庫和品牌私域知識庫實現(xiàn)了互通。諸如通用的價格帶、品牌，以及細分行業(yè)（服飾）的風(fēng)格、款式、顏色、面料等關(guān)鍵決策因子的設(shè)置讓要素標簽在滿足品牌做貨邏輯的前提下，能夠與消費者需求形成準確的映射關(guān)系。

在設(shè)置了大量決策因子后，模型通過學(xué)習(xí)二分類單變量邏輯,利用歸因計算和決策樹計算，通過快速AB計算不同因素下的爆款勝率，定位哪些商品屬性最大程度影響了商品是否成為爆款（即關(guān)鍵決策因子），形成決策因子和關(guān)鍵元素重要性排序，并以此為目標逐層下推爆款的關(guān)鍵決策因子組合。

另一方面，基于市場十億+動銷商品、4萬類分行業(yè)產(chǎn)業(yè)要素、近百萬商品標簽和用戶偏好行為的全面洞察，也保證了模型對于爆款定義的準確性。

例如，模型的要素標簽覆蓋了近一年淘系的億量級動銷商品，僅快消品就達到了千萬級別。另一方面，針對不同圈層人群打造的人群標簽，TMIC結(jié)合當前行業(yè)的流行趨勢和社會文化，分出“同好人群”和“先鋒人群”。通過掌握這些細分人群的行為數(shù)據(jù)，讓其一同前置地參與到新品的研發(fā)過程，從而學(xué)習(xí)到了不同消費者在作出購買決策時的核心影響因素，保障了決策因子制定的科學(xué)性。

這也是TMIC內(nèi)部將這套公式稱為多模態(tài)深度學(xué)習(xí)網(wǎng)絡(luò)和超大規(guī)模決策歸因模型的原因。再輔助阿里提供的強大算力，從上千億潛在組合中自動高效遍歷，爆款畫像最終落地。

通過4層遞進式核心分析（類目潛力判斷、決策因子排序、品牌診斷與新品畫像推薦），AICI爆款公式試圖用最“確定”的方式來幫助商家擺脫過往依靠“人肉總結(jié)規(guī)律”、“拍腦門決定方向”的決策行為。

用最“確定”的方式造新

對孩童時代記憶深刻的人，也許會對如下場景感同身受：“數(shù)學(xué)課上老師經(jīng)常要求，把思路呈現(xiàn)在演算過程上，而不是光靠最后的結(jié)果”，只有完備合理的演算過程，才能讓老師相信，最后得出的答案是值得推敲的，而不是胡亂抄寫他人的。

這個道理同樣適用于電商品牌的造新過程。在如今消費市場瞬息萬變的環(huán)境下，商家造新的門檻一直居高不下。而使得品牌沒有“創(chuàng)作瓶頸”的背后，是平臺和研發(fā)部門面對各種創(chuàng)新挑戰(zhàn)一次又一次精雕細琢的結(jié)果。

在AICI爆款公式正式推出之前，TMIC已經(jīng)完成了和各行各業(yè)頭部品牌的合作共建。這也為這一模型的落地提供了大量經(jīng)驗借鑒，賦予了其與傳統(tǒng)市場洞察工具所不同的價值。

比如應(yīng)用場景和數(shù)據(jù)分析的全面性、精準性以及靈活性。

在實際造新場景中，品牌新品研發(fā)訴求十分復(fù)雜，不同行業(yè)、不同品牌對于新品研發(fā)方向和目標的要求不盡相同。過往，市場對于爆款的定義更多集中于高GMV的目標。而對于有引流訴求和追求穩(wěn)定性的品牌，高瀏覽量、高轉(zhuǎn)化才是他們造新的目標。另一方面，新品研發(fā)階段的不同也會衍生出不同的需求。處于新品研發(fā)方向期的品牌更期待對整個品類進行俯視觀察、處于新品概念期的品牌則更希望看到細分賽道的具體情況。

針對不同的新品研發(fā)訴求，AICI爆款公式能夠提供差異化的模型能力，讓新品研發(fā)更加貼合實際場景。在過去5年時間里，對于人群和市場的大量調(diào)研和數(shù)據(jù)積累，讓AICI爆款公式模型，有著優(yōu)于傳統(tǒng)數(shù)據(jù)分析工具所不具備的電商平臺大盤細顆粒度分析：“在市場篩選維度上，商家既可以只聚焦局部的人群（一二線市場高消費人群），也可以針對某一個細分市場（高價位帶市場）進行分析”。

因此，商家可根據(jù)上述不同訴求，自由選取不同側(cè)重的數(shù)據(jù)服務(wù)（基礎(chǔ)版和進階版），來保證數(shù)據(jù)洞察的高性價比。

在具體使用過程中，商家僅需在輸入項確定目標市場和目標人群等基本信息。根據(jù)自身產(chǎn)品所處的研發(fā)階段，了解目標人群下葉子類目的大盤表現(xiàn)情況、判斷各葉子類目潛力確定新品類目范圍。后續(xù)還可針對高權(quán)重的決策因子，進一步展開查看潛力細分賽道對比大盤與品牌 GMV、GMV 增速、人群TGI等表現(xiàn)情況，判斷品牌對每一個細分起點的優(yōu)勢與潛力。

而AICI模型會完成接下來的篩選工作：幫助商家進行知識質(zhì)量評估（決定哪些知識項可作為決策因子計算、對決策因子進行重要性排序）、通過高可靠的多模態(tài)深度學(xué)習(xí)網(wǎng)絡(luò)和超大規(guī)模決策歸因模型，從上千億潛在組合中自動高效遍歷，實現(xiàn)對爆款畫像的全面計算，最終將圍繞市場定位和目標人群的高價值商業(yè)機會，聚合成黃金公式推薦路徑與商品組。

通過前期與服裝、洗護等大快消、食品領(lǐng)域的深度合作，這套AI主導(dǎo)的運行邏輯，也在逐步得以驗證。

以洗發(fā)水品類為例，針對新銳白領(lǐng)人群，市場趨勢洞察發(fā)現(xiàn)，這一消費群體存在著如下痛點：“約會或外出游玩時，頭發(fā)細軟無法保持完美的頭包臉發(fā)型，導(dǎo)致拍照不好看，顯臉大”。

因此，模型根據(jù)上述痛點確定了爆款的功效，即豐盈蓬松、營養(yǎng)頭皮、清冷香型以及無硅油。再根據(jù)功效確定了支撐成分的方向（維生素，金盞花，氨基酸，蜂膠，佛手柑），最終形成了“成分x功效x場景”黃金公式路徑及爆款畫像。

另一個可舉的應(yīng)用領(lǐng)域是女裝羽絨服。針對新品研發(fā)目標為導(dǎo)流的商家，AICI爆款公式通過引流款歸因計算發(fā)現(xiàn)，除了品牌之外，款式、面料、風(fēng)格等關(guān)鍵決策因子的權(quán)重較高，故模型計算生成了“款式x風(fēng)格x色彩”的黃金公式，并以爆款SKU舉例。比如雙面款式、空氣感風(fēng)格的女裝羽絨服產(chǎn)品爆品率為100％，商品覆蓋率為1.5％（數(shù)據(jù)經(jīng)脫敏處理），意味著品牌按照這一方向進行生產(chǎn)的新品有很大概率能夠?qū)崿F(xiàn)“上市即打爆”。

相比于之前繁雜且昂貴的的研發(fā)決策過程，AI模型介入后的新品企劃乃至上市孵化的確定性大大增加。

當然，目前AICI爆款公式涉及的行業(yè)范圍并不算廣泛。與此同時，諸如高收藏、高復(fù)購、高轉(zhuǎn)化、高拉新等進階新品研發(fā)目標還未納入模型考慮范圍，而這一切還有待平臺和更多品牌持續(xù)合作共建來加以改善。

結(jié)語

2019年，雕爺一句“所有消費品都值得重做一遍”在消費行業(yè)激起了無數(shù)浪花。而如今相同的邏輯正發(fā)生在品牌造新產(chǎn)業(yè)上：“未來所有的新品，都值得用數(shù)字化的方式做一遍”。橫空出世的ChatGPT目前熱度依舊有增不減，AI技術(shù)為代表的科技力量對于產(chǎn)業(yè)形態(tài)的顛覆能力正在逐步超乎我們的想象。

對于電商行業(yè)來說同樣如此，有了AI的介入和學(xué)習(xí)，新品研發(fā)也許將會更加智能?！吧碳逸斎肷唐访Q，AI自動生成是否為爆款的判斷，同時幫助生成爆款SKU的概念畫像”。

另一方面，從平臺的視角來看，“AICI爆款公式”的落地，讓天貓再一次完善了“數(shù)字化上新”能力，進一步拓寬了新品領(lǐng)域的布局，而這也意味著天貓作為品牌“創(chuàng)新中臺”的標簽已經(jīng)深入了億萬商家的認知當中。

顯然，在平臺和品牌的不斷加速共創(chuàng)下，未來新品變爆品，將會被賦予更大的確定性。

責(zé)任編輯：Rex_28