題圖 | 視覺中國

AI造新的一次嘗試

在剛剛完結的電視劇《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向標。

身處2023年，面對消費市場瞬息萬變的需求和產品的快速迭代，商家想要找準爆款的模樣，相比二十多年前要更加困難。盡管市場調研、趨勢觀察、數據預測的工具越來越多，品牌仍舊難以消滅造新失敗的風險。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，它能夠運用神經網絡架構，使得AI具有語言理解和文本生成能力。“世界形勢、情人節巧克力的配方”，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，再到實現通用人工智能。

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

“輸入商品就能自行判斷是否為爆款，還能利用AI設計生成爆品概念卡”，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。但已經能夠在市場上，看到萌芽誕生的蛛絲馬跡。比如天貓新品創新中心（下文簡稱TMIC）近期推出的“AICI爆款公式”，即被視為新品研發AI智能解決方案的初探。

從2017年成立至今，TMIC的創新工廠和黑馬工廠業務幫助商家大大減少了洞察市場趨勢的時間，TLAB產業創新實驗室則著重從原材料研發端減少商家產品研發時間。而“AICI爆款公式”則進一步降低了數據挖掘與洞察的耗時，針對商品數字化企劃流程實現提效，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，商品企劃階段承擔著新品設計和爆款預測的職責，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。

從趨勢洞察到產品落地，有多遠？

服務于商品結構和品牌盈利的傳統商品企劃流程，同時需要用到感性與理性思維來進行流程管理。過往，企業對商品企劃的職能和系統性認知的不足，外加技術支持的缺位，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驗和判斷，最終“拍腦袋”生產出來的具體產品往往與消費市場的新需求大相徑庭。

其次，數據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部門對產品痛點進行分析，比如對于洗發水商家來說，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，讓防脫發洗發水和香氛洗發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品設計，仍舊是一個漫長的過程。比如在確定了研發方向之后，具體新品的設計研發也要耗費大量的時間。同樣以洗發水為例，如何確定產品的成分構成、香味如何設計、功效如何與成分匹配、價格如何設定都是抽象且復雜的問題，沒有數據支撐，人工判斷下產品研發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展方向已經有了清晰地洞察，但真正到了下場選品的時候，對于新品的數量、種類、占比的規劃仍舊是一頭霧水。也正是在商品企劃階段中，暴露出來的缺乏確定性指導的缺陷，讓無論是市場節奏較快的快消行業、還是追求產品差異化的服裝行業，甚至是3C數碼汽車等傳統行業，都有過新品上市即翻車的“慘痛教訓” 。

最后，沒有數字化的介入，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變為爆款生成邏輯。而這種邏輯演變的基礎，則來源于模型背后，一套符合后端生產研發語言產業的商品要素標簽。

從技術層面來說，這套利用貨品屬性知識項對大盤現有貨品打標形成的商品要素標簽，與TMIC已有的產業知識庫和品牌私域知識庫實現了互通。諸如通用的價格帶、品牌，以及細分行業（服飾）的風格、款式、顏色、面料等關鍵決策因子的設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系。

在設置了大量決策因子后，模型通過學習二分類單變量邏輯,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（即關鍵決策因子），形成決策因子和關鍵元素重要性排序，并以此為目標逐層下推爆款的關鍵決策因子組合。

另一方面，基于市場十億+動銷商品、4萬類分行業產業要素、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結合當前行業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據，讓其一同前置地參與到新品的研發過程，從而學習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性。

這也是TMIC內部將這套公式稱為多模態深度學習網絡和超大規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“人肉總結規律”、“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：“數學課上老師經常要求，把思路呈現在演算過程上，而不是光靠最后的結果”，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境下，商家造新的門檻一直居高不下。而使得品牌沒有“創作瓶頸”的背后，是平臺和研發部門面對各種創新挑戰一次又一次精雕細琢的結果。

在AICI爆款公式正式推出之前，TMIC已經完成了和各行各業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驗借鑒，賦予了其與傳統市場洞察工具所不同的價值。

比如應用場景和數據分析的全面性、精準性以及靈活性。

在實際造新場景中，品牌新品研發訴求十分復雜，不同行業、不同品牌對于新品研發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定性的品牌，高瀏覽量、高轉化才是他們造新的目標。另一方面，新品研發階段的不同也會衍生出不同的需求。處于新品研發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訴求，AICI爆款公式能夠提供差異化的模型能力，讓新品研發更加貼合實際場景。在過去5年時間里，對于人群和市場的大量調研和數據積累，讓AICI爆款公式模型，有著優于傳統數據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，商家可根據上述不同訴求，自由選取不同側重的數據服務（基礎版和進階版），來保證數據洞察的高性價比。

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。根據自身產品所處的研發階段，了解目標人群下葉子類目的大盤表現情況、判斷各葉子類目潛力確定新品類目范圍。后續還可針對高權重的決策因子，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等表現情況，判斷品牌對每一個細分起點的優勢與潛力。

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深度學習網絡和超大規模決策歸因模型，從上千億潛在組合中自動高效遍歷，實現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、食品領域的深度合作，這套AI主導的運行邏輯，也在逐步得以驗證。

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

因此，模型根據上述痛點確定了爆款的功效，即豐盈蓬松、營養頭皮、清冷香型以及無硅油。再根據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。

另一個可舉的應用領域是女裝羽絨服。針對新品研發目標為導流的商家，AICI爆款公式通過引流款歸因計算發現，除了品牌之外，款式、面料、風格等關鍵決策因子的權重較高，故模型計算生成了“款式x風格x色彩”的黃金公式，并以爆款SKU舉例。比如雙面款式、空氣感風格的女裝羽絨服產品爆品率為100％，商品覆蓋率為1.5％（數據經脫敏處理），意味著品牌按照這一方向進行生產的新品有很大概率能夠實現“上市即打爆”。

相比于之前繁雜且昂貴的的研發決策過程，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范圍并不算廣泛。與此同時，諸如高收藏、高復購、高轉化、高拉新等進階新品研發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合作共建來加以改善。

結語

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

對于電商行業來說同樣如此，有了AI的介入和學習，新品研發也許將會更加智能。“商家輸入商品名稱，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“數字化上新”能力，進一步拓寬了新品領域的布局，而這也意味著天貓作為品牌“創新中臺”的標簽已經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下，未來新品變爆品，將會被賦予更大的確定性。

責任編輯：Rex_28