ChatGPT火了之后，AIGC变革电商的第一站

ChatGPT在全球范围内刮起旋风。人们对它的很大一部分想象力还停留在交互搜索、内容创作方面，但它的影响力或许可以分裂我们的实体世界。

静止在图像和文字领域的AIGC内容（AI Generationd Content，利用人工智能技术来生成内容），如今正深入研究信息更为丰富的三维领域。至少，它已经开始对消费和商业有了改变。

阳光洗发水、青柑普洱饮料、女神高颅顶洗发水、杜鹃花酸磨皮精华、羽绒小香风……乍一听这些名字，你可能会觉得熟悉又陌生。熟悉的配方，陌生的混搭。其实，它们都是AI自动推荐生成的结果，其中有一些在真实世界并不存在。

《天下网商》获悉，这就是TMIC（天猫创新中心）最新研究方向。基于超10亿用户和海量商品池，能进行深度算法学习的天猫TMIC正在试验一个最新的爆款黄金公式A（算法）I（智能）C（创造）I（想法），通过现有市场计算验证反推爆款标签，并通过爆款因子从无到有“创作”出全新的商品。

不久，一批由AI生成的新品即将上线，比如一款防晒水洗发水。

但在供给日益丰富的存量时代，“拍头”式的决策，缺乏不确定性，一旦选款、推款相对，意味着巨大的资源预期和库存压力。算法和机器，带来了所有可能——一个能穷尽品类或商品的公式，更容易推导出下一个爆款。

AI“算”爆品、“造”新物，正在路上。

爆款，从无到有“造”出来

一款防晒洗发水的想法正在酝酿中。

防晒到底是一个护理的步骤，将它运用在头皮护理上尚属首创。这是AICI爆款黄金公式的第一个成果，它是如何“算”出来的？

第一步是分析，深入研究洗发水，快速确定一款洗发水爆款的决策因子。洗发水的价格、品牌、功效、成分、香味是推动消费者购买的关键要素；

第二步，切入诊断，了解每个后续的增长情况；

第三步，阶梯黄金公式，算法在遍历所有元素组合后，生产出一个爆款的“形象”。比如，在成分方面，小苍兰、茉莉花、海藻是比较受欢迎的香型；在药用方面，去屑止痒、头皮护理、香氛是更大的需求；而在场景方面，“春夏”“旅行”高频词。

更进一步，可以拆解一些黄金公式下的组合，通过与现有的品类比较，了解新品的商品覆盖度和爆款率。

商家开发一个新品，主要会考虑两个方面：一是新品是否有市场，能否满足部分消费者需求；二是，在需求满足的基础上，市场规模的大小。因此一款商品能否成为爆款，除了看用户需求、需求量之外，还需要看市场容量、竞争度。在具体测算中，AICI算法不仅要通过会找到所有要素组合，找出爆品关键要素，还要测算商品覆盖度，分析商品所在领域是否是蓝海市场。

经过分析筛选后，一款小苍兰清香冷型防晒洗发水诞生了。

人们在炎热的夏季外出、或经过长时间的日晒后，头皮会稀疏发痒、微痛、发油。加入防晒功能的洗发水不仅能保护头皮，还能修复晒后稀疏的头皮，修复、镇静。

在商品指征明显的标品中，爆款的分析和预测更容易、准确性更高。，AICI两国合作的品牌，都偏向快消、食品等爆款红利明显的标品行业。目前，这些领域的一些头部品牌已经通过AICI，锁定了今年春夏的爆款配方。

在最新的试验中，AICI在服装行业相对偏向标品的类别，如羽绒服和防晒服，也做了初步的探索，找到了爆款关键词。如，在款式上，派克服、滑雪服、立领、连帽；款式上，个性、基础款、日系；人群方面，中青年、公务员、爸爸；面料方面，复合、牛仔、三防面料等……

整体看来，目前AICI的应用有两个方面。

一整套爆款“计算”功能开放给商家，让究竟繁琐的商品企划变得更简单且科学准确。在特定市场下，他们能找到更容易成功的产品，并找到爆品关键元素以及优先级。第二，自动化推荐，TMIC将算法挖掘到的黄金接下来透传到接下来，按照这个方向开发新品。

按照这个逻辑，不久之后的，将会出现更多小众独特的新品。

“造”出爆款的前提，让机器读懂商品语言

阿联酋，市场上一个新品的诞生过程中带有很多偶然性。

一个品牌的企划部，在经过深入的市场洞察后，开启商品企划，并自动生成一个商品概念对应（概念卡）。但在这个过程中，由于缺少全链数据的支撑，多了拍脑袋的决策，一方面很容易漏掉市场机会，另外，结果缺少提示力和决断力，流程冗长，效率低。

而如今商品从需求洞察、规划市场方向、形成商品概念，再到最终生成新品的过程，已经可以被“数字化”了——这意味着商品可以被算法计算、创造。

这是一个漫长的积累过程。

首先，数据的丰富度是基础。一个AI需要被“喂”足够多的信息和数据。天猫10亿商品及其池背后的市场行为洞察，每年又有近2亿新品“冒”出来，源源不断提供丰富的商品信息。

但形成光有商品信息还不够，下一步需要将海量商品标签化，算法可以识别的语言。

每个行业都有关键决策因子，并有一套符合产业常识和生成研发言语的商品要素标签。如服饰行业，常与风格、款式、颜色、面料强相关。而美妆的成分、功效，以及食品的口味、则成分为关键。

要使算法测算结果更加准确，一方面需要更全面的数据，另一方面，是“宝石”和“转化”的精确性。

自成立以来，TMIC的首要任务就是翻译“商品”，将商品的信息转化成机器能读懂的语言，给商品“打标”。这是一项专业、繁琐、庞杂的工程定义。一些标品或许可以进行快速，比如饮料的口味、洗发水型香。在更多的时候，这是一个模糊的地带——比如很难定义一款口红的具体颜色和质感。很多时候，商家在描述一个商品的时候会做“联想式”表达，比如“太空泥唇釉”“雾面哑光丝绒唇釉”等。光是梳理标签，TMIC就花了2-3年。

在更难被标签化的非标行业服务中，TMIC除了与品牌和专家重新构建一套风格体系外，还深入运用了AI生成图片的能力，将标签翻译成图像，让机器去解读“图片风格”。

正因为拥有一套完整、覆盖亿量级商品的要素标签，同时标签既要符合品牌的商品逻辑，又要能满足消费者需求语言，才建立了商品的“基础设施”，AICI爆款公式这才可以运行。

再下一步，算法能力就决定了结果的准确性。只有深度构建和建模学习能力，才能基于庞大的商品数据，找到货品与货品之间的关系、货品不同属性之间的关系，统计爆款公式。

海量商品，穷尽计算，推导出一件爆款的黄金公式，整个过程对背后的算力提出了极高的要求。而背靠阿里强大的算力，TMIC多模态深度学习网络和超大规模决策模型，基于对市场10亿+商品产业要素和用户偏好行为的全面洞察，帮助品牌上千亿潜在组合中自动接通，从而计算出爆款画像，帮助商家从更精细化运营，抓住市场先机。

一场电商的效率革命

为了让AICI能够具体落地到商家应用方面，必须考虑不同商家本身的能力以及目标。

不同商家的体量、商品分析能力、研发新品阶段不同，AICI需要贴合不同商家的情况进行分层运营：有的商家希望通过爆款为店铺和品牌带来“人气”，他追求的就是高复购、高拉新。只有明确自己的目标，才能让AICI对其结果“吐出”。

如果商家只是在探索新品开发方向的阶段时，AICI会扫描整个区间并自动推荐爆款元素，商家可以通过“看板”进行判断。研发以抗老眼霜为例，输入目标市场后，系统会显示出爆款率最高的成分、价格和包装形态。

如果商家已经进入新品研发概念期时，AICI会针对体外体更精细化挖掘，并提供自定义分析和交互。一些颗粒度更细的市场洞察也能被考虑到。譬如市场筛选维度，品牌可以只聚焦局部人群，或者由此细分市场，也可选择只分析一二线高价位市场。同样是研发一个眼霜，AICI可以提供“20-30岁，眼部皮肤有敏感问题、同时兼具抗老需求的眼霜”所对应的商品形态。

以上版本，分别是AICI的两个基础版本和进阶版本，更广泛的覆盖到商家的不同需求，商家可以根据自身情况灵活体验。

2017年10月成立的TMIC天猫研发中心，初期是基于淘宝天猫的消费者洞察，让品牌研发更加简单。具体需要4-6个月的市场洞察、用户调研等过程，大概到了1-2周。

2020年之后，TMIC除了与头部大品牌合作之外，还深入到更上游的供应链端原料商，通过在原料生产过程中对市场先行的预判，辐射到范围更广的中小品牌，带动整个市场向前覆盖。

在TMIC负责人添琦看来，AICI代表了TMIC最新的能力扩展——商品企划。这意味着TMIC从究竟基于市场洞察定方向，到目前能给出具体的商品形态和概念，以及爆款画像，进入全新的阶段。

AICI应运而生，本质上是更有效的数据支撑，寻找准爆机会。全局数据以及穷尽解析带来的结果更加全面、准确、精准，将显着提升新品研发的确定性，商品更加快速迭代。

“AIGC能火是因为人脑能够处理的信息量有限，记忆关联构建的能力有限，但机器却是无限的。它可以获得近乎全量的可能性，因此比任何一款爆款都不错。这是对人有限的创造力和分析能力的补充，或许是拥有的新红利。”添琦称，这将是一场效率革命。

在维护“革命”下，打破原有装修的新品会不断出现。