聲明:本文來自于微信公眾號 天下網商（ID:txws_txws），作者:章航英，授權轉載發布。

ChatGPT在全球范圍內刮起旋風。人們對它很大一部分想象力還停留在搜索交互、內容創作方面，但它的影響力或許可以擴展到我們的實體世界。

原先停留在圖片和文字領域的AIGC內容（AI Generated Content，利用人工智能技術來生成內容），如今正深入信息更為豐富的三維領域。至少，它已經開始對消費和商業有了改變。

防曬洗發水、青柑普洱飲料、女神高顱頂洗發水、杜鵑花酸磨皮精華、羽絨小香風……乍一聽這些名字，你或許會覺得熟悉又陌生。熟悉的是配方，陌生的是混搭。其實，它們都是AI自動推薦生成的結果，其中一些在真實世界并不存在。

《天下網商》獲悉，這是TMIC（天貓創新中心）最新研究方向。基于超10億用戶和海量商品池，能進行深度算法學習的天貓TMIC正在試驗一個最新爆款黃金公式A(algorithm)I(intelligence)C(create)I(ideas)，通過已有市場計算驗證反推爆款標簽，并通過爆款因子從無到有“創作”出全新的商品。

很快，一批由AI生成的新品即將上線，譬如一款防曬洗發水。

此前，消費市場上一個暢銷款的誕生，很大程度上依賴商家敏銳的嗅覺和預判。但在供給越來越豐富的存量時代，“拍腦袋”式的決策，存在眾多不確定性，一旦選款、推款失誤，意味著巨大的資源耗費和庫存壓力。但是算法和機器，帶來了更多可能——一個能窮盡所有品類或商品的公式，更容易推導出下一個爆款。

AI“算”爆品、“造”新物，正在路上。

爆款，從無到有“造”出來

一款防曬洗發水的想法正在醞釀。

防曬原本是面部護理的步驟，將它運用在頭皮護理上尚屬首創。這是AICI爆款黃金公式的第一個成果，它是如何“算”出來的?

第一步是分析，深入洗發水賽道，找出決定一款洗發水賣爆的決策因子。洗發水的價格、品牌、功效、成分、香味是推動消費者購買的關鍵元素;

第二步，切入診斷，了解每個細分賽道的增長情況;

第三步，產出黃金公式，算法在遍歷所有元素組合后，生產出一個爆款的“畫像”。譬如，在成分方面，小蒼蘭、茉莉花、海藻是更受歡迎的香型;在功效方面，去屑止癢、頭皮護理、香氛是更大的需求;而在場景方面，“春夏”“旅行”則是高頻詞。

更進一步，可以拆解一些黃金公式下的組合，通過與市面上現有的品類比較，了解新品的商品覆蓋度和爆款率。

商家開發一個新品，主要會考慮兩個方面:一是新品是否有市場，能滿足一部分消費者需求;二是，在滿足需求的基礎上，市場規模的大小。因此一件商品能否成為爆款，除了看用戶喜好、需求量之外，還需看市場容量、競爭度。在具體測算中，AICI算法不僅會通過遍歷所有元素組合，找出爆品關鍵因子，還會測算商品覆蓋度，分析商品所處領域是否是藍海市場。

在經過分析篩選后，一款有著小蒼蘭清冷香型的防曬洗發水誕生了。

人們在炎熱夏天出門、或經過長時間日曬后，頭皮會變得發癢、微痛、發油。加入防曬功能的洗發水不僅能保護頭皮，還能修復曬后受損頭皮，舒緩、鎮靜。

在商品指征明顯的標品中，爆款的分析和預測更容易，準確性更高。因此，AICI初期合作的品牌，都偏向快消、食品等爆款紅利明顯的標品行業。目前，這些領域的一些頭部品牌已經通過AICI，鎖定了今年春夏的爆款公式。

在最新的試驗中，AICI在服飾行業相對偏標品的類目，如羽絨服和防曬服，也做了初步的探索，找到了爆款關鍵詞。譬如，在款式上，派克服、滑雪服、立領、連帽;風格上，個性、基礎款、日系;人群方面，中青年、公務員、爸爸;面料方面，復合、牛仔、三防面料等……

整體看來，目前AICI的應用有兩方面。

一是將爆款“計算”功能開放給商家，讓原本繁瑣的商品企劃變得更簡易且科學準確。在特定市場下，它們能找到更容易成功的品，并找到爆品關鍵元素以及優先級。第二，自動化推薦，TMIC將算法挖掘到的黃金賽道透傳到前端，按照這個方向開發新品。

依照這個邏輯，不久后的市面上，將出現越來越多小眾獨特的新品。

“造”出爆款的前提，讓機器讀懂商品語言

此前，市場上一個新品的誕生過程中具有很多偶然性。

一個品牌的企劃部，在經過漫長的市場洞察后，開啟商品企劃，并自動生成一個商品概念卡片（concept card）。但在這個過程中，由于缺少全鏈數據的支撐，多了拍腦袋的決策，一方面容易漏掉市場機會，另一方面，結果缺少說服力和決斷力，流程冗長，效率低。

而如今商品從需求洞察、規劃市場方向、形成商品概念，再到最后生成新品的過程，已經可以被“數字化”了——這意味著商品可以被算法計算、創造。

但這是個長久積累的過程。

首先，數據的豐富度是基礎。一個AI需要被“投喂”足夠多信息和數據。天貓10億商品池及其背后的市場行為洞察，每年又有近2億新品“冒”出來，源源不斷提供豐富商品信息。

但光有商品信息還不夠，下一步是需要將海量商品標簽化，形成算法可以識別的語言。

每個行業都有關鍵決策因子，并有一套符合產業常識和生成研發言語的商品要素標簽。如服飾行業，常與風格、款式、顏色、面料強相關。而美妝的成分、功效，以及食品的口味、成分則頗為關鍵。

要使得算法測算結果更準確，一方面需要更全面的數據，另一方面，是“表述”和“轉化”的精確性。

自成立起，TMIC在的一項主要任務便是翻譯“商品”，將商品的信息轉化成機器能讀懂的語言，也就是給商品“打標”。這是一項專業、繁瑣、龐雜的工程。一些標品或許可以進行快速定義，譬如飲料的口味、洗發水香型。但是在更多時候，這是一個模糊的地帶——譬如很難定義一款口紅的具體顏色和質地。很多時候，商家在描述一個商品的時候會做“聯想式”表達，譬如“太空泥唇釉”“霧面啞光絲絨唇釉”等。光是梳理標簽，TMIC就花了2-3年。

在更難被標簽化的非標行業服務，TMIC除了與品牌和專家重新構建一套風格體系外，還深度運用了AI生成圖片的能力，將標簽翻譯成圖像，讓機器去解讀“圖片風格”。

正因為擁有一套完整、覆蓋億量級商品的要素標簽，同時標簽既要符合品牌的貨品邏輯，也要能滿足消費者需求，才算是建立了商品語言的“基礎設施”，AICI爆款公式這才得以運行。

再接下來，算法能力決定了結果的準確性。只有深度構建和建模學習能力，才能基于龐大商品數據，找到貨品與貨品之間的關系、貨品不同屬性之間的關系，產出爆款公式。

海量商品，窮盡計算，推導出一件爆款的黃金公式，整個過程對背后的算力提出了極高的要求。而背靠阿里強大的算力，TMIC多模態深度學習網絡和超大規模決策歸因模型，基于對市場10億+商品產業要素和用戶偏好行為的全面洞察，幫助品牌從上千億潛在組合中自動高效遍歷，才能計算出爆款畫像，幫助商家更精細運營，抓住市場機會。

一場電商的效率革命

為了讓AICI能落地到具體商家應用層面，必須考慮不同商家本身的能力以及目標。

不同商家的體量、商品分析能力、研發新品階段不同，AICI需要貼合不同商家的情況進行分層運營:一些商家希望通過爆款帶來營收現金流，因此“高轉化”是其目標;有的商家希望通過爆款為店鋪和品牌帶來“人氣”，他追求的就是高復購、高拉新。只有明確自己的目標，才能讓AICI“吐出”對的結果。

如果商家只是在探索新品開發方向的階段時，AICI會掃描整個賽道并自動推薦爆款元素，商家可以通過“看板”進行判斷。以研發抗老眼霜為例，輸入目標市場后，系統會顯示出爆款率最高的成分、價格和包裝形態。

如果商家已經進入新品研發概念期時，AICI會針對賽道體更精細化挖掘，并提供自定義分析和交互。一些顆粒度更細的市場洞察也能被兼顧到。譬如市場篩選維度，品牌可以只聚焦局部人群，或者某一細分市場，也可選擇只分析一二線高價位市場。同樣是研發一個眼霜，AICI可以提供“20-30歲，眼部肌膚有過敏問題、同時兼具抗老需求的眼霜”所對應的商品形態。

上述兩個版本，分別是AICI的基礎版和進階版，更廣泛的覆蓋到商家的不同需求，商家可以根據自身情況靈活體驗。

2017年10月成立的TMIC天貓研發中心，初衷是基于淘寶天貓的消費者洞察，讓品牌研發新品更簡單高效。它將原本需要4-6個月的市場洞察、用戶調研等過程，縮短到了1-2周。

2020年之后，TMIC除了與頭部大品牌合作之外，還深入到更上游的供應鏈端原料商，通過在原料生產過程對市場先一步的預判，輻射到范圍更廣的中小品牌，帶動整個市場向前跨越。

在TMIC負責人添琦看來，AICI代表了TMIC最新能力擴展——商品企劃。這意味著TMIC從原本只基于市場洞察定方向，到如今能給出具體的商品形態和概念，以及爆款畫像，進入到全新的階段。

AICI應運而生，本質是以更有效的數據支撐，找準爆款機會。全局數據以及窮盡解析帶來的結果更具全面，精確、扎實，將顯著提升新品研發的確定性，商品更快速迭代。

“AIGC能火是因為人腦可以處理的信息量有限，記憶關聯構建的能力有限，但機器是無限的。它可以拿到近乎全量的可能性，因此不錯過任何一款爆款。這是對人有限創造力和分析能力的補充，或許是商家的新紅利。”添琦稱，這會是一場效率革命。

在這場“革命”下，打破思想邊界的新品會不斷出現。