今天沒有產(chǎn)品能夠滿足需求，我到哪里都搜不出來。

先做一個預(yù)設(shè)，商品也是一種信息，如果基于最主流的信息容器內(nèi)容產(chǎn)品的邏輯來推導電商產(chǎn)品的話，關(guān)于 AI電商，我想到幾個問題。

1.內(nèi)容推薦產(chǎn)品機制。

今天電商產(chǎn)品在商品表達頁面，除了指引商家在商品的文字和圖片信息做更豐富的創(chuàng)作外，能否引入更好的產(chǎn)品機制來幫助商家提升推薦效果。比如在內(nèi)容產(chǎn)品里，今日頭條很早就推出了「雙標題/雙封面」功能，創(chuàng)作者在發(fā)布內(nèi)容時設(shè)置兩套不同標題/封面，推薦系統(tǒng)將在推薦過程中根據(jù)用戶的點擊率數(shù)據(jù)，選擇更好的標題/封面組合增加推薦量。

電商平臺現(xiàn)在都提供搜同款的能力，同樣一款衣服價格完全不同，消費者最終確定買什么跟商品圖的呈現(xiàn)和文字標題的描述息息相關(guān)，大家傾向選擇照片拍得更好描述更能打動人的商品，哪怕他的價格更貴一些。

內(nèi)容平臺都在強調(diào)個性化推薦，他們會基于面向不同性別/年齡/職業(yè)/地區(qū)的用戶畫像，去做相關(guān)性推薦。那是不是有可能針對一個商品做多個商品頁面，或者如上圖針對特定人群展示特定不同的商品頁面，現(xiàn)在AI完全可以根據(jù)人群、根據(jù)商品品類，無限生成不同的商品標題，讓不同的人真的每天看到都不一樣，真正實現(xiàn)“千人千面”。因為現(xiàn)在商品結(jié)果頁還是“千人一面”的，想要一種商品描述內(nèi)容擊中所有人其實很難。

當然千人千面的投入產(chǎn)出比可能壓根算不過來，那是不是可以先做千人十面、千人兩面？

這其實是大模型能不能改造“搜推廣”的問題，但目前電商行業(yè)的實踐過程還相對較慢。因為以前“搜推廣”已經(jīng)很好了，大模型還不太能夠從底層架構(gòu)完全推翻掉。因為傳統(tǒng)“搜推廣”引擎靠的不是多模態(tài)理解這些數(shù)據(jù)，靠的是用戶行為數(shù)據(jù)。在中國，電商的行為數(shù)據(jù)非常豐富，你往上加一點多模態(tài)信息效果有限。

2、內(nèi)容生產(chǎn)AI+供應(yīng)鏈。

本月全球最大新聞是川普遇刺，事發(fā)當天我在朋友圈看到一張圖片，在Temu上有人直接把這幅歷史名畫印到T恤上拿出去賣。今天電商平臺都在講如何幫助商家把已有的商品怎么推得更好，但如何幫助商家去響應(yīng)這種熱點指導生產(chǎn)搶占熱搜呢？這其實是個運營向的問題跟平臺有多少數(shù)據(jù)沒多大關(guān)系。且像上圖這件T恤只要當天有且能夠讓用戶發(fā)現(xiàn)，它一定能帶來轉(zhuǎn)化甚至還能帶來主動分享。

我聽說有一個平臺，就是幾個人的小團隊，有著自己的服裝廠，每天干的事情就是挖掘全網(wǎng)最熱的素材，用AI改寫一下，“小單快返”的方式把它印到大家T恤上放到所有平臺去賣，它獲得非常好的效果。如果你把抖音里最熱的100條內(nèi)容拿出來放到任何一個平臺，它都會有不錯的效果。

電商平臺是否需要像內(nèi)容平臺一樣，更積極干預(yù)生產(chǎn)，更好做到幫助商家做商機發(fā)現(xiàn)，和熱點、和這個世界做互動？

前段時間去SHEIN的工廠參觀，印象比較深的是數(shù)碼熱轉(zhuǎn)印技術(shù)，讓衣服生產(chǎn)從人工打版變成了電腦CAD打印。蠟染變成噴繪，可以減少污染、節(jié)約物料、縮短工時，品質(zhì)穩(wěn)定和多元化。

這讓我聯(lián)想起王選發(fā)明漢字激光照排系統(tǒng)之后讓中國出版印刷行業(yè)“告別鉛與火、邁入光與電”。（一直到20世紀80年代，中國大多數(shù)印刷廠采用的還是鉛字印刷技術(shù)，與1000多年前的活字印刷沒有本質(zhì)區(qū)別。）

除了設(shè)計、生產(chǎn)，SHEIN還會從前端擴展到原料采購、工藝流程等多個環(huán)節(jié)，對整個產(chǎn)業(yè)鏈進行數(shù)字化改造。國內(nèi)說了很多年的C2M，從消費者出發(fā)C2B，在這個時代是有可能的。

3、內(nèi)容理解產(chǎn)品形態(tài)

PC時代的電商是商品的搜索，移動時代的電商是商品的推薦，那 AI 時代的電商是否需要新的用戶產(chǎn)品，一種不一樣的交互形態(tài)、導購形態(tài)，而不是今天這種APP搜索推薦。

比如今天淘寶拼多多用戶行為的數(shù)據(jù)非常豐富，推薦搜索業(yè)務(wù)也非常成熟。但我有時真心覺得他們產(chǎn)品非常難用，比如我想在淘寶上搜一件黑色的，不粘貓毛的，上面有口袋的Polo衫，照道理說我需求清晰的表達了出來，但通過現(xiàn)有電商平臺搜索完全找不到合適的結(jié)果。

現(xiàn)有產(chǎn)品框架下，絕大部分用戶習慣上還是輸入一個關(guān)鍵詞，確定一個范圍，如果范圍不滿足需求再加一些條件做過濾，這個過濾過程是不是可以通過大模型方式的方式進行交互。怎么樣增強用戶query理解？也許這時用戶需要的交互不是搜推的輸入框，而是一個對話、機器人的方式，需要用大模型和多模態(tài)方案，對原有搜索系統(tǒng)、檢索系統(tǒng)做效果的提升。

今天的確沒有產(chǎn)品可以滿足需求，但有沒有必要搞一個全新的AI 電商產(chǎn)品？遞進的說，polo衫現(xiàn)在的搜索足夠好，“黑色的polo衫”也不要新的能力，“黑色的帶口袋的polo衫”可能需要，一點點在現(xiàn)在系統(tǒng)上的改造，多一層多模態(tài)理解，有沒有口袋底層打一個額外的標簽，這個可以做?！昂谏?、帶口袋的，不粘貓毛的polo衫”，這件事情非常適合大模型做了。什么叫不粘貓毛，一般商家寫一個材質(zhì)就不錯了，他得知道這個材質(zhì)粘不粘貓毛。可能家里養(yǎng)的不是貓，還有可能什么貓還得問你一句，長毛貓還是短毛貓，這個就非常適合大模型。

但是能夠把需求表達這么明確的消費者還是少數(shù)。在現(xiàn)在平臺當中，絕大部分還是上來搜單品，褲子、T恤，20%的人搜黑色帶口袋的polo衫，最后的人搜很長的需求。最有可能的是現(xiàn)有平臺在主干搜索鏈路上做一個分支，但專門做一個平臺，專門解決“黑色帶口袋，不粘貓毛的polo衫”，這個需求聚不起來，它可能是一個溢出性需求，不是聚焦性需求。但這個需求絕對是新的，以前干不好的事。

從技術(shù)角度來看，這確實是傳統(tǒng)搜索技術(shù)最難解決的問題?，F(xiàn)在搜索技術(shù)體系涉及到兩端：一端是對用戶意圖的理解，看上去是自然語言搜索，但實際上是做切詞或者語義的切割，所以會把一個相對完整的語義信息和指令信息會做里面的解構(gòu)。解構(gòu)之后的信息傳遞到商品這一側(cè)，它其實是特征的提取。算法的體系里，機器學習里各種各樣特征，它主要是基于商品的理解和消費者個人信息理解兩個層面上去做。這里一個很大的問題，搜索在這么多年表達體系里，對于商品的理解和特征的表達還是非常典型的電商搜索模式。

大家相對會覺得語言本身在特征和表達上面，相對來說人類在語言表述上已經(jīng)做了足夠高的抽象，實際上視覺類相關(guān)的信息和非語言類信息現(xiàn)在還沒有一套像語言這樣人類高度抽象的，非常標準和規(guī)范的，某種程度上不同國家、不同民族的語言就是一種很高級的抽象寫意，它能很好表達所有抽象邏輯和具體物理對象的邏輯，但視覺在這一塊還是相對開放的領(lǐng)域。

今天AI搜索時代對于商品本身的理解和表達，我們談到“理解”的時候，某種程度上另外一個可以思考的方向是商品未來的發(fā)布，商品的表達和表征，以及商品的表述，未來隨著語言模型進一步發(fā)展到多模態(tài)模型，似乎也有更新的表達方式。AI搜索不簡簡單單只是用一個大模型去替代傳統(tǒng)的機器學習模型，它可能在整個系統(tǒng)和整個數(shù)據(jù)設(shè)計模式上，以及它本身在算法底層如何去構(gòu)建一個商品表達表示和呈現(xiàn)，以及特征上怎么抽取，都是非常有意思的話題。

4、關(guān)于大模型改造搜推廣，在內(nèi)容產(chǎn)品領(lǐng)域，我們會發(fā)現(xiàn)大家會有不同認知。比如抄錄一段極客公園對快手 AI 改造推薦的報道：

快手的 AI 基因與其內(nèi)容分發(fā)機制背后不斷打磨的推薦算法關(guān)系緊密，隨著大模型能力灌入，以 transformer 架構(gòu)重塑的推薦大模型成型。

快手在推薦大模型中構(gòu)建了一個名為 Action Transformer（ACT）的神經(jīng)網(wǎng)絡(luò)。從名字入手非常好理解——在用戶行為序列上用 Transformer 架構(gòu)進行建模。「這里面遇到的挑戰(zhàn)還是非常大的」，蓋坤表示。

大家都知道大模型的響應(yīng)是非常慢的，如果我們在用戶數(shù)十萬上百萬行為序列上進行建模，如何能夠在有效的計算資源下，能夠在用戶請求幾百毫秒的響應(yīng)要求下，能夠把這個計算處理完，并且返回精確的結(jié)果？針對這個難點，我們原來基于 SIM 檢索模塊的架構(gòu)會有一定程度上損失部分的信息。我們 ACT 創(chuàng)新的網(wǎng)絡(luò)架構(gòu)設(shè)計能夠?qū)崿F(xiàn)用戶全生命周期近似百萬行為序列的建模，能夠讓 Transformer 充分發(fā)揮用戶行為序列上面的信息潛力?！?/p>

蓋坤透露，目前快手的推薦大模型單次上線已經(jīng)可以為快手 APP 每天帶來 4 億分鐘以上的時長增長，也就是說用戶在推薦大模型下會更喜愛快手推薦的內(nèi)容。

2024Q1快手日活 3.94 億，這個推薦大模型單次上線可以帶來每天 4 億分鐘以上的時長增長，這意味著平均每個用戶因為這個模型單次提升了一分鐘，這是非?？植赖臄?shù)據(jù)。

5、過去一年，全行業(yè)都繼續(xù)投入到了生成式AI和大模型的熱潮里，每家企業(yè)都在努力思考如何將人工智能融入業(yè)務(wù)。我們都深信，AI將成為未來技術(shù)創(chuàng)新和商業(yè)模式變革的核心，甚至有望帶來比互聯(lián)網(wǎng)更大的影響。

但大家折騰了快兩年，結(jié)果是讓英偉達變成了全世界市值最高的公司，2c應(yīng)用卻遲遲沒有爆發(fā)。看創(chuàng)新工場汪華的統(tǒng)計，把中國所有 AI 原生應(yīng)用加在一起，日活也不過就是 1000 萬量級。

這說明什么？這說明雖然人工智能的未來已經(jīng)到來，但是當下產(chǎn)品化還遠遠沒來。

我們回看十多年前移動互聯(lián)網(wǎng)剛爆發(fā)的時候，最開始所有人都在尋找入口，手機桌面、瀏覽器、輸入法、鎖屏軟件哪怕是天氣 App 的都覺得自己可以變成入口，但移動互聯(lián)網(wǎng)產(chǎn)品競爭的終局是短視頻吞噬一切，12億網(wǎng)民最終選擇的的產(chǎn)品形態(tài)是最能制造時間黑洞的短視頻。

而短視頻這個故事能夠成立，最大的變量就是手機攝像頭，他讓不會用輸入法、沒有用過鍵盤鼠標的用戶，每個人都能自由地記錄生活。不然一位廚師跟一位舞蹈演員可能很難用圖文表現(xiàn)自己。

移動互聯(lián)網(wǎng)產(chǎn)品競爭的終局是短視頻吞噬一切，因為手機攝像頭變成 12 億網(wǎng)民都會使用的創(chuàng)作工具。今天關(guān)于內(nèi)容怎么生成又到了一個變革時刻，AI將產(chǎn)生跟相機發(fā)明一樣深遠的影響，視頻生成應(yīng)該是今天AI能夠抓到最大公約數(shù)的用戶需求。

6、另外一個感受，就是 AI 讓老產(chǎn)品找到了新增量，這一波 AI 敘事還是擁有場景和用戶的大公司最受益。

一塊是AI讓一些老產(chǎn)品找到了更多付費點，產(chǎn)品本身價值點也在變大，比如前陣子看蘋果發(fā)布會，把各項 AI 應(yīng)用整合得比較優(yōu)雅，之前iCloud大家買的不多，但隨著用戶深入使用 AI 服務(wù)這塊服務(wù)的付費率會有顯著提升，之前Google 每年需要給蘋果交過路費，以后你跟 Siri 說我要打車時候滴滴和高德是不是也得交一道？再比如百度文庫，基于大模型重構(gòu)，百度文庫從“內(nèi)容工具”變身為“生產(chǎn)力工具”。去年百度世界大會，李彥宏說他認為百度文庫是百度目前重構(gòu)最徹底的一款產(chǎn)品，AI用戶數(shù)突破1.4億，內(nèi)外部評價和收入利潤都非常不錯。

另外一塊是業(yè)務(wù)模型的精進，比如Meta/抖音/快手，之前的推薦是基于大眾投票的行為，今天基于大模型可以用到更多的意圖理解，這能讓廣告的匹配效率提升很多。大模型改造搜推廣應(yīng)該是大廠更加需要務(wù)實解決的問題。

AI太花錢，如果沒有當年Google/字節(jié)高效率商業(yè)模式轉(zhuǎn)動，如果沒有比當前最主流的廣告變現(xiàn)更優(yōu)的商業(yè)模式出現(xiàn)，新一代公司唱主角的序幕可能還要很久才會拉開。

7、本文由頭是昨天下午參加了阿里國際一場AI主題的分享會，阿里國際數(shù)字商業(yè)集團副總裁、AI業(yè)務(wù)負責人張凱夫透露阿里國際AI進展：40多個電商場景服務(wù)50萬商家，調(diào)用量每兩個月翻一倍。

且跟市場認為 AI 會替代人的觀點不同，凱夫不斷強調(diào)，新的 AI 作為生產(chǎn)力工具，可以幫助小微企業(yè)解決人力資源和關(guān)鍵資源上從無到有的問題，不僅僅是降本增效?！霸绞侵行∩碳遥侥軓腁I的應(yīng)用中獲益?！?/p>

去年我曾經(jīng)跟凱夫錄過一期播客

女明星都怒贊

8、最后這件黑色的帶口袋的不粘貓毛的Polo衫，我通過不懈的搜索，終于在淘寶買到了。（又不是不能用）