ChatGPT正在全世界刮起一阵旋风。人们的想象力很大一部分还停留在搜索交互和内容创作上，但其影响可能会扩展到我们的物理世界。

以前停留在图片和文字领域的AIGC内容(利用人工智能技术生成内容)，现在正深入到信息更加丰富的三维领域。至少，它已经开始改变消费和商业。

防晒洗发水、青橙普洱饮品、女神高骷髅头洗发水、杜鹃花酸脱皮精华、羽绒香……乍一看，你可能觉得熟悉又陌生。熟悉的是配方，陌生的是混搭。其实都是AI自动推荐的结果，有些是现实世界中不存在的。

《天下网商》了解到这是TMIC(天猫创新中心)的最新研究方向。基于超过10亿的用户和海量的商品池，可以学习深度算法的天猫TMIC正在试验一种新的黄金公式A(算法)I(智能)C(创造)I(创意)，通过现有的市场计算进行验证，通过爆款因子从零开始“创造”全新的商品。

很快，AI生成的一批新品即将上线，比如一款防晒洗发水。

此前，一款畅销车型在消费市场的诞生，很大程度上依赖于商家敏锐的嗅觉和预判。但在库存越来越充裕的时代，“拍脑袋”决策存在很多不确定性。一旦资金选择和推送错误，就意味着巨大的资源消耗和库存压力。但是算法和机器带来了更多的可能性。——，一个可以穷尽所有品类或商品的公式，更容易推导出下一个爆款。

AI“数”爆品，“造”新事物，正在路上。

爆款，从零开始“制造”

防晒洗发水的想法正在酝酿中。

防晒本来是面部护理的一个步骤，第一次应用到头皮护理。这是AICI黄金公式的第一个成果。是如何“计算”出来的？

第一步，分析，深入洗发水轨迹，找出决定一款洗发水销量的决策因素。洗发水的价格、品牌、功效、成分、香味是促进消费者购买的关键要素；

第二步，切入诊断，了解每个细分赛道的成长情况；

第三步是生产黄金配方。遍历完所有元素组合后，算法产生一个爆炸性的“画像”。比如成分上，小苍兰、茉莉、海藻是比较受欢迎的香型；功效上，去屑止痒、头皮护理、香味是更大的需求；场景方面，“春夏”“旅行”是高频词。

再者，我们可以拆解黄金公式下的一些组合，与市面上已有的品类进行对比，了解新产品的产品覆盖率和爆款率。

商家在开发一款新产品时，主要会考虑两个方面：一是新产品是否有市场，满足部分消费者的需求；第二，在满足需求的基础上，市场的规模。所以，一个商品能否成为爆款，不仅取决于用户喜好和需求，还取决于市场容量和竞争程度。在具体计算中，AICI算法不仅会通过遍历所有元素组合，找出爆款产品的关键因素，还会计算商品的覆盖范围，分析商品是否处于蓝海市场。

经过分析筛选，一款具有小苍兰清凉香味的防晒洗发水诞生了。

人们在炎热的夏天出门，或者长时间日晒后，头皮会变得发痒、微痛、出油。具有防晒功能的洗发水不仅能保护头皮，还能修复日晒后受损的头皮，舒缓镇静。

在有明显商品指征的标准品中，对爆款的分析和预测更容易、更准确。因此，AICI最初的合作品牌偏向于快消品、食品等爆炸红利明显的标准行业。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。

在最新的实验中，AICI还在羽绒服、防晒服等服装行业相对标准的产品品类中做了初步探索，找到了爆款的关键词。比如款式方面，送克服，滑雪服，立领，连帽；风格、个性、基本风格、日式风格；人群方面，中青年，公务员，父亲；面料、复合、牛仔、三防面料等.

总的来说，AICI的应用有两个方面。

首先是向商家开放爆款“计算”功能，让原本繁琐的商品规划变得更加简单、科学、准确。在特定的市场，他们可以找到更容易成功的产品，找到爆款的关键要素和重点。第二，自动推荐，TMIC把算法挖掘出的黄金轨迹传输到前端，在这个方向开发新产品。

按照这个逻辑，不久的将来，市场上会有越来越多独特的新产品。

“创造”爆款的前提是让机器理解商品的语言。

以前，市场上新产品的诞生有很多偶然性。

一个品牌的企划部，经过长时间的市场洞察，开始产品策划，自动生成产品概念卡。但在这个过程中，由于缺乏全链条的数据支持，更多的是决策的决策。一方面，容易错失市场机会。另一方面，结果不具有说服力和决定性，过程冗长且效率低下。

如今，商品从需求洞察、规划市场方向、形成商品概念、最终生成新产品的过程都可以“数字化”，也就是说商品可以通过算法计算和创造。

但这是一个长期积累的过程。

首先，数据的丰富是基础。一个人工智能需要被“喂”足够的信息和数据。天猫10亿商品池及其对背后市场行为的洞察，每年有近2亿件新品“涌现”，源源不断地提供丰富的商品信息。

但是光有商品信息是不够的。接下来就是给大量的商品贴标签，形成算法可以识别的语言。

每个行业都有关键的决策因素，都有一套符合行业常识、生成R&D语言的商品元素标签。如服装行业，往往与款式、风格、色彩、面料有很强的关联性。美容化妆品的成分和功效，以及食物的味道和成分都是相当关键的。

为了使算法的计算结果更加准确，一方面需要更加全面的数据，另一方面需要“表达式”和“变换”的准确性。

自成立以来，TMIC的主要任务之一就是翻译“商品”，将商品的信息转换成机器能读懂的语言，也就是给商品“做标记”。这是一个专业、复杂、繁琐的工程。有些标准可能会很快被定义，比如饮料的味道，洗发水的香味。但更多的时候，这是一个模糊的区域，比如很难定义一支口红的具体颜色和质地。很多时候，商家在描述一款产品时，会做出“联想”的表述，比如“太空泥唇釉”、“哑光绒唇釉”。TMIC花了2-3年的时间来整理标签。

在更难被贴标签的非标行业服务中，TMIC不仅用品牌和专家重构了一个风格体系，还深度利用AI生成图片的能力，将标签翻译成图像，让机器解读“图片风格”。

正是因为我们有一套完整的覆盖上亿商品的要素标签，标签既要符合品牌的商品逻辑，又要符合消费者的需求，才能算是商品语言的“基础设施”，AICI爆款才可以操作。

接下来，算法的能力决定了结果的准确性。只有深度构建和建模学习能力，才能找到商品与商品之间的关系，商品不同属性之间的关系，产生基于庞大商品数据的爆款公式。

海量商品，穷尽计算，推导出一个爆炸的黄金公式。整个过程对背后的计算能力提出了极高的要求。依托阿里强大的计算能力、TMIC多模态深度学习网络和超大规模决策归因模型，在全面洞察市场10亿商品行业因素和用户偏好行为的基础上，帮助品牌自动高效地遍历数千亿潜在组合，从而计算出爆款画像，帮助商家更精细化运营，抢占市场先机。

电子商务的效率革命

为了将AICI应用于具体的业务，我们必须考虑不同业务的能力和目标。

不同的企业有不同的业务量、产品分析能力和开发新产品的阶段。AICI需要根据不同业务的情况分层次运营：有的业务希望通过爆款带来营收现金流，所以“高转化”是他们的目标；一些商家希望通过爆款为店铺和品牌带来“人气”。他追求的是高回购，高创新。只有明确自己的目标，AICI才能“吐出”正确的结果。

如果商家只是在探索新品的发展方向，AICI会扫描全程轨迹，自动推荐爆款元素，商家可以通过“看板”进行判断。以抗衰老眼霜的研发为例，进入目标市场后，系统会显示爆率最高的成分、价格、包装形式。

如果商家已经进入新产品研发的概念期，AICI会更精细的挖掘赛道本体，提供定制化的分析和交互。也可以考虑一些粒度更细的市场洞察。比如在市场筛选维度，品牌可以只针对本地人群，或者某个细分市场，也可以选择只分析一二线高价市场。同样是一款眼霜的研发。AICI可以提供“20-30岁有过敏问题和抗衰老需求的眼霜”对应的商品形式。

以上两个版本，基础版和高级版的AICI，更广泛的覆盖了商家的不同需求，商家可以根据自身条件灵活体验。

成立于2017年10月的TMIC天猫R&D中心，初衷是基于淘宝天猫的消费者洞察，让品牌研发新品变得更简单、更高效。它将原来需要4-6个月的市场洞察和用户研究过程缩短到1-2周。

2020年后，TMIC不仅将与头部大品牌合作，还将深入供应链上游原料供应商，通过原料生产过程中对市场的预判，辐射到更大范围的中小品牌，带动整个市场的跃进。

据TMIC负责人田琦介绍，AICI代表了TMIC最新的产能扩张——产品规划。这意味着TMIC从最初的只基于市场洞察的定位，进入到具体的商品形态和概念，以及爆炸性的画像的新阶段。

AICI应运而生，其本质是以更有效的数据支持，寻找合适的爆发机会。全局数据和穷举分析带来的结果更加全面、准确、扎实，将显著提高新产品开发的确定性，加快产品迭代。

“AIGC能火是因为人脑能处理的信息量是有限的，建立记忆联想的能力是有限的，但机器是无限的。它几乎可以得到所有的可能性，所以它不会错过任何一个爆炸。这是对人有限的创造力和分析能力的补充，可能是商家的新红利。”田琦说，这将是一场效率革命。

在这场“革命”下，打破意识形态界限的新产品会不断出现。

(报道)