La herramienta AI de Alibaba Mama, Wanxiang Dianjing, ayudó a Lin's Home a dirigir con precisión su cama de tela a la audiencia de jugadores de e-sports, identificando las intenciones de búsqueda y las señales de comportamiento de los usuarios, y comprendiendo las características del producto para lograr coincidencias entre escenarios.

Autor del artículo: Cynthia

Fuente: GeekPark

En el verano de 2026, Lin's Home desea vender una cama de tela.

Luego, Alibaba's Wanxiang Jingjing le encontró un grupo de jugadores de e-sports y les sugirió dirigirse a los usuarios que habían buscado «decoración de sala de e-sports», «renovación de habitación de juegos», «bandas de luces RGB» y «cuarto de anime».

Para una marca líder como Lin's Home, nacida en internet y que ha dependido durante mucho tiempo de los datos para su operación, esta es una decisión incomprensible.

En el pasado, la marca Lin's Home Furniture ya había acumulado más de 55 millones de seguidores en todas las plataformas, miles de SKU disponibles y más de mil tiendas físicas, siendo reconocida como una fábrica de éxitos en la industria.

Bajo la lógica de emparejamiento tradicional, el consumidor más natural para una cama debería provenir de personas que están realizando renovaciones, recién casadas, cambiando de vivienda o que han comprado recientemente electrodomésticos y artículos para el hogar. Por lo tanto, el sistema de publicidad utiliza etiquetas predefinidas para emparejar audiencias, y elegir palabras clave relacionadas como renovación, muebles, piso, etc., se convirtió en un recuerdo profundamente arraigado en el equipo. En consecuencia, un joven que busca ideas para decorar una habitación de esports no parece en absoluto un consumidor prioritario para una cama.

Pero el sentido común no puede generar crecimiento en un mercado existente.

Pero Xiangxiang Dianjing no ve la etiqueta de "e-sports", sino todo un conjunto de intenciones de consumo detrás de la etiqueta: descubre que estos jóvenes tienen una fuerte disposición a gastar para obtener una mejor experiencia de juego: compran sillas ergonómicas, monitores 4K, luces ambientales RGB y transforman sus habitaciones en espacios más cómodos, inmersivos y alineados con su estética personal.

Al seguir esta cadena de consumo, para los jugadores de juegos de PC, una cama cómoda donde poder relajarse es parte de la experiencia del cuarto de esports; para los jugadores de juegos móviles, la cama ni siquiera es solo un escenario de descanso, sino que jugar apoyado en una cama de tejido suave es en sí misma una experiencia de juego más cómoda. En otras palabras, están consumiendo un estilo de vida.

Al comprender este nivel, el equipo tomó la decisión inmediata: ¡invertir!

El resultado final también superó las expectativas de muchas personas. El porcentaje de clics de nuevos clientes superó el 80 %, y el porcentaje del volumen de transacciones de nuevos clientes alcanzó el 83 %. Además de seleccionar con precisión al grupo de nuevos clientes, lo que más sorprendió al equipo fue que, hasta entonces, ninguna marca de hogar había descubierto este mercado no explotado, por lo que el costo de agregar al carrito fue menos de un tercio del de los consumidores tradicionales de renovación.

Así, una cama de tela suave se relacionó con los juegos electrónicos. Después de esto, este enfoque incluso se extendió a la categoría de mesitas de noche, ayudando a Linshi Home to identificar un nuevo grupo objetivo: personas que buscan almacenar productos para el sueño y tener acceso fácil a ellos.

Un sistema completamente nuevo también lleva la publicidad desde la competencia por recursos limitados hacia una era impulsada por IA de crecimiento incremental, haciendo posible descubrir nuevas audiencias y generar crecimiento adicional.

01 ¿Por qué cada vez es más difícil encontrar nuevo crecimiento en la publicidad tradicional?

La publicidad digital no comenzó a depender de algoritmos en la era de los modelos grandes.

Durante casi 20 años, el «filtrado colaborativo» basado en machine learning tradicional ya se ha implementado a gran escala en sistemas publicitarios. En este sistema, la «compra» del comerciante y el «emparejamiento» de la plataforma son dos acciones separadas. El sistema publicitario etiqueta a los usuarios basándose en su historial de comportamiento, como qué han visto o comprado. Luego, los comerciantes compran paquetes de audiencia y palabras clave primero, y la plataforma mapea la demanda del consumidor a etiquetas para realizar el emparejamiento.

Este enfoque es muy efectivo en mercados incrementales. Cuando una marca alcanza a cien mil consumidores, generalmente aún hay decenas o cientos de miles de personas similares que aún no han sido alcanzadas. Si se amplía constantemente el grupo similar, el crecimiento puede continuar ocurriendo.

Pero cuanto más tiempo ha estado operando una industria, más cerca están los participantes de comprender a los consumidores de alto valor de marketing. Los muebles buscan a las personas que hacen renovaciones, los productos de belleza compiten por mujeres de alto consumo, los productos para bebés y madres se centran en el ciclo de vida familiar, y las marcas deportivas saben qué significan correr, andar en bicicleta, hacer senderismo y acampar.

Por lo tanto, lo que trae consigo son solo costos de tráfico cada vez más altos y una eficiencia de conversión cada vez más baja tras la inversión saturada de los jugadores.

Además, tiene inherentemente una debilidad. En un sistema de cálculo en tiempo real con grandes volúmenes de datos, las combinaciones de consumidores, productos y anuncios son casi infinitas, y la plataforma no puede calcular todos los vínculos al costo más alto. Si un jugador de esports nunca entra en la lista de candidatos para «cama», por muy preciso que sea el modelo de CTR posterior, nunca tendrá la oportunidad de asignarle una puntuación. Por eso, los datos históricos inherentemente recompensan las relaciones que ya han sido demostradas.

Pero el consumidor en sí mismo no es una etiqueta estable.

Una persona que estaba renovando hace dos años probablemente ya no tenga necesidad de muebles hoy; un consumidor que normalmente pertenece al grupo de personas activas también puede entrar repentinamente en un estado de compra completamente diferente debido a un viaje, un concierto o un cambio de residencia. Las recomendaciones basadas en estas etiquetas históricas suelen implicar una proporción considerable de tráfico obsoleto.

Por eso, la pregunta más importante que quien sea esta persona es qué problema está resolviendo actualmente. Y esto es precisamente la nueva capacidad que la "coincidencia sincrónica" impulsada por IA aporta a los sistemas publicitarios: mediante el reconocimiento de la intención de búsqueda y las señales de comportamiento del usuario, así como una comprensión profunda de las características del producto. La IA puede ayudar a los comerciantes a alcanzar a personas que no podrían ser recuperadas con etiquetas tradicionales, y también a llegar a escenarios que los comerciantes no habían considerado activamente.

Entonces, un nuevo mercado de agua azul incremental comienza a surgir gradualmente ante los ojos de todos.

02 Persona: de quién es a lo que necesita ahora

En el pasado, comprar un producto adecuado era una tarea técnica llena de incertidumbres tanto para compradores como para vendedores.

Para los comerciantes, solo saben que alguien que compró una tarjeta gráfica para juegos tiene más probabilidades de comprar un monitor; alguien que buscó una tienda de campaña es más probable que compre artículos para exteriores. Pero ampliando el contexto a más escenarios: ¿necesita una cama alguien que ha montado una sala de juegos en casa? ¿Qué tipo de silla necesita una mujer joven detallista antes de maquillarse y salir cada día? Esto es una pregunta completamente fuera de tema.

Los comerciantes tienden naturalmente a determinar las categorías de productos y los SKU según escenarios existentes. Pero los consumidores no viven según los SKU. Primero se mudan, viajan, se casan, hacen ejercicio, asisten a conciertos, arman una habitación de juegos, se maquillan, y luego generan una serie de necesidades de productos concretas. Antes de realizar la compra, también deben traducir sus necesidades de vida al lenguaje de los productos. Por ejemplo, comprar un teléfono para una persona mayor requiere descomponer «volumen alto, letras grandes, operación sencilla» en un conjunto de parámetros del producto; al acampar por primera vez, también hay que saber qué son una tienda de campaña, una toldilla y un saco de dormir antes de poder ingresar al sistema de categorías de la plataforma.

Con Wuxiang Dianjing, los comerciantes no solo pueden saber quiénes son los usuarios, sino también comprender claramente en qué escenarios actúan, qué hacen y qué necesitan. Por ejemplo, Yisong, líder en la categoría de sillas ergonómicas, entró así en el radar de las chicas interesadas en la belleza.

Al principio, Wanxiang Dianjing, basándose en el sistema de conocimiento mundial subyacente, ayudó primero a Yisong a identificar la intención del lado de la demanda, comprendiendo que detrás del pedido de una mesa de manicura y un tocador, el usuario realmente necesitaba un espacio de maquillaje que podría utilizarse a largo plazo.

A continuación, el modelo de lenguaje grande inferirá la motivación de consumo, las preferencias y la etapa de compra del usuario, y codificará la secuencia de comportamientos del usuario como una representación estructurada de la intención de consumo: por ejemplo, esta es una usuaria femenina que valora la belleza y busca una calidad de vida elevada.

Luego, mediante la capa de alineación semántica, se completa la transición desde la coincidencia de etiquetas hasta la inferencia semántica, alineando los vectores de características y los vectores de intención en un espacio semántico de alta dimensión, y mediante razonamiento causal, se supera la lógica de correlación tradicional para comprender las motivaciones profundas del usuario detrás de «por qué compra»: por ejemplo, un taburete de maquillaje común es duro y no tiene respaldo, por lo que necesitan un sillón cómodo que lo reemplace, y que además sea lo suficientemente elegante y fotogénico; debe poder girar, ajustarse en altura y deslizarse para permitir un cambio flexible entre maquillaje, trabajo y estudio.

Finalmente, en el lado de la oferta, Wanxiang Dianjing utiliza la comprensión de productos para descubrir su funcionalidad, descompone los puntos de venta mediante modelos de lenguaje a gran escala y construye una expresión estructurada multidimensional, creando un grafo de atributos de producto detallado que abarca categorías, funciones, escenarios y públicos, logrando así una coincidencia semántica más profunda entre la oferta y la demanda: una mujer que cada día dedica tiempo a arreglarse, después de comprar un tocador de maquillaje, también necesita una silla. Una silla ergonómica, además de tener la etiqueta de "oficina", también puede satisfacer múltiples necesidades de escenarios de vida, como soporte para largas horas sentada, movilidad flexible y adaptabilidad espacial.

Con esta comprensión más profunda de las necesidades de los usuarios, el sistema publicitario comenzó a pasar de la expansión de audiencias a la expansión de intenciones, y la coincidencia de segmentación asíncrona del sistema se transformó en una segmentación en tiempo real basada en escenarios.

Pero solo entender a las personas no es suficiente.

Si una silla ergonómica solo puede definirse como mueble de oficina, entonces sigue siendo difícil conectarla realmente con escenarios aparentemente desconectados como el tocador o la mesa de uñas. Si una cama solo puede entenderse como mueble de dormitorio, entonces, por mucho que el sistema comprenda a los jugadores de esports, será difícil que aparezca correctamente en la sala de juegos de los entusiastas de los esports.

AI targeting also needs to be reinterpreted from the other end:

Mercancía.

03 Asset: An item that can belong to multiple markets

Las plataformas anteriores gestionaban la oferta mediante categorías, atributos y SKU, lo cual es un prerequisito para que los sistemas comerciales funcionen de manera eficiente.

Una cama en el sistema es primero un «mueble», con atributos como dimensiones, material, color y estilo, y luego el producto entra al mercado según su tipo.

Pero la forma en que los consumidores utilizan los productos nunca se ajusta completamente a la definición original del producto por parte de la empresa: Coca-Cola se vendió originalmente como medicina, el horno de microondas proviene de la tecnología de radar, y los zapatos deportivos han evolucionado de equipo profesional a ropa cotidiana en diferentes épocas.

La historia empresarial nunca ha carecido de historias de usuarios que redefinen productos. Sin embargo, en el pasado, el descubrimiento de problemas solía depender de observaciones de mercado prolongadas, investigaciones o eventos fortuitos.

Ahora, con Wanxiang Dianjing, la IA puede comprender profundamente la sutil relación entre las capacidades de este producto y las necesidades de los usuarios.

Las camas de tela vendidas por Lin's Home a los entusiastas del gaming y las sillas ergonómicas vendidas por Yisong a los amantes de la belleza son solo algunos ejemplos.

Más representativamente, Wanxiang Dianjing ayudó a Helena a vender sus productos a la comunidad de esquí y deportes al aire libre.

En mayo de este año, Wanxiang Dianjing identificó para Helena un grupo potencial de clientes que practican surf y buceo en verano y esquí en invierno. Al ver los resultados, la primera reacción del equipo fue: «¿Acaso la IA se desvió?» Después de todo, las principales trayectorias de consumo de estas personas se centraban básicamente en equipo deportivo.

Pero la IA captó con agudeza su necesidad de protección solar y certeza. Entre este grupo, el 27.35% prioriza la calidad y el 40.25% valora especialmente los materiales. Al comprar ropa de esquí, equipo de buceo y artículos para exteriores, comparan meticulosamente los materiales, el rendimiento y los resultados confiables, y la Black Bandage misma proviene de una línea de productos que enfatiza la «certeza». En 2008, Helena colaboró con Laclinic Suiza para desarrollar la serie Re-Plasty, inspirada en el cuidado postoperatorio; Age Recovery Night más tarde se convirtió en «Black Bandage», y aún hoy Laclinic la presenta dentro del contexto del cuidado postoperatorio, los ingredientes activos y la atención clínica.

Por lo tanto, se puede inferir que una persona que durante mucho tiempo ha buscado rendimiento, materiales y confiabilidad en equipo deportivo, al tomar decisiones de cuidado de la piel de varios miles de yuanes, también es más propensa a pagar por validación clínica, certeza de eficacia y calidad del producto.

En los resultados operativos finales, después del lanzamiento oficial, esta cohorte de nuevos clientes de alto valor al aire libre tuvo una tasa de nuevos clientes 2 puntos porcentuales más alta que otros grupos, así como mayores interacciones y conversión de ventas.

Unas «traducciones» similares también ocurren con otros productos más cotidianos. Por ejemplo, mediante Wanxiang Dianjing,蕉下 vendió mascarillas protectoras solares a personas que practican ejercicio y ciclismo y que necesitan «no ahogarse, no deslizarse y verse bien en fotos»; dos meses después, la proporción de nuevas transacciones aumentó un 11% y el número de nuevos visitantes aumentó un 39%.

Y cuando las personas pasan de etiquetas fijas a intenciones dinámicas, y los productos pasan de categorías fijas a soluciones a problemas, lo último que cambia es: cómo se encuentran las personas y los productos.

04 Escenario: IA orientada, reestructurando la forma de conectar la oferta y la demanda

Cuando la orientación de IA ya puede comprender simultáneamente «qué está haciendo la persona» y «qué puede resolver el producto», las fronteras originalmente separadas entre búsqueda, publicidad y promoción comienzan a desdibujarse. Porque en esencia, todas enfrentan lo mismo: en un momento concreto, determinar qué necesidad está formando el usuario y qué productos deberían participar en resolverla.

Este cambio también reajustó la división de responsabilidades entre los comerciantes y el sistema.

Anteriormente, al crear un nuevo plan publicitario, los comerciantes debían completar primero palabras clave, audiencia, ubicación y horario, lo que equivalía a decirle al sistema: «¿Quiénes son mis consumidores?». En el nuevo sistema, Wanxiang Dianjing permite que la IA analice primero los puntos de venta del producto, las necesidades potenciales y los escenarios de consumo posibles, y luego el comerciante decide si adoptarlos o modificarlos.

Al mismo tiempo, la generación creativa y la ejecución de la campaña posteriores también seguirán la misma lógica para realizar las acciones correspondientes. Utilizando las insigths de usuarios existentes, Wanxiang Dianjing no mostrará directamente los anuncios de camas dirigidos a consumidores de dormitorios a jugadores de esports. En cambio, extenderá el flujo hasta la creatividad y la puja: primero comprenderá los objetivos comerciales y la intención de consumo, luego identificará a los posibles públicos, generará expresiones diferenciadas mediante IA y, finalmente, determinará mediante una puja inteligente en qué oportunidades de tráfico participar.

Finalmente, convierta las necesidades diversas de miles de grupos en estrategias de publicidad y técnicas de comunicación personalizadas, generando una mayor conversión y valor incremental de nuevos clientes. Según lo revelado oficialmente, durante la fase del 618 y tras su implementación completa a finales de julio, más de 150.000 comerciantes utilizaron el producto en escenarios de promoción por palabras clave y promoción por audiencia; en un período específico, el porcentaje de clics de nuevos clientes superó el 91% y el porcentaje de transacciones de nuevos clientes superó el 76%.

Lo más importante es que, aunque Wanxiang Dianjing detrás de sí tiene un conjunto de capacidades completamente nuevas, los comerciantes no necesitan aprender nuevas herramientas; puede integrarse completamente en los escenarios promocionales existentes, desde la promoción de públicos hasta la promoción por palabras clave, y luego a la marca integral y la semilla de contenido.

Según palabras de Liu Bo (Jialuo), Vicepresidente Senior del Grupo Alibaba, actual Presidente de la División Tmall, Presidente de Alimama y responsable de Taobao Live y la División de Contenidos: «(La plataforma se esfuerza por) alargar sus fortalezas, profundizar en lo difícil, reducir los costos para los comerciantes y brindarles certidumbre en sus operaciones». Al mismo tiempo, «el equipo de algoritmos aún tiene mucho potencial por explotar, para que los mejores productos y los mejores comerciantes puedan encontrar consumidores de mayor calidad; a su vez, los consumidores de alta calidad también puedan encontrar en la plataforma productos con una personalización más precisa».

Of course, in the long term, once this platform capability is fully opened, the information asymmetry it creates will not persist indefinitely. Today, only one company sees the rest needs of esports players, but soon, all furniture companies may also see the same group of people. Thus, the question shifts from “whether it can be discovered” to “what to do after discovery.”

También se observa un nuevo escenario: algunas empresas dudan, otras agregan un nuevo plan de publicidad, algunas rediseñan sus materiales y productos, y otras continúan investigando el espacio de vida y las necesidades reales de los consumidores, ajustando finalmente el tamaño, las funciones e incluso la dirección de nuevos productos.

Durante este proceso, se descubrió que la multitud puede ser plataforma, las ofertas en tiempo real pueden ser plataforma, y parte de la creatividad y los insights del consumidor también pueden ser plataforma.

Pero la selección de productos, el riesgo de inventario, la adaptación de la cadena de suministro y la asignación de recursos aún deben realizarse por las empresas por sí mismas. La IA permitirá que más empresas vean nuevas oportunidades, pero no les otorgará la misma velocidad de respuesta.