L'outil IA Alibaba Mama Wanshang Dianjing a aidé Lin's Home à cibler précisément les joueurs de e-sports avec des lits en tissu, en identifiant les intentions de recherche et les signaux comportementaux des utilisateurs, tout en comprenant les caractéristiques du produit pour réaliser des correspondances inter-scénarios.

Auteur de l'article : Cynthia

Source : GeekPark

Été 2026, Lin's Home souhaite vendre un lit en tissu.

Ensuite, Alibaba's Wanxiang Jingjing lui a identifié un groupe de joueurs de e-sports et a recommandé de cibler les utilisateurs ayant recherché « aménagement de salle de e-sports », « rénovation de chambre de jeu », « bandeaux LED RGB » ou « chambre de style anime ».

Pour une marque de premier plan comme Lin's Home, née sur Internet et longtemps dépendante des données pour son exploitation, c'est un choix incompréhensible.

Par le passé, la marque Lin's Home a accumulé plus de 55 millions de followers sur toutes les plateformes, des milliers de SKU en vente et plus de mille points de vente physiques, et est reconnue dans l'industrie comme une machine à créer des succès.

Dans la logique traditionnelle de correspondance, le consommateur le plus naturel pour un lit devrait provenir de personnes effectuant des travaux de rénovation, venant de se marier, changeant de logement, ou ayant récemment acheté des appareils électroménagers et des articles pour la maison. Ainsi, le système publicitaire utilise des balises prédéfinies pour cibler les audiences, et les annonceurs choisissent des mots-clés associés tels que rénovation, meubles, sols, ce qui est devenu un réflexe chez l’équipe. Par conséquent, un jeune recherchant l’aménagement d’une salle de gaming ne semble en aucun cas être le consommateur prioritaire à cibler pour un lit.

Mais le bon sens ne peut pas générer de croissance sur un marché existant.

Mais Wanxiang Dianjing ne voit pas simplement l'étiquette « e-sport », mais l'ensemble des intentions d'achat derrière cette étiquette : il constate que ces jeunes ont une forte volonté de consommer pour améliorer leur expérience de jeu : ils achètent des chaises ergonomiques, des écrans 4K, des lumières RGB d'ambiance, et transforment leur chambre en un espace plus confortable, plus immersif et plus conforme à leur goût personnel.

En poursuivant cette chaîne de consommation, pour les joueurs de jeux PC, un lit confortable où se détendre fait partie intégrante de l'expérience de la salle de jeu ; pour les joueurs de jeux mobiles, le lit n'est pas seulement un espace de repos — jouer en s'appuyant sur un lit en tissu doux constitue en soi une expérience de jeu plus agréable. Autrement dit, ils consomment un mode de vie.

Une fois cette couche comprise, l'équipe a immédiatement décidé : investir !

Le résultat final a également dépassé les attentes de beaucoup. Le pourcentage de clics provenant de nouveaux clients dépasse 80 %, et la part du montant des transactions provenant de nouveaux clients atteint 83 %. Outre la sélection précise du public cible de nouveaux clients, ce qui a le plus surpris l'équipe, c'est qu'aucune marque de meubles n'avait encore identifié ce marché vierge auparavant ; ainsi, le coût d'ajout au panier de l'équipe est inférieur au tiers de celui des personnes traditionnellement intéressées par la rénovation.

Ainsi, un lit en tissu doux a été associé aux jeux compétitifs. Par la suite, cette approche a même été étendue à la catégorie des tables de nuit, permettant à Lin’s Home de découvrir une nouvelle cible de clients cherchant à ranger commodément des produits pour le sommeil et à les prendre facilement.

Un tout nouveau système qui fait passer la publicité d'une logique de partage de marché existant à une ère pilotée par l'IA et permet de découvrir de nouveaux publics et de créer de nouvelles croissances.

01 Pourquoi il devient de plus en plus difficile de trouver de nouveaux volumes avec le ciblage publicitaire traditionnel

La publicité numérique ne dépend pas des algorithmes depuis l'ère des grands modèles.

Pendant près de 20 ans, le « filtrage collaboratif » (appariement par similarité) basé sur l'apprentissage automatique traditionnel a été largement intégré dans les systèmes publicitaires. Dans ce système, l'achat par les commerçants et l'association par la plateforme sont deux actions distinctes. Le système publicitaire attribue des tags aux utilisateurs en se basant sur leurs comportements passés, tels que ce qu'ils ont vu ou acheté. Ensuite, les commerçants achètent d'abord des paquets de public cible et des mots-clés, et la plateforme fait correspondre les besoins des consommateurs aux tags.

Cette méthode est très efficace sur les marchés en croissance. Lorsqu'une marque atteint cent mille consommateurs, il existe souvent des dizaines ou des centaines de milliers d'autres personnes similaires qui n'ont pas encore été atteintes. En continuant à élargir la population similaire, la croissance peut se poursuivre de manière durable.

Plus une industrie existe depuis longtemps, plus les participants comprennent bien les consommateurs à haute valeur marketing. Les meubles ciblent les personnes qui rénovent, les produits de beauté rivalisent pour les femmes à fort pouvoir d'achat, les produits pour bébés et les mères exploitent le cycle de vie familial, et les marques sportives savent ce que signifient la course à pied, le vélo, la randonnée et le camping.

Ainsi, il n'apporte que des coûts de trafic de plus en plus élevés et une efficacité de conversion de plus en plus faible après un investissement saturé des joueurs.

De plus, il présente naturellement une faiblesse. Dans un système de calcul en temps réel sur de vastes quantités de données, les combinaisons de consommateurs, de produits et de publicités sont quasi infinies ; la plateforme ne peut pas calculer à fond toutes les relations au coût le plus élevé. Si un joueur e-sport ne figure jamais dans la liste des candidats pour « lit », le modèle CTR, aussi précis soit-il, n’aura jamais l’occasion de lui attribuer une note. C’est pourquoi les données historiques récompensent naturellement les relations déjà éprouvées.

Mais le consommateur lui-même n'est pas un étiquette stable.

Une personne qui faisait des travaux il y a deux ans n’a peut-être plus besoin de meubles aujourd’hui ; un consommateur habituellement actif dans le domaine du sport peut aussi, à la suite d’un voyage, d’un concert ou d’un déménagement, entrer soudainement dans un tout autre état d’achat. Les recommandations basées sur ces étiquettes historiques impliquent souvent un pourcentage considérable de trafic obsolète.

C’est pourquoi la question plus importante que de savoir qui est cette personne est de savoir quel problème elle résout actuellement. Et c’est précisément cette nouvelle capacité que l’« appariement synchronisé » piloté par l’IA apporte aux systèmes publicitaires : en identifiant les intentions de recherche et les signaux comportementaux des utilisateurs, ainsi qu’en comprenant en profondeur les caractéristiques des produits. L’IA peut aider les commerçants à atteindre des personnes qu’ils ne pouvaient pas récupérer avec leurs étiquettes traditionnelles, et même dans des scénarios où les commerçants n’avaient pas activement ciblé.

Ainsi, un nouveau marché de niche en croissance commence à émerger devant les yeux de tous.

02 Personne : de qui il est à ce dont il a besoin maintenant

Dans le passé, acheter un produit adapté était pour l'acheteur et le vendeur une activité technique pleine d'incertitudes.

Pour les commerçants, ils savent simplement qu'une personne qui a acheté une carte graphique pour les jeux a plus de chances d'acheter un écran ; une personne qui a recherché une tente est plus susceptible d'acheter des équipements de plein air. Mais en élargissant à d'autres scénarios : une personne qui a aménagé une salle de jeu à la maison a-t-elle besoin d'un lit ? Une jeune femme soigneuse, avant de se maquiller chaque jour pour sortir, quel type de tabouret lui faut-il ? Voilà une question complètement hors sujet.

Les commerçants ont naturellement tendance à déterminer les catégories de produits et les SKU en se basant sur les scénarios existants. Mais les consommateurs ne vivent pas selon les SKU. Ils déménagent d’abord, voyagent, se marient, font du sport, assistent à des concerts, aménagent une pièce de jeu, se maquillent, et seulement ensuite développent une série de besoins spécifiques en produits. Avant d’effectuer un achat, ils doivent d’abord traduire leurs besoins de vie en langage produit. Par exemple, acheter un téléphone pour un aîné nécessite de décomposer « sonore, texte gros, interface simple » en un ensemble de paramètres techniques ; lors d’un premier camping, il faut d’abord comprendre ce qu’est une tente, une bâche et un sac de couchage avant de pouvoir entrer dans le système de catégories de la plateforme.

Avec Wanshang Dianjing, les commerçants peuvent non seulement identifier les utilisateurs, mais aussi comprendre clairement dans quel contexte ils agissent et ce dont ils ont besoin. Par exemple, Yisong, leader dans le segment des chaises ergonomiques, est ainsi entré dans le champ d’attention des jeunes femmes passionnées de beauté.

Au départ, Wanshang Dianjing, en s'appuyant sur son système de connaissances mondiales, a d'abord aidé Yisong à identifier l'intention du côté de la demande, comprenant que la commande d'une table de manucure et d'une coiffeuse cachait en réalité le besoin d'un espace de toilette susceptible d'être utilisé à long terme.

Ensuite, le modèle de langage à grande échelle infère les motivations, préférences et étape d'achat de l'utilisateur, et encode la séquence de comportement de l'utilisateur en une représentation structurée de l'intention d'achat — par exemple, il s'agit d'une utilisatrice féminine qui aime la beauté et qui valorise la qualité de vie.

Ensuite, la couche d'alignement sémantique effectue la transition de la correspondance des étiquettes à l'inférence sémantique, en alignant les vecteurs de caractéristiques et les vecteurs d'intention dans un espace sémantique de haute dimension, tout en utilisant un raisonnement causal pour dépasser la logique de corrélation traditionnelle et comprendre les motivations profondes derrière l'achat de l'utilisateur — par exemple, un tabouret de maquillage ordinaire est dur et ne possède pas de dossier. Elles ont donc besoin d'une chaise confortable en remplacement, qui doit en plus être esthétique et photogénique. Elle doit également pouvoir tourner, s'ajuster en hauteur et glisser, afin de permettre un passage fluide entre le maquillage, le travail et l'étude.

Enfin, du côté de l'offre, Wanxiang Dianjing utilise la compréhension des produits pour identifier leurs fonctions, décompose les points de vente à l'aide de grands modèles linguistiques afin de construire une expression structurée multidimensionnelle, et établit un graphe d'attributs de produits finement granulaire couvrant les catégories, les fonctions, les scénarios et les publics cibles, permettant ainsi une correspondance sémantique plus approfondie entre l'offre et la demande — une femme qui consacre du temps chaque jour à s'habiller, après avoir commandé une coiffeuse, a également besoin d'une chaise. Une chaise ergonomique, outre le tag « bureau », répond également à de multiples besoins de scénarios de vie tels que le soutien pour des périodes assises prolongées, la mobilité flexible et l'adaptabilité à tout espace.

Grâce à cette compréhension plus approfondie des besoins des utilisateurs, le système publicitaire passe de l'extension de public cible à l'extension d'intention, et le matching ciblé asynchrone du système est remplacé par un ciblage en temps réel basé sur le contexte.

Mais comprendre les humains ne suffit pas.

Si un fauteuil ergonomique ne peut jamais être défini que comme un meuble de bureau, il restera difficile de le relier véritablement à des scénarios apparemment sans lien, comme une coiffeuse ou une table de manucure. Si un lit ne peut jamais être compris que comme un meuble de chambre à coucher, alors, aussi bien que le système comprenne les joueurs de e-sport, il sera difficile qu'il apparaisse correctement dans la salle de jeu des amateurs de e-sport.

L'orientation IA nécessite également de comprendre à nouveau l'autre extrémité :

Merci.

03 Asset: An item that can belong to multiple markets

Les plateformes précédentes gèrent l'offre via des catégories, des attributs et des SKU, ce qui constitue la condition préalable au bon fonctionnement des systèmes commerciaux.

Un lit est d'abord considéré comme un « meuble » dans le système, avec des attributs tels que dimensions, matériau, couleur et style, puis le produit est classé sur le marché en fonction de sa nature.

Mais la manière dont les consommateurs utilisent les produits ne suit jamais entièrement la définition initiale du produit par l'entreprise : Coca-Cola a été vendu à l'origine comme un médicament, le four à micro-ondes provient de la technologie radar, et les chaussures de sport sont passées, à travers les époques, d'équipement professionnel à vêtement quotidien.

L'histoire commerciale n'a jamais manqué d'exemples où les utilisateurs ont redéfini des produits. Toutefois, auparavant, la détection des problèmes dépendait souvent d'une observation de marché prolongée, de recherches ou d'événements accidentels.

Avec Wanxiang Dianjing, l'IA peut désormais comprendre en profondeur les subtilités entre les capacités de ce produit et les besoins des utilisateurs.

Les lits en tissu vendus par Lin's Home aux amateurs d'e-sport et les chaises ergonomiques vendues par Yisong aux amateurs de beauté ne sont que des exemples parmi d'autres.

Plus représentatif encore, Wanxiang Dianjing a aidé Helena à vendre ses produits à la communauté du ski et des activités de plein air.

En mai de cette année, Wanxiang Dianjing a identifié pour Helena un groupe potentiel de clients qui surfe et plongent en été et font du ski en hiver. La première réaction de l'équipe en voyant les résultats a été : « L'IA ne s'est-elle pas égarée ? » Après tout, les trajectoires de consommation principales de ces personnes se concentrent essentiellement sur l'équipement sportif.

Mais l’IA a capté avec acuité leur besoin de protection solaire et de certitude. Parmi ce groupe, 27,35 % accordent la priorité à la qualité, et 40,25 % accordent une importance particulière aux matériaux. Lorsqu’ils achètent des vêtements de ski, des équipements de plongée ou d’extérieur, ils comparent minutieusement les matériaux, les performances et les résultats fiables ; et le Black Bandage lui-même provient directement d’une lignée de produits mettant l’accent sur la « certitude ». En 2008, Helena a collaboré avec Laclinic Suisse pour développer la série Re-Plasty, inspirée des soins post-chirurgicaux ; Age Recovery Night est ensuite devenu le « Black Bandage », et est toujours présenté par Laclinic dans le contexte des soins post-chirurgicaux, des ingrédients actifs et des soins cliniques.

Par conséquent, il est probable qu'une personne qui cherche à long terme la performance, les matériaux et la fiabilité dans ses équipements sportifs soit également plus encline à payer pour la validation clinique, la certitude des effets et la qualité sensorielle des produits de soin.

Sur les résultats opérationnels finaux, après le déploiement officiel, ce groupe de nouveaux clients issus de publics extérieurs à haute valeur a affiché un taux de nouveaux clients supérieur de 2 points de pourcentage par rapport aux autres groupes, ainsi qu'une interaction et une conversion en vente plus élevées.

Des traductions similaires ont également eu lieu pour d'autres produits plus courants. Par exemple, grâce à Wanxiang Dianjing,蕉下 a vendu des masques solaires à des personnes pratiquant le sport et le cyclisme, qui recherchent des produits « non étouffants, non glissants et photographiables » ; deux mois plus tard, la part des nouvelles transactions a augmenté de 11 % et le nombre de nouveaux visiteurs a augmenté de 39 %.

Et lorsque les individus passent de balises fixes à des intentions dynamiques, et que les produits passent de catégories fixes à des solutions à des problèmes, le dernier élément à changer est : la manière dont les individus et les produits se rencontrent.

04 Salle : IA ciblée, restructuration de la manière dont l'offre et la demande sont connectées

Lorsque l'orientation par IA est capable de comprendre simultanément « ce que l'utilisateur fait » et « ce que le produit peut résoudre », les frontières autrefois séparées entre recherche, publicité et promotion commencent à s'estomper. En effet, au fond, elles traitent toutes la même chose : à un moment précis, déterminer quel besoin l'utilisateur est en train de former et quels produits devraient participer à la résolution de ce besoin.

Ces changements ont également réajusté la répartition des rôles entre les commerçants et le système.

Auparavant, lors de la création d’un nouveau plan publicitaire, les commerçants devaient d’abord saisir des mots-clés, des segments de population, des régions et des périodes, ce qui équivalait à dire au système : « Voici mes consommateurs. » Dans le nouveau système, Wanxiang Dianjing laisse plutôt l’IA analyser en premier les points forts du produit, les besoins potentiels et les scénarios d’achat possibles, avant que le commerçant décide d’adopter ou de modifier les suggestions.

Dans le même temps, la génération créative et l'exécution des campagnes ultérieures suivront également la même logique pour accomplir les actions associées. Grâce aux insights utilisateurs existants, Wanxiang Dianjing n'affichera pas les publicités de lits initialement ciblées sur les consommateurs de chambres à coucher aux joueurs de e-sports. Au contraire, elle étendra la chaîne jusqu'à la création et à la mise aux enchères : d'abord comprendre les objectifs commerciaux et les intentions d'achat, puis identifier les populations potentielles, générer des expressions différenciées grâce à l'IA, et enfin déterminer, par une mise aux enchères intelligente, dans quels opportunités de trafic participer à la concurrence.

Finalement, transformez les besoins variés de milliers de groupes en des stratégies de diffusion et des techniques de communication adaptées à chaque groupe, pour obtenir une meilleure conversion et une valeur supplémentaire. Selon les informations officielles, Wanxiang Dianjing a été lancé pendant la période du 618 et pleinement déployé fin juillet ; dans les scénarios de promotion par mots-clés et par cible, plus de 150 000 commerçants l'ont utilisé au total ; pendant une période spécifique, la part des clics provenant de nouveaux clients dépassait 91 % et la part des transactions provenant de nouveaux clients dépassait 76 %.

Plus important encore, bien que Wanxiang Dianjing repose sur une nouvelle série de capacités, les commerçants n'ont pas besoin d'apprendre de nouveaux outils : il peut être intégré en toute séquence dans les scénarios de promotion existants, du ciblage des audiences à la promotion par mots-clés, en passant par la marque globale et le marketing d'influence.

Selon Liu Bo (Jialuo), vice-président senior du groupe Alibaba, président actuel du département Tianmao, président d’Alimama et responsable du département de diffusion en direct sur Taobao et du contenu : « (La plateforme s’efforce de) renforcer ses points forts, d’approfondir les tâches complexes, de réduire les coûts pour les commerçants et de leur apporter plus de certitude dans leur activité ». En outre, « l’équipe algorithmique dispose encore d’un grand potentiel à exploiter, afin que les meilleurs produits et les meilleurs commerçants puissent trouver des consommateurs de qualité supérieure ; inversement, les consommateurs de qualité supérieure peuvent également trouver sur la plateforme des produits mieux adaptés à leurs préférences ».

Bien sûr, à plus long terme, une fois que cette capacité plateforme sera entièrement ouverte, l'écart d'information qu'elle crée ne sera pas permanent. Aujourd'hui, seule une entreprise voit le besoin de repos des joueurs de e-sports ; bientôt, toutes les entreprises de meubles pourraient également voir les mêmes personnes. La question passe donc de « savoir si on peut le découvrir » à « que faire une fois qu'on l'a découvert ».

On observe également un nouveau scénario : certaines entreprises doutent, d'autres ajoutent un plan de publicité, d'autres réinventent leurs supports et leur gamme de produits, tandis que certaines continuent d'étudier l'espace de vie des consommateurs et leurs besoins réels pour ajuster finalement les dimensions, les fonctionnalités ou même la direction de nouveaux produits.

Au cours de ce processus, la foule peut être plateformée, les enchères en temps réel peuvent être plateformées, et une partie de la créativité et des insights consommateurs peuvent également être plateformées.

Mais le choix des produits, les risques de stock, l'ajustement de la chaîne d'approvisionnement et la répartition des ressources restent à la charge des entreprises. L'IA permettra à davantage d'entreprises de voir de nouvelles opportunités, mais ne leur donnera pas la même vitesse de réaction.