Alimama Wanshang Dianjing AI tool membantu Lin's Home mengarahkan tempat tidur kain secara tepat kepada kelompok pemain e-sports, dengan mengenali niat pencarian dan sinyal perilaku pengguna, memahami karakteristik produk, dan mencapai pencocokan lintas skenario.

Penulis artikel: Cynthia

Sumber artikel: GeekPark

Pada musim panas 2026, Lin's Home ingin menjual sebuah tempat tidur kain.

Kemudian, Alibaba's Wanxiang Jingjing mencari sekelompok pemain e-sports untuknya, dan menyarankan agar mereka menargetkan pengguna yang pernah mencari "dekorasi ruang e-sports", "renovasi ruang game", "lampu RGB", dan "ruang anime".

Bagi merek top seperti Lin's Home yang lahir di internet dan lama mengandalkan data dalam operasinya, keputusan ini sangat sulit dipahami.

Di masa lalu, merek Lin's Home telah mengakumulasi lebih dari 55 juta pengikut di seluruh platform, ribuan SKU yang tersedia, dan lebih dari seribu toko fisik, diakui sebagai mesin pembuat produk viral di industri ini.

Dalam logika pencocokan tradisional, konsumen paling alami untuk sebuah tempat tidur seharusnya berasal dari orang yang sedang melakukan renovasi, baru menikah, berganti rumah, atau baru saja membeli peralatan rumah tangga. Oleh karena itu, sistem iklan menggunakan tag pra-tertentu untuk mencocokkan audiens, dan para pedagang memilih kata kunci terkait seperti renovasi, perabot, lantai, menjadi kenangan yang tertanam dalam ingatan tim. Sebaliknya, seorang pemuda yang mencari pengaturan ruang gaming tampaknya sama sekali bukan konsumen yang paling prioritas untuk diperebutkan untuk sebuah tempat tidur.

Namun, akal sehat tidak dapat membawa pertumbuhan di pasar yang sudah mapan.

Namun, Wanxiang Dianjing tidak melihat label "e-sports", melainkan seluruh niat konsumsi di balik label tersebut: platform ini menemukan bahwa generasi muda ini memiliki keinginan kuat untuk menghabiskan uang demi pengalaman bermain game yang lebih baik: mereka membeli kursi ergonomis, monitor 4K, lampu atmosfer RGB, dan mengubah kamar mereka menjadi ruang yang lebih nyaman, lebih imersif, dan lebih sesuai dengan selera pribadi.

Melanjutkan rantai konsumsi ini, bagi pemain game PC, tempat tidur yang nyaman untuk bersantai merupakan bagian dari pengalaman ruang e-sports; bagi pemain game seluler, tempat tidur bahkan bukan hanya tempat istirahat, tetapi bermain game sambil bersandar di tempat tidur kain yang lembut adalah pengalaman bermain yang lebih nyaman. Dengan kata lain, mereka sedang mengonsumsi gaya hidup.

Setelah memahami hal ini, tim langsung memutuskan: investasi!

Hasil akhir juga melampaui banyak perkiraan. Persentase klik dari pengguna baru melebihi 80%, dan persentase nilai transaksi dari pengguna baru mencapai 83%. Selain memilih dengan tepat kelompok pengguna baru, yang paling mengejutkan tim adalah: sebelumnya, tidak ada merek perabot rumah tangga pun yang menemukan lautan biru ini, sehingga biaya penambahan keranjang tim kurang dari sepertiga biaya kelompok orang yang tradisional melakukan renovasi.

Kemudian, sebuah tempat tidur kain lembut terhubung dengan e-sports. Setelah itu, strategi ini bahkan diperluas ke kategori meja samping tempat tidur, membantu Linshi Furniture mengidentifikasi kelompok pelanggan baru yang tertarik pada produk kesehatan tidur yang mudah disimpan dan diambil.

Sistem baru yang juga membawa iklan dari persaingan stok menuju era pertumbuhan yang didorong oleh AI, sehingga memungkinkan penemuan kelompok baru dan penciptaan pertumbuhan tambahan.

01 Mengapa targeting iklan tradisional semakin sulit menemukan pertumbuhan baru

Iklan digital bukan baru mulai bergantung pada algoritma di era model besar.

Selama hampir 20 tahun, "collaborative filtering" (pencocokan kesamaan) berbasis machine learning tradisional telah secara luas diterapkan dalam sistem iklan. Dalam sistem ini, "pembelian" oleh pedagang dan "penyesuaian" oleh platform adalah dua hal yang terpisah. Sistem iklan memberi label pada pengguna berdasarkan perilaku historis mereka, seperti yang telah dilihat atau dibeli. Kemudian, pedagang terlebih dahulu membeli paket audiens dan kata kunci, setelah itu platform memetakan permintaan konsumen menjadi label untuk melakukan pencocokan.

Metode ini sangat efektif di pasar inkremental. Karena ketika sebuah merek menemukan seratus ribu konsumen, seringkali masih ada ratusan ribu hingga jutaan orang yang serupa tetapi belum terjangkau di pasar tersebut. Selama terus memperluas populasi yang serupa, pertumbuhan dapat terus berlangsung.

Namun semakin lama sebuah industri beroperasi, semakin dekat para pesertanya dengan pemahaman tentang konsumen bernilai pemasaran tinggi. Perabot rumah tangga semua mencari kelompok yang sedang merenovasi, produk kecantikan bersaing untuk menarik perempuan dengan pengeluaran tinggi, produk bayi dan ibu mengelola sepanjang siklus kehidupan keluarga, dan merek olahraga tahu persis apa arti lari, bersepeda, hiking, dan berkemah.

Oleh karena itu, yang dihasilkannya hanyalah biaya lalu lintas yang semakin mahal, serta efisiensi konversi yang semakin rendah setelah para pemain berinvestasi secara berlebihan.

Selain itu, ia secara alami memiliki kelemahan. Dalam sistem komputasi real-time data besar, kombinasi konsumen, produk, dan iklan hampir tak terbatas, sehingga platform tidak mungkin menghitung semua hubungan dengan biaya tertinggi. Jika pemain e-sport tidak pernah masuk ke dalam kandidat «tempat tidur», maka model CTR seakurat apa pun tidak akan memiliki kesempatan untuk memberinya skor. Oleh karena itu, data historis secara alami memberi penghargaan kepada hubungan yang telah terbukti.

Namun, konsumen itu sendiri bukanlah label yang stabil.

Seseorang yang dua tahun lalu sedang merenovasi mungkin kini tidak lagi membutuhkan perabot; konsumen yang biasanya aktif berolahraga juga bisa tiba-tiba berada dalam keadaan pembelian yang sama sekali berbeda karena liburan, konser, atau pindah rumah. Rekomendasi berdasarkan tag historis semacam ini sering kali berarti sejumlah besar lalu lintas yang sudah usang.

Oleh karena itu, pertanyaan yang lebih penting daripada siapa orang ini adalah masalah apa yang sedang ia selesaikan sekarang. Dan inilah kemampuan baru yang dibawa oleh "sinkronisasi berbasis AI" bagi sistem iklan: melalui pengenalan niat dan sinyal perilaku pengguna, serta pemahaman mendalam terhadap fitur produk. AI dapat membantu pedagang menjangkau orang-orang yang tidak dapat dijangkau oleh tag lama, bahkan dalam skenario yang tidak secara aktif dibeli oleh pedagang.

Kemudian, sebuah pasar blue ocean增量 baru mulai perlahan muncul di depan mata semua orang.

02 Orang: Dari siapa dia hingga apa yang dia butuhkan sekarang

Di masa lalu, membeli barang yang tepat merupakan keahlian teknis yang penuh ketidakpastian bagi pembeli dan penjual.

Bagi para pedagang, mereka hanya tahu bahwa seseorang yang telah membeli kartu grafis game lebih cenderung membeli monitor; seseorang yang mencari tenda lebih mungkin membeli peralatan luar ruangan. Tetapi jika diperluas ke lebih banyak skenario: seseorang yang telah mengatur ruang gaming di rumah, apakah dia membutuhkan tempat tidur? Seorang wanita muda yang teliti, sebelum berangkat setiap hari dengan riasan, dia membutuhkan kursi seperti apa? Ini adalah pertanyaan yang benar-benar di luar cakupan.

Penjual secara alami cenderung menentukan kategori produk dan SKU berdasarkan skenario yang sudah ada. Namun, konsumen tidak hidup berdasarkan SKU. Mereka terlebih dahulu akan pindah rumah, bepergian, menikah, berolahraga, menonton konser, membuat ruang game, atau berdandan, baru kemudian menghasilkan serangkaian kebutuhan produk spesifik. Sebelum tindakan pembelian terjadi, mereka juga perlu menerjemahkan kebutuhan hidup mereka ke dalam bahasa produk. Misalnya, membeli ponsel untuk lansia, harus memecah "suara keras, huruf besar, pengoperasian sederhana" menjadi serangkaian parameter produk; pertama kali berkemah, juga perlu mengetahui terlebih dahulu apa itu tenda, kanopi, dan sleeping bag, baru bisa memasuki sistem kategori platform.

Dengan bantuan Wanxiang Dianjing, kini penjual tidak hanya dapat mengetahui siapa pengguna, tetapi juga memahami dengan jelas apa yang mereka lakukan, di mana mereka berada, dan apa yang mereka butuhkan. Misalnya, Yisong, yang menjadi pemimpin di segmen kursi ergonomis, berhasil masuk ke pandangan para gadis pecinta kecantikan dengan cara ini.

Pada awalnya, Wanxiang Dianjing, berdasarkan sistem pengetahuan dunia di baliknya, terlebih dahulu membantu Yisong mengenali niat dari sisi permintaan, memahami bahwa permintaan pengguna akan meja manikur dan meja rias sebenarnya adalah kebutuhan akan ruang rias yang mungkin akan digunakan dalam jangka panjang.

Selanjutnya, model bahasa besar akan menyimpulkan motivasi konsumsi, preferensi, dan tahap pembelian pengguna, serta mengkodekan urutan perilaku pengguna menjadi representasi niat konsumsi terstruktur—misalnya, ini adalah pengguna perempuan yang peduli pada kecantikan dan mengejar kualitas hidup.

Selanjutnya, melalui lapisan penyelarasan semantik, terjadi transisi dari kecocokan label ke penalaran semantik, memetakan dan menyelaraskan vektor fitur penjualan dengan vektor niat dalam ruang semantik berdimensi tinggi, sekaligus menggunakan penalaran kausal untuk mencocokkan yang melampaui logika korelasional tradisional, memahami alasan mendalam di balik "mengapa pembeli membeli"—misalnya, bangku rias biasa keras dan tidak memiliki sandaran. Oleh karena itu, mereka membutuhkan kursi yang nyaman sebagai pengganti, dan kursi tersebut harus terlihat menarik di depan kamera. Selain itu, kursi harus dapat berputar, dinaik-turunkan, dan digeser, untuk memenuhi kebutuhan fleksibel dalam beralih antara rias wajah, bekerja, dan belajar.

Terakhir, di sisi pasokan, Wanxiang Dianjing memahami fungsi produk melalui pemahaman komoditas, menggunakan model bahasa besar untuk menguraikan keunggulan produk dan membangun ekspresi terstruktur multidimensi, serta membangun peta atribut komoditas halus yang mencakup kategori, fungsi, skenario, dan kelompok pengguna, sehingga mencapai kecocokan semantik permintaan-penawaran yang lebih mendalam—seorang perempuan yang setiap hari bersedia meluangkan waktu untuk berdandan, setelah memesan meja rias, juga membutuhkan sebuah kursi. Sebuah kursi ergonomis selain memiliki label kerja kantor, juga dapat mencocokkan berbagai kebutuhan skenario kehidupan seperti dukungan duduk lama, mobilitas fleksibel, dan kesesuaian ruang yang serbaguna.

Dengan wawasan kebutuhan pengguna yang lebih mendalam ini, sistem iklan mulai berpindah dari ekspansi audiens ke ekspansi niat, dan pencocokan penargetan asinkron sistem juga diubah menjadi pencocokan penargetan real-time berbasis skenario.

Tetapi hanya memahami manusia saja belum cukup.

Jika sebuah kursi ergonomis selamanya hanya didefinisikan sebagai perabot kantor, maka tetap sulit bagiinya untuk benar-benar menghubungkan kursi dengan skenario-skenario yang tampaknya tak terkait seperti meja rias atau meja manikur. Jika sebuah tempat tidur selamanya hanya dipahami sebagai perabot kamar tidur, maka seberapa pun sistem memahami pemain e-sports, ia akan sulit muncul secara tepat di ruang game para penggemar e-sports.

AI targeting also needs to re-understand the other end:

Barang.

03 Barang: Sebuah produk yang dapat termasuk dalam beberapa pasar

Platform sebelumnya mengelola pasokan melalui kategori, atribut, dan SKU, yang merupakan prasyarat agar sistem bisnis berjalan secara efisien.

Sebuah tempat tidur dalam sistem pertama-tama adalah sebuah «perabot», dengan atribut seperti ukuran, bahan, warna, dan gaya, lalu produk akan masuk ke pasar berdasarkan jenisnya.

Namun, cara konsumen menggunakan produk tidak pernah sepenuhnya tunduk pada definisi produk awal perusahaan: Coca-Cola awalnya dijual sebagai obat, microwave berasal dari teknologi radar, dan sepatu olahraga berubah dari peralatan profesional menjadi pakaian sehari-hari di berbagai era.

Sejarah bisnis selalu penuh dengan kisah pengguna yang mendefinisikan ulang produk. Hanya saja, penemuan masalah di masa lalu sering bergantung pada pengamatan pasar yang panjang, riset, atau kejadian tak terduga.

Sekarang, dengan Wanxiang Dianjing, AI dapat memahami secara mendalam hubungan halus antara kemampuan produk ini dan kebutuhan pengguna.

Tempat tidur kain yang dijual oleh Lin's Home dan kursi ergonomis yang dijual oleh Yisong kepada para penggemar e-sports hanyalah salah satu contoh.

Lebih representatif, Wanxiang Dianjing membantu Helena menjual produk kepada komunitas ski dan luar ruangan.

Pada Mei tahun ini, Wanxiang Dianjing mengidentifikasi sekelompok calon pelanggan untuk Helena yang suka berselancar dan menyelam di musim panas, serta bermain ski di musim dingin. Reaksi pertama tim saat melihat hasilnya adalah: "Apakah AI salah arah?" Mengingat jejak konsumsi utama orang-orang ini sebagian besar berfokus pada peralatan olahraga.

Namun, AI secara tajam menangkap kebutuhan mereka akan perlindungan matahari dan kepastian. Di antara kelompok ini, 27,35% mengutamakan kualitas, dan 40,25% sangat memperhatikan bahan. Ketika membeli pakaian salju, peralatan selam, dan peralatan luar ruangan, mereka secara berulang membandingkan bahan, kinerja, dan hasil yang andal, sementara Black Bandage sendiri berasal dari tradisi produk yang menekankan 'kepastian'. Pada tahun 2008, Helena bekerja sama dengan Laclinic Swiss untuk mengembangkan seri Re-Plasty, yang terinspirasi dari perawatan pasca operasi; Age Recovery Night kemudian menjadi 'Black Bandage', dan hingga kini masih dipresentasikan oleh Laclinic dalam konteks perawatan pasca operasi, bahan aktif, dan perawatan klinis.

Dengan demikian, seseorang yang secara konsisten memperhatikan kinerja, bahan, dan keandalan peralatan olahraga kemungkinan besar juga lebih bersedia membayar untuk validasi klinis, kepastian efikasi, dan kualitas produk saat memutuskan perawatan kulit dengan harga ribuan yuan.

Pada hasil operasional akhir, setelah peluncuran resmi, tingkat pelanggan baru dari kelompok orang bernilai tinggi di luar ruangan ini 2 poin persentase lebih tinggi dibandingkan kelompok lainnya, dengan interaksi dan konversi transaksi yang juga lebih tinggi.

Terjemahan serupa juga terjadi pada beberapa barang sehari-hari lainnya. Misalnya, dengan memanfaatkan Wanxiang Dianjing,蕉下 menjual masker pelindung sinar matahari kepada kalangan olahraga dan bersepeda yang membutuhkan “tidak pengap, tidak licin, dan fotogenik”, dan dua bulan kemudian persentase transaksi pelanggan baru meningkat 11%, sementara jumlah pengunjung baru meningkat 39%.

Dan ketika manusia berubah dari label tetap menjadi niat dinamis, dan barang berubah dari kategori tetap menjadi solusi atas masalah, maka yang terakhir berubah adalah: bagaimana manusia dan barang bertemu.

04 Pasar: AI yang ditargetkan, merekonstruksi cara koneksi penawaran dan permintaan

Ketika AI targeting sudah mampu memahami secara bersamaan "apa yang sedang dilakukan orang" dan "produk apa yang dapat menyelesaikan masalah", batas-batas yang sebelumnya terpisah antara pencarian, iklan, dan promosi mulai melemah. Karena pada dasarnya, mereka menghadapi hal yang sama: pada momen tertentu, menilai kebutuhan apa yang sedang terbentuk oleh pengguna, dan produk mana yang seharusnya terlibat dalam menyelesaikan kebutuhan tersebut.

Perubahan ini juga menyesuaikan pembagian tugas antara pedagang dan sistem.

Dulu, saat membuat rencana iklan baru, pedagang biasanya harus terlebih dahulu mengisi kata kunci, target audiens, wilayah, dan periode waktu, yang setara dengan memberi tahu sistem: "Siapa konsumen saya?" Dalam sistem baru ini, Wanxiang Dianjing lebih banyak membiarkan AI terlebih dahulu menganalisis keunggulan produk, kebutuhan potensial, dan situasi konsumsi yang mungkin muncul, sebelum pedagang memutuskan apakah akan menggunakannya atau memodifikasinya.

Sementara itu, generasi kreatif dan eksekusi penayangan tahap selanjutnya juga akan mengikuti logika yang sama untuk menyelesaikan tindakan pendukungnya. Dengan memanfaatkan wawasan pengguna yang sudah ada, Wanxiang Dianjing tidak akan menampilkan iklan tempat tidur yang awalnya ditujukan untuk konsumen kamar tidur secara langsung kepada pemain e-sports. Sebaliknya, rantai ini akan diperluas lebih jauh ke kreatif dan penawaran: pertama memahami tujuan bisnis dan niat konsumsi, kemudian mengidentifikasi kelompok potensial, menggunakan AI untuk menghasilkan ekspresi yang berbeda, dan akhirnya menentukan di mana peluang lalu lintas yang akan diikuti melalui penawaran cerdas.

Pada akhirnya, mengubah kebutuhan ribuan kelompok dengan beragam karakteristik menjadi strategi penayangan dan teknik komunikasi yang sesuai masing-masing kelompok, serta meningkatkan konversi dan nilai tambah dari pelanggan baru. Menurut pengungkapan resmi, Wanxiang Dianjing diluncurkan selama periode 618 dan sepenuhnya diterapkan pada akhir Juli, dengan lebih dari 150.000 pedagang menggunakan fitur ini hanya dalam skenario promosi kata kunci & promosi target audiens; dalam periode tertentu, persentase klik dari pelanggan baru melebihi 91%, dan persentase transaksi dari pelanggan baru melebihi 76%.

Yang paling penting, meskipun Wanxiang Dianjing dibangun di atas kemampuan baru, penjual sama sekali tidak perlu mempelajari alat baru; ia dapat diintegrasikan sepenuhnya ke dalam skenario promosi yang ada, mulai dari promosi audiens, promosi kata kunci, hingga merek全域 dan penanaman konten.

Menurut Liu Bo (Jialuo), Wakil Presiden Senior Grup Alibaba, saat ini menjabat sebagai Presiden Divisi Tmall, Presiden Alimama, dan pemimpin Divisi Taobao Live dan Konten, “(Platform berusaha) memperpanjang keunggulan utama, memperdalam hal-hal yang sulit, menurunkan biaya bagi pedagang, dan memberikan kepastian dalam operasi mereka.” Sekaligus, “Tim algoritma masih memiliki ruang besar untuk dieksplorasi, sehingga produk yang lebih baik dan pedagang yang lebih baik memiliki kesempatan menemukan konsumen yang lebih berkualitas; sebaliknya, konsumen berkualitas juga dapat menemukan produk yang lebih sesuai dengan preferensi pribadi mereka di platform ini.”

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; 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."

Melihat skenario baru yang sama, beberapa perusahaan akan meragukan, beberapa akan menambahkan rencana iklan, beberapa akan mendesain ulang bahan dan produk, dan ada perusahaan yang terus meneliti ruang tinggal dan kebutuhan nyata konsumen, akhirnya menyesuaikan ukuran produk, fitur, bahkan arah pengembangan produk baru.

Dalam proses ini, kerumunan dapat dipusatkan, penawaran real-time dapat dipusatkan, sebagian kreativitas dan wawasan konsumen juga dapat dipusatkan.

Namun, pemilihan produk, risiko stok, penyesuaian rantai pasok, dan alokasi sumber daya masih harus dilakukan sendiri oleh perusahaan. AI akan membuat lebih banyak perusahaan melihat peluang baru, tetapi tidak akan memberi mereka kecepatan respons yang sama.