Alimama Wanshang Dianjing AI tool membantu Lin's Home menghantar katil kain secara tepat kepada kumpulan pemain e-sukan, dengan mengenali niat carian dan isyarat tingkah laku pengguna, serta memahami ciri-ciri produk untuk mencapai kesesuaian lintas skena.

Penulis artikel: Cynthia

Sumber artikel: GeekPark

Pada musim panas 2026, Lin's Home ingin menjual katil kain.

Kemudian, Alibaba Mama Wanxiang Jingjing mencari sekumpulan pemain e-sports untuknya, dan mencadangkan agar mereka menargetkan pengguna yang telah mencari "pengaturan ruang e-sports", "pengubahansuaian ruang permainan", "lampu RGB", dan "ruang anime".

Bagi merek terkemuka seperti Lin's Home yang lahir di internet dan lama bergantung pada data untuk operasinya, keputusan ini sungguh sukar dipahami.

Di masa lalu, jenama Lin's Home telah mengumpulkan lebih daripada 55 juta peminat di semua platform, ribuan SKU yang dijual, dan lebih seribu kedai fizikal, diakui sebagai penghasil produk popular dalam industri.

Dalam logik pemadanan tradisional, pengguna paling semulajadi untuk satu katil sepatutnya datang daripada mereka yang melakukan pembaikian, baru berkahwin, bertukar rumah, atau baru membeli peralatan rumah tangga. Oleh itu, sistem iklan menggunakan label pra-tetap untuk memadankan audiens, dan peniaga memilih kata kunci berkaitan seperti pembaikian, perabot, lantai, dan sebagainya — ini menjadi ingatan yang tertanam dalam otot pasukan. Sebaliknya, seorang belia yang mencari pengaturan ruang e-sukan kelihatan sangat tidak seperti pengguna yang patut diutamakan untuk dibidik bagi satu katil.

Tetapi akal sehat tidak dapat membawa pertumbuhan dalam pasaran stok.

Namun, Wanxiang Dianjing tidak melihat label "e-sports", tetapi keseluruhan niat pembelian di sebalik label tersebut: ia mendapati bahawa generasi muda ini mempunyai niat pembelian yang kuat untuk mendapatkan pengalaman bermain permainan yang lebih baik: mereka membeli kerusi ergonomik, monitor 4K, dan lampu suasana RGB, serta mengubah bilik mereka menjadi ruang yang lebih selesa, lebih mendalam, dan lebih selaras dengan selera peribadi mereka.

Meneruskan rantai penggunaan ini, bagi pemain permainan PC, katil yang selesa untuk berbaring adalah sebahagian daripada pengalaman ruang e-sukan; bagi pemain permainan mudah alih, katil bukan sahaja tempat rehat, tetapi berbaring di atas katil kain yang lembut sambil bermain permainan itu sendiri merupakan pengalaman bermain yang lebih selesa. Dengan kata lain, mereka sedang membeli gaya hidup.

Setelah memahami perkara ini, pasukan segera membuat keputusan: Sertai!

Hasil akhir juga melebihi ramalan banyak orang. Peratusan klick daripada pelanggan baru melebihi 80%, dan peratusan jumlah transaksi daripada pelanggan baru mencapai 83%. Selain memilih dengan tepat kelompok pelanggan baru, yang paling mengejutkan pasukan ialah: sebelum ini, tiada sebarang jenama perabot pun yang menemui laut biru ini, oleh itu kos tambahan troli pasukan kurang daripada 1/3 kos kumpulan perabot tradisional.

Oleh itu, katil kain yang lembut telah dikaitkan dengan e-sukan. Selepas itu, strategi ini bahkan diperluaskan kepada kategori meja samping katil, membantu Lin’s Home mendapati kelompok pelanggan baru yang tertarik dengan produk kesihatan tidur yang mudah disimpan dan diambil.

Sistem baharu yang juga membawa iklan daripada persaingan stok ke era peningkatan yang didorong AI, serta menjadikan penemuan populasi baru dan penciptaan peningkatan baru menjadi mungkin.

01 Mengapa penargetan iklan tradisional semakin sukar mencari pertumbuhan baru

Iklan digital bukanlah bermula bergantung kepada algoritma pada era model besar.

Selama hampir 20 tahun, "penyaringan kolaboratif" berdasarkan pembelajaran mesin tradisional (pencocokan kesamaan) telah secara besar-besaran dimasukkan ke dalam sistem iklan. Dalam sistem ini, "pembelian" oleh pedagang dan "penyesuaian" oleh platform adalah dua perkara yang terpisah. Sistem iklan memberi tanda pada pengguna berdasarkan sejarah perilaku mereka, seperti apa yang telah dilihat atau dibeli. Kemudian, pedagang terlebih dahulu membeli paket kelompok pengguna dan kata kunci, sebelum platform memetakan permintaan konsumen menjadi tanda untuk melakukan pencocokan.

Kaedah ini sangat berkesan di pasaran pertambahan. Kerana apabila satu jenama menemui seratus ribu pengguna, seringkali masih terdapat ratusan ribu hingga jutaan orang yang serupa tetapi belum dicapai. Selama terus memperluaskan populasi yang serupa, pertumbuhan boleh berterusan.

Namun, semakin lama satu industri beroperasi, semakin dekat para pesertanya dengan pemahaman terhadap konsumen bernilai pemasaran tinggi. Perabot rumah tangga semuanya mencari kalangan yang sedang melakukan reka bentuk rumah, produk kecantikan bersaing untuk menarik wanita berbelanja tinggi, produk bayi dan ibu semuanya beroperasi sekitar siklus kehidupan keluarga, dan jenama sukan tahu persis apa yang dimaksud dengan lari, berbasikal, mendaki, dan berkhemah.

Oleh itu, ia membawa kepada kos trafik yang semakin mahal, serta kecekapan pengalihan yang semakin rendah selepas pemain memasuki pasaran secara meluas.

Selain itu, ia secara semula jadi mempunyai kelemahan. Dalam sistem pengiraan data besar secara masa nyata, kombinasi pengguna, produk, dan iklan hampir tak terhingga, dan platform tidak mungkin mengira semua hubungan dengan kos tertinggi. Jika seorang pemain e-sukan tidak pernah masuk ke dalam senarai calon 「katil」, model CTR yang paling tepat sekalipun tidak akan mempunyai peluang untuk memberi markah kepadanya. Oleh itu, data sejarah secara semula jadi akan memberi ganjaran kepada hubungan yang telah dibuktikan.

Tetapi pengguna akhir sendiri bukan label yang stabil.

Seseorang yang dua tahun lalu sedang membina rumah mungkin sudah tidak memerlukan perabot lagi; seorang pengguna yang biasanya aktif berolahraga mungkin tiba-tiba berada dalam keadaan pembelian yang sangat berbeza akibat perjalanan, konser, atau perpindahan rumah. Berdasarkan tag sejarah ini, cadangan yang dihasilkan sering kali bermaksud aliran yang cukup besar telah usang.

Oleh itu, soal yang lebih penting daripada siapa orang ini ialah masalah apa yang sedang dia selesaikan sekarang. Dan inilah kemampuan baru yang dibawa oleh “keselarasan seiringan” yang didorong AI kepada sistem iklan: melalui pengenalan niat carian dan isyarat tingkah laku pengguna, serta pemahaman mendalam terhadap ciri-ciri produk. AI boleh membantu peniaga menjangkau orang-orang yang tidak dapat dipulihkan oleh label lama, dan juga menjangkau skenario yang tidak secara aktif dibeli oleh peniaga.

Oleh itu, sebuah pasaran biru tambahan yang baru mulai perlahan-lahan muncul di mata semua orang.

02 Orang: Dari siapa dia kepada apa yang dia perlukan sekarang

Di masa lalu, membeli barang yang sesuai merupakan satu aktiviti teknikal yang penuh ketidakpastian bagi pembeli dan penjual.

Bagi peniaga, mereka hanya tahu bahawa seseorang yang membeli kad grafik permainan lebih cenderung membeli monitor; seseorang yang mencari khemah lebih mungkin membeli peralatan luar. Tetapi jika dilihat dalam lebih banyak skenario: seseorang yang telah mengatur ruang e-sports di rumah, adakah mereka memerlukan katil? Seorang wanita muda yang teliti, sebelum keluar setiap hari dengan riasan, apakah jenis kerusi yang diperlukannya? Ini adalah soalan yang benar-benar di luar lingkungan.

Pembeli secara semula cenderung menentukan kategori produk dan SKU berdasarkan senario yang sudah ada. Tetapi konsumen tidak hidup mengikut SKU. Mereka terlebih dahulu akan berpindah, melancong, berkahwin, berolahraga, menonton konser, membina ruang permainan, atau bermakeup, baru kemudian menghasilkan serangkaian keperluan produk yang spesifik. Sebelum tindakan pembelian berlaku, mereka perlu terlebih dahulu menterjemahkan keperluan hidup mereka ke dalam bahasa produk. Sebagai contoh, membeli telefon untuk orang tua, mereka perlu memecahkan “suara kuat, huruf besar, pengendalian mudah” menjadi satu set parameter produk; bagi mereka yang bercamping untuk pertama kali, mereka juga perlu tahu apa itu khemah, kanopi, dan beg tidur sebelum boleh memasuki sistem kategori platform.

Dengan bantuan Wanxiang Dianjing, peniaga kini tidak hanya boleh mengetahui siapa pengguna, tetapi juga memahami dengan jelas apa yang mereka lakukan, apa yang mereka perlukan, dan dalam konteks apa. Sebagai contoh, Yisong, yang menjadi pemimpin dalam kategori kerusi ergonomik, berjaya memasuki pandangan gadis-gadis kecantikan dengan cara ini.

Pada awalnya, Wanxiang Dianjing, berdasarkan sistem pengetahuan dunia di belakangnya, terlebih dahulu membantu Yisong mengenali niat dari sisi permintaan, memahami bahawa pesanan meja kuku dan meja rias sebenarnya bermaksud keperluan akan ruang rias yang mungkin digunakan dalam jangka panjang.

Seterusnya, model bahasa besar akan menarik kesimpulan mengenai motivasi pengguna, preferensi, dan peringkat pembelian, serta mengodifikasikan urutan tingkah laku pengguna menjadi representasi niat pembelian yang terstruktur—contohnya, ini adalah pengguna wanita yang menyukai kecantikan dan mengejar kualiti hidup.

Melalui lapisan selarasan semantik, peralihan dari kecocokan label kepada penalaran semantik dilengkapkan, dengan memetakan dan menyelaraskan vektor kelebihan dan vektor niat dalam ruang semantik berdimensi tinggi, sambil menggunakan penalaran sebab-akibat untuk melampaui logik korelasi tradisional, memahami motivasi mendalam pengguna «mengapa membeli»—contohnya, kerusi solek biasa keras dan tidak mempunyai sandaran. Oleh itu, mereka memerlukan kerusi yang selesa sebagai pengganti, dan kerusi ini mesti cukup menarik untuk difoto. Ia juga perlu boleh berputar, dinaik-turunkan, dan meluncur, untuk memenuhi peralihan fleksibel antara membuat solek, bekerja, dan belajar.

Akhir sekali, di sisi penawaran, Wanxiang Dianjing memahami fungsi melalui pemahaman produk, menggunakan model bahasa besar untuk menguraikan ciri-ciri jualan produk dan membina ekspresi terstruktur pelbagai dimensi, serta membina peta atribut produk halus yang meliputi kategori, fungsi, skenario, dan kelompok pengguna, untuk mencapai kepadanan semantik permintaan dan penawaran yang lebih mendalam—seorang wanita yang bersedia meluangkan masa setiap hari untuk berdandan, selepas memesan meja rias, juga memerlukan sebuah kerusi. Sebuah kerusi ergonomik selain mempunyai label pejabat, juga boleh sesuai dengan pelbagai keperluan skenario kehidupan seperti sokongan duduk panjang, pergerakan fleksibel, dan keserasian ruang.

Dengan wawasan keperluan pengguna yang lebih mendalam ini, sistem iklan beralih daripada pengembangan populasi kepada pengembangan niat, dan pencocokan penargetan asinkron sistem juga diubah menjadi pencocokan penargetan secara nyata berdasarkan skenario.

Tetapi memahami manusia saja tidak cukup.

Jika sebuah kerusi ergonomik selamanya hanya didefinisikan sebagai perabot pejabat, maka ia masih sukar untuk benar-benar menghubungkan kerusi dengan skenario yang kelihatan tidak berkaitan seperti meja rias atau meja kuku. Jika sebuah katil selamanya hanya difahami sebagai perabot bilik tidur, maka walaupun sistem memahami pemain e-sukan seberapa baik sekalipun, ia masih sukar untuk muncul dengan betul di ruang permainan peminat e-sukan.

AI yang ditargetkan juga perlu memahami semula sisi lain:

Barang.

03 Barang: Satu barang yang boleh menjadi sebahagian daripada beberapa pasaran

Platform sebelumnya mengurus bekalan melalui kategori, atribut, dan SKU, yang merupakan prasyarat agar sistem perniagaan beroperasi dengan cekap.

Sebuah katil dalam sistem pertama-tama adalah sebuah «perabot», yang memiliki atribut seperti saiz, bahan, warna, dan gaya, kemudian produk akan dimasukkan ke pasaran berdasarkan jenisnya.

Namun, cara pengguna menggunakan produk tidak pernah sepenuhnya mengikuti definisi produk asli oleh 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 zaman.

Sejarah perniagaan tidak pernah kekurangan cerita pengguna yang mentakrif semula produk. Hanya sahaja, pengesanan masalah di masa lalu sering bergantung kepada pemerhatian pasaran yang panjang, penyelidikan, atau peristiwa tak disangka-sangka.

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

Kasur kain yang dijual oleh Lin's Home dan kerusi ergonomik yang dijual oleh Yisong hanyalah salah satu contoh.

Lebih representatif, Wanxiang Dianjing membantu Helena menjual produk kepada komuniti ski dan luar rumah.

Pada Mei tahun ini, Wanxiang Pointing menandakan sekumpulan calon pelanggan untuk Helena yang suka berselancar dan menyelam pada musim panas, serta berski pada musim sejuk. Apabila pasukan melihat hasilnya, tindakan pertama mereka ialah: “Adakah AI tersasar?” Sebab, jejak perbelanjaan utama orang-orang ini hampir semuanya berfokus pada peralatan sukan.

Namun, AI dengan tajam menangkap keperluan mereka terhadap perlindungan matahari dan kepastian. Di kalangan grup ini, 27.35% mengutamakan kualiti, manakala 40.25% khususnya menekankan bahan. Mereka membandingkan bahan, prestasi, dan hasil yang boleh dipercayai semasa membeli pakaian salji, peralatan menyelam, dan peralatan luar, dan black bandage sendiri berasal daripada tradisi produk yang menekankan 'kepastian'. Pada tahun 2008, Helena bekerjasama dengan Laclinic Switzerland untuk membangunkan siri Re-Plasty, yang terinspirasi daripada penjagaan pasca pembedahan; Age Recovery Night kemudiannya menjadi 'Black Bandage', dan hingga kini masih diperkenalkan oleh Laclinic dalam konteks pemulihan pasca pembedahan, bahan aktif, dan penjagaan klinikal.

Oleh itu, secara lebih lanjut, seseorang yang secara konsisten memperhatikan prestasi, bahan, dan kebolehpercayaan dalam peralatan sukan kemungkinan besar juga lebih bersedia membayar untuk pengesahan klinikal, kepastian keberkesanan, dan kualiti produk apabila membuat keputusan perawatan kulit dalam lingkungan ribuan yuan.

Dalam prestasi perniagaan akhir, selepas pelancaran rasmi, kadar pelanggan baharu dari kalangan individu bernilai tinggi di luar ruangan adalah 2 peratus lebih tinggi berbanding kelompok lain, dengan interaksi dan penukaran jualan yang lebih tinggi.

Penterjemahan serupa juga berlaku pada beberapa barangan harian lain. Sebagai contoh, dengan menggunakan Wanxiang Dianjing,蕉下 menjual topeng pelindung suria kepada kalangan fitness dan berbasikal yang memerlukan "tidak panas, tidak licin, dan fotogenik", dan dua bulan kemudian, peratusan transaksi pelanggan baharu meningkat 11%, dan bilangan pelawat baharu meningkat 39%.

Dan apabila orang berubah dari label tetap menjadi niat dinamik, dan barang berubah dari kategori tetap menjadi penyelesaian masalah, perkara terakhir yang berubah ialah: bagaimana orang dan barang bertemu.

04 Pasaran: AI yang ditargetkan, membina semula cara hubungan permintaan dan penawaran

Apabila penyesuaian AI sudah mampu memahami secara serentak “apa yang dilakukan orang” dan “apa yang dapat diselesaikan oleh produk”, sempadan yang sebelumnya terpisah antara cari, iklan, dan promosi mulai kabur. Kerana pada dasarnya, ketiganya menghadapi perkara yang sama: pada satu masa tertentu, menilai keperluan apa yang sedang dibentuk oleh pengguna, dan produk mana yang sepatutnya terlibat dalam menyelesaikan keperluan ini.

Perubahan ini juga menyesuaikan pembahagian tugas antara pedagang dan sistem.

Dalam sistem lama, untuk membuat pelan iklan baharu, peniaga biasanya perlu mengisi kata kunci, populasi, wilayah, dan masa, yang setara dengan memberitahu sistem: "Siapakah pelanggan saya?" Dalam sistem baharu ini, Wanxiang Dianjing lebih banyak membenarkan AI menganalisis kelebihan produk, keperluan berpotensi, dan situasi penggunaan yang mungkin berlaku terlebih dahulu, sebelum peniaga memutuskan sama ada menerima atau mengubahnya.

Sementara itu, penghasilan kreatif dan pelaksanaan pengiklanan pada fasa seterusnya juga akan mengikuti logik yang sama untuk melaksanakan tindakan yang sepadan. Dengan memanfaatkan wawasan pengguna yang sudah ada, Wanxiang Dianjing tidak akan menunjukkan iklan katil yang asalnya ditujukan kepada pengguna kamar tidur secara langsung kepada pemain e-sukan. Sebaliknya, ia akan memperluaskan rantai ini kepada kreatif dan tawaran: terlebih dahulu memahami matlamat perniagaan dan niat pengguna, kemudian mengenal pasti kalangan berpotensi, menghasilkan ekspresi yang berbeza menggunakan AI, dan akhirnya menentukan peluang trafik mana yang akan dipertandingkan melalui tawaran pintar.

Pada akhirnya, menjadikan keperluan ribuan kelompok dan pelbagai bentuk sebagai strategi penempatan dan teknik komunikasi yang sesuai dengan setiap kelompok, serta membawa peningkatan dalam penukaran pelanggan baharu dan nilai tambah. Menurut pengumuman rasmi, Wanxiang Dianjing dilancarkan pada fasa 618 dan sepenuhnya dilancarkan pada akhir Julai, dengan lebih daripada 150,000 pedagang telah menggunakan ia secara kumulatif dalam skenario promosi kata kunci dan promosi populasi; dalam tempoh tertentu, peratusan klik pelanggan baharu melebihi 91%, dan peratusan transaksi pelanggan baharu melebihi 76%.

Yang paling penting, walaupun Wanxiang Dianjing sebenarnya merupakan kemampuan baru yang sepenuhnya baru, peniaga tidak perlu belajar alat baru kerana ia boleh disematkan sepenuhnya dalam skenario promosi sedia ada, mulai daripada promosi kalangan pengguna, promosi kata kunci hingga ke seluruh merek dan penanaman kandungan.

Menurut Liu Bo (Jia Luo), Wakil Presiden Senior Alibaba Group, Ketua Divisi Tmall, Ketua Alimama, dan pemimpin Divisi Taobao Live dan Konten, “(Platform berusaha) memperpanjang kekuatan utama, mendalami perkara yang sukar, menurunkan kos kepada peniaga, dan memberikan kepastian dalam perniagaan mereka.” Sementara itu, “Timm algoritma masih mempunyai ruang yang besar untuk dieksplorasi, membolehkan produk yang lebih baik dan peniaga yang lebih baik berpeluang menemui pengguna yang lebih berkualiti; sebaliknya, pengguna berkualiti juga boleh menemui produk yang lebih sesuai secara peribadi di platform ini.”

Tentu, dari perspektif yang lebih panjang, apabila kemampuan platform ini dibuka sepenuhnya, kesenjangan informasi yang dihasilkan tidak akan kekal selamanya. Hari ini hanya satu syarikat yang melihat keperluan rehat pemain e-sukan, tetapi tidak lama lagi, semua syarikat perabot mungkin juga melihat orang yang sama. Oleh itu, masalahnya berubah dari "bolehkah menemui" kepada "apa yang perlu dilakukan selepas menemui".

Melihat skenario baru yang sama, beberapa syarikat akan meragui, beberapa akan menambahkan pelan periklanan, beberapa akan mendesain semula bahan dan produk, dan ada juga syarikat yang terus menyelidiki ruang tinggal dan keperluan sebenar pengguna, akhirnya menyesuaikan saiz produk, fungsi, atau bahkan arah produk baharu.

Dalam proses ini, orang ramai mendapati bahawa platformisasi adalah mungkin, tawaran secara masa nyata adalah mungkin, dan sebahagian kreativiti serta wawasan pengguna juga boleh diproses secara platform.

Namun, pemilihan produk, risiko stok, penyesuaian rantaian bekalan, dan peruntukan sumber masih hanya boleh dilakukan oleh syarikat sendiri. AI akan membolehkan lebih banyak syarikat melihat peluang baru, tetapi tidak akan memberikan kelajuan tindakan yang sama.