A ferramenta AI Wuxiang Jingjing da Alibaba Marketing ajudou a Lin's Home a direcionar com precisão camas de tecido para o público de jogadores de e-sports, identificando intenções de busca e sinais de comportamento dos usuários e compreendendo as características do produto para realizar correspondência entre cenários.

Autor do artigo: Cynthia

Fonte: GeekPark

No verão de 2026, a Lin's Home deseja vender uma cama de tecido.

Em seguida, o Alibaba Mama Wanxiang Jingdian encontrou um grupo de jogadores de e-sports e sugeriu que eles direcionassem anúncios para usuários que haviam pesquisado sobre “arranjo de sala de e-sports”, “renovação de quarto de jogos”, “faixas de luz RGB” e “quarto de anime”.

Para uma marca líder como Lin's Home, nascida na internet e que depende há muito tempo de dados para operar, essa é uma escolha incompreensível.

No passado, a marca Lin's Home Furniture já acumulou mais de 55 milhões de seguidores em todas as plataformas, milhares de SKUs disponíveis e mais de mil lojas físicas, sendo reconhecida como uma fábrica de sucessos no setor.

Na lógica de correspondência tradicional, o consumidor mais natural para uma cama deveria vir de pessoas que estão reformando, recém-casadas, trocando de casa ou que compraram eletrodomésticos e móveis recentemente. Portanto, o sistema de publicidade usa rótulos pré-definidos para corresponder ao público-alvo, e os comerciantes escolhem palavras-chave relacionadas, como reforma, móveis, piso, etc., tornando-se uma memória gravada na equipe. Consequentemente, um jovem que pesquisa a decoração de um quarto de e-sports parece muito pouco provável de ser o consumidor prioritário para uma cama.

Mas o senso comum não traz crescimento em um mercado existente.

Mas o Wanxiang Dianjing não vê apenas a etiqueta "esports", mas todo o conjunto de intenções de consumo por trás dela: ele descobre que esses jovens têm uma forte disposição para gastar, visando obter uma melhor experiência de jogo: eles compram cadeiras ergonômicas, monitores 4K, lâmpadas de ambiente RGB e transformam seus quartos em espaços mais confortáveis, imersivos e alinhados com seu próprio gosto pessoal.

Ao continuar a cadeia de consumo, para jogadores de jogos de PC, uma cama confortável para relaxar faz parte da experiência do quarto de e-sports; para jogadores de jogos móveis, a cama não é apenas um local de descanso — jogar enquanto apoiado em uma cama macia de tecido é, por si só, uma experiência de jogo mais confortável. Em outras palavras, eles estão consumindo um estilo de vida.

Ao compreender esse ponto, a equipe decidiu imediatamente: investir!

O resultado final também superou as expectativas de muitas pessoas. A proporção de cliques de novos clientes superou 80%+, e a proporção do valor de transações de novos clientes atingiu 83%. Além de selecionar com precisão o público de novos clientes, o que mais surpreendeu a equipe foi que, antes disso, nenhuma marca de móveis havia descoberto esse oceano azul; portanto, o custo de adição ao carrinho da equipe foi inferior a um terço do custo do público tradicional de reformas.

Assim, uma cama macia de tecido foi associada aos jogos eletrônicos. Depois disso, essa abordagem foi até expandida para a categoria de mesas de cabeceira, ajudando a Lin’s Home a identificar um novo público-alvo interessado em armazenar e acessar facilmente produtos para auxiliar o sono.

Um sistema totalmente novo também levou a publicidade de uma competição por estoque para uma era impulsionada por IA, tornando possível descobrir novos públicos e criar novos crescimentos.

01 Por que o direcionamento de publicidade tradicional está ficando cada vez mais difícil de encontrar novos crescimentos

Publicidade digital já dependia de algoritmos antes da era dos grandes modelos.

Há quase 20 anos, o "filtro colaborativo" (correspondência de similaridade) baseado em machine learning tradicional já estava em larga escala integrado aos sistemas de publicidade. Nesse sistema, a "compra" do comerciante e o "emparelhamento" da plataforma são duas coisas separadas. O sistema de publicidade atribui rótulos aos usuários com base em seu histórico de comportamento, como o que viram ou compraram. Em seguida, os comerciantes compram pacotes de públicos e palavras-chave, e a plataforma mapeia a demanda dos consumidores em rótulos para realizar o emparelhamento.

Este método é muito eficaz no mercado incremental. Quando uma marca alcança cem mil consumidores, geralmente ainda existem centenas de milhares ou milhões de pessoas semelhantes que ainda não foram alcançadas. Basta continuar expandindo o público semelhante para que o crescimento continue ocorrendo.

Mas quanto mais tempo uma indústria opera, mais os participantes se aproximam do entendimento dos consumidores de alto valor de marketing. Móveis buscam pessoas que estão se mudando, produtos de beleza disputam mulheres de alto consumo, produtos para bebês e mães operam em torno do ciclo de vida familiar, e marcas esportivas sabem o que corrida, ciclismo, caminhada e acampamento significam.

Assim, o que ele traz são apenas taxas de tráfego cada vez mais altas e uma eficiência de conversão cada vez mais baixa após o investimento saturado dos jogadores.

Além disso, possui naturalmente uma limitação. Em um sistema de cálculo em tempo real de grandes volumes de dados, as combinações de consumidores, produtos e anúncios são quase infinitas, e a plataforma não pode calcular todos os relacionamentos ao custo mais elevado. Se um jogador de e-sports nunca entrar na lista de candidatos ao “leito”, o modelo de CTR, por mais preciso que seja, nunca terá a oportunidade de atribuir uma pontuação a ele. É por isso que os dados históricos naturalmente recompensam os relacionamentos já comprovados.

Mas o consumidor em si não é um rótulo estável.

Uma pessoa que estava reformando há dois anos pode hoje já não ter mais necessidade de móveis; um consumidor normalmente ativo em atividades esportivas pode, de repente, entrar em um estado de compra totalmente diferente devido a uma viagem, um show ou uma mudança. Recomendações baseadas nesses rótulos históricos frequentemente significam uma proporção considerável de tráfego desatualizado.

Por isso, a questão mais importante do que quem é essa pessoa é o que ela está resolvendo agora. E isso é exatamente a nova capacidade que o "emparelhamento síncrono" impulsionado por IA traz para os sistemas de publicidade: por meio da identificação da intenção de busca e dos sinais de comportamento do usuário, bem como da compreensão profunda das características do produto. A IA pode ajudar os comerciantes a alcançar pessoas que não poderiam ser recuperadas por meio de rótulos tradicionais e também a atingir cenários que os comerciantes não estavam ativamente buscando.

Assim, um novo mercado azul incremental começa a emergir diante de todos.

02 Pessoa: De quem ele é até o que ele precisa agora

No passado, comprar um produto adequado era uma tarefa técnica cheia de incertezas para compradores e vendedores.

Para os comerciantes, eles sabem apenas que, após uma pessoa comprar uma placa de vídeo para jogos, é mais provável que compre um monitor; e que, após uma pessoa pesquisar por uma barraca, é mais provável que compre produtos para atividades ao ar livre. Mas, ampliando para mais cenários: uma pessoa que montou uma sala de jogos em casa, precisa de uma cama? Uma jovem elegante, antes de sair de casa todos os dias maquiada, que tipo de banqueta precisa? Essa é uma pergunta completamente fora do escopo.

Os comerciantes tendem naturalmente a determinar categorias de produtos e SKUs com base em cenários existentes. Mas os consumidores não vivem em termos de SKU. Eles primeiro se mudam, viajam, se casam, se exercitam, assistem a shows, montam salas de jogos, se maquiam e, só então, geram uma série de necessidades específicas de produtos. Antes de realizar a compra, eles precisam primeiro traduzir suas necessidades de vida para a linguagem dos produtos. Por exemplo, comprar um celular para idosos exige decompor “som alto, texto grande e operação simples” em um conjunto de parâmetros do produto; na primeira acampada, também é necessário saber o que são barracas, toldos e sacos de dormir antes de entrar no sistema de categorias da plataforma.

Com o Wanshang Dianjing, os comerciantes não apenas conseguem saber quem são os usuários, mas também compreendem claramente em que cenário eles estão, o que estão fazendo e o que precisam. Por exemplo, Yisong, líder na categoria de cadeiras ergonômicas, entrou assim no radar das garotas de beleza.

No início, o Wanxiang Dianjing, com base no sistema de conhecimento mundial subjacente, ajudou primeiro o Yisong a identificar a intenção do lado da demanda, compreendendo que o pedido de uma mesa de unhas e uma penteadeira na verdade refletia a necessidade de um espaço de maquiagem que poderia ser usado a longo prazo.

Em seguida, o modelo de linguagem de grande porte inferirá a motivação, preferências e estágio de compra do usuário, codificando a sequência de comportamentos como uma representação estruturada da intenção de consumo — por exemplo, esta é uma usuária feminina que valoriza a beleza e busca qualidade de vida.

Em seguida, a camada de alinhamento semântico realiza a transição da correspondência de rótulos para o raciocínio semântico, mapeando e alinhando os vetores de benefícios e os vetores de intenção no espaço semântico de alta dimensão, enquanto, por meio de raciocínio causal, supera a lógica de correlação tradicional para compreender as motivações profundas do usuário por trás da compra — por exemplo, um banquinho de maquiagem comum é rígido e não tem encosto. Por isso, elas precisam de uma cadeira confortável como substituta, e essa cadeira precisa ser visualmente atraente e adequada para fotos. Além disso, deve ser giratória, ajustável em altura e deslizante, permitindo a transição flexível entre maquiagem, trabalho e estudo.

Por fim, no lado da oferta, o Wanxiang Pointillism compreende os produtos por meio da compreensão de suas funcionalidades, utiliza modelos de linguagem de grande porte para decompor os pontos de venda dos produtos e construir uma expressão estruturada multidimensional, além de criar um grafo de atributos de produtos granular que abrange categorias, funções, cenários e públicos-alvo, permitindo assim uma correspondência semântica mais profunda entre oferta e demanda — uma mulher que diariamente dedica tempo a se arrumar, após comprar uma penteadeira, também precisa de uma cadeira. Uma cadeira ergonômica, além de ter a etiqueta de “escritório”, também atende a múltiplos cenários de vida, como suporte para longas sentadas, mobilidade flexível e adaptação a diversos espaços.

Com essa compreensão mais aprofundada das necessidades dos usuários, o sistema de publicidade passou da expansão de públicos para a expansão de intenções, e o emparelhamento direcional assíncrono do sistema foi alterado para um emparelhamento direcional em tempo real baseado em cenários.

Mas entender apenas os seres humanos não é suficiente.

Se uma cadeira ergonômica for sempre definida apenas como mobília de escritório, ainda será difícil conectá-la verdadeiramente a cenários aparentemente desconexos, como penteadeiras ou mesas de manicure. Se uma cama for sempre compreendida apenas como mobília de quarto, independentemente de o sistema entender bem os jogadores de e-sports, será difícil que ela apareça corretamente na sala de jogos de entusiastas de e-sports.

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

Mercadoria.

03 Item: A product that can belong to multiple markets

As plataformas anteriores gerenciavam a oferta por meio de categorias, atributos e SKU, o que é um pré-requisito para o funcionamento eficiente dos sistemas comerciais.

Uma cama, no sistema, é inicialmente um «móvel», com atributos como tamanho, material, cor e estilo, e depois o produto é classificado conforme seu tipo para entrada no mercado.

Mas a maneira como os consumidores usam os produtos nunca segue completamente a definição original da empresa: Coca-Cola foi originalmente vendida como medicamento, fornos de micro-ondas surgiram da tecnologia de radar e tênis esportivos evoluíram de equipamentos profissionais para roupas cotidianas em diferentes épocas.

A história do comércio nunca faltou histórias de usuários que redefiniram produtos. Apenas, no passado, a descoberta de problemas muitas vezes dependia de observação de mercado prolongada, pesquisa ou eventos fortuitos.

Agora, com o Wanxiang Pointing, a IA pode compreender profundamente a sutil relação entre essa capacidade do produto e as necessidades dos usuários.

A cama de tecido da Lin's Home vendida a entusiastas de esports e a cadeira ergonômica da Yisong vendida a entusiastas de beleza são apenas alguns exemplos.

Mais representativamente, o Wanxiang Pointillism ajudou Helena a vender seus produtos para entusiastas de esqui e atividades ao ar livre.

Em maio deste ano, Wanshang Dianjing identificou um grupo potencial de clientes para Helena que praticam surfe e mergulho no verão e esqui no inverno. A primeira reação da equipe ao ver os resultados foi: “Será que a IA se desviou?” Após tudo, os principais padrões de consumo dessas pessoas estavam basicamente concentrados em equipamentos esportivos.

Mas a IA captou com precisão a necessidade deles por proteção solar e certeza. Entre esse grupo, 27,35% priorizam a qualidade e 40,25% dão especial importância aos materiais. Ao comprar roupas de neve, equipamentos de mergulho e de exterior, eles comparam repetidamente materiais, desempenho e resultados confiáveis — e a Black Bandage em si deriva de uma tradição de produtos que enfatizam a “certeza”. Em 2008, Helena Rubinstein colaborou com a Laclinic suíça para desenvolver a série Re-Plasty, inspirada no cuidado pós-cirúrgico; o Age Recovery Night posteriormente se tornou a “Black Bandage”, e ainda hoje é apresentada pela Laclinic no contexto de recuperação pós-cirúrgica, ingredientes ativos e cuidados clínicos.

Portanto, pode-se inferir que alguém que, por muito tempo, busca desempenho, materiais e confiabilidade em equipamentos esportivos, ao entrar na decisão de investir em produtos de cuidados com a pele de alguns milhares de yuan, provavelmente também estará mais disposto a pagar por validação clínica, certeza de eficácia e qualidade do produto.

No desempenho final, após o lançamento oficial, essa nova taxa de clientes entre o público externo de alto valor foi 2 pontos percentuais maior em comparação com outros grupos, com também maior interação e conversão de vendas.

Uma tradução semelhante também ocorreu com outros produtos mais cotidianos. Por meio do Wanxiang Dianjing,蕉下 vendeu máscaras de proteção solar para pessoas que praticam exercícios físicos e ciclismo, que buscam por “não sufocar, não escorregar e ficar bem em fotos”. Dois meses depois, a proporção de novos clientes que realizaram compras aumentou 11% e o número de novos visitantes aumentou 39%.

E quando as pessoas passam de rótulos fixos para intenções dinâmicas, e os produtos passam de categorias fixas para soluções para problemas, o último elemento a mudar é: como as pessoas e os produtos se encontram.

04 Cena: IA direcionada, reestruturando a forma de conectar oferta e demanda

Quando a orientação por IA já consegue compreender simultaneamente “o que a pessoa está fazendo” e “o que o produto pode resolver”, as fronteiras anteriormente separadas entre busca, publicidade e promoção começam a se desfazer. Porque, em essência, elas enfrentam a mesma coisa: em um momento específico, determinar qual necessidade o usuário está formando e quais produtos devem participar na resolução dessa necessidade.

Essas mudanças também reajustaram a divisão de responsabilidades entre os comerciantes e o sistema.

Anteriormente, ao criar um novo plano de publicidade, os comerciantes precisavam primeiro preencher palavras-chave, público-alvo, região e horário, o que equivale a dizer ao sistema: “Quem são meus consumidores?”. No novo sistema, o Wanxiang Dianjing permite que a IA analise primeiro os pontos fortes do produto, as necessidades potenciais e os cenários de consumo possíveis, antes de o comerciante decidir se aceita ou modifica.

Ao mesmo tempo, a geração criativa e a execução de anúncios posteriores também seguirão a mesma lógica para realizar as ações correspondentes. Utilizando as insights de usuários já existentes, Wanxiang Dianjing não exibirá diretamente os anúncios de camas voltados para consumidores de quartos aos jogadores de e-sports. Em vez disso, estenderá o fluxo até a criatividade e a lances: primeiro compreendendo os objetivos comerciais e as intenções de consumo, depois identificando públicos potenciais, gerando expressões diferenciadas por meio de IA e, por fim, determinando, por meio de lances inteligentes, em quais oportunidades de tráfego participar da competição.

Por fim, transforme as necessidades diversas de milhares de grupos em estratégias de投放 e técnicas de comunicação personalizadas, gerando maior conversão e valor adicional de novos clientes. De acordo com as informações oficiais, o Wanxiang Dianjing foi lançado durante a campanha do 618 e, após ser totalmente implementado até o final de julho, acumulou mais de 150.000 comerciantes nos cenários de promoção por palavras-chave e promoção por público-alvo; em um período específico, a proporção de cliques de novos clientes superou 91% e a proporção de transações de novos clientes superou 76%.

Acima de tudo, embora o Wanxiang Pointillism seja baseado em um novo conjunto de capacidades, os comerciantes não precisam aprender novas ferramentas; ele pode ser integrado em toda a cadeia de cenários promocionais existentes, desde a promoção de públicos até a promoção por palavras-chave e, posteriormente, à marca em toda a plataforma e ao marketing de conteúdo.

Segundo Liu Bo (Jialuo), Vice-President Sênior do Grupo Alibaba, atual presidente da divisão Tmall, presidente da Alibaba Mama e responsável pela Taobao Live e pela divisão de conteúdo: “(O平台 se esforça para) alongar ainda mais suas forças, aprofundar as tarefas difíceis, reduzir os custos dos comerciantes e garantir previsibilidade em suas operações”. Ao mesmo tempo, “a equipe de algoritmos ainda tem muito espaço para exploração, permitindo que produtos melhores e comerciantes melhores tenham a oportunidade de encontrar consumidores de maior qualidade; por sua vez, consumidores de alta qualidade também conseguem encontrar produtos com maior personalização na plataforma.”

Claro, a longo prazo, após a plena abertura dessas capacidades da plataforma, essa disparidade de informação não será permanente. Hoje, apenas uma empresa vê a necessidade de descanso dos jogadores de e-sports; em breve, todas as empresas de móveis também poderão ver as mesmas pessoas. Assim, a questão passa de "conseguir descobrir" para "o que fazer após descobrir".

Também é visto um novo cenário: algumas empresas duvidam, outras adicionam um novo plano de anúncio, algumas reprojtam os materiais e os produtos, e outras continuam pesquisando o espaço de vida e as necessidades reais dos consumidores, ajustando finalmente o tamanho do produto, as funcionalidades e até mesmo a direção de novos lançamentos.

Nesse processo, descobriu-se que a multidão pode ser plataformaizada, as ofertas em tempo real podem ser plataformaizadas e parte da criatividade e das insights do consumidor também pode ser plataformaizada.

Mas a seleção de produtos, o risco de estoque, o ajuste da cadeia de suprimentos e o alocação de recursos ainda devem ser realizados pelas próprias empresas. A IA permitirá que mais empresas vejam novas oportunidades, mas não lhes dará a mesma velocidade de resposta.