Инструмент AI «Вансян Дзиньцзин» от Alibaba Marketing помог компании Linshi Furniture точно таргетировать клиентов-энтузиастов киберспорта на продукт — тканевую кровать, анализируя намерения пользователей при поиске и их поведенческие сигналы, а также понимая особенности товара для обеспечения соответствия в разных сценариях.

Автор статьи: Cynthia

Источник: ГEEK PARK

Летом 2026 года Lin's Furniture хочет продать тканевую кровать.

Затем Alibaba Mama Wanshang Jingjing нашла для него группу киберспортсменов и рекомендовала им таргетировать пользователей, которые искали «оформление киберспортивной комнаты», «ремонт игровой комнаты», «RGB-ленты» и «аниме-комнаты».

Для такого ведущего бренда, как Linshi Home, рожденного в интернете и долгое время полагавшегося на данные для ведения бизнеса, это решение кажется непостижимым.

Ранее бренд Lin's Home уже накопил более 55 миллионов подписчиков на всех платформах, более 10 000 продаваемых SKU и более 1 000 оффлайн-магазинов, и считается признанным производителем хитов в отрасли.

В традиционной логике сопоставления наиболее естественными потребителями кровати должны быть люди, занимающиеся ремонтом, недавно вступившие в брак, сменившие жилье или недавно купившие бытовую технику и мебель. Поэтому рекламная система использует предустановленные теги для сопоставления аудитории, и выбор рекламодателями связанных ключевых слов, таких как ремонт, мебель, напольные покрытия, стал для команды чем-то вроде врожденной привычки. Соответственно, молодой человек, ищущий идеи для оформления киберспортивной комнаты, вряд ли выглядит как потребитель, которого следует в первую очередь привлекать для покупки кровати.

Но здравый смысл не может обеспечить рост на насыщенном рынке.

Но «Вансянь Дзиньцзин» видит не просто метку «киберспорт», а всю систему потребительских намерений за ней: он обнаруживает, что эти молодые люди сами по себе сильно склонны к расходам, чтобы получить лучший игровой опыт: они покупают эргономичные стулья, 4K-мониторы, RGB-освещение и превращают свои комнаты в более комфортные, погружающие и соответствующие их личному вкусу пространства.

Продолжая анализ этой цепочки расходов, для игроков в компьютерные игры удобная кровать — это часть общего опыта эспорт-комнаты; для игроков в мобильные игры кровать — это не просто место для отдыха, а сам процесс игры, лежа на мягкой тканевой кровати, является более комфортным игровым опытом. Другими словами, они покупают образ жизни.

Осознав это, команда сразу приняла решение: инвестировать!

Итоговый результат также превзошел ожидания многих. Доля кликов новых клиентов превысила 80%, а доля объема сделок новых клиентов достигла 83%. Помимо точного выбора целевой аудитории новых клиентов, команду особенно поразило то, что до этого ни один домашний бренд не обнаружил эту нишу, поэтому стоимость добавления в корзину у команды была менее одной трети от стоимости для традиционной аудитории ремонта.

Таким образом, мягкое тканевое кроватное изделие было связано с киберспортом. После этого эта стратегия была расширена на прикроватные тумбы, помогая компании Linshi Furniture выявить новую целевую аудиторию, заинтересованную в удобном хранении и доступе к продуктам для улучшения сна.

Новая система также перевела рекламу из эпохи конкуренции за существующий рынок в эпоху роста, управляемого ИИ, сделав возможным обнаружение новых аудиторий и создание дополнительного роста.

01 Почему традиционная таргетированная реклама все труднее находит новый рост

Цифровая реклама не начала полагаться на алгоритмы только в эпоху больших моделей.

На протяжении последних 20 лет «совместная фильтрация» на основе традиционного машинного обучения (сопоставление по сходству) уже широко внедрялась в рекламные системы. В этой системе «покупка» рекламодателями и «сопоставление» платформой — это два отдельных процесса. Рекламная система на основе исторического поведения пользователей — что они просматривали и покупали — присваивает пользователям метки. Затем рекламодатели сначала покупают наборы аудиторий и ключевые слова, а платформа сопоставляет потребительский спрос с метками.

Этот метод очень эффективен на растущем рынке. Когда бренд находит сто тысяч потребителей, на рынке часто остаются еще несколько сотен тысяч или миллионов похожих, но еще не охваченных людей. Пока вы продолжаете расширять похожую аудиторию, рост может продолжаться.

Чем дольше отрасль существует, тем ближе участники подходят к пониманию потребителей с высокой маркетинговой ценностью. Мебельные компании ищут аудиторию, занимающуюся ремонтом, косметика конкурирует за женщин с высокими расходами, продукты для мам и детей фокусируются на жизненном цикле семьи, а спортивные бренды понимают, что значит бег, велосипед и походы.

В результате это приводит только к все более высоким расходам на трафик и все более низкой эффективности конверсии после насыщения игроков.

Кроме того, у него есть естественный недостаток. В системе реального времени обработки огромных объемов данных комбинации потребителей, товаров и рекламы практически бесконечны, и платформа не может рассчитывать все связи с максимальными затратами. Если игрок в киберспорт никогда не попадает в список кандидатов на «кровать», то, насколько бы точной ни была модель CTR, у нее не будет возможности оценить его. Именно поэтому исторические данные естественным образом награждают те связи, которые уже были доказаны.

Но сам потребитель не является стабильной меткой.

Человек, который два года назад ремонтировал квартиру, сегодня может уже не иметь потребности в мебели; потребитель, обычно относящийся к группе спортсменов, может внезапно перейти в совершенно другое состояние покупок из-за поездки, концерта или переезда. Рекомендации, основанные на таких исторических метках, часто означают значительную долю устаревшего трафика.

Поэтому более важный вопрос, чем кто этот человек, — это то, какую проблему он сейчас решает. И именно это — новая возможность, которую AI-движок «синхронного сопоставления» предоставляет рекламным системам: путем распознавания намерений и поведенческих сигналов пользователей, а также глубокого понимания характеристик товаров. AI может помочь продавцам найти людей, которых невозможно привлечь с помощью традиционных тегов, и достичь тех сценариев, которые продавцы не покупали активно.

Таким образом, новый инкрементальный синий океан рынка постепенно начинает проявляться перед всеми.

02 Человек: от того, кто он есть, до того, что ему нужно сейчас

В прошлом покупка подходящего товара была для покупателей и продавцов сложным техническим процессом, полным неизвестностей.

Для бизнеса они знают только то, что человек, купивший игровую видеокарту, с большей вероятностью купит монитор; человек, который искал палатку, с большей вероятностью купит туристическое снаряжение. Но если расширить контекст: человек, который обустроил игровую комнату дома, нуждается ли он в кровати? Изысканная молодая женщина, которая каждый день наносит макияж перед выходом, какое кресло ей нужно? Это вопрос, выходящий далеко за рамки.

Предприниматели естественным образом определяют категории товаров и SKU на основе существующих сценариев. Однако потребители не живут по SKU. Сначала они переезжают, путешествуют, женятся, занимаются спортом, ходят на концерты, обустраивают игровую комнату, наносят макияж, а затем возникает цепочка конкретных потребностей в товарах. Прежде чем совершить покупку, им нужно перевести свои жизненные потребности на язык товаров. Например, чтобы купить телефон для пожилого человека, нужно разбить такие требования, как «громкий звук, крупный шрифт, простота управления», на набор параметров продукта; при первой поездке на природу нужно сначала понять, что такое палатка, навес и спальный мешок, чтобы попасть в систему категорий платформы.

С помощью Вансян Дзиньцзин, компании теперь не только знают, кто такие их пользователи, но и могут четко понять, что они делают, в каких сценариях и в чем нуждаются. Например, Yi Song, лидер в сегменте эргономичных кресел, именно так попала в поле зрения девушек, увлекающихся косметикой.

В начале Xiangxiang Dianjing, основываясь на своей мировой системе знаний, помог Yisong распознать намерения со стороны спроса и понял, что заказ пользователя стола для маникюра и туалетного столика на самом деле означает необходимость в пространстве для ухода за собой, которое будет использоваться в долгосрочной перспективе.

Затем крупная языковая модель анализирует мотивацию, предпочтения и этап покупки пользователя, кодируя последовательность поведения пользователя в структурированное представление потребительских намерений — например, это женщина, которая заботится о своей внешности и стремится к высокому качеству жизни.

Затем слой семантического выравнивания обеспечивает переход от совпадения меток к семантическому выводу, сопоставляя векторы преимуществ и векторы намерений в высокоразмерном семантическом пространстве, а также с помощью причинно-следственного вывода выходя за рамки традиционной логики корреляции, чтобы понять глубинные мотивы пользователя «почему он покупает» — например, обычный табурет для макияжа жесткий и не имеет спинки. Поэтому им нужен удобный стул в качестве замены, причем этот стул должен быть достаточно фотогеничным и красивым. Он также должен поворачиваться, регулироваться по высоте и скользить, обеспечивая гибкое переключение между макияжем, работой и учебой.

Наконец, на стороне предложения Вансян Дзиньцзинь использует понимание товаров для выявления их функциональности, разбивает ключевые преимущества товаров с помощью крупных языковых моделей и строит многомерную структурированную формулировку, создавая детализированный граф атрибутов товаров, охватывающий категории, функции, сценарии использования и целевые группы, что обеспечивает более глубокое семантическое соответствие спроса и предложения — женщина, которая каждый день уделяет время уходу за собой, после покупки туалетного столика также нуждается в стуле. Стул с эргономичной конструкцией, помимо метки «офисный», одновременно соответствует множеству жизненных сценариев: поддержка при длительном сидении, мобильность и универсальность в оформлении пространства.

С учетом этого более глубокого понимания потребностей пользователей рекламная система начала переходить от расширения аудитории к расширению намерений, а асинхронное целевое сопоставление было заменено на реальное целевое сопоставление на основе сценариев.

Но одного понимания людей недостаточно.

Если кресло-офисник всегда может быть определено только как офисная мебель, то ему всё ещё сложно по-настоящему связать кресло с такими, казалось бы, несвязанными сценариями, как туалетный столик или стол для маникюра. Если кровать всегда понимается только как мебель для спальни, то, как бы хорошо система ни понимала киберспортсменов, ей всё равно сложно правильно появиться в игровой комнате фанатов киберспорта.

AI-ориентированное направление также требует переосмысления другой стороны:

Товар.

03 Товар: один товар может принадлежать нескольким рынкам

Ранее платформа управляла предложениями с помощью категорий, атрибутов и SKU, что является предпосылкой для эффективной работы бизнес-системы.

Кровать в системе сначала является «мебелью» и обладает такими характеристиками, как размер, материал, цвет и стиль, а затем товар попадает на рынок в зависимости от того, что он собой представляет.

Однако способ, которым потребители используют товары, никогда полностью не подчиняется первоначальному определению продукта компанией: Coca-Cola изначально продавалась как лекарство, микроволновая печь произошла из радарных технологий, а спортивная обувь с течением времени превратилась из профессионального снаряжения в повседневную одежду.

В истории бизнеса всегда были примеры, когда пользователи переопределяли товары. Однако раньше выявление проблем часто зависело от длительного наблюдения за рынком, исследований или случайных событий.

Сейчас с помощью Вансянь Дзиньцзинь ИИ может глубоко понимать тонкие связи между возможностями этого продукта и потребностями пользователей.

Кровать из ткани от Lin’s Home для энтузиастов киберспорта и эргономическое кресло от Yisong для любителей косметики — это лишь один из примеров.

Более характерным является то, как Wanshang Dianjing помогла Helena продать продукт людям, увлекающимся горными лыжами и активным отдыхом на свежем воздухе.

В мае этого года Wanshang Dianjing выделила для Helena группу потенциальных клиентов, которые занимаются серфингом и дайвингом летом и катанием на лыжах зимой. Первая реакция команды на результаты была такой: «Не сбился ли AI с пути?» Ведь основные траектории расходов этих людей в основном сосредоточены на спортивном снаряжении.

Но ИИ точно уловил их потребность в защите от солнца и уверенности. Среди этой группы 27,35% в первую очередь уделяют внимание качеству, а 40,25% особенно ценят материалы. При покупке снегоступов, дайвингового и Outdoor-снаряжения они многократно сравнивают материалы, производительность и надежные результаты, а сама Black Bandage происходит из серии продуктов, основанных на принципе «уверенности». В 2008 году Helena Rubinstein совместно с швейцарской Laclinic разработала серию Re-Plasty, вдохновленную послеоперационным уходом; Age Recovery Night позже стала Black Bandage и до сих пор Laclinic представляет ее в контексте послеоперационного восстановления, активных ингредиентов и клинического ухода.

Следовательно, человек, который длительное время уделяет внимание производительности, материалам и надежности спортивного снаряжения, с большой вероятностью также будет готов платить за клиническую проверку, доказанную эффективность и качество продукта при выборе ухода за кожей за несколько тысяч юаней.

На итоговых результатах деятельности после запуска, новый коэффициент привлечения среди этой группы внешних пользователей с высокой ценностью на 2 процентных пункта выше, чем у других групп, а также выше уровень взаимодействия и конверсии в сделки.

Аналогичные «переводы» происходят и с другими более повседневными товарами. Например, с помощью Wanshang Dianjing, Banxia продает солнцезащитные маски группе людей, занимающихся фитнесом и ездой на велосипеде, которым нужны «не душные, не скользящие, хорошо снимающиеся» маски; через два месяца доля новых клиентов выросла на 11%, а количество новых посетителей — на 39%.

А когда люди переходят от фиксированных меток к динамическим намерениям, а товары — от фиксированных категорий к решениям проблем, последним изменением становится: как именно люди и товары встречаются.

04 Сессия: ИИ-ориентированная перестройка способов соединения спроса и предложения

Когда целевая реклама на основе ИИ уже способна одновременно понимать, «что делает человек», и «что может решить продукт», ранее разобщённые границы между поиском, рекламой и продвижением начинают размываться. В сущности, они сталкиваются с одной и той же задачей: в конкретный момент определить, какую потребность формирует пользователь, и какие продукты должны участвовать в её решении.

Эти изменения также перераспределили обязанности между торговцами и системой.

Раньше при создании новой рекламной кампании продавец должен был сначала заполнить ключевые слова, целевую аудиторию, регион и временные рамки, тем самым сообщая системе: «Мои потребители — это кто». В новой системе Wanxiang Dianjing позволяет ИИ сначала проанализировать преимущества товара, потенциальные потребности и возможные сценарии покупки, а затем продавец решает, использовать или изменить эти предложения.

В то же время создание креативов и выполнение рекламных кампаний на поздних этапах также будут осуществляться в соответствии с той же логикой. Используя уже имеющиеся данные о пользователях, Wanxiang Dianjing не будет показывать рекламу кроватей, изначально предназначенную для потребителей спален, электронным спортсменам. Вместо этого цепочка будет расширена до креативов и ставок: сначала понимаются бизнес-цели и потребительские намерения, затем определяется целевая аудитория, с помощью ИИ создаются дифференцированные формулировки, и наконец, интеллектуальная ставка решает, в каких возможностях трафика участвовать в конкуренции.

В конечном итоге превратите потребности тысяч различных групп в стратегии таргетинга и коммуникационные навыки, уникальные для каждой группы, и добейтесь более высокой конверсии новых клиентов и дополнительной ценности. Согласно официальным данным, к концу этапа 618 и после полномасштабного запуска в конце июля, более 150 000 продавцов использовали функцию «Вансянь Дяньцзин» исключительно в сценариях продвижения по ключевым словам и продвижения по аудитории; в определенные периоды доля кликов новых клиентов превышала 91%, а доля сделок с новыми клиентами — более 76%.

Важнейшее преимущество заключается в том, что, несмотря на то, что «Вансян Дзиньцзин» основан на совершенно новых возможностях, продавцам совершенно не нужно изучать новые инструменты — он может быть полностью интегрирован в существующие рекламные сценарии, от продвижения аудитории и ключевых слов до брендового охвата и контентного маркетинга.

Как сказал Лю Бо (Джяло), старший вице-президент Alibaba Group, текущий президент подразделения Tmall, президент Alimama и руководитель подразделения Taobao Live и контента: «(Платформа стремится) усилить свои сильные стороны, углубиться в сложные задачи, снизить издержки для продавцов и обеспечить им предсказуемость в ведении бизнеса». Кроме того, «у команды алгоритмов есть еще большой потенциал для развития: чтобы лучшие товары и лучшие продавцы могли найти более качественных потребителей; а качественные потребители, в свою очередь, могли на платформе находить товары с более точным персональным соответствием».

Конечно, в более долгосрочной перспективе, после полной открытости возможностей этой платформы, информационный дисбаланс не будет существовать вечно. Сегодня только одна компания замечает потребность киберспортсменов в отдыхе, но вскоре все компании по производству мебели также могут заметить ту же самую аудиторию. Таким образом, вопрос переходит от «сможет ли кто-то обнаружить» к «что делать после обнаружения».

Также наблюдается новая ситуация: одни компании сомневаются, другие добавляют новый рекламный план, третьи полностью перерабатывают материалы и ассортимент, а некоторые продолжают изучать жилищное пространство и реальные потребности потребителей, в итоге корректируя размеры, функции и даже направления разработки новых продуктов.

В процессе люди обнаружили, что платформизация возможна, реальное ценообразование может быть платформизировано, а часть креативов и потребительских инсайтов также может быть платформизирована.

Однако выбор товаров, риски запасов, корректировка цепочки поставок и распределение ресурсов по-прежнему должны осуществляться самими компаниями. ИИ поможет большему числу компаний увидеть новые возможности, но не даст им одинаковую скорость реакции.