Інструмент AI «Вансян Дзінцзін» від Alibaba Marketing допоміг Lin’s Home точно таргетувати тканинні ліжка на геймерів, виявляючи наміри та сигнали поведінки користувачів та розуміючи характеристики товару для мультисценарного співставлення.Автор статті: Cynthia
Джерело: GeekPark
Лінська меблева компанія хоче продати тканеве ліжко літом 2026 року.
Потім Alibaba's Wanxiang Jingjing знайшло для нього групу електронних спортсменів і рекомендувало їм розміщувати рекламу користувачам, які шукали «оформлення кімнати для електронного спорту», «ремонт ігрової кімнати», «RGB-світлодіодні стрічки», «кімната в стилі аниме».
Для такої провідної марки, як Lin’s Home, яка народилася в інтернеті і довгий час залежала від даних для ведення бізнесу, це рішення здається незрозумілим.
Раніше бренд Lin’s Home вже зібрав понад 55 мільйонів фолловерів на всіх платформах, понад 10 000 товарних позицій у продажу та тисячу офлайн-магазинів, ставши визнаним створювачем хітів у галузі.
У традиційній логіці зіставлення найбільш природними споживачами ліжка мають бути люди, які роблять ремонт, недавно одружилися, змінили житло або недавно купували побутову техніку та меблі. Тому рекламна система використовує передвизначені теги для зіставлення аудиторії, і вибір рекламодавцями пов’язаних ключових слів, таких як ремонт, меблі, підлога, став для команди м’язовою пам’яттю. Відповідно, молодий людина, яка шукає інформацію про оформлення електронної ігрової кімнати, зовсім не схожа на споживача, якого слід пріоритетно привернути для покупки ліжка.
Але здравий сенс не може забезпечити зростання на ринку з обмеженою кількістю учасників.
Але «Wanxiang Dianjing» бачить не саму мітку «експорти», а цілу систему споживчих намірів за нею: він виявляє, що ця молодь має сильну готовність витрачати гроші, щоб отримати кращий ігровий досвід: вони купують ергономічні крісла, 4K-дисплеї, RGB-освітлення, перетворюючи свої кімнати на більш зручні, більш іммерсивні та більш відповідні їхній особистій смаку простори.
Продовжуючи цю ланцюжку витрат, для гравців у комп’ютерні ігри зручна ліжко — це частина загального досвіду е-спорт-кімнати; для гравців у мобільні ігри ліжко навіть не просто місце для відпочинку — гра на м’якому тканинному ліжку сама по собі є більш комфортним досвідом гри. Іншими словами, вони покупают спосіб життя.
Зрозумівши цей момент, команда негайно прийняла рішення: інвестувати!
Кінцевий результат також перевищив очікування багатьох. Доля кліків від нових клієнтів перевищує 80%, а частка обсягу транзакцій від нових клієнтів досягає 83%. Крім точного вибору аудиторії нових клієнтів, найбільшим сюрпризом для команди стало те, що раніше жоден із брендів із сектору меблів не виявив цю незайману нішу, тому витрати на додавання до кошика були менш ніж третина від витрат на традиційну аудиторію ремонтників.
Таким чином, м’яке тканеве ліжко було пов’язане з е-спортами. Після цього цю стратегію було розширено на категорію тумбочок, що допомогло компанії Lin’s Home виявити нову цільову аудиторію — людей, які шукають засоби для сну, зручні для зберігання та швидкого доступу.
Нова система також перетворила рекламу з боротьби за існуючий ринок на еру зростання, спричинену ШІ, і зробила можливим виявлення нових аудиторій та створення нових обсягів.
01 Чому традиційне таргетування реклами все складніше знаходити нові збільшення
Цифрової реклами не почала залежати від алгоритмів лише в епоху великих моделей.
Протягом майже 20 років «спільна фільтрація» (зіставлення за схожістю), що базується на традиційному машинному навчанні, масово впроваджувалася в рекламні системи. У цій системі «покупка» від бізнесу та «підбирання» від платформи — це два окремі процеси. Рекламна система на основі історичних дій користувача — що він переглядав, що купував — присвоює йому мітки. Потім бізнес спочатку купує пакети аудиторії та ключові слова, а платформа відповідно зіставляє попит споживачів із цими мітками.
Цей підхід дуже ефективний на ринку зі зростанням. Коли бренд знаходить десять тисяч споживачів, на ринку часто ще є сотні тисяч або мільйони людей, схожих на них, але ще не досягнутих. Досить постійно розширювати схожу аудиторію, і зростання може тривати.
Але чим довше індустрія існує, тим ближче учасники наближаються до розуміння споживачів з високою маркетинговою цінністю. Меблі шукають людей, які роблять ремонт, косметика бореться за високодоходних жінок, товари для матерів і дітей працюють з життєвим циклом сім’ї, а спортивні бренди знають, що означають біг, їзда на велосипеді, походи та кемпінг.
Тож воно призводить лише до все більш дорогих витрат на трафік та все нижчої ефективності перетворення після насиченого вкладу гравців.
Крім того, у нього є природний недолік. У системі реального часу обробки величезних обсягів даних кількість комбінацій споживачів, товарів та реклами майже нескінченна, і платформа не може розрахувати всі зв’язки за найвищою вартістю. Якщо гравець у електронний спорт ніколи не потрапляв у список кандидатів на «ліжко», то навіть найточніша модель CTR не матиме можливості оцінити його. Саме тому історичні дані природним чином винагороджують ті зв’язки, які вже були доведені.
Але споживач сам по собі не є стабільною міткою.
Особа, яка два роки тому ремонтувала будинок, сьогодні може вже не мати потреби в меблях; споживач, який зазвичай належить до групи людей, що займаються спортом, може через подорож, концерт або переїзд раптово перейти до зовсім іншого стану покупок. Рекомендації, засновані на таких історичних мітках, часто означають значну частину застарілого трафіку.
Тому саме це питання важливіше, ніж хто ця людина — це те, яку проблему вона зараз вирішує. І саме це — нова здатність, яку AI-заснована «синхронна відповідність» надає рекламним системам: завдяки розпізнаванню намірів та поведінкових сигналів користувачів та глибокому розумінню характеристик товарів. AI може допомогти бізнесам досягти людей, яких не можна було б знайти за допомогою звичайних тегів, а також тих сценаріїв, які бізнеси не використовували активно.
Отже, новий інкрементний синій океан ринку поступово починає проявлятися перед усіма.
02 Люди: від того, хто він, до того, що йому зараз потрібно
У минулому, щоб купити відповідний товар, для покупця та продавця було складною технічною справою з невідомостями.
Для бізнесу вони знають лише те, що людина, яка купила ігрову відеокарту, схильна купити монітор; людина, яка шукала намет, далі ймовірніше купить туристичне спорядження. Але якщо розширити сценарії: людина, яка обладнала вдома е-спорт-кімнату, чи потребує ліжка? Який стілець потрібен витонченій молодій жінці, яка щодня робить макіяж перед тим, як вийти з дому? Це питання повністю за межами звичайного підходу.
Бізнеси природньо визначають категорії товарів та SKU на основі існуючих сценаріїв. Але споживачі не живуть за SKU. Спочатку вони переїжджають, подорожують, одружуються, займаються спортом, ходять на концерти, влаштовують ігрові кімнати, роблять макіяж, а вже потім виникає серія конкретних потреб у товарах. Перед тим як здійснити покупку, вони повинні спочатку перекласти свої життєві потреби на мову товарів. Наприклад, купуючи телефон для пожилого человека, потрібно розкласти «високий рівень звуку, великий шрифт, просте керування» на набір параметрів продукту; перший похід на природу також вимагає спочатку зрозуміти, що таке намет, навіс та спальник, щоб потрапити до системи категорій платформи.
З допомогою Wanshang Dianjing торговці тепер можуть не лише знати, хто такі користувачі, але й чітко розуміти, що вони роблять у певних сценаріях та в чому потребують. Наприклад, Yi Song, лідер у сегменті ергономічних крісел, саме так потрапила у поле зору дівчат, які цікавляться косметикою.
На початку Wanshang Dianjing, спираючись на світову знаннєву систему, допоміг Yisong визначити наміри з боку попиту, зрозумівши, що замовлення користувачем меблів для нігтів і туалетного столика насправді вказує на потребу у просторі для прикраси, який може використовуватися довгий час.
Потім велика мова моделі виводить мотивацію, уподобання та етап покупки користувача та кодує послідовність поведінки користувача у структуроване представлення споживчих намірів — наприклад, це жінка, яка прагне до краси та має високі вимоги до якості життя.
Потім шар семантичного вирівнювання забезпечує перехід від відповідності міток до семантичного висновку, зіставляючи вектори переваг і вектори намірів у високовимірному семантичному просторі, а також за допомогою причинно-наслідкового висновку, що перевищує традиційну логіку кореляції, розуміє глибинні мотиви користувача — «чому вони купують» — наприклад, звичайний табурет для макіяжу жорсткий і не має підставки. Тож їм потрібен зручний стілець на заміну, який має бути достатньо фотогенічним і красивим. Крім того, він має мати функції обертання, підйому та ковзання, щоб забезпечити гнучкий перехід між макіяжем, роботою та навчанням.
Нарешті, у пропозиції Wanshang Dianjing використовує розуміння товарів для розкриття їхньої функціональності, розбиває ключові переваги товарів за допомогою великих мовних моделей та створює багатовимірну структуровану експресію, а також будує дрібнозернисту графову структуру властивостей товарів, що охоплює категорії, функції, сценарії та аудиторію, щоб досягти глибшої семантичної збіжності між попитом і пропозицією — жінка, яка щодня витрачає час на те, щоб прикрасити себе, після замовлення туалетного столика потребує також стільця. Стілець з ергономічним дизайном, крім мітки «офісний», одночасно задовольняє багато інших побутових потреб: підтримку при довгому сидінні, гнучку мобільність та універсальну сумісність з простором.
З використанням цих глибших інсайтів щодо потреб користувачів рекламна система перейшла від розширення аудиторії до розширення інтентів, а асинхронне цільове відповідність було замінено на реал-тайм цільове відповідність на основі сценаріїв.
Але розуміти людей недостатньо.
Якщо ергономічне крісло завжди можна визначити лише як офісну меблі, то воно все ще важко зв’яже крісло з такими, на перший погляд, непов’язаними сценаріями, як туалетний стіл чи стіл для нігтів. Якщо ліжко завжди можна розуміти лише як меблі для спальні, то навіть якщо система дуже добре розуміє е-спортсменів, вона важко з’явиться в ігровій кімнаті е-спорт-фанатів.
AI-орієнтоване одночасно потребує переосмислення іншого кінця:
Товар.
03 Товар: один товар може належати кільком ринкам
Раніше платформа керувала пропозицією за допомогою категорій, атрибутів та SKU, що є передумовою ефективної роботи бізнес-системи.
Ліжко в системі спочатку є «меблями» з такими характеристиками, як розмір, матеріал, колір і стиль, а потім товар потрапляє на ринок залежно від того, що він собою являє.
Але спосіб, яким споживачі використовують товари, ніколи повністю не підпорядковується початковому визначенню продукту компанією: Coca-Cola спочатку продавалася як лік, мікрохвильова піч походить із радарної технології, а спортивні взуття з професійного обладнання перетворилися на повсякденний одяг у різні епохи.
У історії бізнесу завжди були приклади, коли користувачі перевизначали товари. Проте раніше виявлення проблем зазвичай вимагало тривалих спостережень за ринком, досліджень або випадкових подій.
Зараз за допомогою Вансян Дзінцзін AI може глибоко розуміти тонкі зв’язки між можливостями цього продукту та потребами користувачів.
Лінші Домашній інтер’єр продавав тканинні ліжка ентузіастам кіберспорту, а Їсун — ергономічні крісла любителям косметики — це лише один з прикладів.
Більш характерним є те, як Wanshang Dianjing допомогло Helena продавати продукти людям, які займаються лижним спортом та на відкритому повітрі.
У травні цього року Wanxiang Dianjing визначив для Helena групу потенційних клієнтів, які люблять серфінг і ниряння літом та лижі зимою. Перша реакція команди на результати була: «Чи не збився AI?» Оскільки основна споживча траєкторія цих людей зосереджена на спортивному обладнанні.
Але ШІ чітко вловив їхню потребу у захисті від сонця та впевненості. Серед цієї групи 27,35% у першу чергу звертають увагу на якість, а 40,25% особливо цінують матеріали. Коли вони купують лижні костюми, акваланги та вуличне обладнання, вони порівнюють матеріали, продуктивність і надійні результати — а сама чорна пов’язка походить з продуктової лінії, яка підкреслює «впевненість». У 2008 році Helena Rubinstein співпрацювала з швейцарською Laclinic над розробкою серії Re-Plasty, натхненної післяопераційним доглядом; Age Recovery Night пізніше стала «Black Bandage» і досі представлена Laclinic у контексті післяопераційного відновлення, активних інгредієнтів та клінічного догляду.
Тоді можна далі припустити, що людина, яка довгий час звертає увагу на продуктивність, матеріали та надійність спортивного одягу, після переходу до вибору засобів догляду за шкірою за тисячі євро, ймовірно, також буде готова платити за клінічно підтвердженими результатами, підтвердженою ефективністю та якістю продукту.
У підсумку, після запуску, цей новий відсоток серед зовнішньої аудиторії з високою вартістю вищий на 2 відсоткових пункти порівняно з іншими групами, а також вищі показники взаємодії та конверсії продажів.
Подібні «переклади» відбуваються й із іншими більш повсякденними товарами. Наприклад, завдяки Wanxiang Dianjing,蕉下 продавав сонцезахисні маски людям, які шукають «не душно, не ковзане, добре виглядає на фото» — для фітнесу та велосипедизму. Через два місяці частка нових клієнтів зросла на 11%, а кількість нових відвідувачів — на 39%.
А коли людина з фіксованих тегів перетворюється на динамічні наміри, а товар — з фіксованих категорій у рішення проблем, останнім, що змінюється, стає: як саме людина і товар зустрічаються.
04 Ринок: AI-спрямований, перебудова способів зв’язку між попитом і пропозицією
Коли AI-орієнтовані системи здатні одночасно розуміти «що робить людина» і «що може вирішити товар», раніше розділені межі між пошуком, реклами та продвиженням починають розмиватися. Бо суть у тому, що вони стикаються з однією й тією ж справою: у конкретний момент визначити, яку потребу формує користувач, і які товари повинні взяти участь у вирішенні цієї потреби.
Ці зміни також перерозподілили обов’язки між торговцями та системою.
Раніше при створенні нової рекламної кампанії продавцям доводилося спочатку вводити ключові слова, цільову аудиторію, регіон та часові проміжки, тобто спочатку повідомляти системі: «Хто мої споживачі?». У новій системі Wanxiang Dianjing більше покладається на те, щоб ШІ спочатку проаналізував переваги товару, потенційний попит та можливі ситуації споживання, а вже потім продавець вирішує, чи використовувати ці пропозиції або внести зміни.
В той же час пізніші етапи генерації креативів та виконання розміщення також виконуватимуться за тією самою логікою. Завдяки наявним інсайтам про користувачів, Wanxiang Dianjing не буде показувати рекламу ліжок, спрямовану на споживачів спальні, без змін геймерам. Натомість він продовжить ланцюжок до креативів та ставок: спочатку розуміє мету бізнесу та споживчі наміри, потім знаходить потенційну аудиторію, генерує диференційовані формулювання за допомогою ШІ та нарешті за допомогою інтелектуальної ставки вирішує, у яких можливостях трафіку брати участь.
На завершальному етапі потреби тисяч різних груп перетворюються на тисячі різних стратегій розміщення та навичок комунікації, що призводить до збільшення конверсії нових клієнтів та додаткової вартості. За офіційними даними, під час кампанії 618 та після повномасштабного запуску наприкінці липня лише в сценах продвиження за ключовими словами та цільовими групами було використано понад 150 000 продавців; у певний період частка кліків нових клієнтів перевищила 91%, а частка угод нових клієнтів — 76%.
Найважливіше, що, хоча «Вансян Дзінцзін» базується на новому наборі функцій, продавцям зовсім не потрібно вивчати нові інструменти — він повністю інтегрується в існуючі сценарії продвиження, від продвиження аудиторії до продвиження за ключовими словами, а також у межах бренду та контентного продвиження.
Як сказав Ліу Бо (Цзялуо), віце-президент групи Alibaba, поточний президент поділу Tmall, президент Alimama та керівник поділу Taobao Live та контенту: «(Платформа прагне) зробити свої сильні сторони ще сильнішими, глибше вирішувати складні питання, зменшити витрати для бізнесу та забезпечити йому передбачуваність». Крім того, «у команди алгоритмів ще є великий потенціал для розкриття: кращі товари та кращі продавці зможуть знайти більш якісних споживачів; навпаки, якісні споживачі також зможуть знайти на платформі товари з більш точною персоналізацією».
Звичайно, з більш довгострокової перспективи, після повного відкриття цих платформних можливостей ця інформаційна асиметрія не буде тривати вічно. Сьогодні лише одна компанія бачить потребу електронних спортсменів у відпочинку, а невдовзі ті самі люди можуть бути помічені всіма компаніями з виробництва меблів. Тож питання змінюється з «чи можна виявити» на «що робити після виявлення».
Також бачимо нову сцену: одні компанії сумніваються, інші додають новий план розміщення, треті переробляють матеріали та асортимент, а інші продовжують досліджувати житлові простори та реальні потреби споживачів, щоб нарешті налаштувати розміри, функції чи навіть напрямки розробки нових продуктів.
У цьому процесі люди виявили, що платформізація можлива, реалізовані пропозиції можуть бути платформізовані, а частина креативу та споживчих інсайтів також може бути платформізована.
Але вибір товарів, ризики запасів, налаштування ланцюга поставок та розподіл ресурсів все ще можуть здійснювати лише компанії самостійно. Штучний інтелект допоможе більшій кількості компаній побачити нові можливості, але не надасть їм однакової швидкості реакції.