Công cụ AI Wuxiang Dianjing của Alibaba Mama giúp Lin's Home chính xác nhắm mục tiêu giường vải đến nhóm người chơi game điện tử, thông qua việc nhận diện ý định tìm kiếm và tín hiệu hành vi của người dùng, hiểu đặc điểm sản phẩm, để thực hiện khớp nối xuyên suốt các kịch bản.

Tác giả bài viết: Cynthia

Nguồn bài viết: GeekPark

Vào mùa hè năm 2026, Lin's Furniture muốn bán một chiếc giường vải.

Sau đó, Alibaba's Wanxiang Pointing đã tìm ra một nhóm người chơi điện tử và đề xuất họ nhắm mục tiêu đến những người đã tìm kiếm các từ khóa như “trang trí phòng chơi game”, “cải tạo phòng chơi game”, “dải đèn RGB”, “phòng yêu thích anime”.

Đối với một thương hiệu hàng đầu như Lin’s Home, được sinh ra trên internet và lâu dài phụ thuộc vào dữ liệu để vận hành, đây là một quyết định khó hiểu.

Trước đây, thương hiệu Lin's Home đã tích lũy được hơn 55 triệu người theo dõi trên toàn bộ nền tảng, hàng chục nghìn SKU đang được bán và hơn một nghìn cửa hàng trực tuyến, được công nhận là cỗ máy tạo ra những sản phẩm nổi bật trong ngành.

Trong logic ghép nối truyền thống, người tiêu dùng tự nhiên nhất cho một chiếc giường nên đến từ các nhóm đã từng trang trí nhà cửa, kết hôn, đổi nhà, hoặc đã mua thiết bị gia dụng gần đây. Do đó, hệ thống quảng cáo sử dụng các nhãn đã định sẵn để ghép đối tượng, và việc các thương gia chọn các từ khóa liên quan như trang trí, nội thất, sàn nhà để chạy quảng cáo đã trở thành ký ức ăn sâu vào cơ bắp của đội ngũ. Tương ứng, một thanh niên tìm kiếm cách bài trí phòng chơi game khó có thể được xem là người tiêu dùng ưu tiên hàng đầu mà chiếc giường nên nhắm tới.

Nhưng trí tuệ thông thường không thể mang lại tăng trưởng trong một thị trường tồn tại.

Nhưng Wanxiang Dianjing không nhìn thấy nhãn hiệu “e-sports”, mà là toàn bộ ý định tiêu dùng đằng sau nhãn hiệu đó: nó phát hiện ra rằng, nhóm thanh niên này có ý định tiêu dùng mạnh mẽ để có trải nghiệm chơi game tốt hơn: họ sẽ mua ghế ergonomics, màn hình 4K, đèn RGB tạo không khí, và biến phòng của mình thành một không gian thoải mái, đắm chìm và phù hợp với thẩm mỹ cá nhân hơn.

Tiếp tục suy luận theo chuỗi tiêu dùng này, đối với người chơi game PC, một chiếc giường thoải mái để nằm nghỉ là một phần của trải nghiệm phòng game; đối với người chơi game di động, giường thậm chí không chỉ là không gian nghỉ ngơi, mà việc tựa mình trên chiếc giường vải mềm mại để chơi game chính là một trải nghiệm chơi game thoải mái hơn. Nói cách khác, họ đang tiêu dùng cho một lối sống.

Hiểu được điều này, đội ngũ lập tức đưa ra quyết định: Đầu tư!

Kết quả cuối cùng cũng vượt quá nhiều kỳ vọng. Tỷ lệ nhấp của khách hàng mới vượt quá 80%, tỷ lệ giá trị giao dịch của khách hàng mới lên tới 83%. Ngoài việc lựa chọn chính xác nhóm khách hàng mới, điều khiến đội ngũ bất ngờ nhất là: trước đây, chưa có thương hiệu nội thất nào phát hiện ra vùng biển xanh này, do đó chi phí thêm vào giỏ hàng của đội ngũ chưa đến 1/3 so với nhóm khách hàng truyền thống về trang trí nhà cửa.

Vì vậy, một chiếc giường vải mềm mại đã được kết nối với gaming. Sau đó, chiến lược này còn được mở rộng sang dòng sản phẩm bàn đầu giường, giúp Linshi Furniture xác định được nhóm khách hàng mục tiêu mới quan tâm đến việc lưu trữ và lấy thuận tiện các sản phẩm hỗ trợ giấc ngủ.

Một hệ thống hoàn toàn mới cũng giúp quảng cáo chuyển từ cạnh tranh存量 sang thời đại tăng trưởng do AI thúc đẩy, làm cho việc phát hiện nhóm người mới và tạo ra tăng trưởng mới trở nên khả thi.

01 Tại sao định hướng quảng cáo truyền thống ngày càng khó tìm được lượng tăng trưởng mới

Quảng cáo kỹ thuật số không bắt đầu phụ thuộc vào thuật toán vào thời đại mô hình lớn.

Trong gần 20 năm qua, “lọc cộng tác” (phù hợp dựa trên độ tương đồng) dựa trên máy học truyền thống đã được áp dụng quy mô lớn trong các hệ thống quảng cáo. Trong hệ thống này, việc “mua” của doanh nghiệp và việc “cặp đôi” của nền tảng là hai việc tách biệt. Hệ thống quảng cáo dựa trên hành vi lịch sử của người dùng như đã xem gì, mua gì để gán nhãn cho người dùng. Sau đó, doanh nghiệp trước tiên mua gói đối tượng và từ khóa, sau đó nền tảng ánh xạ nhu cầu người tiêu dùng thành các nhãn để thực hiện sự khớp nối.

Phương pháp này rất hiệu quả trong thị trường tăng trưởng. Vì khi một thương hiệu tìm được mười vạn người tiêu dùng, trên thị trường thường còn có hàng trăm nghìn, thậm chí hàng triệu người tương tự nhưng chưa được tiếp cận. Chỉ cần không ngừng mở rộng nhóm người tương tự, tăng trưởng có thể tiếp tục diễn ra.

Nhưng một ngành càng hoạt động lâu dài, các bên tham gia càng hiểu rõ về những người tiêu dùng có giá trị tiếp thị cao. Nội thất đều tìm kiếm nhóm người đang thi công sửa chữa, mỹ phẩm đều cạnh tranh giành phụ nữ có mức chi tiêu cao, sản phẩm cho mẹ và bé đều xoay quanh chu kỳ sống gia đình, các thương hiệu thể thao đều biết rõ chạy bộ, đạp xe, đi bộ đường dài và cắm trại mang ý nghĩa gì.

Do đó, những gì nó mang lại chỉ là chi phí lưu lượng ngày càng cao và hiệu quả chuyển đổi ngày càng thấp sau khi người chơi đầu tư tràn lan.

Ngoài ra, nó tự nhiên có một điểm yếu. Trong hệ thống tính toán dữ liệu lớn theo thời gian thực, các tổ hợp giữa người tiêu dùng, sản phẩm và quảng cáo gần như vô hạn, nên nền tảng không thể tính toán hết tất cả các mối quan hệ với chi phí cao nhất. Nếu một người chơi e-sports chưa bao giờ lọt vào danh sách ứng cử cho «giường», thì dù mô hình CTR sau đó có chính xác đến đâu, cũng không có cơ hội để chấm điểm cho anh ta. Chính vì vậy, dữ liệu lịch sử tự nhiên sẽ thưởng những mối quan hệ đã được chứng minh.

Nhưng chính người tiêu dùng không phải là một nhãn ổn định.

Một người đang thi công cách đây hai năm, hôm nay có thể đã không còn nhu cầu về đồ nội thất; một người tiêu dùng thường xuyên tham gia hoạt động thể thao cũng có thể đột ngột chuyển sang trạng thái mua sắm hoàn toàn khác do một chuyến du lịch, một buổi hòa nhạc hoặc một lần dọn nhà. Các đề xuất dựa trên các nhãn lịch sử này thường đồng nghĩa với một tỷ lệ đáng kể lưu lượng đã lỗi thời.

Chính vì vậy, vấn đề quan trọng hơn cả việc người đó là ai, chính là anh ta đang giải quyết vấn đề gì hiện tại. Và đây cũng chính là khả năng mới mà “synchronization matching” do AI dẫn dắt mang lại cho hệ thống quảng cáo: thông qua việc nhận diện ý định tìm kiếm và tín hiệu hành vi của người dùng, cùng với sự hiểu biết sâu sắc về đặc tính sản phẩm, AI có thể giúp các thương gia tiếp cận những người mà trước đây không thể gọi lại thông qua các nhãn hiệu, đồng thời cũng giúp họ tiếp cận những tình huống mà thương gia chưa chủ động mua.

Vì vậy, một thị trường xanh tăng dần mới bắt đầu dần hiện ra trước mắt mọi người.

02 Người: Từ anh ấy là ai đến những gì anh ấy cần hiện tại

Trong quá khứ, việc mua được một sản phẩm phù hợp là một kỹ năng đầy rủi ro đối với cả người mua và người bán.

Đối với các thương gia, họ chỉ biết rằng, sau khi một người mua card đồ họa chơi game, họ có xu hướng mua màn hình hiển thị; sau khi một người tìm kiếm lều, họ có khả năng cao sẽ mua đồ dùng ngoài trời. Nhưng mở rộng ra nhiều kịch bản hơn: một người đã bố trí một phòng chơi game tại nhà, liệu họ có cần một chiếc giường không? Một cô gái trẻ tinh tế, trước khi trang điểm ra ngoài mỗi ngày, cô ấy cần chiếc ghế gì? Đây là một câu hỏi hoàn toàn vượt ngoài phạm vi.

Các nhà bán hàng tự nhiên có xu hướng xác định danh mục sản phẩm và SKU dựa trên các kịch bản hiện có. Nhưng người tiêu dùng không sống theo SKU. Họ trước tiên sẽ dọn nhà, đi du lịch, kết hôn, tập thể dục, xem buổi hòa nhạc, trang trí phòng chơi game, trang điểm, rồi mới sinh ra chuỗi nhu cầu sản phẩm cụ thể. Trước khi thực hiện hành vi mua hàng, họ còn cần chuyển đổi nhu cầu cuộc sống của mình thành ngôn ngữ sản phẩm. Ví dụ: mua điện thoại cho người già, phải tách biệt “âm thanh to, chữ to, thao tác đơn giản” thành một bộ thông số sản phẩm; lần đầu đi cắm trại, cũng cần biết lều, mái che, túi ngủ là gì trước khi có thể bước vào hệ thống danh mục của nền tảng.

Với Wanshang Dianjing, các thương gia không chỉ biết được người dùng là ai, mà còn có thể rõ ràng hiểu được họ đang làm gì trong bối cảnh nào và cần gì. Ví dụ, Yisong, một thương hiệu dẫn đầu trong phân khúc ghế ergonomics, đã tiếp cận được nhóm người dùng yêu thích làm đẹp theo cách này.

Ban đầu, Wanxiang Dianjing dựa trên hệ thống tri thức thế giới phía sau, giúp Yisong nhận diện được ý định từ phía nhu cầu, hiểu rằng việc người dùng đặt bàn làm móng và bàn trang điểm thực chất là cần một không gian trang điểm có thể sử dụng lâu dài.

Tiếp theo, mô hình ngôn ngữ lớn sẽ suy luận động cơ tiêu dùng, sở thích và giai đoạn mua hàng của người dùng, đồng thời mã hóa chuỗi hành vi người dùng thành biểu diễn ý định tiêu dùng có cấu trúc — ví dụ: đây là một người dùng nữ yêu cái đẹp và theo đuổi chất lượng cuộc sống.

Sau đó, thông qua lớp căn chỉnh ngữ nghĩa, quá trình chuyển từ việc khớp nhãn sang suy luận ngữ nghĩa được hoàn tất, đồng thời ánh xạ và căn chỉnh vector điểm bán hàng với vector ý định trong không gian ngữ nghĩa chiều cao, đồng thời thông qua suy luận nhân quả để vượt qua logic tương quan truyền thống, hiểu được động cơ sâu xa đằng sau hành vi “tại sao họ mua” của người dùng — ví dụ: chiếc ghế trang điểm thông thường lại cứng và không có tựa lưng. Vì vậy, họ cần một chiếc ghế thoải mái hơn để thay thế, và chiếc ghế này phải đủ đẹp để lên hình. Đồng thời, nó cần có khả năng xoay, điều chỉnh độ cao và trượt, đáp ứng nhu cầu linh hoạt chuyển đổi giữa trang điểm, làm việc và học tập.

Cuối cùng, ở phía cung cấp, Wanxiang Pointillism thông qua hiểu biết sản phẩm để thấu hiểu công dụng, sử dụng mô hình ngôn ngữ lớn để phân tích các điểm bán hàng của sản phẩm và xây dựng biểu đạt cấu trúc đa chiều, đồng thời xây dựng đồ thị thuộc tính sản phẩm tinh tế bao phủ danh mục, chức năng, cảnh huống và nhóm người dùng, từ đó đạt được sự khớp nối ngữ nghĩa cung - cầu ở mức độ sâu hơn—một người phụ nữ sẵn sàng dành thời gian trang điểm mỗi ngày, sau khi đặt mua bàn trang điểm, còn cần một chiếc ghế. Một chiếc ghế ergonomics ngoài nhãn hiệu “văn phòng” ra, còn có thể đáp ứng nhiều nhu cầu cảnh huống sống khác như hỗ trợ ngồi lâu, di chuyển linh hoạt và phù hợp với nhiều không gian.

Với sự hiểu biết sâu hơn về nhu cầu người dùng, hệ thống quảng cáo đã bắt đầu chuyển từ mở rộng đối tượng sang mở rộng ý định, và việc khớp định hướng bất đồng bộ của hệ thống cũng được thay đổi thành việc khớp định hướng theo bối cảnh theo thời gian thực.

Nhưng chỉ hiểu con người là chưa đủ.

Nếu một chiếc ghế ergonomics mãi chỉ được định nghĩa là đồ nội thất văn phòng, thì nó vẫn khó có thể thực sự kết nối chiếc ghế với những bối cảnh tưởng chừng như không liên quan như bàn trang điểm hay bàn làm móng. Nếu một chiếc giường mãi chỉ được hiểu là đồ nội thất phòng ngủ, thì dù hệ thống có hiểu rõ đến đâu về người chơi game điện tử, nó cũng khó có thể xuất hiện đúng nơi trong phòng chơi game của những người yêu thích game điện tử.

AI định hướng đồng thời cũng cần hiểu lại phía bên kia:

貨。

03 Hàng hóa: Một sản phẩm có thể thuộc về bao nhiêu thị trường

Các nền tảng trước đây quản lý nguồn cung thông qua danh mục, thuộc tính và SKU, đây là điều kiện tiên quyết để hệ thống thương mại hoạt động hiệu quả.

Một chiếc giường trong hệ thống ban đầu là một «đồ nội thất», có các thuộc tính như kích thước, chất liệu, màu sắc, phong cách, sau đó sản phẩm sẽ được đưa ra thị trường dựa trên đặc điểm của nó.

Nhưng cách người tiêu dùng sử dụng sản phẩm chưa bao giờ hoàn toàn tuân theo định nghĩa sản phẩm ban đầu của doanh nghiệp: Coca-Cola ban đầu được bán như một loại thuốc, lò vi sóng xuất phát từ công nghệ radar, và giày thể thao qua các thời kỳ đã từ thiết bị chuyên dụng trở thành trang phục hàng ngày.

Lịch sử kinh doanh không bao giờ thiếu những câu chuyện về người dùng tái định nghĩa sản phẩm. Chỉ là, trước đây, việc phát hiện vấn đề thường dựa vào quan sát thị trường kéo dài, nghiên cứu hoặc sự kiện tình cờ.

Bây giờ, với Wanxiang Dianjing, AI có thể hiểu sâu sắc mối liên hệ tinh tế giữa khả năng sản phẩm này và nhu cầu của người dùng.

Ghế vải của Lin's Home dành cho người yêu thích game điện tử, ghế ergonomics của Yisong dành cho người yêu thích làm đẹp, đều chỉ là một trong những ví dụ.

More representative is how Wanxiang Dianjing helped Helena sell products to the skiing and outdoor community.

Tháng 5 năm nay, Wanxiang Dianjing đã xác định một nhóm khách hàng tiềm năng cho Helena, những người thích lướt sóng và lặn biển vào mùa hè, trượt tuyết vào mùa đông. Khi nhóm xem kết quả, phản ứng đầu tiên là: “AI có bị lệch hướng không?” Bởi vì hành vi tiêu dùng chính của những người này chủ yếu tập trung vào đồ thể thao.

Nhưng AI đã tinh tế nắm bắt được nhu cầu về khả năng chống nắng và sự chắc chắn của họ. Trong nhóm này, 27,35% ưu tiên chất lượng, 40,25% đặc biệt coi trọng chất liệu. Khi mua trang phục trượt tuyết, đồ lặn và thiết bị ngoài trời, họ thường so sánh kỹ lưỡng về vật liệu, hiệu năng và kết quả đáng tin cậy, trong khi băng đen chính là sản phẩm xuất phát từ truyền thống sản phẩm nhấn mạnh vào “sự chắc chắn”. Năm 2008, Helena Rubinstein hợp tác với Laclinic Thụy Sĩ phát triển dòng Re-Plasty, lấy cảm hứng từ chăm sóc sau phẫu thuật; Age Recovery Night sau này trở thành “Black Bandage”, và đến nay Laclinic vẫn giới thiệu nó trong bối cảnh phục hồi sau phẫu thuật, thành phần hoạt tính và chăm sóc lâm sàng.

Do đó, có thể suy luận rằng một người từng dành nhiều sự quan tâm đến hiệu suất, vật liệu và độ tin cậy của trang thiết bị thể thao, khi đối mặt với quyết định chăm sóc da ở mức giá vài nghìn nhân dân tệ, rất có khả năng sẵn sàng chi trả cho các sản phẩm đã được xác minh lâm sàng, hiệu quả rõ ràng và chất lượng sản phẩm cao.

Trên kết quả kinh doanh cuối cùng, sau khi chính thức triển khai, tỷ lệ khách hàng mới trong nhóm đối tượng ngoài trời có giá trị cao này cao hơn 2 điểm phần trăm so với các nhóm khác, đồng thời tương tác và tỷ lệ chuyển đổi giao dịch cũng cao hơn.

Sự "phiên dịch" tương tự cũng xảy ra với một số mặt hàng thiết yếu khác. Ví dụ, nhờ Wanxiang Dianjing,蕉下 đã bán khẩu trang chống nắng cho nhóm người tập thể dục và đạp xe cần sản phẩm "không bí, không trượt, lên hình đẹp", sau hai tháng, tỷ lệ giao dịch từ khách hàng mới tăng 11%, số lượng khách truy cập mới tăng 39%.

Và khi con người chuyển từ nhãn cố định thành ý định động, hàng hóa chuyển từ danh mục cố định thành giải pháp cho vấn đề, thì điều cuối cùng thay đổi là: con người và hàng hóa gặp nhau như thế nào.

04 Trường: AI định hướng, tái cấu trúc cách kết nối cung cầu

Khi AI định hướng đã có thể đồng thời hiểu được “con người đang làm gì” và “sản phẩm có thể giải quyết gì”, ranh giới vốn tách biệt giữa tìm kiếm, quảng cáo và khuyến mãi bắt đầu mờ nhạt. Bởi về bản chất, chúng đều đang đối mặt với cùng một việc: tại một thời điểm cụ thể, xác định người dùng đang hình thành nhu cầu gì, và những sản phẩm nào nên tham gia giải quyết nhu cầu này.

Sự thay đổi này cũng điều chỉnh lại sự phân công giữa người bán và hệ thống.

Trước đây, khi tạo một kế hoạch quảng cáo mới, thương gia thường phải điền trước các từ khóa, đối tượng, khu vực và thời gian, tương đương với việc thông báo cho hệ thống: “Khách hàng của tôi là ai.” Trong hệ thống mới, Wanxiang Dianjing sẽ để AI phân tích trước các điểm nổi bật của sản phẩm, nhu cầu tiềm ẩn và các tình huống tiêu dùng có thể xảy ra, sau đó thương gia mới quyết định có chấp nhận hay điều chỉnh.

Đồng thời, các hành động hỗ trợ trong giai đoạn sau như tạo nội dung sáng tạo và thực hiện quảng cáo cũng sẽ tuân theo cùng một logic. Dựa trên những hiểu biết về người dùng đã có, Wanxiang Dianjing sẽ không hiển thị nguyên vẹn quảng cáo giường ngủ nhắm đến người tiêu dùng phòng ngủ cho người chơi game điện tử. Thay vào đó, nó sẽ kéo dài chuỗi liên kết đến sáng tạo và định giá: trước tiên hiểu mục tiêu kinh doanh và ý định tiêu dùng, sau đó xác định nhóm người tiềm năng, sử dụng AI để tạo ra các biểu đạt khác biệt, và cuối cùng để định giá thông minh quyết định tham gia cạnh tranh tại những cơ hội lưu lượng nào.

Cuối cùng, biến nhu cầu đa dạng của hàng ngàn nhóm khách hàng thành các chiến lược quảng bá và kỹ năng giao tiếp phù hợp với từng nhóm, mang lại tỷ lệ chuyển đổi và giá trị gia tăng cao hơn cho khách hàng mới. Theo thông tin chính thức, Wanxiang Dianjing đã được triển khai trong giai đoạn 618 và được mở rộng toàn bộ vào cuối tháng 7, chỉ riêng trong các kịch bản quảng bá từ khóa và quảng bá nhóm khách hàng đã có hơn 150.000 thương gia sử dụng; trong một chu kỳ nhất định, tỷ lệ nhấp của khách hàng mới vượt quá 91%, tỷ lệ giao dịch của khách hàng mới vượt quá 76%.

Điều quan trọng nhất là, dù Wanshang Dianjing sở hữu một bộ khả năng hoàn toàn mới, các thương gia hoàn toàn không cần học các công cụ mới; nó có thể tích hợp toàn bộ chuỗi vào các bối cảnh quảng bá hiện có, từ quảng bá nhóm đối tượng đến quảng bá từ khóa, rồi đến toàn bộ thương hiệu và tiếp thị nội dung.

Theo lời của Lưu Bác (Gia Lạc), Phó Chủ tịch cấp cao của Tập đoàn Alibaba, hiện là Tổng giám đốc Bộ phận Tmall, Tổng giám đốc Alimama và người phụ trách Bộ phận Livestream Taobao và Nội dung: “(Nền tảng nỗ lực) kéo dài điểm mạnh của mình, đi sâu vào những việc khó, giúp giảm chi phí cho các thương gia và mang lại tính xác định trong hoạt động kinh doanh của họ.” Đồng thời, “Đội ngũ thuật toán vẫn còn rất nhiều tiềm năng để khai thác, giúp những sản phẩm tốt hơn và những thương gia xuất sắc hơn có cơ hội tìm đến những người tiêu dùng chất lượng cao hơn; ngược lại, những người tiêu dùng chất lượng cao cũng có thể tìm thấy những sản phẩm được cá nhân hóa phù hợp hơn trên nền tảng.”

Tất nhiên, về lâu dài, sau khi năng lực nền tảng này được mở rộng hoàn toàn, sự chênh lệch thông tin do nó tạo ra sẽ không tồn tại vĩnh viễn. Hôm nay chỉ có một công ty nhận ra nhu cầu nghỉ ngơi của người chơi e-sports, nhưng không lâu sau, tất cả các công ty nội thất cũng có thể nhìn thấy cùng một nhóm người này. Vì vậy, vấn đề sẽ chuyển từ “có thể phát hiện được hay không” sang “sau khi phát hiện rồi thì làm gì tiếp theo”.

Cũng nhìn thấy một kịch bản mới, một số công ty sẽ nghi ngờ, một số công ty sẽ thêm kế hoạch quảng cáo, một số công ty sẽ thiết kế lại tài liệu và danh mục sản phẩm, còn một số công ty sẽ tiếp tục nghiên cứu không gian sinh hoạt và nhu cầu thực tế của người tiêu dùng, cuối cùng điều chỉnh kích thước sản phẩm, tính năng thậm chí hướng phát triển sản phẩm mới.

Trong quá trình này, đám đông có thể được nền tảng hóa, việc đặt giá theo thời gian thực có thể được nền tảng hóa, một phần sáng tạo và hiểu biết về người tiêu dùng cũng có thể được nền tảng hóa.

Nhưng việc lựa chọn sản phẩm, rủi ro tồn kho, điều chỉnh chuỗi cung ứng và phân bổ nguồn lực vẫn chỉ có thể do doanh nghiệp tự thực hiện. AI sẽ giúp nhiều công ty nhìn thấy những cơ hội mới, nhưng không khiến họ có tốc độ phản ứng tương đương.