跨境電商，一人搞定？我們雇阿里國際的AI開了家店，賺遍全球市場

新智元·2024-07-20

關(guān)注

創(chuàng)業(yè)夫妻店雇AI做設(shè)計，顯示器爆單成行業(yè)品牌No.1。這背后，不僅是3億用戶出海業(yè)務(wù)給的底氣，也是因為一個團隊一心做好了3件事。

編者按：本文來自微信公眾號新智元（ID：AI_era），創(chuàng)業(yè)邦經(jīng)授權(quán)轉(zhuǎn)載。

最近關(guān)于自動駕駛出租的新聞，掀起了全網(wǎng)大討論——AI，是否已經(jīng)搶占了人類的工作崗位？

答案是，并不會。

要知道，在現(xiàn)實世界中的大多數(shù)小微企業(yè)，其實面臨的是人才短缺的困境。在這種情況下，AI非但沒有替代任何人，反而為小微企業(yè)補充了源源不斷的人才。

而作為接觸AI最早，也是被改造最深的行業(yè)，如今的跨境電商已經(jīng)成為了一個有著10萬億級的超大市場。

那么，當(dāng)它與如今的大模型發(fā)生碰撞，又會從哪些方面被重構(gòu)呢？

當(dāng)小編試圖搭建一個自己的出海業(yè)務(wù)時，徹底大開眼界。

一個人開店，賣往美國開家店

第一步：上架產(chǎn)品

首先，在上架產(chǎn)品的這一步，就出問題了。

不同款式衣服的KV設(shè)計怎樣才能抓人眼球？需要雇傭什么形象的模特？如何針對不同國家進行介紹頁翻譯？這種種選擇的組合，必然有最優(yōu)解。

背后的不菲支出，對我們這種普通商家來說卻是不能承受之重。

就拿電商拍攝費用來說吧：在國內(nèi)，做一組商品圖最少200元起步，若要聘請歐美國外模特拍攝，最少也得要大幾千。拍攝之后，再讓美工修圖，每月還得平均支出8000-15000元。

這還沒完，一件商品，若想面向全球市場銷售，就得登錄不同的平臺，還需要語言和素材的本地化表達。

一套工作流下來，耗時不說，人都累垮了。

但這些問題對于AI來說，都是小case——

以下圖片均由阿里國際出品的圖片工具pic-copilot生成：https://www.piccopilot.com/zh

批量摳圖

在上架衣服之前，我們需要有商品的主圖。

面對手里的一大批女裝，如何不費吹灰之力，將多件衣服主圖批量做出來？

以AI的功力，一次就能摳出20張。

不管背景是地板，桌面，還是眼花繚亂的地毯，AI可以一鍵精準(zhǔn)完成背景移除。

有了這些平面圖之后，我們不僅可以應(yīng)用其他背景作為主頁展示，再者可以讓虛擬模特上身，呈現(xiàn)不同效果。

虛擬試衣

接下來，只需選擇一張摳好的衣服，再選擇所需的模特和姿勢，AI即可快速生成上身效果。

可以看到，不管是在質(zhì)感還是在款式上，渲染出來的衣服都與實際保持了高度的一致。

模特換膚

當(dāng)然，對于那些已經(jīng)拍攝好的穿搭，同樣只需要「開局一張圖」，剩下的交給AI就可以了。

如果有需要微調(diào)的地方，也可以通過工具手動進行選區(qū)。

接下來，選擇一個符合潛在受眾的AI模特。

并且確定發(fā)色和背景之后。

就可以一鍵get到不同性別、不同年齡、不同膚色的模特穿衣效果了。

可以看到，變化的只有模特本身，而被選中的衣服包包，都不會受到任何影響。

甚至連沒有明確標(biāo)注的墨鏡，都被AI完美保留了下來。

如此一來，我們只需坐在電腦前點一點鼠標(biāo)，就能把手里的商品全給上架了，極大地節(jié)省了高昂的模特拍攝和后期制作成本。

據(jù)統(tǒng)計，在AI虛擬試穿的加持下，不僅商品的銷量能翻一番，而且消費者對商品喜愛度也提升了1倍。

標(biāo)題建議

商品的標(biāo)題和描述如何吸引讀者的購買欲，也是一門大學(xué)問。

根據(jù)海量電子商務(wù)數(shù)據(jù)訓(xùn)練后的AI，在產(chǎn)品標(biāo)題生成上也是手到擒來。

我們要做的，就是把和產(chǎn)品有關(guān)的信息都貼上來，AI就會自動根據(jù)品類特征和用戶購買決策，剔除無用的內(nèi)容并快速生成高流量標(biāo)題。

第二步：投放廣告

接下來，就到了投放廣告這一步。

一個出彩的廣告圖片，在設(shè)計布局、創(chuàng)意文案、背景圖片上都有玄機，會對廣告投放效果產(chǎn)生切實的影響。

以往，這些廣告基本都是設(shè)計師人肉制作的，周期長、成本高不說，素材效果也并不一定很理想。

另一方面，促活廣告的投放上，我們運營操作空間也很有限。

因為大部分促活廣告是以動態(tài)「選品池」形式投放，而一個品池便包含了上千萬的商品量，僅僅靠人肉投放，是無法針對素材完成優(yōu)化的。

有了AI之后，一切就大不同了。

廣告一鍵生成

大模型加持下的AI，可以快速、批量生成大量廣告素材，解決了素材生產(chǎn)量不夠的瓶頸。

文本方面，基于海量商品數(shù)據(jù)訓(xùn)出來多語言創(chuàng)意文案生成大模型，可根據(jù)投放商品信息、投放國家、人群，進而生成更具個性化和吸引力的賣點。

圖片方面，AI則基于全網(wǎng)海量電商廣告素材，學(xué)習(xí)并抽象出了設(shè)計師的設(shè)計范式。

這就包含了一件商品和文字的擺放位置、對齊關(guān)系、商品背景、設(shè)計元素風(fēng)格匹配規(guī)則等。

當(dāng)給定輸入的設(shè)計內(nèi)容后，我們就可以讓AI自適應(yīng)排版和布局，實時合成創(chuàng)意圖片了。

作為一家女裝店，賣個鞋不過分吧（手動狗頭）

精準(zhǔn)投放

廣告設(shè)計完成后，AI還會給自己的生成效果打分，有針對性地投放高分圖片。

最后，通過歷史投放數(shù)據(jù)，AI還可以總結(jié)經(jīng)驗，比如有文字賣點的商品在廣告渠道表現(xiàn)更好。

針對那些沒有優(yōu)質(zhì)賣點商品圖片，AI就可以進行賣點提煉。

基于海量廣告的投放效果數(shù)據(jù)，阿里國際專門訓(xùn)練了多模態(tài)創(chuàng)意打分模型。

它不僅能預(yù)估投放效果，還可以根據(jù)實際情況動態(tài)調(diào)整布局，對齊最優(yōu)投放效果。

在上面這個過程中，有著多模態(tài)識別+多語言文本生成+AI圖片處理+投放效果RL等多種AI能力加持。結(jié)果就是，讓廣告制作成本直降3%，同時廣告ROI提升了5%。

第三步：店鋪運營

在店鋪運營這方面，對于店家AI可以通過分析客戶的偏好，讓商家更好地了解客戶。

回復(fù)客戶評論

同時，還能為客戶提供個性化的回復(fù)，讓每條客戶評論，都能得到準(zhǔn)確、周到的反饋。

面對這位用戶的評論「制作廉價」，AI會這樣回復(fù)：「我們知道，我們便宜的價格或許并不總是能滿足您的期望。但我們一直致力于以實惠的價格提供優(yōu)質(zhì)的產(chǎn)品」

聊天實時翻譯

不管買家用的什么語言，我們都可以靠AI絲滑地把對話翻譯過去。

即便存在拼寫錯誤，AI也能自動糾正

智能客服

對于客戶，智能客服更是天然地契合AI的使用場景。

在對話過程中，通過調(diào)用產(chǎn)品API和物流API，AI可以回答用戶的大部分關(guān)于產(chǎn)品和物流情況的疑問。

第四步：售后服務(wù)

最后也是最難的一趴，就是售后了。

面對消費者的無理由退貨退款申請，如果每次都把商品從海外運回來，成本會非常高；但如果不運回來，貨損又會非常大。

在這個場景中，就可以借助AI來進行部分退款、不用退貨的協(xié)商，降低退貨退款比例挽回損失。

具體來說，模型首先會在訓(xùn)練時學(xué)習(xí)各種歷史人工判責(zé)案例的處理方式。

然后在多模態(tài)技術(shù)的加持下，分析用戶留言、退款憑證（貨值損壞程度）、交易快照、物流路線等數(shù)據(jù)，進而理解糾紛的原因并計算出部分退款的金額。

最后為消費者提供一種比較滿意的「不退貨部分退款」方案。

由此，就可以在提升退款效率、減少退款損失的同時，優(yōu)化客戶的滿意度（預(yù)計可達3%）。

除了退貨退款，還有一種更頭疼的糾紛——Chargeback（拒付）。

在遇到惡意拒付后，商家平均需要20分鐘來完成申訴材料的填寫，然后還需平臺小二進行復(fù)核補充。

相比之下，Chargeback Agent會基于模型的多模態(tài)能力來理解訂單、履約、物流、商品，以及抗辯理由等相關(guān)信息，然后自動收集并組裝證據(jù)，最終實現(xiàn)詳細抗辯材料的一鍵生成。

據(jù)了解，這款A(yù)I Agent一年就能為跨境商家挽回上千萬元的損失。

總而言之，從商品上架發(fā)布，到營銷投放、店鋪運營，再到售后服務(wù)，AI已經(jīng)完全貫穿到跨境電商全鏈路中。

AI電商，進入第二年

人們都說，2023年也是AI電商的元年。經(jīng)過一年多的發(fā)展，AI電商早已從炒作階段，進入了成熟的應(yīng)用階段。

AI電商已經(jīng)成為大模型時代下，核心應(yīng)用場景之一，也是最佳的試驗場。

這一領(lǐng)域之所以越來越熱，一是因為全球電商的體量本來就很大，二是隨著AI電商應(yīng)用越來越多，其落地路徑逐漸明朗起來。

高盛的一份報告稱，全球電商在2023年銷售額達3.6萬億美元，預(yù)計24年將同比增長8%，到28年將達到5萬億美元。

可見，AI電商這一賽道，本身就是一個值得深度挖掘創(chuàng)新，釋放極大商業(yè)價值之所。

電商運營端、供應(yīng)鏈端、消費者端，AI的勢力正滲透到其中各個環(huán)節(jié)中。

在運營端，以亞馬遜、阿里國際等電商平臺巨頭為代表，都推出了面向商戶的AI工具。

比如，亞馬遜的AI Listing功能，幫助賣家能夠更輕松、高效地撰寫有吸引力的文案。

再從供應(yīng)端來看，AI的興起，加速了一些企業(yè)推陳出新的進程。比如珠寶類企業(yè)，從設(shè)計、開模、模特拍攝、測品、上新，最少經(jīng)歷幾個月的周期。

而現(xiàn)在，企業(yè)新品上線的工作流被AI重塑，從設(shè)計，到AI生成各種效果圖，吸睛文案、測品，再到基于大數(shù)據(jù)分析，甚至AI能創(chuàng)造更高效的匹配機制。

商家們已經(jīng)熟練地利用這些AI利器，生成文案，處理翻譯，商品圖設(shè)計等等，大大減少了大量重復(fù)繁瑣的工作。

在降本增效的同時，還更好地迎合了消費者的購買心理。

另有德勤報告佐證，26%的受訪營銷者已經(jīng)在使用GenAI生成營銷內(nèi)容，而且還有45%的人打算在2024年底之前使用這項技術(shù)。

不僅如此，AI對消費者的影響，也是革命性的。

亞馬遜發(fā)布的AI評論整合功能，提煉過往買家的評價，總結(jié)一段話置頂。AI合身功能，能夠讓用戶在線試穿衣服。

還有今年2月，亞馬遜「電商版ChatGPT」——Rufus發(fā)布，能夠以問答形式，幫買家出謀劃策。

顯然，國內(nèi)外電商平臺已經(jīng)點燃了大模型革命的火種。

電商，是一個必定會被AI改變的行業(yè)，而這件事，如今僅僅邁出了第一步。

3億用戶業(yè)務(wù)，加持AI+電商

作為電商電商巨頭，阿里國際的成績單也十分耀眼。

之所以能夠快速找到落地，還是因為阿里國際擁有天然的3億用戶出海業(yè)務(wù)。

因此，在模型訓(xùn)練上，團隊有著有很好的前置背景和專業(yè)多樣化數(shù)據(jù)。

阿里國際所要做的，就是給大家提供一個共用的AI基礎(chǔ)設(shè)施，然后來解決所有這些業(yè)務(wù)在電商當(dāng)中的AI需求。

有趣的是，想做這件事，就需要對電商里「AI可以干什么」，做一個產(chǎn)品層面的抽象。

我們需要去想象，一個坐在深圳做3C產(chǎn)品的工廠，一個義烏倒騰百貨的貿(mào)易商，或者是一個在廣州通過做檔口生意，在淘寶上、拼多多上做了很多年電商，想要做出口時，會遇到哪些困難？

不講外語時，怎么知道海外消費者想買什么？

東亞和歐美客戶的需求差別，怎么滿足

對于大多數(shù)跨境創(chuàng)業(yè)者來說，在細分場景中挖掘機遇才是王道。

而阿里國際團隊，正是在擁抱AI的探索中，摸出了門道。

在早期，阿里國際團隊基于40多個場景，把AI能力快速、松耦合地集成到現(xiàn)有的業(yè)務(wù)場景和產(chǎn)品體系里。

而隨著過程的逐漸加深，團隊就到了大的規(guī)?；A段，也就沉淀出了大量的標(biāo)準(zhǔn)化服務(wù)。

此時，不同國家、不同文化背景業(yè)務(wù)上的差異就顯出來了。

比如，亞洲中東客戶在商品表達、模特呈現(xiàn)、商品信息合規(guī)要求上，就和歐美有很大差異。

另一方面，也需要在規(guī)?；a(chǎn)品上用PAAS這樣的平臺，結(jié)合更加統(tǒng)一模型的方式，才能避免碎片化，獲得更好的推理成本和更大的規(guī)模效應(yīng)。

此外，團隊還需要在原有產(chǎn)品上，為前臺業(yè)務(wù)團隊提供更多的按需定制能力。

以前，是所有人看同一個內(nèi)容商品，現(xiàn)在AI可以無限生成、海量生成，就可以生成「千人千面」的內(nèi)容。

而AI搜索，只是簡單地用一個大模型，去替代傳統(tǒng)的機器學(xué)習(xí)模型嗎？

絕不僅僅是這樣。在阿里國際團隊看來，這可能涉及到這整個系統(tǒng)和整個數(shù)據(jù)設(shè)計模式上，以及本身在算法底層上去構(gòu)建商品的表達和呈現(xiàn)。

目前，人類語言表述已經(jīng)做了足夠高的抽象，不同國家、民族的語言，已經(jīng)可以很好地表達所有抽象邏輯和具體物理對象的邏輯，但在視覺上，仍然是一塊開放的領(lǐng)域。

專心只做三件事

經(jīng)過去年的「百模大戰(zhàn)」，誰是世界上突出的基礎(chǔ)模型公司，顯然早已有了定論。

2023年4月成立，阿里國際AIBusiness已初具百人團隊規(guī)模，對自身定位卻是——我們不是一個訓(xùn)練基礎(chǔ)模型的團隊。

他們強調(diào)了，會將自身重點放在三件事上：

首先，是多語言。

團隊將利用多語言增強的方式，提高大模型的多語言能力，并將其更高效地用在多語言任務(wù)中。

就拿翻譯來說，一直以來都是小模型承擔(dān)的，對于大模型如何翻譯，并沒有明確的答案。

再者，為了控制成本，很多商業(yè)工具需要控制成本。阿里國際希望把多語言做好，以更低成本更優(yōu)效果，讓LLM去做多語言翻譯。

會上，他們首次對外公開了背后的多語言增強大模型MarcoPolo，更多的技術(shù)細節(jié)。

它基于海量高質(zhì)量多語言數(shù)據(jù)訓(xùn)練，其中小語種預(yù)料有2.5T token，可支持30+小語種，有8B/57B/72B等不同參數(shù)規(guī)模的模型。

其次，是多模態(tài)。

在電商賽道中，光有多語言大模型往往不夠，這是一個涉及豐富繁雜的多模態(tài)場景。

假設(shè)客戶因為衣服顏色發(fā)錯退貨，拍過來一張照片，衣服究竟是黑藍的還是黑的，需要AI用「眼睛」去辨認。

從商家角度來看，希望上傳一張商品圖片后，AI能夠完成優(yōu)化、補全。

另外，涉及到什么是同款、什么是相似款，AI進行推薦、識別，皆需要底層技術(shù)的創(chuàng)新。

阿里國際的多模態(tài)大模型MarcoPolo-VL，基于業(yè)界原創(chuàng)結(jié)構(gòu)化嵌入對齊模型（SEA）訓(xùn)練調(diào)優(yōu)，可提供7B/14B模型，而且同等參數(shù)效果下，超越了已知的開源模型。

最后，在工程和架構(gòu)側(cè)，去構(gòu)建整個模型服務(wù)PAAS。

AIGC有不同的業(yè)務(wù)平臺，對于商家們來說，最便捷的方式是能夠在一個平臺上，完成整個運營涉及到的流程。

因此，一個通用底層平臺的誕生，是必然的。

阿里PAAS服務(wù)可以讓模型推理服務(wù)成本大大降低，能夠以百張量級推理卡支持每日數(shù)千萬次AI服務(wù)調(diào)用。

如下是他們在PAAS上的布局，基于底層阿里云等基礎(chǔ)設(shè)施，構(gòu)建了一套端到端的訓(xùn)練、推理、應(yīng)用完整技術(shù)鏈，不同應(yīng)用場景得以在統(tǒng)一的AI應(yīng)用引擎、模型工作臺、應(yīng)用構(gòu)建器等產(chǎn)品上實現(xiàn)高效迭代，從而給各個業(yè)務(wù)用好AI提供一套共享的應(yīng)用設(shè)施。

經(jīng)過一年多的努力和嘗試，阿里國際在40+應(yīng)用場景中，已經(jīng)賦能50萬中小商家，超1億件商品信息得到了優(yōu)化。