做什麽新産品,怎樣做新産品才能賣爆?許多品牌都被這樣的問題困擾着,既怕步人後塵,也怕走錯道路。
日前,天貓創新中心 TMIC 正式推出了全新功能—— AICI 爆款公式。A(algorithm)I(intelligence)C(create)I(ideas)以大數據算法爲秘笈 ,可以用近乎确定的公式,在未知中摸清新品研發門路,爲品牌減少拍腦袋決策,讓新品更容易打爆。
說到打爆新品的方法論,我們不妨先向兩位專業戶取經。
在我們熟悉的科技數碼領域,蘋果 iPhone 曆來有着極高的話題度,銷量也不在話下。除了老生常談的配置,蘋果産品的設計尤其是新配色,總能激起用戶的讨論,熱搜的排名有時還更高。
那麽蘋果是如何用配色拿捏用戶喜好的呢?衆所周知,蘋果崇尚極簡主義,清一色的黑色白色深空灰。蘋果深知,越是簡潔的産品,越容易抓住不同社會文化背景下人類審美的共同點,把握大衆喜好的基本盤。
久而久之,人們感到膩味的時候,蘋果就會參考彩通年度代表色,适時推出新配色。比如,2018 年 iPhone XR 的全新配色珊瑚色,是 2019 年的代表色活珊瑚橘(PANTONE 16-1546 Living Coral),2020 年 iPhone 12 的藍色,接近于 2020 年的代表色經典藍(PANTONE 19-4052 Classic Blue)。
從視覺和心理的角度來說,人的眼睛在連續受到某種顔色刺激後,會産生視覺疲勞,就會因此喜歡上與之相對的新顔色,或者叫互補色。珊瑚橘和經典藍在色相環上接近于互補,剛好就可以給消費者帶來新鮮感。蘋果每年都能在 iPhone 的配色上推陳出新,靠的就是這一條萬能公式。
當然了,配色隻是新品組成中的一個維度,或者說是公式中的一個變量。處理産品中的諸多配方成分時,又要如何用公式産出最終結果呢?
另一家爆款專業戶瑞幸給了我們的啓示:借助算法。
創建于 2017 年的瑞幸,正逢大數據與算法應用的成熟期。因此在成立之初,瑞幸便确立了以數據驅動的路線,以算法模型統籌運營。大到門店選址,小到進貨管理,都交給算法模型來解決。
更爲關鍵的一環是研發算法。瑞幸将各種原料和口味數字化,得出無數種産品組合,并通過複購率等指标,量化追蹤飲品的趨勢,确保時常有新品、款款能打爆。2021 年面世、一年賣出一億杯的生椰拿鐵,就是用這麽「算」出來的。
正是憑借這套由算法驅動的研發模式,瑞幸源源不絕地推出生椰拿鐵、椰雲拿鐵、隕石拿鐵等薄款新品。2020 年,瑞幸共推出 77 款新品 SKU,2021 年爲 113 款,2022 年光前三季度的新品 SKU 就已經超過 100 款。
然而,算法這一法寶雖然行之有效,所耗費成本也是巨大的。一來構建算法模型需要巨額資金和技術投入,二來鍛煉算法需要積累大量用戶訂單數據,并加以精準标記。這顯然不是每一個商家都能輕易借鑒的。
那麽,是否有與之類似的,廣泛适用于各大産品領域的算法模型呢?
TMIC 打造的 AICI 爆款公式,正是針對商家新品研發痛點而推出的算法模型。商家無需自己大手筆投入鍛煉,就可以通過基于阿裏電商大數據的 AICI,用智能算法研究特定市場、特定人群以及對應類目,幫助品牌找到新品賽道,全面挖掘爆品與引流品。
早在 AICI 推出以前,TMIC 已經着手和洗發水、羽絨服、茶飲料等品類下的領導品牌合作共建相關算法能力。基于此,AICI 可以重點爲這些領域提供 2023 年春夏的爆款公式。
舉個例子,如果我是一名服裝品牌的商家,想要做一款新品羽絨服,一般會有兩條路可以選。第一是求穩,模仿時下流行的樣式,将所有熱賣元素縫合在一起。第二是求異,劍走偏鋒,專門挑沒人做的樣式。
按理來說,第一種方式赢面更大,别人這樣做都做成了,我沒理由不成。實則不然。單純把爆紅的成分、樣式、品類疊起來,并不一定能組成一個成功的産品,也有可能是個四不像。又或者,做出來的産品已經處于紅海,未必能赢過更早入局的競品。
而如果選擇劍走偏鋒,打差異化選擇尋求出圈,難度則會大幅增加:我的設計方向怎麽定,設計定下來之後怎麽着手生産,生産出來的産品一定符合我的預想嗎 ...... 如此摸着石頭過河,火了我大賺,不火我血虧。
現在有了 AICI,我就不需要用操心那麽多的問題。
首先查找目标人群與市場,了解産品的未來潛力。接着可以通過 TMIC 行業和品牌私域的要素打标,以機器學習二分類單變量邏輯,列出決策因子和關鍵要素,并查看每一個細分起點的優勢和潛力。最後深度學習網絡和歸因模型,從千億級潛在組合中高效遍曆,形成推薦的黃金公式路徑與貨品組。
打個比方,我是經營服飾品牌的,研發目标是做一款面向 Gen Z 年輕人的男款羽絨服。那麽我首先就輸入三個要素:所屬的目标市場,對應的目标人群,以及所涉及的功效、面料、款式等關鍵決策因子。
經過推算,AICI 就可以輸出我所需要的決策樹和黃金公式。對于羽絨服,消費者的決策因子以功能爲最優先,其後由高到低分别是款式、圖案、色彩。
基于此,AICI 就可以列舉符合黃金公式的、具有極高爆款率的 SKU,給出相應的産品 ID 和圖樣。比如下圖中的這款采用日系風格,高級輕型絨的绗縫款式,輕型絨兼顧保暖與輕巧舒适,绗縫又能減少蓬松感,更顯修身。
如果做的是面向 Gen Z 世代的女款版型,那麽 AICI 會給出這一款,材質選擇羊羔絨、防鑽絨、白鵝絨,具備可愛、俏皮、甜酷的風格要素。
某種意義上來說,AICI 就像籃球比賽裏跑戰術一樣,由高效的算法執行傳跑配合,創造出空位,最大程度地确保投籃命中率。
不僅如此,AICI 還可以照顧盡可能精細的消費者需求。比如說,我要打造一款面向年輕女士的洗發水,AICI 可以給出「功效 > 成分 > 香味 > 質地」的決策因子排序,并精準地告訴我,Gen Z 女性中的新銳白領對頭發洗護有什麽需求和痛點:她們偏愛高顱頂的造型,但經常因爲頭發細軟無法保持完美的頭包臉發型,約會、外出遊玩拍照時候就會顯得臉大。
針對這些痛點,AICI 可以爲我推薦相應的産品核心配方。如果我的洗發水核心成分裏有維生素、金盞花、氨基酸、蜂膠、佛手柑等,就能提供高顱頂女神們迫切需要的營養成分,起到蓬松并滋養秀發、預防脫發的功效,呵護她們的完美造型。
可以說,AICI 到來之後,整個新品研發的流程被大幅縮,精簡到隻有兩步:先通過數據洞察鎖定賽道,再在鎖定的賽道下利用 AI 解析出爆品公式。新品研發,從未如此簡單。
除了「簡」,AICI 更重要的一個優勢在于「準」。
在大數據算法中,兩個關鍵的因素是打标和算力。在标簽層面,TMIC 擁有非常完整的和品牌及專家共建的商品要素标簽,覆蓋億量級商品。打标事關算法模型的精準度,而 TMIC 的标簽符合品牌的做貨邏輯,完備且和消費者需求間能形成映射關系。
在運算層面上,TMIC 有着阿裏強大的算力支持,通過高可靠的多模态深度學習網絡和超大規模決策歸因模型,基于對市場十億以上的商品産業要素和用戶偏好行爲的全面洞察,幫助品牌從上千億潛在組合中自動高效遍曆,圍繞市場定位和目标人群精準推薦高價值商業機會。
基于此,AICI 實現了對消費者心理的精準把握,讓商家不漏掉任何爆款機會。
如果和傳統的新品調研做對比,那麽 AICI 的「準」則會進一步放大。在大數據時代,以傳統人力方式挖掘消費心理,不僅落後,而且變得越來越不靠譜。這裏要從傳統人力的三個缺陷說起。
首先,人工定向大多依賴主觀判斷和經驗。面對消費者越來越多樣、越來越不确定的新需求,主觀判斷容易陷入經驗主義陷阱。用老一套思維去做新産品,很難把新品打成爆品。
其次,人工商品企劃速度慢。以往的産品研發偏向于散點型,缺乏完備的數據支撐。研究完痛點,還要梳理産品成分功效以及價格定位等海量因素,成型時間太長。等到産品出來,可能黃花菜都涼了。同時,沒有準确的數據支撐,決策也容易陷入拍腦袋決策,南轅北轍。
再次,人工操作很難處理巨量信息。一個新品能否抓住需求成爲爆品,會受到很多信息的影響,不僅要看産品本身技術含量,還要看推廣技術的方式等。在瞬息萬變的市場環境中,人力光是收集信息就夠忙活了。更别說,判斷信息的準确度,掌握信息之間的準确關聯,也是至關重要的,有時候人腦過載宕機也未必能完整梳理出來。
相比之下,人力的劣勢就是 AICI 算法的優勢。最爲關鍵的一個,便是大數據的全面性。AICI 擁有淘寶系應用積累的海量消費者真實行爲數據,以及強大的算法模型,人力總結片面性、主觀性、滞後性帶來的問題,在此迎刃而解。
AICI 還提供了更好的精準性,可以聚焦各類人群,或者某一個細分市場進行分析。例如說起中式沖飲,很多人首先會聯想到減脂控糖。但據 TMIC 的相關報告,作爲消費主力的女性群體,會更關注養生保健要素,她們同時也熱衷于美食與時尚。AICI 可以做出精細化分,提供精确的參考數據,幫助商家做出對的産品,交付給有所需求的消費者。
面對不同商家的需求,AICI 還提供了極強的靈活性,可以爲不同類型商家、不同研發目标的商家提供多場景的服務。無論是什麽樣的商家,經營什麽樣的品類,現在處于哪一個階段,是否已經做成或者還有做成爆款的可能,都可以給到針對性的診斷,讓商家心裏有底。
總而言之,人力忙活幾天、幾個月都理不清的市場行情和消費心理分析,算法三下五除二就能搞定,又快又準。用算法幹髒活累活,把最終的關鍵決策交給人,這就是 AICI 的優勢所在。
時至今日,AI、算法、大數據模型等等字眼,早已爲大衆熟知。今年熱播的賀歲檔電影《流浪地球 2》裏的 550 系列智能量子計算機,就爲我們呈現了 AI 和算力高度發達的未來:統籌建設行星發動機,快速覆寫無人機操作系統,爲數字生命提供巨量算力支持 ......
雖然我們現有的計算設備還遠遠不能和 550 系列、MOSS 望其項背,但曆經不斷進步,已經足以完成許多人所不能及的事情。例如近期頗爲熱門的 AIGC,也就是 AI 内容生成。給出一定的條件,訓練好的模型就可以自動生成圖像甚至視頻,既滿足了各行各業對視覺設計需求的巨大缺口,也能給從業人員打下手,提高創作效率。
那麽模型不斷精進、算力不斷提升的 AICI 能爲商家做什麽呢。不妨展開聯想,AI 的長處是借助海量的已知數據,預測未知的将來。此後的 AICI 可能的進化方向可能是提前預測爆款銷量,或者是通過内容生成算法,生成産品的概念卡。
言而總之,當我們談及 TMIC 及 AICI 時,我們真正談及的,是 AI 和大數據算法時代下,真正以科技賦能的營銷方式。AICI 以普适性的算法支持,不僅讓産品研發變得高效,也在推進整個行業朝數字化的未來演進。
『熱門推薦』