一个人开店，卖往美国开家店
第一步：上架产品
首先，在上架产品的这一步，就出问题了。 不同款式衣服的KV设计怎样才能抓人眼球？需要雇佣什么形象的模特？如何针对不同国家进行介绍页翻译？这种种选择的组合，必然有最优解。 背后的不菲支出，对我们这种普通商家来说却是不能承受之重。 就拿电商拍摄费用来说吧：在国内，做一组商品图最少200元起步，若要聘请欧美国外模特拍摄，最少也得要大几千。拍摄之后，再让美工修图，每月还得平均支出8000-15000元。 这还没完，一件商品，若想面向全球市场销售，就得登录不同的平台，还需要语言和素材的本地化表达。 一套工作流下来，耗时不说，人都累垮了。 但这些问题对于AI来说，都是小case——
以下图片均由阿里国际出品的图片工具pic-copilot生成：https://www.piccopilot.com/zh
批量抠图
在上架衣服之前，我们需要有商品的主图。 面对手里的一大批女装，如何不费吹灰之力，将多件衣服主图批量做出来？ 以AI的功力，一次就能抠出20张。
不管背景是地板，桌面，还是眼花缭乱的地毯，AI可以一键精准完成背景移除。
有了这些平面图之后，我们不仅可以应用其他背景作为主页展示，再者可以让虚拟模特上身，呈现不同效果。
虚拟试衣
接下来，只需选择一张抠好的衣服，再选择所需的模特和姿势，AI即可快速生成上身效果。 可以看到，不管是在质感还是在款式上，渲染出来的衣服都与实际保持了高度的一致。
模特换肤
当然，对于那些已经拍摄好的穿搭，同样只需要「开局一张图」，剩下的交给AI就可以了。 如果有需要微调的地方，也可以通过工具手动进行选区。
接下来，选择一个符合潜在受众的AI模特。
并且确定发色和背景之后。
就可以一键get到不同性别、不同年龄、不同肤色的模特穿衣效果了。
可以看到，变化的只有模特本身，而被选中的衣服包包，都不会受到任何影响。
甚至连没有明确标注的墨镜，都被AI完美保留了下来。
如此一来，我们只需坐在电脑前点一点鼠标，就能把手里的商品全给上架了，极大地节省了高昂的模特拍摄和后期制作成本。
据统计，在AI虚拟试穿的加持下，不仅商品的销量能翻一番，而且消费者对商品喜爱度也提升了1倍。
标题建议
商品的标题和描述如何吸引读者的购买欲，也是一门大学问。 根据海量电子商务数据训练后的AI，在产品标题生成上也是手到擒来。 我们要做的，就是把和产品有关的信息都贴上来，AI就会自动根据品类特征和用户购买决策，剔除无用的内容并快速生成高流量标题。
第二步：投放广告
接下来，就到了投放广告这一步。 一个出彩的广告图片，在设计布局、创意文案、背景图片上都有玄机，会对广告投放效果产生切实的影响。 以往，这些广告基本都是设计师人肉制作的，周期长、成本高不说，素材效果也并不一定很理想。 另一方面，促活广告的投放上，我们运营操作空间也很有限。 因为大部分促活广告是以动态「选品池」形式投放，而一个品池便包含了上千万的商品量，仅仅靠人肉投放，是无法针对素材完成优化的。 有了AI之后，一切就大不同了。广告一键生成
大模型加持下的AI，可以快速、批量生成大量广告素材，解决了素材生产量不够的瓶颈。 文本方面，基于海量商品数据训出来多语言创意文案生成大模型，可根据投放商品信息、投放国家、人群，进而生成更具个性化和吸引力的卖点。 图片方面，AI则基于全网海量电商广告素材，学习并抽象出了设计师的设计范式。 这就包含了一件商品和文字的摆放位置、对齐关系、商品背景、设计元素风格匹配规则等。 当给定输入的设计内容后，我们就可以让AI自适应排版和布局，实时合成创意图片了。 作为一家女装店，卖个鞋不过分吧（手动狗头）
精准投放
广告设计完成后，AI还会给自己的生成效果打分，有针对性地投放高分图片。
最后，通过历史投放数据，AI还可以总结经验，比如有文字卖点的商品在广告渠道表现更好。
针对那些没有优质卖点商品图片，AI就可以进行卖点提炼。
基于海量广告的投放效果数据，阿里国际专门训练了多模态创意打分模型。
它不仅能预估投放效果，还可以根据实际情况动态调整布局，对齐最优投放效果。
在上面这个过程中，有着多模态识别+多语言文本生成+AI图片处理+投放效果RL等多种AI能力加持。结果就是，让广告制作成本直降3%，同时广告ROI提升了5%。
第三步：店铺运营
在店铺运营这方面，对于店家AI可以通过分析客户的偏好，让商家更好地了解客户。回复客户评论
同时，还能为客户提供个性化的回复，让每条客户评论，都能得到准确、周到的反馈。 面对这位用户的评论「制作廉价」，AI会这样回复：「我们知道，我们便宜的价格或许并不总是能满足您的期望。但我们一直致力于以实惠的价格提供优质的产品」
聊天实时翻译
不管买家用的什么语言，我们都可以靠AI丝滑地把对话翻译过去。 即便存在拼写错误，AI也能自动纠正
智能客服
对于客户，智能客服更是天然地契合AI的使用场景。 在对话过程中，通过调用产品API和物流API，AI可以回答用户的大部分关于产品和物流情况的疑问。
第四步：售后服务
最后也是最难的一趴，就是售后了。 面对消费者的无理由退货退款申请，如果每次都把商品从海外运回来，成本会非常高；但如果不运回来，货损又会非常大。 在这个场景中，就可以借助AI来进行部分退款、不用退货的协商，降低退货退款比例挽回损失。 具体来说，模型首先会在训练时学习各种历史人工判责案例的处理方式。 然后在多模态技术的加持下，分析用户留言、退款凭证（货值损坏程度）、交易快照、物流路线等数据，进而理解纠纷的原因并计算出部分退款的金额。
最后为消费者提供一种比较满意的「不退货部分退款」方案。
由此，就可以在提升退款效率、减少退款损失的同时，优化客户的满意度（预计可达3%）。
除了退货退款，还有一种更头疼的纠纷——Chargeback（拒付）。
在遇到恶意拒付后，商家平均需要20分钟来完成申诉材料的填写，然后还需平台小二进行复核补充。
相比之下，Chargeback Agent会基于模型的多模态能力来理解订单、履约、物流、商品，以及抗辩理由等相关信息，然后自动收集并组装证据，最终实现详细抗辩材料的一键生成。
据了解，这款AI Agent一年就能为跨境商家挽回上千万元的损失。
总而言之，从商品上架发布，到营销投放、店铺运营，再到售后服务，AI已经完全贯穿到跨境电商全链路中。
AI电商，进入第二年
人们都说，2023年也是AI电商的元年。经过一年多的发展，AI电商早已从炒作阶段，进入了成熟的应用阶段。 AI电商已经成为大模型时代下，核心应用场景之一，也是最佳的试验场。 这一领域之所以越来越热，一是因为全球电商的体量本来就很大，二是随着AI电商应用越来越多，其落地路径逐渐明朗起来。 高盛的一份报告称，全球电商在2023年销售额达3.6万亿美元，预计24年将同比增长8%，到28年将达到5万亿美元。 可见，AI电商这一赛道，本身就是一个值得深度挖掘创新，释放极大商业价值之所。 电商运营端、供应链端、消费者端，AI的势力正渗透到其中各个环节中。 在运营端，以亚马逊、阿里国际等电商平台巨头为代表，都推出了面向商户的AI工具。 比如，亚马逊的AI Listing功能，帮助卖家能够更轻松、高效地撰写有吸引力的文案。
再从供应端来看，AI的兴起，加速了一些企业推陈出新的进程。比如珠宝类企业，从设计、开模、模特拍摄、测品、上新，最少经历几个月的周期。
而现在，企业新品上线的工作流被AI重塑，从设计，到AI生成各种效果图，吸睛文案、测品，再到基于大数据分析，甚至AI能创造更高效的匹配机制。
商家们已经熟练地利用这些AI利器，生成文案，处理翻译，商品图设计等等，大大减少了大量重复繁琐的工作。
在降本增效的同时，还更好地迎合了消费者的购买心理。
另有德勤报告佐证，26%的受访营销者已经在使用GenAI生成营销内容，而且还有45%的人打算在2024年底之前使用这项技术。
不仅如此，AI对消费者的影响，也是革命性的。
亚马逊发布的AI评论整合功能，提炼过往买家的评价，总结一段话置顶。AI合身功能，能够让用户在线试穿衣服。
还有今年2月，亚马逊「电商版ChatGPT」——Rufus发布，能够以问答形式，帮买家出谋划策。
显然，国内外电商平台已经点燃了大模型革命的火种。
电商，是一个必定会被AI改变的行业，而这件事，如今仅仅迈出了第一步。
3亿用户业务，加持AI+电商
作为电商电商巨头，阿里国际的成绩单也十分耀眼。 之所以能够快速找到落地，还是因为阿里国际拥有天然的3亿用户出海业务。 因此，在模型训练上，团队有着有很好的前置背景和专业多样化数据。 阿里国际所要做的，就是给大家提供一个共用的AI基础设施，然后来解决所有这些业务在电商当中的AI需求。 有趣的是，想做这件事，就需要对电商里「AI可以干什么」，做一个产品层面的抽象。 我们需要去想象，一个坐在深圳做3C产品的工厂，一个义乌倒腾百货的贸易商，或者是一个在广州通过做档口生意，在淘宝上、拼多多上做了很多年电商，想要做出口时，会遇到哪些困难？ 不讲外语时，怎么知道海外消费者想买什么？
东亚和欧美客户的需求差别，怎么满足
对于大多数跨境创业者来说，在细分场景中挖掘机遇才是王道。 而阿里国际团队，正是在拥抱AI的探索中，摸出了门道。 在早期，阿里国际团队基于40多个场景，把AI能力快速、松耦合地集成到现有的业务场景和产品体系里。 而随着过程的逐渐加深，团队就到了大的规模化阶段，也就沉淀出了大量的标准化服务。 此时，不同国家、不同文化背景业务上的差异就显出来了。 比如，亚洲中东客户在商品表达、模特呈现、商品信息合规要求上，就和欧美有很大差异。
另一方面，也需要在规模化产品上用PAAS这样的平台，结合更加统一模型的方式，才能避免碎片化，获得更好的推理成本和更大的规模效应。
此外，团队还需要在原有产品上，为前台业务团队提供更多的按需定制能力。
以前，是所有人看同一个内容商品，现在AI可以无限生成、海量生成，就可以生成「千人千面」的内容。
而AI搜索，只是简单地用一个大模型，去替代传统的机器学习模型吗？
绝不仅仅是这样。在阿里国际团队看来，这可能涉及到这整个系统和整个数据设计模式上，以及本身在算法底层上去构建商品的表达和呈现。
目前，人类语言表述已经做了足够高的抽象，不同国家、民族的语言，已经可以很好地表达所有抽象逻辑和具体物理对象的逻辑，但在视觉上，仍然是一块开放的领域。
专心只做三件事
经过去年的「百模大战」，谁是世界上领先的基础模型公司，显然早已有了定论。 2023年4月成立，阿里国际AIBusiness已初具百人团队规模，对自身定位却是——我们不是一个训练基础模型的团队。
他们强调了，会将自身重点放在三件事上：
首先，是多语言。
团队将利用多语言增强的方式，提高大模型的多语言能力，并将其更高效地用在多语言任务中。
就拿翻译来说，一直以来都是小模型承担的，对于大模型如何翻译，并没有明确的答案。
再者，为了控制成本，很多商业工具需要控制成本。阿里国际希望把多语言做好，以更低成本更优效果，让LLM去做多语言翻译。
会上，他们首次对外公开了背后的多语言增强大模型MarcoPolo，更多的技术细节。
它基于海量高质量多语言数据训练，其中小语种预料有2.5T token，可支持30+小语种，有8B/57B/72B等不同参数规模的模型。
其次，是多模态。
在电商赛道中，光有多语言大模型往往不够，这是一个涉及丰富繁杂的多模态场景。
假设客户因为衣服颜色发错退货，拍过来一张照片，衣服究竟是黑蓝的还是黑的，需要AI用「眼睛」去辨认。
从商家角度来看，希望上传一张商品图片后，AI能够完成优化、补全。
另外，涉及到什么是同款、什么是相似款，AI进行推荐、识别，皆需要底层技术的创新。
阿里国际的多模态大模型MarcoPolo-VL，基于业界原创结构化嵌入对齐模型（SEA）训练调优，可提供7B/14B模型，而且同等参数效果下，超越了已知的开源模型。
最后，在工程和架构侧，去构建整个模型服务PAAS。
AIGC有不同的业务平台，对于商家们来说，最便捷的方式是能够在一个平台上，完成整个运营涉及到的流程。
因此，一个通用底层平台的诞生，是必然的。
阿里PAAS服务可以让模型推理服务成本大大降低，能够以百张量级推理卡支持每日数千万次AI服务调用。
如下是他们在PAAS上的布局，基于底层阿里云等基础设施，构建了一套端到端的训练、推理、应用完整技术链，不同应用场景得以在统一的AI应用引擎、模型工作台、应用构建器等产品上实现高效迭代，从而给各个业务用好AI提供一套共享的应用设施。
经过一年多的努力和尝试，阿里国际在40+应用场景中，已经赋能50万中小商家，超1亿件商品信息得到了优化。
为什么40这个数字如此重要？
张凯夫表示，当场景能够用AI产生实际价值的时候，我们在过去半年内发生的故事，就是AI的使用量开始大幅上升。
近半年的数据显示，平均每两个月，商家对于AI的调用量就翻1倍。
现在，平台的日均调用量已经超过5000万次，规模每两个月翻一番。
已经有超过1亿的商品，通过AI做了完全的改写。
通过翻译、换模特、涂抹黑词、卖点生成等这些用AI洗一遍澡的环节，团队很自信：产品拿到美国消费者面前，他们能看懂、想买、愿意下单！
而且，在张凯夫看来，越是中小商家，越能从AI的应用中获益。
所以，用上AI的怎么样了？
以下，就是实打实的商家真实案例。 一位商家表示，没有AI前，只有一张手机拍摄的商品图。使用真实场景的图像虽然拍摄成本大，但放在平台上却显得平平无奇。 而有了AI后，就可以快速生成图片背景了。 生成的图片光影不但和真实拍摄的不相上下，还能套用海量的营销图模板，这些模板由海外设计师根据当地风格设计，不光成本降低，点击率也嗖嗖提升。 比如，速卖通平台的显示器top商家Zeuslap，就是从2023年11月开始使用阿里国际AI的图像生成的功能。
无论是店铺装修的banner、商品场景图、商详图、YouTube和TikTok的封面图等，都是AI完成的。
从前，商家需要花很多时间在找素材和设计上，还得自己动手PS。现在只要选择模版，上传商品，就可以轻松搞定商品图营销图了，巨省时间。
如今，在阿里国际AI的帮助下，Zeuslap已经从创业的夫妻店，成长为平台行业第一的品牌。
AI给电商出海带来的剧变，还在后面呢。一枝梧桐（https://www.yzwt.cn） 
