【亿邦原创】2023年8月18-19日，由SparkXGlobal邑炎科技集团主办的2023跨境AI营销生产力峰会在深圳中洲万豪酒店圆满落幕。可以科技创始人兼CEO杨健勃受邀出席，并发表了题为《跨境品牌如何布局AI，撬动未来新增长》的演讲。
他指出，品牌应注重垂直数据的积累，如用户的反馈和回复、各种邮件数据的积累，包括产品体验过程中的数据积累等。在AI时代，每家企业构建在营销方面的数据壁垒非常重要，这些数据壁垒构建起来，能正向形成一个数据飞轮。
可以科技主要做消费机器人，目前主要有Clicbot、Loona两款机器人产品。Loona是一款家庭宠物机器人，为家庭提供宠物陪护，拥有多方位对人脸的感知能力，还有5Tops的算力、完全3D感知环境、轨迹规划和巡航的能力。据悉，Loona自从去年上线众筹平台以来，销售额已达400万美金。
杨健勃表示，可以科技开创出一个全新的品类，面临市场认知不足、流量较小等问题，主要从以下方面来解决：
1、充分利用营销漏斗和Loona机器人本身能源源不断产生内容的特性，在较长的平均决策周期中促使用户完成购买。
2、产品团队与市场团队相结合。“产品团队有大量的创意和对产品非常深入的了解，能够贡献更多的内容、机会和洞察。”杨健勃称，可以科技的产品团队大概有30%-40%的时间是放在和市场团队一起跑增长的跨部门的团队中。
3、利用ChatGPT等AI工具。
“在AI时代，算法也没有什么特别大的变化，尤其是它越来越成熟，所以算法本身的要求反而并不会那么敏感。再比如说算力，也不是一个明显的壁垒，未来能够构建有效壁垒的就是垂直的行业数据，这个行业数据很关键。”杨健勃谈道。
此次峰会以“迸发 · 拐点”为主题，为期两天，8月18日主会场围绕四大关键词「望世界」、「探本质」、「学同行」、「观自己」展开，全球超30位行业大咖齐聚，1000多位跨境卖家及从业者参会，共同探讨AI新时代浪潮下的发展机遇和思考体系。
作为一家数据驱动的Martech公司，此次峰会也是SparkXGlobal成立5年周年之际，为行业和跨境卖家带来的一场集前瞻性趋势洞察和可落地实战经验分享为一体的行业盛会，依托在AI营销领域的多年深耕，SparkXGlobal致力帮助中国出海卖家突破营销和增长瓶颈。
（温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理，或存疏漏，敬请见谅。）
以下为演讲实录：
杨健勃：
我们公司是做机器人的，目前百分之七八十的收入都来自美国或者海外市场，今天分享的思路可能和之前各位嘉宾不太一样，作为一家做产品和技术的公司，我们如何利用AI，解决在营销和出海方面的问题。
先简单介绍一下公司的情况，可以科技是一家做消费机器人的公司，有两条产品线，一个是模块化机器人，面向海外市场为主，针对6到12岁的青少年。最近我们发布了一款新产品是一个宠物机器人Loona，做的是可爱的智能机器人小宠物，也可以成为很多养不了宠物的孩子和家庭的宠物替代品。
众筹400万美金，可以科技做出了怎样的机器人？
Loona是一个非常可爱的小家伙，这是我们在去年推向市场的，去年10月份上的众筹，在之后半年的时间内增长非常快。
Loona是一个非常智能化的机器人，拥有很强的AI能力和算力，也是一个深度应用技术的产品，拥有多方位对人脸的感知能力，还有5Tops的算力、完全3D感知环境、轨迹规划和巡航的能力。结合RGB视觉和3D传感器，能够对非常多细颗粒度的人进行感知，包括你朝向哪里，盯着哪里，有不同的细节，同时结合3D传感器和RGB视觉，检测3D环境下人的肢体运动，还有一些动态和静态的手势，能够很敏捷地识别到人，像一个真实的宠物。
这是一个原生的基于AI打造的产品，过程中我们用到很多AI算法。ChatGPT出来后，我们也最快的接入了ChatGPT，同时也让整个公司从产品到研发，到市场，都最大程度的利用这种工具，也是我们这几个月做的很多的工作。
它可以感知声音，可以听到人说话。里面包含三四百种不同的声音表达，总共有1700多种，包括还有11种游戏，你把球扔给它，它可以给你找回来，很多之前跟小朋友玩的游戏，现在可以跟一个机器宠物玩。甚至可以用一个小红布来斗牛，还有追激光，和猫玩的东西，都可以跟这个机器宠物玩。
它也支持3D环境的感知，能够进行环境扫描和建模，做轨迹规划，能够自由穿梭。同时支持远程监控，然后我们还做了自动识别宠物和照顾宠物的功能，比如家里有猫有狗，它会识别到猫和狗，跟它们进行互动，还有特别的针对宠物的功能。
我们的产品不断进化，去年12月份我们发了首批货，到现在已经更新到第17个版本，大概每周一个大版本的更新，会推出更多新的功能。
它还可以自动回充，24小时待机。
我们在去年做了众筹，总共下单的有400万美金，在消费机器人领域里面做得还不错。
产品团队与市场团队融合，与外部合作伙伴协作打造新认知
接下来分享一些市场营销端，我们这几年面临的一些坑和我们的解法。
我们这个赛道有些特殊性，原因是它面临一些挑战，比如说它是一个完全全新的品类，在我刚才没放这个视频的时候，大家怎么会定一个宠物机器人？你会觉得它是一个宠物喂食器。
早先这个产品并不存在，我们在做前面的画画机器人的时候，最早上线亚马逊，在细分的小品类里面已经做得还不错了，但是最后发现那个品类都没有什么流量。
当它是一个新品类的时候，如何将它推给消费者？另外就是它的礼物属性，意味着它的决策人群和购买人群的分离，购买人群更多的是父母，但是使用者是孩子，如何通过市场营销的手段，穿透父母，打到真正的用户，这是另一个问题。毕竟我们掌握不了这些孩子的数据，这也是隐私安全保护的范围。
另外要解决的问题是，它并不是一个要立刻马上购买的刚需产品，我可以等到下个月购买，等一个季度之后购买，等圣诞节购买。那么，如何让用户尽快下单决策，这是我们在推广Loona和一些新产品的时候出现的问题和挑战。
这里是拆分出一些问题的挑战点，对于新品类来说，我们首先要回答的问题是，这是什么，以及到底能给用户带来什么样的价值。
比如，我们卖一个电脑，大家可以很明确地知道我需要用它来干什么，基本上是人找货的模型。但是对我们来讲，种草变得非常关键，如何把新品类的认知打开，就需要不断地通过我们的优势来种草产品，包括目前我们也在Shopify上线了我们的独立站，我们做的事情就是利用Loona可以产生内容的优势，它就像一个宠物一样能够产生大量的短视频和内容，我们的内容池有1700多个不同的内容Listing，有很多角色的设计师和他们的创意，每天能产生大量的内容，这个解法就是不断地通过内容来做的。
在推向市场的过程中，我们面临的挑战，第一个解法是充分利用销售漏斗，传统的销售漏斗的环节并不会特别长，可能一个用户从第一次搜索到最后买单，就是一次购物的时间，但是对Loona这种产品来讲，可能平均购买时间要将近2周左右甚至更长的时间，如何在两周过程中持续追踪、转化，从而提升最后的销售转化率，核心就是要充分利用好销售漏斗和产品本身能产生内容的优势。
第二个是我们和SparkX团队合作组建一个增长的团队，不断地挖掘各个有效的机会点，去做产品的动态增长，增长周期同时在跑的增长项目超过40多个。我们认为，不仅是让营销团队做增长，我们发现产品团队也能在增长中起很关键的作用，因为他们有大量的创意和对产品非常深入的了解，能够贡献更多的内容、机会和洞察。我们把产品团队增加到增长团队里面，能够有效解决一个问题，就是贴近用户的问题，他们能够第一线的贴近和了解用户需求。我们目前的产品团队大概有30%-40%的时间是放在和市场团队一起跑增长的跨部门协作。
同时做增长的还有一个经验，就是不断地跟外部的团队合作，当自己的团队不断地形成一些已有的认知，这些认知有时候可能是好的，会沉淀经验、沉淀方法论，但是认知积累到一定程度，会发现有一些对它的认知偏差，反而不会洞察事情的本质。有外部团队的协作，邀请外部的团队给我们一些资源，就能不断地给我们提供一些新的思路和增长的机会。
第三是AI工具，从ChatGPT3.5出来之后，我们公司快速进入ChatGPT的使用过程，最开始反而不是算法工程师、程序员使用，而是产品人员。
出海品牌如何利用AI工具？
我们一开始发现一个问题，ChatGPT特别好用，它是一个颠覆式的产品，能够让我们的开发、产品、销售、营销、售前得到颠覆式的跨越，但跟小伙伴同步后，他们完全Get不到，开始做了两周后也没有什么进展。随后，我们就开始讲案例，但似乎效果也一般，大家还是按照原本的方式做营销。
我们发现，市场的小伙伴们用ChatGPT时的一个门槛，就是PE方面。大家在没有系统化的培训和经验的时候，PE能力是比较弱的，所以我们做的第一件事情就是形成一个PE Guidebook，首先明确最基础的一点，如何把你的产品讲出去让ChatGPT理解，然后把市场各个环节讲给你的目标。
要不断地学会用ChatGPT做总结，我们一开始探索用ChatGPT生成营销文案，市场团队说，我需要有一句比较好的口号，比如说我的产品就是一个陪伴机器人，最后发现它并不会很好用，迭代速度也不会很快。
我们把文案拆分成不同的维度，比如说吸引力0到10分，你需要给ChatGPT定义到底0分是什么样的，10分是什么样的，同时让它自己出文案，之后让它自己去通过这样的价值判断，再去反馈和总结之前出的文案，到底能打几分。比如说最后总结出来5分，你有没有机会提高它，你会发现下一次在这方面的性能它就会更好。
还有“是否简单理解”“是否本地化”等等很多的维度来衡量这件事情，所以相当于ChatGPT PE的普及，也是需要公司的管理者和项目负责人去完全掌握，并且贯穿给小伙伴们，把它总结成最佳案例库。
第二是不要光用Web的Chat工具，我们做了非常好的ChatGPT API。ChatGPT可以用它的API来写出一些脚本，相当于最早开始用ChatGPT API的不是我们的算法和工程师们，是产品经理和设计师。这是很奇怪的一点，为什么呢？因为他们终于可以卷程序员了。
之前程序员们都是很厉害的，你说一个需求，程序员说实现不了，开发都要一个月的时间。现在用ChatGPT立马给你做出来了。就是利用设计师和产品经理卷的心态，把API开放出去，形成一个一个落地的AI小工具，而不只是停留在网页端，因为网页端ChatGPT的对话是没有积淀和沉淀的，而且这都很简单，门槛很低。我们可以试一试，比如用ChatGPT编写一些脚本，形成对文件的处理，还有通过API来做的小程序，这些积淀下来能够不断地进化和迭代。
第三是重视垂直数据的积累。现在大模型进化速度非常快，目前已经有一些能够一键在服务器上部署大模型的服务，每周、每天都有新的产品出来，所以属于企业私有化的模型也没有那么远。一定要开始注重一些垂直数据的积累，比如说所有的用户的反馈和回复，各种邮件数据的积累，包括产品体验过程中的数据积累，这些数据积累只要一开始能做规划和打通，积累下来之后是可以通过数据来建立自己企业的模型。
每家企业的诉求其实都不一样，比如你把做服装产品的模型用在我们公司的产品上就不适用，每家公司都有自己的特殊性，所以垂类的模型还是越来越容易的，有很多方法可以一键部署。每家企业构建在营销方面的数据壁垒，在AI时代非常重要，原因是提前积累，这些数据壁垒构建起来，能正向形成一个数据飞轮。这是我们对AI工具的探索。
接下来讲讲我们产品未来的事情，我们希望能够让我们的机器人更智能，打造一个家庭圈的AI承载硬件，它具备的属性是需要不同的性能，具备多模态的交互，同时它是双向交互的内容，它的更多交互是以情感的交互为主，我们是在部署一个垂类的多模态的情感交互的模型，让AI能够变得更加智能，有更好的陪伴属性。
我们解决的其实是一个机器人品类的决策问题，也是在不断地向完全机器深度学习的智能决策机进行探索。
这是我们早期积累的用户数据沉淀，这些用户数据完全是非隐私数据，这样就能不断构建一个企业或者一个产品的数据壁垒。确实在AI时代，算法也没有什么特别大的变化，尤其是它越来越成熟，所以算法本身的要求反而并不会那么敏感。再比如说算力，也不是一个明显的壁垒，未来能够构建有效壁垒的就是垂直的行业数据，这个行业数据很关键。
这是我们目前在做的生成式模型，在本地边缘端做了一个小Demo，它们已经能做实时的动作和表达的生成。它的反馈还是基于单模态的反馈，但是已经在边缘端部署了一个生成式模型，脱离之前由设计师构建的预制的内容，已经能够自由让机器人表达了。
我的分享就到这里，谢谢大家。
文章来源：亿邦动力
