2023 年跨境电商四小龙「 Temu、速卖通、 Tiktok Shop 、Shein 」让「全托管」模式成为电商行业最火爆的关键词。 全托管模式其本质是商家掌握货权，负责选品、发品、核价等动作，而托管平台则掌握商家的经营权，负责商品的定价、运营、物流等相关环节。全托管模式对于缺乏内容生产能力以及商品运营能力的工厂型商家更为友好，在整体市场商品供给大于需求的环境下，该模式可以帮助商家迅速清理库存。
尽管全托管模式有着流量集中的管理，为商家节约运营成本和人力成本的优势，但是由于是平台定价，商家的利润空间往往得不到保证，于是行业又诞生了「半托管模式」，将全托管模式下的商品定价权交还给商家，为商家提供更多的灵活性，阿里旗下 1688 平台入淘，针对于旗下工厂类商家，采用的即为半托管模式。
无论是现在火爆的「全托管」、「半托管」，还是电商平台之前的「自营模式」，都给平台带来骤增的商品运营压力需求， 也带来了全新的「运营模式」，即从以前的「一人数店到「一人万店」甚至「一人数十万店」的运营要求。面对如此庞大的店铺数，平台端要解决的问题不仅仅是「如何批量制作内容」的这类关乎生产数量和效率的问题，同样要解决的是在如此庞大运营内容下，如何将平台作为一个整体，提升综合的运营效果与转化，从而提升流量效率，提升平台整体的营收。这在如今日益激烈的跨平台电商竞争环境中显得更为重要。
目前电商平台针对这类运营需求的主要手段为使用 AI 工具进行内容的批量化的生产以及加工。这类 AI 的批量化工具或是由平台自主研发，或是由第三方提供工具化的接口调用，再由大量的设计师团队人工+ AI 的模式的进行生产替换，增加商品卖点，由商品运营人员进行素材的替换，去测试整体效果，但是这类解决方案仍有以下弊端：
1. 工具输出的内容半成品，会有巨大的人工成本输出
以主流的电商图片工具为例，工具在解决图片背景生成以及图片延展问题中，输出给设计师的多为一张商品展示图，而在电商的场景应用中，商品主图以及引流位置的关键图片都需要人为增加卖点，在涉及到大量的商品数量时，其中关于大量的卖点合成工作需要人工完成，单个设计师的产能峰值在几十张图/天，在数以百万记的商品数量面前，大大影响运营素材的生产效率。
2. 生产运营的分离，运营效果为负向
设计师为批量内容的生产者，每个设计师对于内容的理解不同，从而导致利用工具生产出来的图片质量与风格会不尽相同，而这会导致内容策略的分散性，缺少统一内容策略，也很难和商品策略形成有效联动。运营团队在将设计师和 AI 工具共同完成的素材上架后，会发现多数情况下运营数据为负向，却很难定义原因。
3. 工具无法根据运营效果迭代，解决行业 Know-How 问题
简单的生成工具解决的是「技术问题」 ，以图片举例来说，很多工具化软件迭代方向是如何让背景和商品结合度更好，阴影和光影的位置如何更自然，而电商平台作为一个整体，需要解决的核心问题是除了以上的技术生成效果，还需要解决具体化的场景问题，积累形成平台端的运营「 Know-How 」。比如「电饭煲在什么样的背景下CTR 转化会有提高」、「图片生成的角度是平视效果还是俯视效果好」、「背景生成的时候是用原图拓展好还是用白底生成效果好」、「哪些品类更适合做生成哪些更适合做延展」...... 这些都是一个个需要迭代的场景化需求，而工具化很难完成，且这些场景会根据电商平台本身的算法改变而改变，行业 Know-How 的积累是运营工作的核心。
奥创光年针对大型电商平台提供的批量化解决方案，不同于传统的 AI 工具，其为客户提供的是真正意义上的完整的全链路解决方案，这类解决方案是在多个客户实战应用中共创所得，并经过多轮验证，不但可以有效提升平台整体的 GMV ，且部分项目在平台测算投入产出 ROI 时依然为正，也就是说平台为批量生成内容的支付成本小于其GMV 增长带来的收入增加，能有效形成正向的运营循环，达成双方共赢的局面。同时这也验证了这样一个基础事实，即托管或自营电商平台可以通过 AI 批量化内容生产运营（图片、视频、卖点等替换），有效提升平台作为一个整体的运营效果，包含CTR 、 CVR 、 GMV 等多项运营数据。
究其本质，奥创光年所提供的批量化全链路解决方案，是通过 AI 批量交付最终运营素材，并通过「精细化」运营，与平台共创内容生成策略，再根据运营的数据结果，积累行业的 Know-How ，在具像化的场景中迭代产品，提升运营效果。
以实战案例举例，比如某平台用户希望提升公域的 CTR 数值， 从而提升其平台的整体 GMV ，这就是客户的核心目标。在此目标之下，图片生成的验收标准变成了「与原图质量进行比较」而非单一生产。
依据目标，奥创光年首先会与客户进行内容策略的制定。根据平台图片的基础质量，奥创与客户将商家原始图片分成三类，分为原始图片质量较差（多为白底图），图片质量中上，以及图片质量优秀几个档次，在不同档次中提供背景合成、背景延伸等不同技术手段，来提升整体优化效果。在商品策略端，奥创与客户也会根据商品的 GMV 贡献值，将商品贡献进行尖货等不同档，同时也会对不同页类的商品进行策略总结。
随后奥创再根据商品和内容策略进行批量化的生产，最终提交给平台的不仅仅是商品图片，而是有卖点组合的商品主图。但批量化的生产内容也仍需经过人工判断美感和数据 AB 测的测试方可上线，因此奥创会根据 AB 测的结果以周会的形式进一步迭代策略，多轮生成后，生成图片+视频的总量数以十万记，不但既定的 CTR 提升目标超过原有目标的 200% ，正向率绝对值提升超过 20% ，为平台商家创造了正向的 GMV ，而且从财务数据结果来看 ROI 也为正向，形成了很好的双赢格局。
（奥创光年批量生成图片案例）
而在整体项目中，电商平台需要投入的人员不超过 3 人，他们需要完成的仅有 4 件事：提供商品原始素材以及卖点信息、共同制定商品策略、商品素材上架，以及定期以周会的形式进行数据复盘。
值得一提的是，奥创光年在该模式下的前期结算方式，是仅以素材生成量进行结算。这为电商平台提供了相当大的成本灵活性，无需投入大量人力投入，也无需年度的工具采买。
在这类合作模式中，奥创光年不是单一的 AI 内容工具提供方，而是客户「一人万店」/「一人数十万店」的「自营」或「全托模式」下的 AI 深度合作伙伴。在与客户共创中的过程中，奥创承担了「内容策略」以及「批量内容制作」的需求角色，通过技术迭代与运营迭代去服务用户效果。
现今，经过大批量的实战后， Mogic AI 已经可以回答很多运营的具体的问题。比如之前提到的「电饭煲用什么样的背景可以提升 CTR ? 」、「哪些品类应该用虚拟背景转化效率高而实际场景转化效率低」等等。
在运营数据清晰明确的基础上，技术团队需要关注的不仅仅是提升各品类商品的光影效果，更重要的是实现不同品类的商品与各类优秀模板的有效融合。通过这种方式来不断优化迭代效果，积累形成宝贵的行业运营经验，即「Know-How」。 这种经验将成为奥创光年在拥有完善技术实力之外的另一大竞争优势。在未来，随着奥创与更多新平台客户的合作，这一优势将得到更加充分的体现和发挥。
在托管模式成为工厂电商的主流模式的今天。电商平台之间的竞争主要在于流量的竞争以及流量运营效率的竞争。 Mogic AI 现已通过大量实战经验总结出一套行之有效的打法，未来也会在打法上继续迭代，与电商平台类客户探索更为经济有效的解决方案。
注：文/龚作仁，文章来源：Laborer，本文为作者独立观点，不代表亿邦动力立场。
文章来源：Laborer
