【亿邦原创】在7月18日举办的“潮起钱塘·第八届全球跨境电商峰会”上，亚马逊云科技零售行业技术专家高寅敬发表了题为《出海企业如何通过生成式AI技术实现高效运营》的演讲。
他指出，生成式AI具备重构所有用户体验的巨大技术潜能。尤其是在以下四大方面，AI技术正在改变既往的传统电商运营模式：增强营销，以更低的成本快速生成产品和营销内容；运营优化，基于大数据交互完成更高质量的营销决策；优化用户体验，为购物者提供更自然、个性化的全链路体验；企业提效，以更先进的工具赋能员工提升工作效率。
（温馨提示：本文为速记初审稿，保证现场嘉宾原意，未经删节，或存纰漏，敬请谅解。）
以下为嘉宾演讲实录：
各位嘉宾下午好，我是来自亚马逊云科技的解决方案架构师团队的高寅敬。我的团队主要面向零售以及电商客户，负责企业的云服务咨询和云方案的设计。
从2023年生成式AI爆火之后，其实我们几乎每天在见客户的时候聊的都是同一个话题：生成式AI如何帮助跨境电商客户去创造价值，以及怎样寻找合适的落地使用场景。
今天，正好借此次大会的机会，向大家分享一下，我们AWS在帮助企业出海时，是如何通过生成式AI实现高效运营的。
先从宏观的数据来看，根据麦肯锡报告，生成式AI将在未来创造4.4万亿美元的全球性新增收入。这是一个非常庞大的体量，几乎相当于两个亚马逊的当前市值。可以说，这是一个非常富有想象力的市场。这样的体量足以支撑新的市场模式、新的产品模式的诞生。
此外，有80%的企业管理者认为，在18个月内，基于生成式AI所创造的产品将颠覆他们原有的商业模式。
而第三个数据则是在全球范围内有30%的企业客户已经准备推进生成式AI的落地计划和投资了。
所以我们认为，在未来的出海之路上，企业间的竞争重点将会是如何更快地利用生成式AI进行创新。
回归到跨境电商行业，我的团队主要负责三类客户：第一类客户，也是现场最多的，就是我们的卖家朋友，包含亚马逊的平台卖家，以及独立站上的卖家；第二部分，是平台型的卖家，就是有自己的平台，形成了类平台式的独立渠道的商家；第三类就是服务商，尤其是围绕着跨境电商生态体系去提供建站工具、营销工具、AI作图这类产品的服务商。
我们从这三类商家的身上发现，即使可能业务模式有很大区别，但是他们在生成式AI上其实有很一致的使用方向。我们看到这种应用会集中于四个典型的领域。
第一，是优化客户的购物体验。他们主要会通过智能客服、智能导购这类功能，利用大语言模型的向量化搜索，来优化用户的购物体验。
第二，是增强营销。主要利用生成式AI的能力来降低我们拍摄或者出图的难度，降低营销内容的成本。
第三，是优化运营。通过VOC、利用大语言模型去挖掘客户对商品的评论，通过分析去洞察产品优化的方向。
最后，是用于企业的提效。利用生成式AI为员工提供更好、更先进的工具，可以在他们有限的单位时间里面创造更高的价值。
另一方面，我们也有看到很多企业利用生成式AI去解决原来在行业里面无法解决的痛点和难点。
接下来我希望用一点时间展开这四点，给大家做一些具体案例的介绍。
01 优化用户体验
首先，第一部分是优化用户体验。在这个例子里，传统的独立站或者电商平台，其实大部分是通过关键词的搜索去提供用户想要的产品，更多的还是request response这样单向且独立的请求。
但在生成式AI时代，我们可以去做一个智能导购助手。它能提供交互性的、具有上下文的购物体验。
一个例子是，用户想买雨天可以穿的鞋子，那生成式AI导购就会进一步去明确他的需求。
比如客户需要亮颜色的鞋子，那整个智能导购系统就会去查询数据库，再根据客户的一些背景信息，比如年龄、性别给他推荐合适的产品。甚至在标题上我们都可以去做一些定制化的动作。
还是以这双鞋子举例，根据客户刚才的需求，我们可以自动生成商品推荐语：该商品非常适合户外运动，并且非常亮眼时尚。这样就可以大幅提升客户的购买欲望。
结合用户的背景信息以及历史购物行为，我们可以在客户进入首页或者商品推荐页、甚至是在发广告营销邮件的时候，为不同的客户自动化生成有针对性的营销标题和营销文案。
举一个例子，如果说现在要针对一个48岁的女性用户，她曾经浏览过一些时尚鞋靴，还有各类运动产品，那我们给她推荐对应产品时所用的传统方式可能会是利用一些固定的title或者营销文案进行宣传。
但在大语言模型的加持下，我们只要让系统了解客户背景，它就可以帮助营销人员生成更加定制化、更有说服力的影像和文案。
其实我们亚马逊在很早的时候就开始探索利用生成式AI改善购物体验的应用场景了，我们认为在新的生成式AI出现以后，所有的用户体验其实都是可以用深层次AI来重构一遍的。
我们举个例子，去年亚马逊发布了一个preview智能导购系统，可以帮助客户在亚马逊的app底部搜索栏界面，获得购物建议。
比如说你可以去问他，购买一个耳机需要注意什么？或者是场景化的问题：在冬天骑自行车，什么样的自行车是合适的？比如说你想了解一个咖啡机，它有哪些不同的品类，到底有什么样的区别？是滴式咖啡机好还是手冲式的比较好？
最后，比如说你想了解一个数码产品详细的参数，你不需要自己去查阅详情页，而是可以直接提问，获得响应。
这种购物体验无疑是传统的搜索功能无法满足的。这些问答都可以通过这个购物助手以及知识库来实现。
02 增强营销
第二部分是增强营销。做营销素材的朋友们可能会都有这种感受。跨境电商其实很卷，整个节奏也很快，对素材的资源需求量非常大，并且需要一些原创的素材，不然就会侵权。
你的拍照场景会很多。如果做时尚类目的产品，你对高端模特的需求也很紧张。不管是人工模特的成本，还是沟通的成本，还有工具使用成本，其实都是很高的。像外模拍摄一天至少会产生几千美金的成本。
此外，在跨境电商这样高速发展的赛道里，趋势捕捉非常重要。按传统的方式请模特拍摄布景，再到出片，可能要数天的时间，很多热点都会错过。
我们看到很多客户在探讨的一个方向，就是用生成式AI去做模特的拍照。这里细分了有几个场景，一是用假人模特生成一个时尚模特的完整照片，或是通过一个地区的模特拍摄，将其转换成业务覆盖的其他多个国家，然后是虚拟试衣，还有一些场景的更换。
这里有一个案例是我们旗下一个服务商reinforce做的产品。大家可以看一下效果。它的使用方式，就是上传对应图片，不管是平面图，还是人台模特，它都可以根据你的需求选择场景去定义出这些合适的照片。
再举一个我们做时尚女装的客户的例子。当时是由我们亚马逊云科技的创新实验室联合客户一起合作的。
为什么他们要自创这套解决方案？因为他们的经营品类是高端女装，目前市面上很多的解决方案其实不符合他们的要求，特别是在服装的细节方面。所以我们进行了联合创新。
这套产品的落地，至少可以为他们节约2000万人民币的拍摄成本。这是一个非常可观的使用场景，比如说面向POP卖家，我们会做一些素材的图片裂变，减少这些产品打样的时间。
亚马逊广告同样给大家做出了一些好的范例，大家可以在广告控制台上，用简单的提示词去生成AI图片，也可以在白底的主图里按照要求生成对应的场景图。
03 优化运营
第三部分是优化运营。优化运营其实有很多方面。我们认为其中可落地的核心是VOC体系。
我们还是举亚马逊的例子。大家看，如果大家有关注亚马逊的listing页面的话，就会看到现在置顶的评论其实都是由AI生成的，AI会去总结客户关心的所有特性，然后让购物者第一时间就能看清楚，这个商品到底是否适合我，它的材质、size、各种关键词、以及其他买家的详细评论，都能够被展开呈现。这为用户带来很好的体验效果，也帮助我们卖家找到优化产品的方向。
04 企业提效
第四部分，就是企业的提效。
在提效应用上，现在主要有如下几个形式。
我们会在研发团队那边去投入一些辅助代码。原来我们把想要做一个页面，可能需要半天甚至一天的时间。现在有生成式AI的辅助，即使没有写过代码的人也可以很快的利用AI，在几分钟内就能生成一个特例。
另外是text2SQL，用自然语言交互的方式可以生成对应的报表，对应的BI报表。
然后甚至可以直接让AI助手根据这张报表提供相关洞察。
还有企业知识库。每个企业现在其实都累积了很多行业的垂直知识。在做员工培训的时候，有一个基于生成式AI的企业知识库助手，可以让员工更快的获取这些有用的信息，缩短员工的培训时间。
然而总的来说，现在市面上还没有一款大语言模型能够满足所有这些场景。我们的经验是，客户可能会用到多个现在流行的大语言模型进行结合，才能最终能实现目标效果。
所以亚马逊云科技有一个产品是Amazon bedrock，把市面上主流的大模型、生图模型都集成在一起做了一个平台。像大家可能比较关心的，像cloud 3.5相应的一些模型，其实在这个平台都是可用的。
我们举一个例子，展现客户如何利用Bedrock。“小魔兽”是一家跨境电商企业，他们的团队就用Bedrock的多模态模型的能力解决了传统OCR识别的问题，识别了多个国家验光单匹配的问题，让准确率从原来60%提升到80%以上。现在他们每年的营业额大概是在5000万美金这个水平，覆盖了150个国家。
我们也看到很多企业基于他们累积的行业数据，构建自己的垂类模型。一个很好的例子是孤独星球。它是世界知名的旅游垂直类信息平台。其基于大语言模型，结合自己的数年间累积的行业经验，做了自动化的旅游攻略生成，去丰富整个旅游资讯的生态。
05 大语言模型边界何在？
最后，大家在了解完这些场景之后，可能还要思考一下大语言模型的边界何在。
大模型的魅力在于它的创新性，它有自我感知的能力，但是它的缺点则在于它的不可控性。
所以我们在跟客户探索生成式AI落地的时候，非常关注应用和治理并重。治理就是怎么让你的大语言模型，把公平、安全、透明变成它的基石。
对此，亚马逊其实会提供整个产品的数据、平台、以及一些专业知识，去帮助客户去构建一个负责任的AI。除了刚才提的那些场景之外，我们在一年多的时间里边快速发展，探索了很多的场景。
包括客户的触达、广告的营销、多站点的翻译、商品的策划、快闪门店的信息收集、还有软件的高级数据洞察、供应链智能化等方向，其实我们做了非常多的案例，也欢迎大家后续跟我们进行探讨。
而为了支撑众多的应用场景，其实亚马逊也提出了基于企业构建的生成式AI的三层架构。
第一层叫做开箱即用的AI。如果要构建企业内部的智能助手，就可以选用我们的Amazon Q，无需要太多技术背景就可以轻松实现。
第二层是利用基础模型构建生成式AI应用的工具，即Bedrock。如果想尝试世界上各种最热门的大语言模型，就可以选用Bedrock。
第三层，则是用于基础模型训练和推理的基础设施服务。如果你自己更有能力，希望有丰富的GPU资源，你可以选择我们底层的基础设施服务，提供了可靠的计算能力。
亚马逊为了去帮助客户去落地自生成式AI应用落地，我们其实投入了很多相应的技术能力。
举个例子，首先像我这样的架构师团队，会帮助客户去探索生成式AI到底在哪些场景合适，需要选用什么方案来实施。第二个角色是产品技术专家，其会根据用户的需求为对应的产品给出精准建议。第三，是人工智能实验室。我们相信很多算法的打磨是需要专门的科学家去做的。我们的人工智能实验室就会根据特定的场景，为客户提供端到端的数据校验。然后，我们还有快速原型开发团队，会帮助客户完成从idea到MVP的过程的构建。儿专业的咨询服务则会帮助客户完成对从咨询到实施的整个生产生命周期的流程的把控。
最后我也在这里，跟大家分享一下亚马逊云科技与亿邦智库联合发布的《AI加速品牌智慧出海报告》。它涵盖了四个篇章，包含建站、运营、用户体验以及供应链四个环节。希望能在大家出海之路上，祝大家一臂之力。
我今天的分享就到这里，谢谢大家。
亿邦持续追踪报道该情报，如想了解更多与本文相关信息，请扫码关注作者微信。
文章来源：亿邦动力
