唯品会的AI慢生意

当电商深陷价格战，唯品会用自研大模型去做AIGC图文、虚拟试衣和智能客服。本文深度拆解特卖电商如何用AI深耕非标脏活，构建确定性增长。

效率是‘以正确的方式做事’，而效能是‘做正确的事’。

德鲁克这句经典论断，恰好切中了当下中国企业面对AI时的集体焦虑。我们到底是在用AI更快地陷入内卷，还是在用AI构建真正的护城河？当多数电商平台痴迷于用大模型做通用聊天、写诗作画时，唯品会给出了一个冷静到有些另类的答案：用自研的“朝彻大模型”去做电商最枯燥、最累、但也最核心的脏活——批量生成商品图文、琢磨怎么帮用户买到合适的衣服、默默解决那些琐碎重复的客服问题。这背后折射出的，是特卖电商对“降本”与“增效”极其务实的商业判断。

电商的血与蜜：为什么AI必须回归供应链的苦活

中国电商的竞争已经从流量红利期彻底转入存量博弈期。这是宏观上的共识，但对微观的企业经营意味着什么？意味着过去那种靠买量、靠堆人力的粗放增长模式，边际收益正在断崖式下跌。尤其在非标品、长尾商品极多的特卖领域，痛点极为具体：一件衣服往往只有几百件的库存，请专业模特、搭景拍摄、写精美文案的成本根本摊不薄。如果不做内容，用户没有决策依据；如果做，单件成本甚至可能吃掉毛利。这就是唯品会面临的真问题。

2024年，唯品会自研的“朝彻大模型”通过中央网信办备案，但其发力点不是宏大的叙事，而是极度聚焦的电商场景。它的逻辑很朴素：大模型的能力首先应该向内释放，去啃那些商业链路里最坚硬、人力最难以规模化的骨头。

我们来看第一批被改变的事情：批量生产高质量电商图文内容。这看似平淡无奇，实则是对电商运营效率的一次重构。过去，一个运营团队一天可能只能打磨几十个SKU的详情页，涉及到选图、排版、卖点提炼，流程长且高度依赖个人审美。而朝彻大模型介入后，系统可以直接基于商品属性和库存深度，自动生成适配不同货架场景的图文组合。这种“批量”不是为了粗制滥造，而是为了在保持一定质量基线的前提下，让人力从繁琐的执行中抽离出来，去思考选品的策略和货品的组合逻辑。

补齐决策断点：从“对话导购”到“虚拟试衣”的确定性

做完了供给侧的内容提效，唯品会很快将AI的触角伸向了需求侧——用户的决策断点。这也是特卖模式最大的软肋：特卖商品通常退换货限制多，用户“怕买错”的心理负担极重。如果不能解决决策信心的问题，转化率和复购率就是天方夜谭。

2025年，唯品会给出的解法是两条腿走路：对话式导购与AI虚拟试衣“穿上看看”。这组组合拳非常聪明。对话式导购解决的是“我不知道该买什么”的泛需求问题，通过多轮对话，把用户模糊的偏好收敛到具体的商品上；而“穿上看看”解决的则是“这件衣服穿在我身上好不好看”的临门一脚问题。根据公开数据，这一功能显著提高了用户的回访意愿。

为什么市场上有那么多AR试衣、虚拟试穿，唯品会的尝试却值得关注？因为它的技术土壤不同。很多虚拟试衣应用只是玩个新鲜感，但唯品会做这件事，是建立在对供应链深度掌控和大量商品数据积淀之上的。试穿的真实度越高，用户收到实物的心理落差就越小。这不仅是技术能力的体现，更是对商业逻辑的敬畏——一切的炫技，最终都要落到“退货率下降”和“用户满意度提升”这两个极其现实的指标上。这让人想起亚马逊贝索斯那句名言：“我们不是从竞争对手身上找机会，而是从顾客的不满里找机会。”

智能客服的90分逻辑

还有一组容易被忽略但极其关键的数据：2024年年报显示，唯品会智能客服问题解决率接近90%。在电商领域，这个数字含金量极高。因为特卖场景下的客服问题，往往比标准电商更复杂。尺码偏差、细微瑕疵、库存变动导致的大批咨询，在“双十一”这样的大促节点会瞬间冲垮人工客服的极限。

朝彻大模型支撑的智能客服，解决的不仅是“省人”，更是“保体验”。当机器能理解“这件衣服我穿着显胖”这类带有主观情感的模糊反馈，并给出退换货建议或安抚共情时，边际成本趋近于零的优质服务就成为了可能。对唯品会这种极度依赖复购和高粘性用户的平台而言，客服环节的90分，是守住商业底线最坚固的护城河。

企业AI落地的分水岭：你是要造轮子，还是要铺路

很多老板和CMO在看到唯品会的案例时，可能会产生一个误区：既然大厂都在自研大模型，我们是不是也该跟进？这恰恰是最大的陷阱。唯品会的“朝彻”战略，精髓不在于自研模型本身，而在于它不惜代价地将模型能力融入到了自己商业的毛细血管里。

我们来拆解一下这种落地背后的组织隐义：

算的是综合账。 老板沈亚在财报中反复强调“引入优质品牌”和“AI助力运营”。这两者是一体两面。AI产生的图文内容和导购能力，本质上是在提升平台对品牌商的服务附加值。我帮你卖货，不止给你流量，还给你一套零成本的数字化内容解决方案。这使得AI不仅是成本中心，更是招商和议价的砝码。
打的是非标战。 通用大模型擅长处理公约数的知识，但电商是极度非标的场景。比如一场促销活动的文案、一款设计独特的连衣裙的卖点，都需要带有强烈“网感”和品牌调性的表达。唯品会将大模型深扎进具体的营销素材和创意投放中，实际上是在训练一个独属于自己平台的“电商大脑”。这种深入业务肌理的适配，是市面上任何通用API都无法提供的。
走的是微循环。 从图文生成，到广告投放，再到导购和客服，唯品会的AI落地形成了一条完整的转化回环。AIGC生成的内容直接流向投放系统，投放的数据反馈又可以回传优化内容模型。这不再是简单的单点提效，而是一场营销体系的自我进化。

那些只把AI用来写周报、画海报的企业，就像买了一辆法拉利只用来在院子里听个响。而唯品会这种打法，是把AI当成了压路机，一寸一寸碾平了经营链路里的坑洼。

给管理者的启示：在“微迭代”中寻找确定性增长

回看唯品会的这一系列动作，它给我们呈现了一个极其深刻的商业隐喻：在充满不确定性的环境下，最大的确定性来自于对自身业务的极致优化。唯品会没有去做AI办公套件，没有去卷大模型参数榜单，它只是静静地用AI把特卖这件“小事”做得更顺手、更省心、更懂人心。这种“慢生意”的哲学，反而构成了难以被资本和价格战击穿的壁垒。

对于多数不具备自研千亿级模型能力的中国企业而言，唯品会的案例至少提供了三个可执行的动作参考：

找到你的“脏活累活”。 立即组织团队复盘，找出业务流中那些消耗大量人力且重复、但丢了又影响体验的高摩擦环节。这往往就是AI的第一落脚点，而不是那些听起来高大上但虚无缥缈的创新。
用数据闭环喂养模型。 不要期望一步到位。学习唯品会“生成内容—投放测试—用户反馈—优化模型”的微循环逻辑。让模型在真实业务环境里摸爬滚打，哪怕初期的内容有点蠢、推品有点偏，只要闭环在转，效果就会像滚雪球一样积累。
拒绝孤岛式部署。 AI营销的效能不是孤立存在的。你的AIGC内容能力，必须和你的客服系统、广告投放端子、甚至库存管理系统打通。如果你的图文生成效率提升了10倍，但审核发布流程还是线性的，那AI的价值就被流程黑洞吃掉了。

综上，AI营销的未来之战，绝不是技术的军备竞赛，而是商业判断力的终极较量。在这种较量中，懂得用AI为业务“雪中送炭”的，远比用AI为面子“锦上添花”的，走得更远。