小模型加速落地应用：品牌通往未来的「半步之遥」

©️深响原创 · 作者｜何文

从ChatGPT惊艳亮相到各家产品粉墨登场，大模型可谓一石激起千层浪。

一边是模型使用门槛的不断降低：Meta联手微软高调开源Llama 2而且免费可商用；今年6月火山引擎发布了大模型服务平台“火山方舟”，让非专业技术客户可低门槛地选用、应用大模型。

另一边则是大模型生态逐步丰富，除了名噪一时的文心一言、通义千问等通用大模型，各个垂直领域也“涌现”出一大波行业大模型：京东的言犀、金山办公的WPS AI、携程的问道、阅文的妙笔……

但圈内的热闹似乎止步于了科技互联网，对于品牌、商家、千千万万的经营者来说，大模型仍然遥不可及。而面对热潮，面对谷歌、百度、阿里等大平台都在推进大模型渗透到业务的方方面面，品牌商家们多少都有些“模型焦虑”——都知道跟不上科技的恶果，但大模型这样的技术普通品牌商家究竟应该怎么跟？哪些生意环节可以用？怎么用？如果大家都用，我们如何能用出差距？用得更好？

「数智化」的半步之遥

「数智化」是这几年商业世界中经常出现的高频词汇，它的价值人人皆知。过去商家卖货，七分靠打拼，三分天注定，数智化就是想要把“天注定”的这三分补齐——通过数据解惑玄学，通过AI能力解放人力，让世界“自由”。

但在数智化的过程中，人们会发现事情并不如想象中的美好。

首先是算力和数据的不足让算法能力收到限制，类似“巧妇难为无米之炊”，我们想要数智化地来选品，但缺少用户洞察的数据，缺少品与消费行为之间的洞察，如果只是少量数据进行推演，就又回到了“焦点小组”抽样调查的方式。

其次是从SaaS到DaaS，“人”仍然是数智化的限制。

尤其在国内，我们此前访谈了诸多国内SaaS创业公司，他们异口同声地谈到当前的痛点在于SaaS的标准化难以应对大量客户客制化的需求，而满足客制化则意味着成本飙升，利润丧失。在上一波单点突破的AI浪潮中，许多AI企业也陷入做项目、做私有化的交付实施困境中，无法实现盈利。此后DaaS的潮涌虽然一定程度上解决了标准化与客制化的问题，但其弱点在于系统中的规则，基本都是人来制定的，人的限制就是系统的限制。

“解决这个问题的钥匙，是数智化时代的Maas，模型即服务。Maas系统可以通过自动学习，不断的更新规则，掌握新知识，从而突破人的限制。”Nint任拓集团CEO、任拓大数据研究院院长苏迭在首届全域数字零售生态大会上谈到。

他认为过去AI无法大规模渗透到生活和商业中，仅在小范围应用的阶段是数智化的1.0时代；ChatGPT的面世让我们看到了更多可能性，算是进入了数智化的1.5时代；而真正的数智化2.0则是各种应用、产品、服务的大爆发，从创意输出、应用落地，到策略指导、品牌定制，全面的数智化。

这便是品牌需要的未来。而要想跨越这1.5到2.0的半步之遥，我们需要的不止是大模型，更需要立于大模型之上的行业中模型及场景小模型。

我们不妨先看下苏迭理解的数智化的应用架构：

• 大模型位于最底层，作用是建立基本的认知，具有泛化能力，我们可以通俗理解为小学通识教育，会识字，会加减乘除。
• 中模型是基于大模型通过学习行业数据而建立的，它了解某个具体行业的领域特征，有点像中学的学科教育，历史地理，物理化学。
• 而再往上走就是场景小模型，类似大学专业，土木工程、航空航天、工商管理。它是一种任务模型。小模型是基于中模型以及具体场景的数据而建立的，并且可以利用每家企业实际业务数据，继续精调模型，帮助企业解决具体工作中问题。

对于品牌来说，大模型成本惊人难以入手，而行业中模型虽然能更垂直，但每家企业、每个品牌的应用场景各不相同，实际操作起来仍困难重重。唯有更具体的小模型，既“接地气”地直接指向实际场景，又成本可控，让企业品牌们能够在当前降本增效的大趋势下，兼顾未来。

用“内容种草”来举个简单的例子，此前内容与商品的数据是不流通的，品牌凭经验认知做内容、投放达人，内容只是社媒营销，究竟哪些内容能带来种草，哪些内容能带来最终的拔草，没有人能精准归因。不确定的内容，放在不确定的人、货、场中，相当于不确定性多重叠加的黑盒。

现在商家品牌对于内容给予了更多厚望，内容肩负着社媒营销、沉淀品牌和电商转化的多重目标。而这就需要让内容与商品、内容与消费者之间的关联变得可见、可分析、可归因。

大模型的运用让我们能够在万亿级别的数据中厘清增长的主线。中模型结合美妆、母婴、消费电子等垂直领域的不同情况进一步细化思考逻辑。再结合具体场景，如新品发售、打爆品、忠粉复购、节点大促等，选取特定小模型，做到真正的“招招中的”。

品牌可以用目前热度还不算太高的“分析式AI”找到方向、形成精准策略，实现营销增效，同时用当红的生成式AI来生产内容，让内容降本。二者协同起来，生成式AI帮助我们发现新的规则，基于新的规则，再用分析式AI解决具体问题。

苏迭认为，要想跨越数智化的“半步之遥”， 需要从生成式AI跨到生成式+分析式AI、需要从使用公开化数据，跨到使用（公开化的）私有化数据、需要从多样性跨到（多样性的）整合性。

如此一来，不光解决了平台服务方在标准化与客制化之间纠结的矛盾，还让品牌面对大模型不再是一脸茫然，而是能够以实际使用场景为出发点直接用上小模型并根据自己的情况优化，从而拉开与同行的差距。

“我们有一个梦想，希望让每个品牌商都可以拥有自己的AI模型。”——苏迭的设想已不遥远。

任拓解法：技术力+内容力

在帮助品牌借力模型激发增长这件事上，任拓可以说是在业务逻辑上水到渠成、在执行能力上也有天然的数据优势。

作为数字零售大数据方面的专业分析机构，任拓已有十余年的电商数据追踪经验，80%左右的500强品牌都是他们的客户。此前，任拓主要为客户提供全域电商测量和内容实效测量两大方面的服务。就在昨天，任拓发布了「任拓胜算AI增长模型平台」并且携手上海市数商协会、第一财经、小红书营销、天下秀、交大安泰、筷子科技、D1M、宝捷会创新基金及等成立了首个数字零售联盟、发布多场景应用级小模型，想要和生态伙伴一起走进数智化的2.0。

具体来看，任拓胜算AI增长模型平台分为三层：

能力层一方面是任拓的底层技术，包含着任拓胜算AI、生态伙伴们的自研算法以及合适的大模型；另一方面是其积累的海量数据，包括行业数据及具体场景数据。

模型层聚焦行业中模型，比如美妆中模型、母婴中模型、食品中模型等；并将建立场景小模型，比如选品通、风向标等。

应用层则是基于中模型和小模型生成一个个“任务球”，让问题更细化。比如美妆行业中模型可以与“属性通”小模型结合，为美妆品牌生成选品策略的任务球，解决具体问题。

其中，「属性通」和「风向标」双SaaS格外值得关注。

「属性通」用于选品。

事实上，越来越多的品牌开始以内容为指导反向选品。今年年初，小红书CMO之恒跟我们分享了珀莱雅的例子——她们发现在小红书上用户非常关注“早C晚A”，怎么样能够抗老？怎么样能够淡纹？于是珀莱雅借助“早C晚A”的用户趋势推出了“早C晚A”双抗和红宝石精华两款精华的CP组合。经过有效的种草，那一年拿住了“早C晚A”关联记忆的第一心智。之后，她们又在 “早C晚A”之外发现，年轻人由于种种原因，皮肤敏感肌变成了新的痛点，又接着在精华赛道里差异化地推出了修护维稳的源力精华。

任拓的“属性探索”， 不止于单一平台，而是拉通全域的数据，解构社交内容，用大数据建模归因分析，帮品牌在消费大爆炸中找到关键的赛道和产品、分析预测消费趋势，从源头上找到好“品”。毕竟只有“品”好了，后面的内容营销才会事半功倍。

「风向标」则用于内容策略。在这里，品牌可以看到热词榜单、新词榜单、声量榜单、声量增速榜单，综合评估关键词的热门度、新鲜度、讨论热度和增长速度。

比如剃须刀品牌想要知道消费者最关心哪些关于剃须刀的信息、哪些关键词能够一下子就抓住潜在消费者的注意力，甚至消费者会在什么情况下选择更换剃须刀的品牌等等，品牌就可以通过“风向标”找到热词、关键词的深入分析。

有了这些明确的“风向标”，品牌的内容生产也能有的放矢，直达消费者高热话题，为后续生成更能打动消费者的内容指引方向。要知道，在5月份举行的Google Marketing Live活动，谷歌已经开始针对用户的搜索关键词针对性地实时生成广告文案了。这种迅速洞察内容风向的能力在未来会越来越重要。

当然，这里不得不说再多说几句的是任拓的结构化内容标签，它们是一切模型的燃料。标签的颗粒度、时效性、丰富度、全域性、都会影响算法的最终结果呈现。

比如标签的颗粒度，直接决定了AI分析的精准性。拿美妆产品的目标用户来说，如果标签颗粒度仅有男性、女性，或者只是简单的年龄标签，那么即使用上大模型，也无法得出任何有建设性的意见。但如果标签细化到熬夜党、熊猫眼、浮肿星人、孕期准妈妈、产后恢复期、男孩母亲……分析与归因的效果可想而知。

那为什么标签还需要拉通全域？因为我们的生意是全域的、多平台部署的。虽然内容与电商融合是这两年的大趋势，但仍有很多内容平台其实并没有健全电商能力，品牌也不得不面临A平台种草，B平台拔草的“断链”问题。

无论品牌是在抖音还是小红书，任拓的一套标签打通了不同平台的数据壁垒，链接内容数据和电商数据，相比于平台自身的数据分析工具就更有“全局”视野了。

据了解，NINT自研的知识图谱模型，目前已在食饮、美妆、大健康等类目应用，内容和电商结合准确度更高，词语更丰富。而其构建的4级标签知识图谱全面覆盖了人货场及内容创意场景，通过衡量不同内容标签在种草和转化上的表现，为品牌定位出更有效果的内容要素、高潜力的内容生产方向，再辅助内容快速生成。这也为上述提到的任拓胜算AI增长模型平台、「属性通」和「风向标」双SaaS提供了源动力。

林林总总这么多，其实无非是站在品牌的角度思考未来数智化的图景，以及在这幅数智化2.0的图景中，品牌能如何“抢先上车”直奔未来。

任拓给出了一套综合的解法——既有底层逻辑的思考，也有务实问题的解决方案。我们可以相信，更多品牌已经从数智化的焦虑中缓过神来，且走在了以模型促增长的路上。这会给人以持续探索这一领域的信心。

在未来，毫无疑问会有更多细分场景得到AI的支持、大模型的能力也会不断提升，是否应用模型与数据的力量将不再是一道选择题，数智化也将从一个行业话题真正成为渗透商业与生活的常态。