小模型加速落地應用：品牌通往未來的「半步之遙」_風聞
深响-深响官方账号-全球视野，价值视角。07-21 18:44
從ChatGPT驚豔亮相到各家產品粉墨登場，大模型可謂一石激起千層浪。
一邊是模型使用門檻的不斷降低：Meta聯手微軟高調開源Llama 2而且免費可商用；今年6月火山引擎發佈了大模型服務平台“火山方舟”，讓非專業技術客户可低門檻地選用、應用大模型。
另一邊則是大模型生態逐步豐富，除了名噪一時的文心一言、通義千問等通用大模型，各個垂直領域也“湧現”出一大波行業大模型：京東的言犀、金山辦公的WPS AI、攜程的問道、閲文的妙筆……
但圈內的熱鬧似乎止步於了科技互聯網，對於品牌、商家、千千萬萬的經營者來説，大模型仍然遙不可及。而面對熱潮，面對谷歌、百度、阿里等大平台都在推進大模型滲透到業務的方方面面，品牌商家們多少都有些“模型焦慮”——都知道跟不上科技的惡果，但大模型這樣的技術普通品牌商家究竟應該怎麼跟？哪些生意環節可以用？怎麼用？如果大家都用，我們如何能用出差距？用得更好？
「數智化」是這幾年商業世界中經常出現的高頻詞彙，它的價值人人皆知。過去商家賣貨，七分靠打拼，三分天註定，數智化就是想要把“天註定”的這三分補齊——通過數據解惑玄學，通過AI能力解放人力，讓世界“自由”。
但在數智化的過程中，人們會發現事情並不如想象中的美好。
首先是算力和數據的不足讓算法能力收到限制，類似“巧婦難為無米之炊”，我們想要數智化地來選品，但缺少用户洞察的數據，缺少品與消費行為之間的洞察，如果只是少量數據進行推演，就又回到了“焦點小組”抽樣調查的方式。
其次是從SaaS到DaaS，“人”仍然是數智化的限制。
尤其在國內，我們此前訪談了諸多國內SaaS創業公司，他們異口同聲地談到當前的痛點在於SaaS的標準化難以應對大量客户客製化的需求，而滿足客製化則意味着成本飆升，利潤喪失。在上一波單點突破的AI浪潮中，許多AI企業也陷入做項目、做私有化的交付實施困境中，無法實現盈利。此後DaaS的潮湧雖然一定程度上解決了標準化與客製化的問題，但其弱點在於系統中的規則，基本都是人來制定的，人的限制就是系統的限制。
**“解決這個問題的鑰匙，是數智化時代的Maas，模型即服務。Maas系統可以通過自動學習，不斷的更新規則，掌握新知識，從而突破人的限制。”**Nint任拓集團CEO、任拓大數據研究院院長蘇迭在首屆全域數字零售生態大會上談到。
他認為過去AI無法大規模滲透到生活和商業中，僅在小範圍應用的階段是數智化的1.0時代；ChatGPT的面世讓我們看到了更多可能性，算是進入了數智化的1.5時代；而真正的數智化2.0則是各種應用、產品、服務的大爆發，從創意輸出、應用落地，到策略指導、品牌定製，全面的數智化。
這便是品牌需要的未來。而要想跨越這1.5到2.0的半步之遙，我們需要的不止是大模型，更需要立於大模型之上的行業中模型及場景小模型。
大模型位於最底層，作用是建立基本的認知，具有泛化能力，我們可以通俗理解為小學通識教育，會識字，會加減乘除。中模型是基於大模型通過學習行業數據而建立的，它瞭解某個具體行業的領域特徵，有點像中學的學科教育，歷史地理，物理化學。而再往上走就是場景小模型，類似大學專業，土木工程、航空航天、工商管理。它是一種任務模型。小模型是基於中模型以及具體場景的數據而建立的，並且可以利用每家企業實際業務數據，繼續精調模型，幫助企業解決具體工作中問題。
用“內容種草”來舉個簡單的例子，此前內容與商品的數據是不流通的，品牌憑經驗認知做內容、投放達人，內容只是社媒營銷，究竟哪些內容能帶來種草，哪些內容能帶來最終的拔草，沒有人能精準歸因。不確定的內容，放在不確定的人、貨、場中，相當於不確定性多重疊加的黑盒。
現在商家品牌對於內容給予了更多厚望，內容肩負着社媒營銷、沉澱品牌和電商轉化的多重目標。而這就需要讓內容與商品、內容與消費者之間的關聯變得可見、可分析、可歸因。
大模型的運用讓我們能夠在萬億級別的數據中釐清增長的主線。中模型結合美妝、母嬰、消費電子等垂直領域的不同情況進一步細化思考邏輯。再結合具體場景，如新品發售、打爆品、忠粉復購、節點大促等，選取特定小模型，做到真正的“招招中的”。
品牌可以用目前熱度還不算太高的“分析式AI”找到方向、形成精準策略，實現營銷增效，同時用當紅的生成式AI來生產內容，讓內容降本。二者協同起來，生成式AI幫助我們發現新的規則，基於新的規則，再用分析式AI解決具體問題。
蘇迭認為，要想跨越數智化的“半步之遙”， 需要從生成式AI跨到生成式+分析式AI、需要從使用公開化數據，跨到使用（公開化的）私有化數據、需要從多樣性跨到（多樣性的）整合性。
如此一來，不光解決了平台服務方在標準化與客製化之間糾結的矛盾，還讓品牌面對大模型不再是一臉茫然，而是能夠以實際使用場景為出發點直接用上小模型並根據自己的情況優化，從而拉開與同行的差距。
“我們有一個夢想，希望讓每個品牌商都可以擁有自己的AI模型。”——蘇迭的設想已不遙遠。
在幫助品牌借力模型激發增長這件事上，任拓可以説是在業務邏輯上水到渠成、在執行能力上也有天然的數據優勢。
作為數字零售大數據方面的專業分析機構，任拓已有十餘年的電商數據追蹤經驗，80%左右的500強品牌都是他們的客户。此前，任拓主要為客户提供全域電商測量和內容實效測量兩大方面的服務。就在昨天，任拓發佈了「任拓勝算AI增長模型平台」並且攜手上海市數商協會、第一財經、小紅書營銷、天下秀、交大安泰、筷子科技、D1M、寶捷會創新基金及等成立了首個數字零售聯盟、發佈多場景應用級小模型，想要和生態夥伴一起走進數智化的2.0。
能力層一方面是任拓的底層技術，包含着任拓勝算AI、生態夥伴們的自研算法以及合適的大模型；另一方面是其積累的海量數據，包括行業數據及具體場景數據。
模型層聚焦行業中模型，比如美妝中模型、母嬰中模型、食品中模型等；並將建立場景小模型，比如選品通、風向標等。
應用層則是基於中模型和小模型生成一個個“任務球”，讓問題更細化。比如美妝行業中模型可以與“屬性通”小模型結合，為美妝品牌生成選品策略的任務球，解決具體問題。
其中，「屬性通」和「風向標」雙SaaS格外值得關注。
「屬性通」用於選品。
事實上，越來越多的品牌開始以內容為指導反向選品。今年年初，小紅書CMO之恆跟我們分享了珀萊雅的例子——她們發現在小紅書上用户非常關注“早C晚A”，怎麼樣能夠抗老？怎麼樣能夠淡紋？於是珀萊雅藉助“早C晚A”的用户趨勢推出了“早C晚A”雙抗和紅寶石精華兩款精華的CP組合。經過有效的種草，那一年拿住了“早C晚A”關聯記憶的第一心智。之後，她們又在
“早C晚A”之外發現，年輕人由於種種原因，皮膚敏感肌變成了新的痛點，又接着在精華賽道里差異化地推出了修護維穩的源力精華。
任拓的“屬性探索”， 不止於單一平台，而是拉通全域的數據，解構社交內容，用大數據建模歸因分析，幫品牌在消費大爆炸中找到關鍵的賽道和產品、分析預測消費趨勢，從源頭上找到好“品”。畢竟只有“品”好了，後面的內容營銷才會事半功倍。
「風向標」則用於內容策略。在這裏，品牌可以看到熱詞榜單、新詞榜單、聲量榜單、聲量增速榜單，綜合評估關鍵詞的熱門度、新鮮度、討論熱度和增長速度。
比如剃鬚刀品牌想要知道消費者最關心哪些關於剃鬚刀的信息、哪些關鍵詞能夠一下子就抓住潛在消費者的注意力，甚至消費者會在什麼情況下選擇更換剃鬚刀的品牌等等，品牌就可以通過“風向標”找到熱詞、關鍵詞的深入分析。
有了這些明確的“風向標”，品牌的內容生產也能有的放矢，直達消費者高熱話題，為後續生成更能打動消費者的內容指引方向。要知道，在5月份舉行的Google
Marketing Live活動，谷歌已經開始針對用户的搜索關鍵詞針對性地實時生成廣告文案了。這種迅速洞察內容風向的能力在未來會越來越重要。
比如標籤的顆粒度，直接決定了AI分析的精準性。拿美妝產品的目標用户來説，如果標籤顆粒度僅有男性、女性，或者只是簡單的年齡標籤，那麼即使用上大模型，也無法得出任何有建設性的意見。但如果標籤細化到熬夜黨、熊貓眼、浮腫星人、孕期準媽媽、產後恢復期、男孩母親……分析與歸因的效果可想而知。
那為什麼標籤還需要拉通全域？因為我們的生意是全域的、多平台部署的。雖然內容與電商融合是這兩年的大趨勢，但仍有很多內容平台其實並沒有健全電商能力，品牌也不得不面臨A平台種草，B平台拔草的“斷鏈”問題。
無論品牌是在抖音還是小紅書，任拓的一套標籤打通了不同平台的數據壁壘，鏈接內容數據和電商數據，相比於平台自身的數據分析工具就更有“全局”視野了。
據瞭解，NINT自研的知識圖譜模型，目前已在食飲、美妝、大健康等類目應用，內容和電商結合準確度更高，詞語更豐富。而其構建的4級標籤知識圖譜全面覆蓋了人貨場及內容創意場景，通過衡量不同內容標籤在種草和轉化上的表現，為品牌定位出更有效果的內容要素、高潛力的內容生產方向，再輔助內容快速生成。這也為上述提到的任拓勝算AI增長模型平台、「屬性通」和「風向標」雙SaaS提供了源動力。
任拓給出了一套綜合的解法——既有底層邏輯的思考，也有務實問題的解決方案。我們可以相信，**更多品牌已經從數智化的焦慮中緩過神來，且走在了以模型促增長的路上。**這會給人以持續探索這一領域的信心。
在未來，毫無疑問會有更多細分場景得到AI的支持、大模型的能力也會不斷提升，是否應用模型與數據的力量將不再是一道選擇題，數智化也將從一個行業話題真正成為滲透商業與生活的常態。