【新智元导读】在试了这个很新的「搞钱GPT」之后,我们差点进军直播带货。


在全世界掀起狂飙巨变的ChatGPT、GPT-4、Midjourney v5等AI工具,改变的可不仅仅是码农、文案工作者和画师。

直播、电商、广告……所有这些你能想得到的领域,也都开始用它们来搞钱了。

很快,我们看到的小红书爆品文案、广告大片、营销脚本,背后的作者没准就是AI。

而根据Acumen Research and Consulting的预测,全球的AIGC市场规模,预计在2030年将达到1108亿美元。

如此广阔的市场,该怎么用AI搞钱?

最近,我们尝试了一种很新的GPT


就在这两天,品牌数字化营销运营服务商「Whale 帷幄」发布了国内首个「MarketingGPT」——Alivia。

顾名思义,这是一个专为Marketing打造的类ChatGPT产品。可以说,从内容生产、管理到审核、发布,从数据分析到运营优化,整个营销运营工作的一整套闭环,都能妥妥hold住。

那么,它到底强在哪里呢?小编这就来亲自体验一下。

拯救秃头男友

假设我是一个营销新手,入职第一天就被要求写一篇小红书种草文案《拯救我的秃头男友》,怎么破?

先用咱们的老朋友ChatGPT试试,乍看还可以,但总感觉哪里不对。

但是用帷幄的Alivia生出文案后,是高下立判。

这贴心的语气,满篇的emoji,甚至能够针对给有男朋友的小仙女给到推荐,加上#标签。

可以,这很小红书。

为什么全球最强GPT模型,这一局的表现还不如Alivia?

究其原因在于,GPT虽然强大,但并非在所有场景下都是最佳选择。对于特定的任务,中等大小的模型反而可以更有效地捕捉领域相关的信息。

举个例子,在写小红书文案时,Alivia就更加专注于时尚、美容、生活方式等主题,因而它生成的内容也就更符合用户预期。

变身推广大师

再比如,现在咱们需要推广一个品牌的咖啡。

无论是对咖啡本身,还是对国内市场现状都一知半解的小编,怎么能快速写出一版推广策划案?

诶?把题目在Alivia的文档中抄了一遍,它就自动给我生成了!

一个人写太累怎么破?那当然是把同事拉进来,大家一起干啦。

新品上市,概念抛出来后,最重要的当然就是测评,咱们这个文案当然也不能虚。

跟Alivia说:请给我生成一篇新品咖啡的口味测试软文吧。

这丝滑的文案,不是十年咖啡品鉴大师写不出来。

另外,还想给策划案加个配图,什么样的产品图效果最好呢?

惊喜又来了,小编在Alivia中,居然发现了这么一个宝藏——去年双十一期间投放效果最好的图。

用这个图片打底,小编跟Alivia提出了要求:「给我一些关于这款新品咖啡的宣传海报图,在咖啡厅,有丝绒牛奶,惬意的环境,突出咖啡」。

Alivia立刻应要求生成了4张海报,小编挑选了最满意的一张,火速插入策划案中。

再大胆一点,如果还想要个往咖啡里倒牛奶的视频呢?Alivia竟然也有。

用Neural Search在内容中心库检索里面的现有视频后,小编发现了一个最符合要求的新品咖啡高光视频切片,它还能自动剪辑成新视频。

借着刚才的经验,我们把咖啡口味评测文章转换成小红书风格的文案,并转存为该渠道的投放文件。

然后,Alivia就会自动开始对它进行广告法、商用版权之类的检测。

经过最后的人工审核之后,这篇图文并茂的帖子就自动发在小红书上的授权账号上了。

到这儿还没完,Alivia不仅分析了这次活动的数据,做了个复盘,而且还在文档中插入了看板指标、总结指标等内容,相当于直接写完了一个漂亮的活动总结,完整闭环了。


嗯,你已经是个成熟的AI,该学会自己发帖、帮我卖东西了。

进军直播带货

那假如小编准备变身主播,进军直播带货呢?

动辄三五个小时的直播,脚本的重要性毋庸置疑。

怎么办?当然也是交给Alivia。

它火速给我生成了一款Men's Gel-Venture 8跑鞋的直播带货脚本。

开启连续对话后,还可以微调脚本,比如增加关键字、换个语气等等。

微调后,一个合格的脚本就诞生了,直接就能用。

另外,直播流程、竞品对比,都安排得明明白白。

行了,再学半个小时,小编也算半只脚跨进带货圈了。(狗头)

看看下面这个催单话术,是不是感觉非常熟悉?

根据锐观咨询预测,到2023年,我国直播电商市场市场规模将达到37749.5亿元。可见Alivia是大有可为。

「碎钞机」同事,秒变「赚钱机器」


一千个人心中,有一千个爱车。每个人最心水的那款梦中情车,都是不一样的。

汽车销售商早就发现,客户的痛点各有不同。比如,一名汽车销售人员发现,在到店试驾的客户中,许多年轻情侣非常关注副驾的空间舒适性。

既然需求如此千人千面,怎样针对不同的客户,为他们各自量身打造一款广告呢?

此时,你就可以把某类客户的特定需求发送给Alivia,让它生成相应的海报。

审核通过后,可以利用客户标签,一键把海报发给此类意向群体。量身定做的广告,显然,大大提高了成交率。

同样,如果想生成一款鞋的广告图,你需要什么样的背景,什么样的风格,只管随意给模型prompt。

prompt:生成一张背景图片,空旷,大面积的天空,景深,虚化,地面占1/3,淡蓝色调,树胶质感,有建筑,真实质感,渲染,照片级质感,UE,C4D

这个背景还可以,但我想试试在跑道上的一双鞋,那就换个prompt再来一次。

prompt:生成一张背景图片,空旷,大面积的天空,景深,橙色跑道,大面积植物背景,地面占1/2,真实质感,渲染,U3,C4D,Canon5D质感

同理,我们一下子就给这个保温杯,生成了6种不同背景的产品宣传海报。

甚至非常刁钻的要求,它都能给你实现,比如原图是竖版的,但我们想要个横版的图,怎么破?

惊喜来了,只要画个框,就能给图片背景无限「续杯」。

除此之外,Alivia甚至还能在衣服上直接加个「人」。

只需提供一张穿在人台上的商品主图,即可得到「真」模特上身效果,长相还能随意变的那种。

可以看到,靠着Alivia,千人千面的内容生产,就是这么简单。

而帷幄想做的,不仅仅是给一个品牌推一张图片这么简单,他们推送的,是整个模型管理和生成工具。

品牌可以通过这个模型,生产出万级、十万级的内容 ,这正是全新范式——Model as a Service的要义。

可以想象,在以后,4A公司出的图,都会以模型为核心。甚至不会直接提供图片了,而是提供这张图片所代表的模型。

直播太卷,怎么办?

刚刚,小编已经借着超强的Alivia「半只脚踏进了」直播带货圈。

但问题是,带货圈现在是越来越卷了。展示要生动、环境要宜人、价格要够诱惑、主播要如沐春风……

而且,解决了最基础的文案后,还有主播日程安排、直播数据优化、配合主播引导互动等各种难题等着我们。

此时还是祭出老朋友Alivia——迅速变身直播大师!

首先,是主播的排期问题。

从Alivia的分析中可以看出,「主播4」整体的业绩明显处于领先的状态。因此,我们就可以把流量充裕的时间段尽可能安排给这个「主播4」。

是的,主播之间也要这么卷。

接下来需要注意的,是直播时各种数据的波动。

借助Alivia直观的可视化监测,我们就可以实时地发现异常的数据,并做出策略调整。

比如上架、讲解爆款等,从而提高成交密度,确保转化率回到上升状态。

此外,如果不能及时回答观众的提问,就会显著减低互动率。

而Alivia则可以自动识别重要问题,并通过主播账号进行回复,快速解决观众疑虑。

这样一来,不仅减轻了主播及场控人员的压力,而且还能增加看播时长。

数据复盘,一键搞定

直播结束就万事大吉了吗?当然不是。

俗话说「无复盘,不直播」,而这其中少不了对数据的总结和分析。

此时,只需打开Alivia,导入原始文档后,想要啥数据它都能给你找出来。

就比如,汇总下所有活动传播数据。

看起来还是不够直观?那就再生成一份活动数据总结,以及可视化报表吧。

最后再保存到看板上,齐活。

当然,以上都只是Alivia作为AI copilot能力的冰山一角。

用聊天,解决所有问题


众所周知,大语言模型具有非常强大的文字理解和处理能力。不管是文档、数据还是对话,都能拿去进行分析和整理。

不过,想要让它次次都能输出我们想要的答案,却一点都不简单。

一方面,需要不停地通过调整prompt去引导模型;另一方面,当我们退出这次聊天之后,刚才说的话模型一句都记不住……

为了解决这个问题,帷幄提出了一个非常有意思,也非常重要的模块——Personalization。

简单来说,你现在并不是直接和大语言模型聊天,而是先要经过Personalization个性化模块的处理。

它会记录你的兴趣,以及当LLM没有给出满意的回答时,你是如何进行「调教」的。

这样一来,你在每次对话时,大模型都能通过Personalization,提前知道你的喜好。

同时,Personalization模块还会基于对你过往习惯的理解,给出一些Prompt建议,让使用体验更加个性化。

除此之外,我们还可以通过调用API的方式接入帷幄的模型,这时就需要用到Whale Graph Engine了。

和Personalization模块有些类似,Whale Graph Engine同样会保存用户与系统交互的上下文,比如用户当前停留页面,正在操作的内容ID等信息。

如此一来,就可以保证LLM随时都能理解用户在当前情境下的指代内容,比如「转发这篇文章」中这篇文章就是指当前正在编辑的文章。

有了这些「个性化」的能力之后,接下来就是另一位主角——大语言模型LLM了。

值得注意的是,由于LLM的输入token有限,我们无法将所有需要分析整理的内容,一次性全部交给大语言模型。

为了解决这一问题,帷幄选择将长文本资料切分成块,并把这些子内容存储在特征引擎当中。

当用户提问、搜索时,先在引擎中找出和这次输入信息特征关联度高的内容,与用户的请求整合后一并递交给LLM进行处理,然后就能得到用户实际想看到的内容了。

而且,由于特征引擎中已经记录了文本的原始来源,因此用户在看到模型给出的这些分析和结论的同时,还能看到作为证据的多个信息来源,便于后续进行判断。

一个字,稳

最后,也是最重要的——AI生成内容的质量。而这也是AIGC是否能够真正用在商业化用途的关键。

为此,帷幄提出了一种由多种生成形式组成的定制化模型以及利用本土渠道数据训练出的私有化模型。

在这些个性化模型的加持下,企业就可以生产出更加符合渠道特点和调性的文字内容了。

同样的,在图像生成方面,团队也通过controllnet和lora等技术,对人物姿态、人脸ID、深度信息、光影、商品形态等细节进行了控制,进而保证生成内容的多样性和准确性。


创新的MaaS模式

其实,从第一天起,帷幄就是一家AI-native的服务商。在深入品牌一线5年之后,更是积累了大量宝贵的经验和数据。

而这次,帷幄最为创新的一点在于,其提供的不只是一个大语言模型,而是将这种企业级的AGI能力以Model-As-Service的方式提供给客户。

其中包括,ReID、行为识别等计算机视觉算法、合规检测、话术分析等各类自然语言处理算法。

这种形式让企业可以基于自家数据构建一个私人的模型,从而生成更符合调性的内容。并且,在享受个性化模型的同时,企业的数据安全也可以得到保障。

总而言之,在Alivia的加持下,我们不再需要花费大量时间和精力去完成那些繁琐重复的案头工作。从策划案撰写,到数据分析,都可以由AI协助完成。

任何可以用语言表达自己想法的人,无论专业知识如何,都可以使用它来完成日常工作,并且随着每个人的使用频率增加,Alivia将会越来越理解用户意图,成为ta的专属助理。而这种人机协作模式背后,是未来工作方式的彻底重塑。

最后,用帷幄创始人叶生晅的话总结一下:AGI不会替代人类,而是极大地扩展了人类的能力边界。

据了解,Alivia目前已经进入内测阶段,并会在接下来的一个月逐步放开测试权限。

waiting list:www.meetwhale.com/2023whale