电商中的生成式 AI：一切始于一个提示

生成式 AI 的用途

生成式 AI 被广泛应用于各类场景。我们已在其他文章中探讨了生成式 AI 的创意用法以及可以用生成式 AI 模型构建的项目。不过，以下是我们目前看到的一些典型用例：

图像

生成式 AI 工具（例如 Google 的 Nano Banana 2）可以基于现有图像创建新图像，例如基于某人的面部生成新肖像，或基于既有风景生成新景观。

不同时代风格下的《蒙娜丽莎》：毕加索、梵高、莫奈

文本

您可以使用 ChatGPT 和 Google Bard 等工具撰写新闻报道、博客文章、诗歌，甚至剧本。

音频

它可用于生成音乐、音效，甚至配音。可按需创作各类定制音频内容，从视频背景配乐到品牌独特旋律。

自然语言接口

它可用于创建交互直观的沟通工具，提升各类平台上的数字交互体验。

图像合成

生成式 AI 能创建精细的虚拟模型，提升零售、房地产等多行业的可视化效果。

空间合成

该技术可辅助设计虚拟环境，在虚拟现实、游戏和在线零售等领域大显身手。

产品设计与物体合成

可基于现有数据生成新颖设计，为时尚、家居、汽车等行业打开新可能。

医药

生成式 AI 可帮助创建虚拟模型并预测潜在的药物研发结果，助力药物发现与个性化治疗。

个性化营销

可生成定制化广告或营销内容，提升多平台营销活动的效果。

职场中的 AI

对我而言，AI 正在深刻改善我的工作方式。作为 Specsavers 的赋能负责人，我经常使用 AI 来排障、支持其他用户，并生成信息性内容。

当然，早在我们的 AI 朋友到来之前我也在做这些，但如今交付速度显著提升，使我能支持更多项目/用户，而且它已成为我向所有人推荐的工具。

在电商领域，随着企业寻求个性化客户体验与优化运营，生成式 AI 的重要性与日俱增。

生成式 AI 基础

一切始于一个提示！生成式 AI 以一个提示为起点，形式可以是文本、图像、视频、设计、音符，或任何 AI 系统可处理的输入。该提示可以由用户手动输入（例如使用 GPT-3 根据用户输入生成文本），也可以是自动化的（例如 StyleGAN 是一种生成对抗网络（GAN），可基于图像数据集生成高质量图像）。

机器学习中常见的生成式模型包括生成对抗网络（GAN）、变分自编码器（VAE）以及基于 Transformer 的模型。下面是每种类型的简要概览：

生成对抗网络（GAN）

GAN 是由两部分组成的神经网络：生成器与判别器。生成器负责生成新数据，判别器负责判断数据是真实还是伪造。两者通过对抗训练共同优化，生成器力求生成让判别器无法分辨真假的数据。

GAN 结构概览 - 来源

变分自编码器（VAE）

VAE 是另一类用于生成建模的神经网络。它通过将输入数据编码到低维空间，再解码回原始空间来工作。编码器与解码器共同训练，以最小化原始数据与重构数据之间的差异。You

基于 Transformer 的模型

基于 Transformer 的模型常用于自然语言处理任务。其通过处理输入序列并生成输出序列来工作，尤其适合生成文本，例如产品描述或客户评价。

模型训练

上述模型均通过学习数据来生成新样本。在训练过程中，模型会接收大型示例数据集，并学习其中的模式与关系。模型训练完成后，可通过从已学习的分布中采样来生成新样本。

例如，GAN 可以在图像数据集上训练，进而生成与数据集中图像相似的新图像。

VAE 可以在人脸数据集上训练，进而生成与数据集中人脸相似的新面孔。

而基于 Transformer 的模型可以在产品描述数据集上训练，进而生成在风格与内容上与数据集相似的新描述。

总体而言，这些生成式模型是强大的内容与数据生成工具，广泛应用于各类场景。

电商中的生成式 AI

生成式 AI 在电商中拥有多种应用，企业正借助它来实现客户体验个性化、改进运营并提升销量。以下是电商组织正在使用生成式 AI 的一些领域：

产品推荐

电商中最常见的应用之一是产品推荐。企业可以利用生成式模型分析客户数据，为每位客户生成个性化推荐。例如，亚马逊会根据客户的浏览与购买历史，利用生成式 AI 生成个性化产品推荐。

个性化

生成式 AI 还可通过其他方式实现客户体验个性化，例如生成个性化内容或自定义用户界面。比如，企业可用生成式 AI 生成个性化产品描述，或根据每位客户的偏好自定义其网站布局。

客户互动

通过创建虚拟助手与聊天机器人，提供个性化支持与推荐，也能提升客户互动。例如，企业可用生成式 AI 创建聊天机器人，解答常见的业务相关问题，如申请系统访问权限或请年假。

内容生成

AI 可为电商企业生成各类内容，包括产品描述、评价与广告。查阅 DataCamp 文章，了解如何将ChatGPT 用于销售，进一步学习使用生成式 AI 进行内容生成。

电商中的生成式 AI 案例研究

多家电商企业已成功落地生成式 AI 以改进其运营。

一些速览示例包括：

• 亚马逊使用生成式 AI 为客户个性化内容。
• Shopify 近期发布 Shopify Magic，帮助卖家节省时间、提升销量，并将产品展示给更多消费者。
• eBay 使用生成式 AI 驱动其 Smart Store，帮助卖家为用户打造个性化购物体验。
• Etsy 利用生成式 AI 开启新兴市场 B 端商务的未来。

我们来更详细地看两个：

亚马逊

首先上榜的，想必并不意外，亚马逊正积极投入生成式 AI。亚马逊会为访问其网站的客户生成个性化产品推荐。除此之外，相较于其在微软（ChatGPT）与谷歌（bard）等竞争对手发布聊天机器人的做法，亚马逊选择借助其在云领域（AWS，亚马逊云服务）的主导地位，在其平台上发布两款新的 AI 语言模型 Bedrock。

Bedrock 将允许客户使用亚马逊的机器学习模型，同时其数据不会回流到用于训练这些系统的更大信息池中。这应能解决那些希望构建自有生成式 AI 产品的组织的一个关键顾虑。

阿里巴巴集团

阿里巴巴集团近期发布了其生成式 AI 模型通义千问，并将在不久的将来集成到公司所有应用中。

该模型可用于总结会议记录、撰写邮件、起草商业提案。它还将被加入阿里巴巴的语音助手天猫精灵。

据 CEO 张勇表示，这项技术“将深刻改变我们的生产方式、工作方式和生活方式”。其目标是向客户开放模型，使之能够构建自定义的大型语言模型，目前已开始注册用户。

局限与伦理考量

许多数据负责人在考虑在职场中使用生成式 AI 时首先会问：“这些生成式 AI 工具如何处理所有这些数据？” 这又引出一个问题：“我们是否可以随便问 AI 任何问题？” 至少目前的简短答案是：不能。

我们已经在职场中见到多起因使用 AI 而导致的数据泄露（参见三星因敏感代码泄露而禁止员工使用 ChatGPT 等聊天机器人），许多企业也相继制定了内部规章来规范 AI 在工作中的使用，部分甚至全面禁用。

生成式 AI 的局限与挑战

• 数据质量与数量。为了学习并生成真实且相关的内容，生成式 AI 模型需要大量高质量数据。然而，寻找、收集、清洗与标注此类数据既耗时、成本高，也容易出错或产生偏见。企业目前可能缺乏在规模化层面完成这些工作的技能或知识。
• 评估与反馈。评估与改进这类模型并不容易，因为没有明确或客观的方式来衡量生成内容的质量、准确性、原创性或实用性。尽管人类反馈至关重要，但也可能主观、不一致或稀缺。同样地，缺少专门资源会让这一过程更为艰难。
• 可扩展性与可靠性。训练与运行生成式 AI 模型所需的算力与资源可能限制其可扩展性与可靠性。此外，它们可能生成出乎意料或不理想的输出，进而损害电商企业或其客户的声誉与信任。

生成式 AI 的伦理考量

• 隐私与安全。电商企业或其客户的敏感或个人数据（如偏好、行为、身份或财务信息）可能被生成式 AI 模型访问、使用或泄露，从而引发隐私与安全方面的担忧与风险。
• 公平与问责。生成式 AI 模型所训练的数据或与之互动的人类可能带有偏见，这些偏见可能被反映或放大，导致对电商企业或其客户造成不公平或歧视性的结果或决策。应建立机制，确保生成式 AI 模型及其输出的公平与问责。
• 透明与信任。生成式 AI 模型可能生成与人类创作难以区分的内容，从而在电商企业或其客户之间造成混淆或误导。应有方式披露或验证生成式 AI 内容的来源与性质，并确保其质量与相关性。

未来展望

生成式 AI 在诸多领域大有可为，而电商无疑是其中最具潜力与最令人兴奋的方向之一，未来前景广阔。

增强现实与虚拟现实

AI 可与 VR 与 AR 结合，为客户提供更沉浸的购物体验。例如，基于生成式 AI 的 AR 应用可在购买前帮助客户可视化家中家具的摆放效果。

产品发现

生成式 AI 能更高效地帮助客户找到他们想要或需要的产品。例如，它可以根据文字描述或草图生成真实多样的产品图像，帮助客户更好地想象心仪产品。

该技术还可以基于客户偏好、行为与反馈生成个性化产品推荐，提升客户满意度与忠诚度。

客户互动

企业可以利用 AI 更有效、更有创意地与客户沟通。例如，借助stable diffusion 等工具，为社交媒体、博客、简讯或广告创作引人入胜且相关的内容，吸引更多流量与转化。

生成式 AI 还可为聊天机器人或语音助手生成自然、近似人类的回复，提供更优质的客户服务与支持。

欺诈防控

AI 可更有效、更准确地帮助企业检测与防止电商平台上的欺诈活动或攻击。例如，AI 工具可以为验证目的生成合成身份或人脸，使冒名者或机器人更难以访问平台。

您还可以使用生成式 AI 生成真实多样的数据用于训练或测试，提升欺诈检测模型的性能与稳健性。通过 DataCamp 的在线课程进一步了解用 Python 进行欺诈检测。

结语

生成式 AI 是一项强大的技术，能够为电商企业创造全新而有吸引力的内容。它有助于吸引更多客户、个性化其体验并提升忠诚度，也能优化库存管理、定价与营销等运营环节。总体而言，能否有效运用生成式 AI（以及更广义的 AI）将成为客户/用户在多个平台间做出选择时的重要区分因素。

生成式 AI 将改变电商格局，亦是所有希望在数字时代蓬勃发展的企业的宝贵资产。欢迎在 DataCamp 课程中了解生成式 AI 概念。