有一种说法，"AIGC 技术拯救了中国大部分 SaaS 创业公司"。结论是否正确有待时间验证，但说到 AI 在 toB 方向的应用，有现成客群、有业务场景、有数据沉淀的 SaaS 平台确实是率先实现 AI 融入自身业务流、并获得正反馈的企业之一。

在亚马逊云科技近期举行的《“无数据 不模型”——生成式 AI 时代的数据基座》媒体沟通会上，亚马逊云科技大中华区产品部总经理陈晓建围绕企业如何构建数据基座，将生成式 AI 的差异化优势应用到自身业务生产过程中，做了题为《无数据 不模型》的主题分享。店匠科技（Shoplazza）首席科学家谢中流博士介绍了 Shoplazza 在电商领域对 AI 技术的探索和应用。

店匠科技是国内领先的电商独立站 SaaS 平台，服务于超过 36 万家跨境电商客户，主要提供多种不同的便捷功能帮助客户实现快速建站，包括高转化店铺主题模版、拖拽式主题编辑器、一站式支付解决方案、高效多进程店铺管理、多平台广告投放追踪和优化。

关于 AI 技术应用现状

Q1：店匠科技目前将 AI 整合到了客户建站的整个工作流当中，具体都应用在哪些场景？哪些部分是目前整合得比较好、客户反馈比较好的？哪些还存在卡点？哪些在提高效率、生产力方面，效果比较明显？

谢中流：现阶段，店匠科技在生成式 AI 方面的突破和创新主要包含四个场景，分别是 GenAl 营销素材创作平台、AI 建站 Copilot、智能客服、智能推荐&搜索。

因为整个 AIGC 大模型的出现、图片的 SD 生成等等，还是比较新的事物，无论是我们的客户，还是我们自己的一些应用场景，其实都还在一个探索的早期。比如说，像智能客服功能就存在一些问题，距离我们原先的预想差距较大。另外，我们使用的大模型也会不断尝试和替换。比如说，原先我们用 GPT 比较多，现在开始尝试 Claude3 等等，在新旧模型替换的过程中，也会出现新的问题；而且直接接入外部模型的问答效果通常不好，无法针对我们的产品进行定制化回答，因此还需要在此基础上进行大量自研工作，包括结合自研模型进行一些特殊问答的处理，以及基于文档资料和历史生成的问答数据使用 RAG（数据检索增强）技术去回答新的相关问题。

所以其实现阶段每一个服务、每一个尝试都没有特别平滑、特别顺利，都有一堆的客诉，一堆的问题。比如说图片生成，就会有客户反馈觉得效果不够好、场景不够多、模特人物的数量不够多等等，这些都会有。目前客户提的需求可以说是五花八门，什么都有，然后我们需要结合客户需求开发一些定制的图像处理算法，包括定制模特生成、图像超分、人脸重构、边缘平滑等处理，满足客户要求。所以在当前这一阶段，我们还不敢说哪个流程是最佳实践，只能说我们在不断优化、不断解决那些卡点。

在效率层面，其实这几个环节都有，只要匹配对了需求和场景，效率的提升都是很显著的。举个例子，比如说我们的智能客服，主要功能是教大家怎么用店匠科技的产品，因为我们的文档化本身做得不错，再加上有比较多的语料积累，服务的又是我们平台内部的用户，所以我们可以比较直观地看到它对于效率的提升。

关于差异化优势&壁垒

Q2：跨境电商是生成式 AI 技术的一个热门应用领域，诸如营销素材生成等功能，市面上有很多同质化的产品，店匠科技的差异化优势是什么？

谢中流：在营销素材创作这个层面，确实有不少企业都在尝试，核心是因为这两年 AI 技术的进步迭代很快，开源社区的推动有很大的积极作用，包括像 Stable Diffusion 等等，它让很多原先不容易达到的技术突破，现在都比较容易实现了。

我们的一个差异化点是，我们开发的功能跟自身业务的关联度很高，和我们现有的独立站客户群体关联度比较高。客户希望在做对应内容生成时，要更符合目标场景的各种需求，店匠科技因为拥有服务广泛出海客户的经验、丰富的业务场景和数据积累，在 AI 产品的实际开发过程中，就可以做一些差异化的点。

比如说，在一些出海行业，像服装、箱包、鞋服等泛时尚品类，他们在出海做内容的时候，一个典型的需求就是符合目标市场习惯的人物形象和生活场景，前者包括不同种族、不同年龄、不同性别的人物，后者包括居家、酒店、街景等一些常见的场景。我们采集了专门的训练数据，并结合一些特殊的模型训练方法和图像前处理、后处理算法，从而达到较好的图像生成效果。

第二个差异化点是，我们观察到在电商领域，很多内容是自带流量的，基于这些内容去做优化和二次创作，会达到一个非常好的效果。所以我们去追踪、爬取海外 Facebook、Instagram 上一些热门信息，提供给商家进行二次生成。从这个维度讲，我们离业务、离跨境卖家的生意更近一些，这也是我们独有的优势，利用这种优势来进行产品化，能达到一个更好的商业化效果。

关于商业化价值判断

Q3：店匠科技尝试的这四个 AI 应用方向，从目前的商业化数据来看，哪个模块效果最显著？

谢中流：这个其实不太好评价，因为我们不同业务模块的上线时间不一样。有些模块需要经过一段时间的推广、使用，才能比较明显地显现出效果。

举个例子，搜索推荐是比较成熟的业务，这块自然会产生比较多营收，从营收结构的角度讲，这块是很显性的。对于像客服这个场景，它更多是减少店匠科技内部的人工成本，并且还处在一个不断迭代、优化的过程中，AI 化的时间就相对短一些。从商业化角度来看，它主要是在降成本这块，而不是替我们的客户增加营收。所以，单从营收和成本结构来看，搜索推荐带来的成效更显著一些。但实际上，智能客服带来的效率提升也是很明显的，而且随着这个产品不断优化，我们也希望有一天能推给我们的客户使用，这样一下子就极大地放大了这个产品的使用群体，到那个时候，产品的量级就完全不一样了。

关于未来增长潜力

Q4：引入 AIGC 技术后，在哪个场景下的应用会成为 店匠科技未来新的增长点？

谢中流：我觉得想要开启新的增长点，往往是一块新业务了。在新业务方面，我觉得 GenAI 营销素材创作平台是一块典型的潜力比较大的业务。

因为每一个电商公司都需要大量的营销素材去做配套，电商很多时候是在“卖图片”，消费者很可能看到图片或视频很喜欢就直接下单了。原来的电商素材只能靠人工创作，现在随着 Stable Diffusion Model、文本大模型的成熟化，带来了很多新的增长点。

但它目前又有很多的局限性。就比如说，我们拿 Stable Diffusion Model 去做生成的时候，有很多不可控的因素，哪怕你加了很多提示词，加了很多前处理、后处理去优化，得到的可能都不是你想要的。

如果只是娱乐级产品，效果差一点大家也能接受，因为它比较有意思；但如果你是电商，你想让它商业化、以假乱真的时候，现实情况距离目标效果是有一定 gap 的。包括今年 Sora 出现以来，大家关注度非常高，但它在电商领域落地还比较难，因为生成的效果还是没法说。 

但我相信，正是因为它现在不够好，人工生产成本又很高，但它又是很重要的板块，所以会是一个非常大的方向。电商是天然带有付费属性的，不像娱乐性的应用，可能一下子很火，但有可能大家新鲜度过去就结束了。在电商领域，一旦 AI 生成的素材能达到以假乱真的程度，它是可以持续创造商业化价值的。

当然这个方向我觉得它难度更大，但是它潜在的商业机会也更大。

补充资料：店匠科技具体用了哪些底层技术和工具来构建 AI 能力？

店匠科技是国内领先的电商独立站 SaaS 平台，服务于超过 36 万家跨境电商客户，包括品牌卖家、精品卖家、店群卖家和外贸工厂。店匠科技提供多种不同的便捷功能帮助客户实现快速建站，包括高转化店铺主题模版、拖拽式主题编辑器、一站式支付解决方案、高效多进程店铺管理、多平台广告投放追踪和优化。

现阶段，店匠科技在生成式 AI 方面的突破和创新主要包含四个场景：GenAl 营销素材创作平台、AI 建站 Copilot、智能客服、智能推荐&搜索。

在GenAl 营销素材创作方面，店匠科技使用 Amazon SageMaker、Amazon ECR SD 镜像等服务(SD 镜像指 Stable Diffusion WebUI 推理镜像)，打造了 GenAl 营销素材创作平台，提升 30% 素材制作效率，实现分钟级出图。同时覆盖多使用场景，涵盖不同商品类目，包括虚拟模特试衣、商品背景替换、爆品创意变款等。

在 AI 建站方面，店匠科技基于 Amazon Bedrock 接入 Claude3 系列模型（Claude 3 Haiku、Claude 3 Sonnet 和 Claude 3 Opus），实现对话交互，理解客户需求；然后基于 Amazon RDS 的运营数据来构建 AI 建站数据底座，能够快速拆解需求，构建元素，并利用这些元素进行快速的网站搭建。

在智能客服方向，店匠科技基于 Amazon Bedrock 接入 Claude 3 模型，以构建智能 AI 客服，并基于 Amazon ElastiCache Redis 缓存向量数据，来实现构建 RAG（数据检索增强），从而利用文档资料和历史生成的问答数据去回答新的相关问题。最终，店匠科技将解决客户问题的平均时间减少  70%，同时客服成本下降了 40%。

在智能推荐和搜索方向，店匠科技利用 Amazon Bedrock 接入 Claude 3 模型，并将其应用于内容理解、搜索意图判断，多模态风格的商品匹配召回等技术场景中，同时提升智能商品排序的效果，从而提升 20% 的搜索推荐收入。

【本篇文章属于白鲸出海原创，如需转载：需联系授权方可，未经授权严转载!】

友情提醒：白鲸出海目前仅有微信群与QQ群，并无在Telegram等其他社交软件创建群，请白鲸的广大用户、合作伙伴警惕他人冒充我们，向您索要费用、骗取钱财！