新智元报导
修改：Aeneas 好困
【新智元导读】在试了这个很新的「搞钱GPT」之后，咱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东西，改变的可不只仅是码农、案牍作业者和画师。
直播、电商、广告……一切这些你能想得到的范畴，也都开端用它们来搞钱了。
很快，咱们看到的小红书爆品案牍、广告大片、营销脚本，背后的作者没准便是AI。
而依据Acumen Research and Consulting的猜测，全球的AIGC商场规模，估计在2030年将到达1108亿美元。
如此宽广的商场，该怎样用AI搞钱？
最近，咱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。能够说，从内容生产、办理到审阅、发布，从数据剖析到运营优化，整个营销运营作业的一整套闭环，都能妥妥hold住。
那么，它到底强在哪里呢？小编这就来亲自体会一下。
拯救秃头男友
假定我是一个营销新手，入职第一天就被要求写一篇小红书种草案牍《拯救我的秃头男友》，怎样破？
先用咱们的老朋友ChatGPT试试，乍看还能够，但总感觉哪里不对。
可是用帷幄的Alivia生出案牍后，是高低立判。
这交心的口气，满篇的emoji，乃至能够针对给有男朋友的小仙女给到引荐，加上#标签。
能够，这很小红书。
为什么全球最强GPT模型，这一局的体现还不如Alivia？
究其原因在于，GPT虽然强大，但并非在一切场景下都是最佳挑选。关于特定的使命，中等大小的模型反而能够更有效地捕捉范畴相关的信息。
举个比方，在写小红书案牍时，Alivia就愈加专注于时尚、美容、生活方式等主题，因此它生成的内容也就更契合用户预期。
变身推行大师
再比方，现在咱们需求推行一个品牌的咖啡。
无论是对咖啡自身，仍是对国内商场现状都一知半解的小编，怎样能快速写出一版推行策划案？
诶？把标题在Alivia的文档中抄了一遍，它就主动给我生成了！
一个人写太累怎样破？那当然是把搭档拉进来，咱们一起干啦。
新品上市，概念抛出来后，最重要的当然便是测评，咱们这个案牍当然也不能虚。
跟Alivia说：请给我生成一篇新品咖啡的口味测验软文吧。
这丝滑的案牍，不是十年咖啡品鉴大师写不出来。
别的，还想给策划案加个配图，什么样的产品图作用最好呢？
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作用最好的图。
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，小编挑选了最满足的一张，火速刺进策划案中。
再大胆一点，假如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边的现有视频后，小编发现了一个最契合要求的新品咖啡高光视频切片，它还能主动编排成新视频。
借着方才的经验，咱们把咖啡口味评测文章转换成小红书风格的案牍，并转存为该途径的投放文件。
然后，Alivia就会主动开端对它进行广告法、商用版权之类的检测。
通过最终的人工审阅之后，这篇图文并茂的帖子就主动发在小红书上的授权账号上了。
到这儿还没完，Alivia不只剖析了这次活动的数据，做了个复盘，而且还在文档中刺进了看板指标、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
那假设小编预备变身主播，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。
怎样办？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。
敞开连续对话后，还能够微调脚本，比方添加关键字、换个口气等等。
微调后，一个合格的脚本就诞生了，直接就能用。
别的，直播流程、竞品比照，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，是不是感觉十分了解？
依据锐观咨询猜测，到2023年，我国直播电商商场商场规模将到达37749.5亿元。可见Alivia是大有可为。
「碎钞机」搭档，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。
汽车出售商早就发现，客户的痛点各有不同。比方，一名汽车出售人员发现，在到店试驾的客户中，许多年轻情侣十分重视副驾的空间舒适性。
已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？
此刻，你就能够把某类客户的特定需求发送给Alivia，让它生成相应的海报。
审阅通过后，能够使用客户标签，一键把海报发给此类意向集体。量身定做的广告，显然，大大提高了成交率。
相同，假如想生成一款鞋的广告图，你需求什么样的布景，什么样的风格，只管随意给模型prompt。
prompt：生成一张布景图片，空阔，大面积的天空，景深，虚化，地上占1/3，淡蓝色调，树胶质感，有修建，实在质感，渲染，照片级质感，UE，C4D
这个布景还能够，但我想试试在跑道上的一双鞋，那就换个prompt再来一次。
prompt：生成一张布景图片，空阔，大面积的天空，景深，橙色跑道，大面积植物布景，地上占1/2，实在质感，渲染，U3，C4D，Canon5D质感
同理，咱们一会儿就给这个保温杯，生成了6种不同布景的产品宣传海报。
乃至十分刁钻的要求，它都能给你完结，比方原图是竖版的，但咱们想要个横版的图，怎样破？
惊喜来了，只要画个框，就能给图片布景无限「续杯」。
除此之外，Alivia乃至还能在衣服上直接加个「人」。
只需供给一张穿在人台上的产品主图，即可得到「真」模特上身作用，长相还能随意变的那种。
能够看到，靠着Alivia，千人千面的内容生产，便是这么简略。
而帷幄想做的，不只仅是给一个品牌推一张图片这么简略，他们推送的，是整个模型办理和生成东西。
品牌能够通过这个模型，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。
能够幻想，在今后，4A公司出的图，都会以模型为中心。乃至不会直接供给图片了，而是供给这张图片所代表的模型。
直播太卷，怎样办？
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。展现要生动、环境要宜人、价格要够引诱、主播要如沐春风……
而且，处理了最根底的案牍后，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咱们。
此刻仍是祭出老朋友Alivia——迅速变身直播大师！
首要，是主播的排期问题。
从Alivia的剖析中能够看出，「主播4」全体的成绩明显处于领先的状态。因此，咱们就能够把流量富余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。
接下来需求留意的，是直播时各种数据的动摇。
借助Alivia直观的可视化监测，咱们就能够实时地发现异常的数据，并做出策略调整。
比方上架、讲解爆款等，然后提高成交密度，确保转化率回到上升状态。
此外，假如不能及时回答观众的发问，就会明显减低互动率。
而Alivia则能够主动识别重要问题，并通过主播账号进行回复，快速处理观众疑虑。
这样一来，不只减轻了主播及场控人员的压力，而且还能添加看播时长。
数据复盘，一键搞定
直播完毕就万事大吉了吗？当然不是。
俗话说「无复盘，不直播」，而这其间少不了对数据的总结和剖析。
此刻，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。
就比方，汇总下一切活动传达数据。
看起来仍是不够直观？那就再生成一份活动数据总结，以及可视化报表吧。
最终再保存到看板上，齐活。
当然，以上都只是Alivia作为AI copilot才能的冰山一角。
用聊天，处理一切问题
众所周知，大语言模型具有十分强大的文字了解和处理才能。不管是文档、数据仍是对话，都能拿去进行剖析和整理。
不过，想要让它次次都能输出咱们想要的答案，却一点都不简略。
一方面，需求不停地通过调整prompt去引导模型；另一方面，当咱们退出这次聊天之后，方才说的话模型一句都记不住……
为了处理这个问题，帷幄提出了一个十分有意思，也十分重要的模块——Personalization。
简略来说，你现在并不是直接和大语言模型聊天，而是先要通过Personalization个性化模块的处理。
它会记载你的爱好，以及当LLM没有给出满足的回答时，你是怎么进行「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。
一起，Personalization模块还会根据对你过往习气的了解，给出一些Prompt主张，让使用体会愈加个性化。
除此之外，咱们还能够通过调用API的方式接入帷幄的模型，这时就需求用到Whale Graph Engine了。
和Personalization模块有些相似，Whale Graph Engine相同会保存用户与系统交互的上下文，比方用户当前逗留页面，正在操作的内容ID等信息。
如此一来，就能够保证LLM随时都能了解用户在当前情境下的指代内容，比方「转发这篇文章」中这篇文章便是指当前正在修改的文章。
有了这些「个性化」的才能之后，接下来便是另一位主角——大语言模型LLM了。
值得留意的是，因为LLM的输入token有限，咱们无法将一切需求剖析整理的内容，一次性悉数交给大语言模型。
为了处理这一问题，帷幄挑选将长文本材料切分成块，并把这些子内容存储在特征引擎傍边。
当用户发问、查找时，先在引擎中找出和这次输入信息特征关联度高的内容，与用户的恳求整合后一起递交给LLM进行处理，然后就能得到用户实际想看到的内容了。
而且，因为特征引擎中已经记载了文本的原始来历，因此用户在看到模型给出的这些剖析和定论的一起，还能看到作为依据的多个信息来历，便于后续进行判别。
一个字，稳
最终，也是最重要的——AI生成内容的质量。而这也是AIGC是否能够真实用在商业化用处的关键。
为此，帷幄提出了一种由多种生成方式组成的定制化模型以及使用本乡途径数据训练出的私有化模型。
在这些个性化模型的加持下，企业就能够生产出愈加契合途径特色和调性的文字内容了。
相同的，在图像生成方面，团队也通过controllnet和lora等技能，对人物姿势、人脸ID、深度信息、光影、产品形态等细节进行了控制，然后保证生成内容的多样性和准确性。
立异的MaaS形式
其实，从第一天起，帷幄便是一家AI-native的服务商。在深化品牌一线5年之后，更是积累了很多名贵的经验和数据。
而这次，帷幄最为立异的一点在于，其供给的不只是一个大语言模型，而是将这种企业级的AGI才能以Model-As-Service的方式供给给客户。
其间包括，ReID、行为识别等计算机视觉算法、合规检测、话术剖析等各类自然语言处理算法。
这种方式让企业能够根据自家数据构建一个私家的模型，然后生成更契合调性的内容。而且，在享用个性化模型的一起，企业的数据安全也能够得到保证。
总而言之，在Alivia的加持下，咱们不再需求花费很多时间和精力去完结那些繁琐重复的案头作业。从策划案撰写，到数据剖析，都能够由AI帮忙完结。
任何能够用语言表达自己主意的人，无论专业知识怎么，都能够使用它来完结日常作业，而且随着每个人的使用频率添加，Alivia将会越来越了解用户目的，成为ta的专属助理。而这种人机协作形式背后，是未来作业方式的彻底重塑。
最终，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才能鸿沟。
据了解，Alivia现在已经进入内测阶段，并会在接下来的一个月逐步放开测验权限。
waiting list：www.meetwhale.com/2023whale
