根據(jù)麥肯錫2023的最新報(bào)告，生成式AI在經(jīng)濟(jì)價(jià)值中的75%主要集中在四個(gè)領(lǐng)域：客戶運(yùn)營、營銷和銷售、軟件工程和產(chǎn)品研發(fā)。營銷領(lǐng)域是AIGC的重要使用場景。

目前，許多國內(nèi)外公司已經(jīng)開始在營銷領(lǐng)域布局或應(yīng)用大模型，以提升營銷效率。

在貨拉拉我們也積極推進(jìn)大模型的建設(shè)，進(jìn)行企業(yè)內(nèi)部業(yè)務(wù)應(yīng)用賦能，將其應(yīng)用到營銷場景中(包括外呼、邀約、補(bǔ)貼、觸達(dá)、廣告、抽獎(jiǎng)、積分等)。通過這種方式，不僅提高了運(yùn)營效率，也為用戶提供了更好的體驗(yàn)。

在貨拉拉，我們將大模型營銷能力拆分為8個(gè)基礎(chǔ)能力。這8個(gè)基礎(chǔ)能力是我們公司所有營銷業(yè)務(wù)的支柱，它們共同構(gòu)成了我們的技術(shù)框架，為我們的業(yè)務(wù)提供了強(qiáng)大的支持，這8個(gè)基礎(chǔ)能力分別為：

• 營銷內(nèi)容洞察： 同義詞擴(kuò)充、內(nèi)容解釋、輔助分類等；

• 營銷圖片： 圖片搜索、圖片生成、圖片修改、圖片標(biāo)注等；

• 營銷會(huì)話： 話術(shù)生成、對話續(xù)寫等；

• 營銷視頻： 視頻主題、視頻腳本、視頻制作；

• 營銷內(nèi)容制作： 內(nèi)容生成、內(nèi)容修改、內(nèi)容檢查、內(nèi)容搜索；

• 營銷數(shù)據(jù)分析： 數(shù)據(jù)指標(biāo)生成、指標(biāo)總結(jié)、策略建議；

• 營銷助手： 營銷建議（時(shí)間、工具、觸達(dá)手段）

• 營銷代碼開發(fā)：后端策略代碼、前端營銷活動(dòng)代碼；

營銷消息生成

在當(dāng)今的數(shù)字化營銷環(huán)境中，貨拉拉每月需要推送高達(dá)26億條的消息。然而，重復(fù)發(fā)送相同的消息會(huì)導(dǎo)致用戶疲勞，進(jìn)而導(dǎo)致消息點(diǎn)擊率下降，甚至用戶選擇關(guān)閉消息。這無疑對貨拉拉的營銷效果產(chǎn)生了負(fù)面影響。

在這種情況下，人工智能生成內(nèi)容（AIGC）的應(yīng)用顯得尤為重要。AIGC能夠自動(dòng)生成各種各樣的消息模板，避免了重復(fù)發(fā)送相同的消息，有效緩解了用戶的疲勞感。同時(shí)，AIGC還能根據(jù)用戶的行為和喜好，生成更具吸引力的消息，從而提高消息的點(diǎn)擊率和發(fā)送成功率。

更為重要的是，AIGC能夠幫助貨拉拉節(jié)約消息模板生成的成本。傳統(tǒng)的消息模板生成方式通常需要人工設(shè)計(jì)和編寫，而AIGC可以自動(dòng)完成這些工作，降低了成本。

因此，AIGC的應(yīng)用不僅可以提升用戶體驗(yàn)，還可以實(shí)現(xiàn)營銷消息點(diǎn)擊收益的最大化，對貨拉拉的營銷效果產(chǎn)生積極的推動(dòng)作用。

貨拉拉通過精心設(shè)計(jì)的提示（prompt）和豐富的文案庫，能夠生成各種風(fēng)格的消息模板，如下表所示：

同時(shí)，貨拉拉將該能力以產(chǎn)品化的方式接入營銷消息中心，運(yùn)營人員在配置消息模版的時(shí)候可以選擇AI代寫或者AI改寫功能。

在AI代寫方面，運(yùn)營人員只需要填寫【場景】、【用戶類型】、【渠道】和【文案風(fēng)格】等關(guān)鍵詞信息，就可以通過調(diào)用LLM platform生成所需的文案。這大大提高了文案創(chuàng)作的效率，同時(shí)也保證了文案的質(zhì)量和針對性。

在AI改寫方面，用戶只需要填寫待改寫的原文，就可以通過調(diào)用LLM platform生成改寫后的文案。這不僅提高了文案改寫的效率，也保證了文案的質(zhì)量和一致性。

此外，我們還提供了針對文案生成結(jié)果的用戶評價(jià)功能。用戶可以對生成的文案進(jìn)行點(diǎn)贊、點(diǎn)踩或填寫問卷等評價(jià)。如果用戶對當(dāng)前文案滿意，可以直接使用；如果不滿意，可以支持再次調(diào)用生成，直到滿意為止。

最后，我們也將該能力繼承到貨拉拉開發(fā)的瀏覽器插件Lalabot的寫作模塊中。在Lalabot的寫作模塊中，我們提供了多種預(yù)置的業(yè)務(wù)場景模板。用戶只需要選擇合適的prompt，就可以快速批量生成文案。這大大提高了寫作的效率，同時(shí)也保證了文案的質(zhì)量和一致性。

營銷圖片生成

在現(xiàn)今的廣告環(huán)境中，貨拉拉的廣告流量日均曝光量已經(jīng)達(dá)到了約2670萬，主要采用圖片的形式進(jìn)行展示。這種廣泛的曝光量為貨拉拉提供了巨大的廣告機(jī)會(huì)，但同時(shí)也帶來了挑戰(zhàn)，那就是如何設(shè)計(jì)出能夠吸引用戶點(diǎn)擊的圖片素材。

在使用Stable Diffusion和Midjourney生成廣告時(shí)，我們發(fā)現(xiàn)直接使用提示（prompt）生成營銷廣告圖片質(zhì)量不高，不能直接使用，同時(shí)，廣告圖片設(shè)計(jì)模板的變化并不頻繁。

因此，我們根據(jù)歷史點(diǎn)擊率較高的模板，實(shí)現(xiàn)了一種半自動(dòng)化的橫向擴(kuò)展的人工智能生成內(nèi)容（AIGC）能力。

具體的實(shí)施步驟如下：

1. 我們首先設(shè)計(jì)出一套設(shè)計(jì)模板，這包括確定圖片的尺寸、字體以及位置等元素。

2. 接著，我們利用大型模型的能力，自動(dòng)生成相應(yīng)的文案。

3. 然后，我們使用Pillow Package工具，將自動(dòng)生成的文案添加到設(shè)計(jì)圖上，從而實(shí)現(xiàn)文案庫的橫向擴(kuò)展。

4. 最后，我們選擇優(yōu)秀的廣告圖片進(jìn)行上線，并收集其效果反饋。對于點(diǎn)擊率較低的圖片，我們會(huì)進(jìn)行替換，以優(yōu)化廣告效果。

5. 通過這種方式，我們不僅提高了廣告的效果，也提升了運(yùn)營效率，實(shí)現(xiàn)了營銷消息和廣告點(diǎn)擊收益的最大化。

邀約對話總結(jié)

在當(dāng)前的環(huán)境下，貨拉拉邀約中心已經(jīng)積累了大量的對話文本，并且這些文本還在不斷增加。然而，邀約員填寫的跟進(jìn)記錄的完整度較低，每個(gè)人的標(biāo)注習(xí)慣也各有不同，這使得對話文本的識(shí)別難度增大。

為了解決這些問題，我們在邀約員與司機(jī)對話結(jié)束后，將樣本數(shù)據(jù)進(jìn)行匿名化處理后，利用自研的GPT對話總結(jié)能力，提供了客觀、清晰、標(biāo)準(zhǔn)的通話記錄小結(jié)。這種方法不僅可以提高對話文本的識(shí)別準(zhǔn)確性，還可以提高邀約員的工作效率。

更為重要的是，我們將標(biāo)記為“有意向”的線索優(yōu)先轉(zhuǎn)化給邀約員。這種策略可以確保邀約員優(yōu)先跟進(jìn)有可能轉(zhuǎn)化為實(shí)際業(yè)務(wù)的線索，從而提高邀約員的跟進(jìn)效率，實(shí)現(xiàn)資源的最大化利用。

對話總結(jié)實(shí)例：

營銷機(jī)器人

在當(dāng)前的貨拉拉平臺(tái)上，每日都有眾多司機(jī)和用戶通過客服中心或企業(yè)微信進(jìn)行各類營銷相關(guān)的咨詢，這些咨詢內(nèi)容涵蓋了如何下單、是否有優(yōu)惠、如何支付等多個(gè)方面。對這些問題的及時(shí)且準(zhǔn)確回復(fù)，能夠直接推動(dòng)平臺(tái)訂單的生成，從而促進(jìn)訂單轉(zhuǎn)化率的提升。

目前，營銷機(jī)器人的主流技術(shù)主要基于預(yù)設(shè)規(guī)則和意圖識(shí)別，能夠自動(dòng)回復(fù)用戶的消息，或者根據(jù)用戶的消息內(nèi)容，自動(dòng)執(zhí)行一些任務(wù)。然而，隨著大語言模型的發(fā)展，多輪對話能力、問題拆解能力和語言生成能力的提升，為營銷機(jī)器人的構(gòu)建提供了新的思路。

大語言模型能夠理解和生成自然語言，使得機(jī)器人能夠更好地理解用戶的需求，提供更準(zhǔn)確的回答。同時(shí)，多輪對話能力使得機(jī)器人能夠與用戶進(jìn)行深入的交流，提供更個(gè)性化的服務(wù)。問題拆解能力則使得機(jī)器人能夠更好地理解和處理復(fù)雜的問題。

在貨拉拉，我們基于這些先進(jìn)的技術(shù)，正在嘗試構(gòu)建一個(gè)新的營銷機(jī)器人Agent。這個(gè)Agent的目標(biāo)是幫助用戶拆解和回答各種營銷相關(guān)的問題，提供更高效、準(zhǔn)確的服務(wù)。我們相信，這種基于大模型的營銷機(jī)器人，將能夠大大提高我們的服務(wù)質(zhì)量，提升用戶滿意度，從而推動(dòng)訂單轉(zhuǎn)化率的提升。

在這個(gè)項(xiàng)目的初期階段，我們將主要從兩個(gè)方向入手：

1. 營銷問題的回答:

對于營銷問題的回答，我們選擇采用Langchain+大模型，以知識(shí)庫檢索方式回答。知識(shí)庫檢索的優(yōu)點(diǎn)在于，當(dāng)我們的營銷策略發(fā)生變化時(shí)，我們可以簡單地更新知識(shí)庫的內(nèi)容，以反映這些變化。這樣，我們的營銷機(jī)器人Agent就能始終提供最新、最準(zhǔn)確的信息，從而提高用戶滿意度。

• 本地知識(shí)庫檢索問答流程圖如下圖所示，主要分為3個(gè)步驟：

• 步驟一

• 利用本地知識(shí)庫文件構(gòu)建本地向量庫。首先對本地知識(shí)庫文件進(jìn)行解析和分割，然后進(jìn)行文本向量化處理后儲(chǔ)存到本地向量庫中。

• 步驟二

• 查詢知識(shí)庫中與用戶問題相似的前K個(gè)文本塊。首先將用戶問題文本轉(zhuǎn)為向量化，然后與向量庫中的向量進(jìn)行相似度匹配，返回前K個(gè)最相似的文本塊。

• 步驟三

• 構(gòu)造提示詞模板。首先將步驟二中返回的前K個(gè)最相似的文本塊與用戶提問文本填入到提示詞模板中，然后將提示詞直接丟給大模型進(jìn)行回復(fù)，將結(jié)果返回給用戶。

2. 下單流程的輔助：

對于下單流程的智能輔助，將下單過程分解為以下幾個(gè)關(guān)鍵要素：

1. 業(yè)務(wù)類型（例如，拉貨或搬家）

2. 運(yùn)貨起點(diǎn)和終點(diǎn)

3. 用車車型

4. 用車時(shí)間

首先，我們將利用大模型的多輪對話能力，通過與用戶的交互，逐步獲取這些要素。這種對話的方式可以提高用戶的參與度，提供更好的用戶體驗(yàn)。

其次，我們將這些要素整理成Json格式，以便于后續(xù)的處理和調(diào)用。這種格式的優(yōu)點(diǎn)在于，它是結(jié)構(gòu)化的，可以方便地進(jìn)行數(shù)據(jù)分析和處理。同時(shí)，它也是通用的，可以方便地與其他系統(tǒng)進(jìn)行交互。

目前，貨拉拉的營銷機(jī)器人Agent仍處于初期構(gòu)建階段。我們的團(tuán)隊(duì)正在積極進(jìn)行迭代優(yōu)化，以使其盡快達(dá)到上線使用的標(biāo)準(zhǔn)。

在這個(gè)過程中，我們將持續(xù)改進(jìn)和優(yōu)化機(jī)器人的各項(xiàng)功能，包括問題回答的準(zhǔn)確性、下單流程的智能輔助能力，以及與用戶的交互體驗(yàn)等。

雖然我們的營銷機(jī)器人Agent還處于初期階段，但我們對其未來的發(fā)展充滿信心，我們相信它將成為我們提升服務(wù)質(zhì)量，提升用戶滿意度，推動(dòng)訂單轉(zhuǎn)化率提升的重要工具。

在AIGC的實(shí)際應(yīng)用中，最終的落地形式是以Application的方式，為業(yè)務(wù)方和用戶提供服務(wù)。隨著貨拉拉的應(yīng)用逐漸增多，大模型的能力也被越來越多地接入和利用。這種趨勢使得更多的應(yīng)用開始調(diào)用大模型，從而引發(fā)了一系列新的問題和挑戰(zhàn)。

1. 如何構(gòu)建通用的營銷工具以供大模型使用。這需要我們在設(shè)計(jì)和開發(fā)過程中，充分考慮到各種可能的應(yīng)用場景和需求，以確保我們的工具能夠適應(yīng)各種不同的環(huán)境和條件。

2. 復(fù)雜的營銷應(yīng)用可能會(huì)涉及到多次模型的使用，這就需要我們對模型的設(shè)計(jì)和組織方式進(jìn)行深思熟慮。我們需要找到一種有效的方式，將多個(gè)模型有機(jī)地組合在一起，以實(shí)現(xiàn)復(fù)雜的營銷任務(wù)。

3. 我們需要找到一種快速、可視化的方式來搭建模型調(diào)用鏈路和應(yīng)用。這不僅可以提高我們的工作效率，也可以幫助我們更好地理解和掌握模型的運(yùn)行情況。

為了解決上述問題，我們設(shè)計(jì)一個(gè)貨拉拉大模型營銷應(yīng)用平臺(tái)，自頂向下分為五個(gè)層級(jí)，以實(shí)現(xiàn)更高效的運(yùn)行和管理。

1. 應(yīng)用層：這一層主要包含貨拉拉的各種營銷應(yīng)用，如消息中心、邀約中心話術(shù)、智能廣告文案等。這些應(yīng)用是我們與用戶直接交互的界面，它們將復(fù)雜的技術(shù)過程轉(zhuǎn)化為用戶可以理解和操作的形式。

2. Agents層: 這一層是應(yīng)用決策的智能體，它包含記憶、問題拆解、Tools工具調(diào)用等功能。Agents層的主要任務(wù)是根據(jù)用戶的需求和行為，做出最優(yōu)的決策和響應(yīng)。

3. 應(yīng)用組件層: 這一層主要負(fù)責(zé)構(gòu)建Agents所需要的工具組件，例如Prompt模版、Chains等。這些組件是Agents層的基礎(chǔ)，它們?yōu)锳gents提供了執(zhí)行任務(wù)所需的工具和資源。

4. 模型工具層: 這一層包括通用模型、自研模型以及自研工具。這些模型和工具是我們處理數(shù)據(jù)、訓(xùn)練模型、優(yōu)化模型、部署模型等任務(wù)的基礎(chǔ)。

5. 數(shù)據(jù)層: 這一層主要包括服務(wù)監(jiān)控、營銷知識(shí)庫、文案庫等。這些數(shù)據(jù)是我們的模型和應(yīng)用的基礎(chǔ)，它們?yōu)槲覀兊哪Ｐ吞峁┝擞?xùn)練和優(yōu)化所需的數(shù)據(jù)，同時(shí)也為我們的應(yīng)用提供了運(yùn)行所需的信息。

通過這五個(gè)層級(jí)的設(shè)計(jì)，我們可以更好地管理和運(yùn)行我們的應(yīng)用，從而提高我們的業(yè)務(wù)性能。

貨拉拉已經(jīng)開始在營銷領(lǐng)域使用大模型的AIGC能力，提升營銷效率，提高服務(wù)質(zhì)量和用戶滿意度，從而推動(dòng)訂單轉(zhuǎn)化率的提升。

在營銷文案生成方面，我們的AI可以根據(jù)產(chǎn)品特性和目標(biāo)用戶群體，生成吸引人的、有針對性的營銷文案，大大提高了文案的創(chuàng)作效率和質(zhì)量。

在營銷廣告圖片生成方面，我們的AI可以根據(jù)營銷主題和目標(biāo)用戶群體的喜好，生成吸引人的、有針對性的廣告圖片，提高了廣告的吸引力和轉(zhuǎn)化率。

在對話總結(jié)方面，我們的AI可以快速準(zhǔn)確地總結(jié)出對話的關(guān)鍵信息，幫助我們更好地理解用戶的需求和反饋，從而提高服務(wù)質(zhì)量和用戶滿意度。

在營銷機(jī)器人方面，我們期待AI可以24/7無間斷地與用戶進(jìn)行互動(dòng)，提供個(gè)性化的服務(wù)和推薦，提高用戶的滿意度和訂單轉(zhuǎn)化率。

貨拉拉通過不斷的前進(jìn)，始終保持在技術(shù)前沿，以便為用戶提供最優(yōu)質(zhì)、最高效的服務(wù)。