全网走红的爆款新品，居然是「算」出来的？

做什么新产品，怎样做新产品才能卖爆？许多品牌都被这样的问题困扰着，既怕步人后尘，也怕走错道路。

日前，天猫创新中心 TMIC 正式推出了全新功能——AICI 爆款公式。A（algorithm）I（intelligence）C（create）I（ideas）以大数据算法为秘笈 ，可以用近乎确定的公式，在未知中摸清新品研发门路，为品牌减少拍脑袋决策，让新品更容易打爆。

一、全网走红的爆款产品，居然是靠「算」出来的？

说到打爆新品的方法论，我们不妨先向两位专业户取经。

在我们熟悉的科技数码领域，苹果 iPhone 历来有着极高的话题度，销量也不在话下。除了老生常谈的配置，苹果产品的设计尤其是新配色，总能激起用户的讨论，热搜的排名有时还更高。

那么苹果是如何用配色拿捏用户喜好的呢？众所周知，苹果崇尚极简主义，清一色的黑色白色深空灰。苹果深知，越是简洁的产品，越容易抓住不同社会文化背景下人类审美的共同点，把握大众喜好的基本盘。

久而久之，人们感到腻味的时候，苹果就会参考彩通年度代表色，适时推出新配色。比如，2018 年 iPhone XR 的全新配色珊瑚色，是 2019 年的代表色活珊瑚橘（PANTONE 16-1546 Living Coral），2020 年 iPhone 12 的蓝色，接近于 2020 年的代表色经典蓝（PANTONE 19-4052 Classic Blue）。

从视觉和心理的角度来说，人的眼睛在连续受到某种颜色刺激后，会产生视觉疲劳，就会因此喜欢上与之相对的新颜色，或者叫互补色。珊瑚橘和经典蓝在色相环上接近于互补，刚好就可以给消费者带来新鲜感。苹果每年都能在 iPhone 的配色上推陈出新，靠的就是这一条万能公式。

当然了，配色只是新品组成中的一个维度，或者说是公式中的一个变量。处理产品中的诸多配方成分时，又要如何用公式产出最终结果呢？

另一家爆款专业户瑞幸给了我们的启示：借助算法。

创建于 2017 年的瑞幸，正逢大数据与算法应用的成熟期。因此在成立之初，瑞幸便确立了以数据驱动的路线，以算法模型统筹运营。大到门店选址，小到进货管理，都交给算法模型来解决。

更为关键的一环是研发算法。瑞幸将各种原料和口味数字化，得出无数种产品组合，并通过复购率等指标，量化追踪饮品的趋势，确保时常有新品、款款能打爆。2021 年面世、一年卖出一亿杯的生椰拿铁，就是用这么「算」出来的。

正是凭借这套由算法驱动的研发模式，瑞幸源源不绝地推出生椰拿铁、椰云拿铁、陨石拿铁等薄款新品。2020 年，瑞幸共推出 77 款新品 SKU，2021 年为 113 款，2022 年光前三季度的新品 SKU 就已经超过 100 款。

然而，算法这一法宝虽然行之有效，所耗费成本也是巨大的。一来构建算法模型需要巨额资金和技术投入，二来锻炼算法需要积累大量用户订单数据，并加以精准标记。这显然不是每一个商家都能轻易借鉴的。

那么，是否有与之类似的，广泛适用于各大产品领域的算法模型呢？

二、爆款是否有确定的成功公式？

TMIC 打造的 AICI 爆款公式，正是针对商家新品研发痛点而推出的算法模型。商家无需自己大手笔投入锻炼，就可以通过基于阿里电商大数据的 AICI，用智能算法研究特定市场、特定人群以及对应类目，帮助品牌找到新品赛道，全面挖掘爆品与引流品。

早在 AICI 推出以前，TMIC 已经着手和洗发水、羽绒服、茶饮料等品类下的领导品牌合作共建相关算法能力。基于此，AICI 可以重点为这些领域提供 2023年春夏的爆款公式。

举个例子，如果我是一名服装品牌的商家，想要做一款新品羽绒服，一般会有两条路可以选。第一是求稳，模仿时下流行的样式，将所有热卖元素缝合在一起。第二是求异，剑走偏锋，专门挑没人做的样式。

按理来说，第一种方式赢面更大，别人这样做都做成了，我没理由不成。实则不然。单纯把爆红的成分、样式、品类叠起来，并不一定能组成一个成功的产品，也有可能是个四不像。又或者，做出来的产品已经处于红海，未必能赢过更早入局的竞品。

而如果选择剑走偏锋，打差异化选择寻求出圈，难度则会大幅增加：我的设计方向怎么定，设计定下来之后怎么着手生产，生产出来的产品一定符合我的预想吗......如此摸着石头过河，火了我大赚，不火我血亏。

现在有了 AICI，我就不需要用操心那么多的问题。

首先查找目标人群与市场，了解产品的未来潜力。接着可以通过 TMIC 行业和品牌私域的要素打标，以机器学习二分类单变量逻辑，列出决策因子和关键要素，并查看每一个细分起点的优势和潜力。最后深度学习网络和归因模型，从千亿级潜在组合中高效遍历，形成推荐的黄金公式路径与货品组。

打个比方，我是经营服饰品牌的，研发目标是做一款面向 Gen Z 年轻人的男款羽绒服。那么我首先就输入三个要素：所属的目标市场，对应的目标人群，以及所涉及的功效、面料、款式等关键决策因子。

经过推算，AICI 就可以输出我所需要的决策树和黄金公式。对于羽绒服，消费者的决策因子以功能为最优先，其后由高到低分别是款式、图案、色彩。

基于此，AICI 就可以列举符合黄金公式的、具有极高爆款率的 SKU，给出相应的产品 ID 和图样。比如下图中的这款采用日系风格，高级轻型绒的绗缝款式，轻型绒兼顾保暖与轻巧舒适，绗缝又能减少蓬松感，更显修身。

如果做的是面向 Gen Z 世代的女款版型，那么 AICI 会给出这一款，材质选择羊羔绒、防钻绒、白鹅绒，具备可爱、俏皮、甜酷的风格要素。

某种意义上来说，AICI 就像篮球比赛里跑战术一样，由高效的算法执行传跑配合，创造出空位，最大程度地确保投篮命中率。

不仅如此，AICI 还可以照顾尽可能精细的消费者需求。比如说，我要打造一款面向年轻女士的洗发水，AICI 可以给出「功效>成分>香味>质地」的决策因子排序，并精准地告诉我，Gen Z 女性中的新锐白领对头发洗护有什么需求和痛点：她们偏爱高颅顶的造型，但经常因为头发细软无法保持完美的头包脸发型，约会、外出游玩拍照时候就会显得脸大。

针对这些痛点，AICI 可以为我推荐相应的产品核心配方。如果我的洗发水核心成分里有维生素、金盏花、氨基酸、蜂胶、佛手柑等，就能提供高颅顶女神们迫切需要的营养成分，起到蓬松并滋养秀发、预防脱发的功效，呵护她们的完美造型。

三、深挖消费心理，就这么简单

可以说，AICI 到来之后，整个新品研发的流程被大幅缩，精简到只有两步：先通过数据洞察锁定赛道，再在锁定的赛道下利用 AI 解析出爆品公式。新品研发，从未如此简单。

除了「简」，AICI 更重要的一个优势在于「准」。

在大数据算法中，两个关键的因素是打标和算力。在标签层面，TMIC 拥有非常完整的和品牌及专家共建的商品要素标签，覆盖亿量级商品。打标事关算法模型的精准度，而 TMIC 的标签符合品牌的做货逻辑，完备且和消费者需求间能形成映射关系。

在运算层面上，TMIC 有着阿里强大的算力支持，通过高可靠的多模态深度学习网络和超大规模决策归因模型，基于对市场十亿以上的商品产业要素和用户偏好行为的全面洞察，帮助品牌从上千亿潜在组合中自动高效遍历，围绕市场定位和目标人群精准推荐高价值商业机会。

基于此，AICI 实现了对消费者心理的精准把握，让商家不漏掉任何爆款机会。

如果和传统的新品调研做对比，那么 AICI 的「准」则会进一步放大。在大数据时代，以传统人力方式挖掘消费心理，不仅落后，而且变得越来越不靠谱。这里要从传统人力的三个缺陷说起。

首先，人工定向大多依赖主观判断和经验。面对消费者越来越多样、越来越不确定的新需求，主观判断容易陷入经验主义陷阱。用老一套思维去做新产品，很难把新品打成爆品。

其次，人工商品企划速度慢。以往的产品研发偏向于散点型，缺乏完备的数据支撑。研究完痛点，还要梳理产品成分功效以及价格定位等海量因素，成型时间太长。等到产品出来，可能黄花菜都凉了。同时，没有准确的数据支撑，决策也容易陷入拍脑袋决策，南辕北辙。

再次，人工操作很难处理巨量信息。一个新品能否抓住需求成为爆品，会受到很多信息的影响，不仅要看产品本身技术含量，还要看推广技术的方式等。在瞬息万变的市场环境中，人力光是收集信息就够忙活了。更别说，判断信息的准确度，掌握信息之间的准确关联，也是至关重要的，有时候人脑过载宕机也未必能完整梳理出来。

相比之下，人力的劣势就是 AICI 算法的优势。最为关键的一个，便是大数据的全面性。AICI 拥有淘宝系应用积累的海量消费者真实行为数据，以及强大的算法模型，人力总结片面性、主观性、滞后性带来的问题，在此迎刃而解。

AICI 还提供了更好的精准性，可以聚焦各类人群，或者某一个细分市场进行分析。例如说起中式冲饮，很多人首先会联想到减脂控糖。但据 TMIC 的相关报告，作为消费主力的女性群体，会更关注养生保健要素，她们同时也热衷于美食与时尚。AICI 可以做出精细化分，提供精确的参考数据，帮助商家做出对的产品，交付给有所需求的消费者。

面对不同商家的需求，AICI 还提供了极强的灵活性，可以为不同类型商家、不同研发目标的商家提供多场景的服务。无论是什么样的商家，经营什么样的品类，现在处于哪一个阶段，是否已经做成或者还有做成爆款的可能，都可以给到针对性的诊断，让商家心里有底。

总而言之，人力忙活几天、几个月都理不清的市场行情和消费心理分析，算法三下五除二就能搞定，又快又准。用算法干脏活累活，把最终的关键决策交给人，这就是 AICI 的优势所在。

四、算力之上，还有无限可能

时至今日，AI、算法、大数据模型等等字眼，早已为大众熟知。今年热播的贺岁档电影《流浪地球 2》里的 550 系列智能量子计算机，就为我们呈现了 AI 和算力高度发达的未来：统筹建设行星发动机，快速覆写无人机操作系统，为数字生命提供巨量算力支持......

虽然我们现有的计算设备还远远不能和 550 系列、MOSS 望其项背，但历经不断进步，已经足以完成许多人所不能及的事情。例如近期颇为热门的 AIGC，也就是 AI 内容生成。给出一定的条件，训练好的模型就可以自动生成图像甚至视频，既满足了各行各业对视觉设计需求的巨大缺口，也能给从业人员打下手，提高创作效率。

那么模型不断精进、算力不断提升的 AICI 能为商家做什么呢。不妨展开联想，AI 的长处是借助海量的已知数据，预测未知的将来。此后的 AICI可能的进化方向可能是提前预测爆款销量，或者是通过内容生成算法，生成产品的概念卡。

言而总之，当我们谈及 TMIC 及 AICI 时，我们真正谈及的，是 AI 和大数据算法时代下，真正以科技赋能的营销方式。AICI 以普适性的算法支持，不仅让产品研发变得高效，也在推进整个行业朝数字化的未来演进。