00:03
各位线上的朋友们大家好,欢迎参加腾讯云企业创新在线学堂系列课程,我是本次会议的主持人Lisa。腾讯云企业创新在线学堂是围绕企业业务需求,聚焦在数据管理、AI安全、办公协同等8大数字化需求场景推出的系列课程,携手腾讯云,创新驱动无限可能,共同开启企业成长新篇章。在电子商务领域,AI技术的应用正在成为推动行业进步的力量。除了耳熟能详的数字人、直播、带货以外,营销内容的生产、客户服务等多个场景呢也有AI的身影。本期课程将由多位讯行业及产品专家上线,绍视创作、图文能创等业务场景下,通过AI技术实现经营效率优化和顾客购物体验提升的方法。好了,那首先呢,就有请今天的第一位分享嘉宾,来自腾讯云电商行业架构师杨哲明,杨老师负责腾讯云互联网行业的售前工作,聚焦电商和生活服务客户在云上的解决方案,利用腾讯云的能力为电商及生活服务客户提供解决方案,实现业务发展与降本增效。
01:21
今天杨老师的分享主题是电商行业AI工具整体方案介绍,有请。啊,感谢主持人。呃,线上电商的行业的同仁们,大家晚上好,那个非常感谢大家在百忙之中抽出宝贵的时间来参加今天的分享啊,今天整个的分享主题是电商加AI啊,我这边是腾讯云放互联网行业的行业架构师杨泽明,主要呢是负责华南地区的电商和生生活服务这个赛道。那在接下来的时间里,我想和大家呃分享一下AI在电商中的一些应用场景。
02:01
包括负责人带货的场景和解决方案,然后短视频二创中AI的这个赋能作用啊,以及AI在电商图片中的应用。那当前电商行业正在或者说我已经经历了一场由这个视频内容驱动的革命啊,商家正在利用这个视频的吸引力来捕获并保持消费者的注意力,这种策略呢,已经被证明是可以提高用户参与度和提升这个呃转化率的有效手段,那这里面包含了这种直播带货,短视频二创虚拟形象,还有数字人带货等等这样的一些形式。那首先呢,直播带货这个是一种比较实时的这个电商销售方式,这种方式的互动性极强,那能够这个及时的回应消费者的这个问题和反馈,通过这个创造这种紧迫感啊,促使消费者在直播间做出这种购买的决定,也是现在最常见的一种通过视频来带货的模式啊,那在这个基础之上,我们还看到了数字人带货这样的一个趋势,那这是一种使用这种虚拟主播进行产品展示和推广的方式啊,数字人技术的进步呢,使得这个虚拟主播看起来越来越真实。
03:14
甚至能够模仿这个真人的表情和动作啊,啊为观众提供这种这个新奇的购物体验,那还有就是啊,虚拟IP形象的这样的一个应用啊,这些主要是由这种品牌创造出来的这个虚拟形象或者吉祥物啊,可以在不同的这种营销活动和社交媒体上。与消费者去做互动,那建立品牌的这个独特的一个个性和情感的联系,那总结来说呢,其实啊,随着AI技术的这个不断的进步和视频平台的兴起,电商行业通过视频这个媒介所展现出来的这个新的活力,从短视频到直播带货,再到数字人的应用,视频这种媒介的形态呢,其实正在重新去定义消费者的一个购物体验,并且成为这个电商企业带来新的一个增长增长机会吧。
04:04
嗯,以视频这种形式的这个内容营销,其实是不仅丰富了这个用户的购物体验,同时其实也提高了这个转化率。那围绕着视频这个生态,这些年也衍生出了一些电商行业的工具,那在AI的这个加持下,可以看到利用数字人播报和虚拟形象直播这样的形式呢,其实也越来越多,嗯。那我们先看一下这个数字人带货这个场景啊,我觉得数字人带货呢,其实它不仅仅是一个趋势,它也是电商领域的呃一次应用的创新,嗯,通过使用这个虚拟现象,我们可以就快速的制制作出一系列针对不同商品或者是呃知识传播的这样的一些短视频。这不仅是大大提高这个生产效率,而且还能通过这种定制的虚拟形象啊,为消费者去提供一个更加个性化和吸引吸引人的这样的一个购物体验,那从技术上来看,其实对比传统的这种真人直播,呃,差异上是有几部分呢,主要是呃动态的这种。
05:08
背景更换啊,还有支持这种更换主播的声音啊和形象,那以及这种通过多种方式来驱动这些数字人,比如说用文本或者是语音,那对于现在市面上啊,非常呃流行的一些数字人的这些方案呢,基本上都是可以支持上面这些能力的呢,那然而就是在这个过程当中吧,也有一些痛点,嗯,首先是虚拟形象的这个快速生成的一个问题,因为对于现在来讲呢,呃,能够迅速而高质量的去产出这个虚拟形象的这样的需求,我们发现是日益增多的,然后另外一个呢,就是。用户他其实期望是可以通过这个仅仅通过一张照片吧,就能快速生成属于自己的这个虚拟人啊,并利用这个虚拟人来制作商品,或者这种知识播报的短视频啊,这样的呢,其实他对技术的这个啊,不仅要高效,而且还要足够的一些友好来去满足这种非技术类用户的这样的需求,同时也是降低这个用户的使用的一个门槛。
06:12
那我们给出的方案是这样的,就是利用腾讯云2D小样本数字人加上视频人脸融合的方案来满足这个不同场景的一个需求,那2D小样本数字的人是啊,可以通过一张照片或者一段这种3分钟的视频去快速生成和这个真人近似的这个数字人分身。这个分身是不仅能够复制真人的这个五官动作表情,而且能够在用户上手门槛极低的情况下,就是利用这项能力去去扩展自己的应用啊,那无论是内容创作,还是这种营销推广啊,都都能大幅的去提高这个效率,那而且2D数字人我们这边是包括了。5种SKU啊,上面这里有介绍,那其实是可以来应对不同的需求和这个应用场景,用户可以根据自己的这个具体的情况来选择适合自己的这个SKU。
07:07
然后从流程上看呢,嗯,首先是通过这个平台快速生成一批数字人模板啊,举个例子啊,就是在一些这种厂家直销或者是社交电商的这个场景里面,可以用一些金牌销售,或者是这种核心的团长啊,就是社交电商里面这种核心团长来作为这个模特啊,然后去定制这一批这样的专业的这个形象替身,那有了这些模板之后呢,再利用人脸融合的技术呢,可以根据业务场景,快速的用不同的这个带货主播来分发这种优秀的这种带货的短视频。嗯,这里就再介绍一下,就是我们这个2D数字人这个一站式生成的这个管线,那它其实是这样的一个一站式的这个服务平台啊,为客户去提供这种从素材上传到模型训练,再到这种最终应用部署的这种快速高效的解决方案,那从整体的流程其实是比较简单的,主要分为四个步骤,就是啊上传素材啊,那用户是可以轻松的去传他们这个需要训练的数据啊,一般就是比如说一段三分钟的视频啊,也可以使用绿幕的方式去方便后面这个后期的这个背景的一个替换,然后上传素材之后呢,啊,就可以进入这个自动化训练的这个阶段,在这个阶段我们的系统呢,就可以使用这个机器学习的技术,然后来生成这个数字。
08:34
啊,来保障这个高准确性啊。另外就是训练完成之后,可以客户呢,也可以通过这个一个简单的点击进行授权,这样就可以快速的这样训练好的模型部署到自己的应用当中,因为授权之后,你这个数字人就可以在客户的平台上去投入使用了,那同时这个平台其实也提供了这个完全的一个完整的一个透明度吧,啊,那客户可以随时去自助查询到这个项目的各个环节的状态,从而实时的去了解这个定制的一个进展,来保证这个你始终能掌握这个训练的一个最新状态。
09:08
嗯,就是总的来说呢,就是一站式的这个管线呢,是通过减少这种复杂性和等待时间,来使这个数字人的训练和部署变得这个简单和快捷,来帮助我们的客户呢,去缩短产品的这个上线时间。然后这一部分呢,就是我简单介绍腾讯云人脸融合的一个技术优势,那本来本来这个地方是有一些这个啊效果案例的展示的,因因为这这次是一个线上的直播,考虑到版权这个因素呢,我们就不做这个展示了,有兴趣的可以到我们的那个官网上去查看,那对于人脸融合这里的一些技术优势呢,主要讲两点吧。嗯,首先是效果,效果方面效果比较自然,那腾讯云的这个人脸融合技术在属性编辑和风格生成方面是一直都是处于这个行业的领先地位的,那确保了这个人脸融合效果的一个自然逼真,那生成的数字人不仅从外观上跟真人呃基本上难以区分啊,呃在这种表情和动作上也能达到达到这个嗯,比较高度的一个自然流畅。那其次是这个鲁棒性,鲁棒性强,我们的那个技术呢,是具备比较出色的这种啊开放场景的适应性啊,能够在这种各种环境下去保持它这个稳定的融合效果,比如说这种侧脸的模糊啊,还有这种换脸痕迹明显,这种常见的问题都有,都有有效的解决啊,这种呢,就是对于啊不同的这种直播环境,或者这种多变光线下吧,那种条件下的保持的这种高质量的输出还是很有效果的。
10:41
嗯,就是在这一部分就是,嗯,就是我们可以看我们提供的这个技术方案所带来的一个核心价值和益处吧,做一个简短的一个总结,那我们这个方案的目标是通过这个产品能力呢,为电商客户啊提供一个工具,或者是打造一个这样工具的平台啊,希望可以在这些场景上呢,去为我们的客户去提升效率,降低成本啊,提升这个灵活性和可扩展,可扩展性吧。
11:10
嗯,就是结合数字人加人脸融合的能力,是因为考虑到了不同规模和需求的这种电商平台,无论是小型的这种微商,还是这个大型的电商平台,或者是我们线上肯定也有一些专门服务于电商客户的这样的工具平台,那都能够比较轻松的去适配和扩展我们的这个技术服务。呃,第二部分,第二部分我讲一下就是直播切片带货模式的这个这个场景啊,这个模式其实呃,大家现在见的应该也比较多,它是结合了这个直播的互动性和短视频的这个便捷性,那通过这个精选直播内容中的这种高光时刻啊,然后制作成这个短视频的片段,用于这个商品的快速推广和这个销售,那在这种模式下,就像那个小杨哥这样的这个知名的主播和公众人物,他其实是会授权用户对他们的直播内容进行剪辑和在创作,那这些账号通常是基于IP的,就是有知识产权的,那就意味着呃,拿到这些呃直播内容的创作者呢,可以合法的使用这些内容,那这些创作者呢,因此也就是获得了这种源源不断的素材吧,来创作新的视频,那这些新的视频,嗯,由于含有这个就是已知的这个流量内容,能够更快的吸引观众并实现盈利,那同时呢,呃,就是原始的内容。
12:35
楚国也能从中去分成。实现这种双赢吧,那这种这种模式的优势就在于这个,呃,创作者可以访问到大量的这样的高质量的直播内容,然后呃,由于这个视频内容又包含了这个知名人物,能够自然的去吸引粉丝和这个关注者,然后原始内容的这个创作者啊,或者这个版权持有者吧,有一些是MCNMCN机构的这个版权持有者,那通过这种分层机制呢,就可以获得收益啊,激励他们去分享更多的内容。
13:05
嗯。就是不光是小杨哥啊,很多明星其实也都有在做这种,比如什么陈赫啊,郝邵文啊,其实都有在做这种基于明星内容的切片带货模式。啊,那从这个产品技术的角度来讲呢,我们主要去围绕着这个切片二创来分析一下里面需要的一些技术能力。那我们把这个直播切片2创这个需求。嗯,再做一下这个拆分啊,在内容上,内容生成这块,我们看到了一些内容创作者的这种多元的一些需求吧,那左侧左侧这边我列出来了一个那个直播切片过程中的一系列的这个需求场景,包括了这种啊标题生成啊,啊商品文啊,种草文啊,图片美化等等等等这一系列吧,那右侧这一部分呢,是啊,我是展示了腾讯云提供的一个产品解决方案啊,就主要是来满足这一系列的这个需求场景,那比如说我们的这个大模型图像创作引擎,这个是,呃,一个基于大模型的AI绘画工具,能够根据文案自动生成这种高质量的图像内容。那浑原大语言模型,这个是,呃,腾讯自研的一个大语言模型,它可以理解和生成这种各类型的文案来适用不同的营销场景。也支持基于。
14:23
腾讯的这个呃,机器学习平台来做这个金条和呃20次训练,那图像增强就是通过腾讯这么多年的一个沉淀的一个视频图像的一个AI技术能力,来提升这个图片的清晰度和这个视觉的这个效果吧,因为因为很多。呃,拿到的一些素材的原始的这个图片可能并没有那么清晰哈,呃,还有就是这个图片的二维码识别,它可以快速的去识别直播中所展示的二维码,来方便观众去扫码,进一步去了解这个商品和参加的要参与的活动,那通过这张图我们就可以看到,呃,直播切片工具它需要集成的AI能力,从内容创作到到呈现吧,全方位的,呃,就是这里面是全方位的在支持内容生产的这个各个环节。
15:13
去为这个运营者带来更高效的工作流程啊。那除了内容创作的需求以外,在视频本身的处理上,其实也存在很多的这个需求和AI的结合能力,那在这个片子里面,其实呃,我们就可以看到,呃,工具是如何满足切片的这个媒体的需求吧,那左侧这部分也列出了这个直播切片过程当中的一些啊媒体处理的场景,那包括了这种短视频语音的提取啊,视频切割,视频超粉水印换声啊等等,那后面是对应了我们这个视频处理的一系列的方案,像视频信息提取呢,这个能力就是可以我们可以从视频中去取这个关键信息,比如说文本的场景啊,人物啊,为后续的这个。
16:01
嗯,内容创作和编辑提供素材。那像音视频分段的话呢,是可以这个自动的去将这个视频的内容分割成有结构的这种呃音视频片段,来便于去快速的定位和处理特定的内容。呃,文字转语音这个是比较比较常见的一个能力了啊,像视频水印的话呢,就是定制化的可以去处理一些视频的水印,无论是呃增加水印还是去除水印啊,视频增强呢,呃,其实也是通过这个AI的一个算法去改善视频质量,去包括这种清晰度的提升啊,色彩的一些校正了啊来去,嗯。来去帮助这个内容创作者去保证这个视频内容在啊各个设备上都有比较好的一个这个最佳的一个展示效果吧,那呃,通过这个图我们也可以看到直播切片工具集成的这些哪些功能来满足这个内容创作者在媒体处理方面的一些需求,那这些这些工具是可以提高这个直播内容的生产效率,也提升这个最终的内容质量的。
17:05
啊,时间看到在在这一部分呢,那我们简单就探讨一下这个,呃,商品背景的这个替换场景,这个这个其实在很多电商平台或者电商工具都已经具备的能力了,那这个场景其实是就是说用户输入一张商品图片,再配合一个这个MAS图啊,模版图啊这样的一个情况来,然后再描,再加一段这个描述所需要的这样的背景啊文本啊。PRO pound啊,利用这个AI纹声图或者是图生图的这种能力,那根据这些输入去生成一张新的商品图片,那其中商品的背景已经被替换成这种符合用户描述的这种风格颜色或者是材质了,那利用AI的这个能力的优势,它就是啊,在于它的这个快速性和灵活性吧,嗯,用户可以轻松的去创建这种商品的这种多种背景,然后去适应这个营销的活动也好,还有商品的推广也好。
18:01
就是提提高这个一个生产力的提高啊,当然还有这种常见的这种人才图的替换啊,真人图替换这种玩具,还有配饰的这种AI换装吧,都包括在这些场景里面去的。那通过以上的这个。嗯,两个两个场景的讲解吧,我总结一下,其实就是呃,如何去为这种KOLL的这个短视频的二次次加工和分发来提供价值,那利用这些工具啊,可以为那些需要大量处理视频内容的场景,来提高这个视频制作的这个质量和效率,那在二次营销类的这种短视频的制作中,可以通过这个文案生成视频处理啊,去快速的去提取短视频中的这个核心内容,使得这个视频的二次创作和营销啊变得比较高效,来帮助这个QL也好,品牌也好,更好的利用现在的内容去以新的形式去吸引观众,这是它所带来的一个价值。那在商品图片制作这里,就是可以利用这个大模型图像的这个创作能力,那用户可以基于这个商品图啊,或者现有的一些素材去批量的生成符合目标主题的这个商品海报或者广告图。
19:10
啊,加快这个创作速度。而且啊,从这个大量生成的这个内容当中,也可以去呃,挑选一些符合预期的这样的作品去做一些,再做一些精条啊,啊同时这个方案里边也包含了这一系列这种换装的功能啊。就是可以让这个商品在换装成不同的这种样式或者颜色吧,啊,允许这个商家去展示这样产品的多个不同的一个变体。对,这其实是就是为用户提供了一个全面的工具集,来支持他们这种营销活动啊。那最后也附上一下这个腾讯云的这个AI相关的一个产品矩阵,嗯,从这个算力层到平台层,再到应用层也都我们也都提供了相应的这个产品能力,刚才讲到的方案也是利用了这里面的啊部分能力,欢迎大家这个关注去选用,那希望今天的这个分享和讨论啊,可以带来一些啊,给大家带来一些创意和合作吧,啊,我们来共同助力这个电商的一个和AI的发展啊,再次感谢大家啊,我今天的内容就这些,谢谢。
20:19
嗯。非常感谢杨老师的精彩分享,如果有疑问的同学呢,也请您在问答区留言,我们的讲师会在最后的问答环节为大家答疑解惑。接下来呢,有请今天的第二位分享嘉宾来自腾讯云存储高级产品经理王亮,王老师负责腾讯云存储和数据万象相关产品工作,专注在媒体处理、AI处理场景化落地的场景化能力的落地,欢迎老师带来内容智能化,基于智能存储的内容生产方案主题分享,有请。嗯,那其实呃,刚刚杨老师介绍的,我觉得非常全面,然后我这边也有就是不小的收获,今天其实我这边要给大家分享的是也可以从这个题目里面看到,就是基于智能存储的电商解决方案,从这个题目里面其实可以看出来,我们这边提供的解决方案呢,其实是一个打包式的解决方案,然后我们会提供包括像智能处理以及就是存储啊,一起提供出去一个打包式的产品,那具体我们这个解决方案呈现出一些就是什么样的能力,能够给就是客户提供呃什么样的这个帮助,呃,下面会有就是具体的几个部分来给就是大家做一些分享和介绍啊,首先可以来看一下我们整个解决方案的架构图,让大家有一个对我们解决方案有一个比较初步的了解。
21:54
那这里是我们智能存储的关于电商这个行业的解决方案的架构图,其实可以从这个架构图的辖可以看到我们这个对象存储cos的存在,呃,我们现在的电商行业的客户啊,就我拿我们就是csip腾讯云的客户来说,呃,那客户的数据肯定都是在云上的,那我们这个解决方案呢,其实就是贴近客户的这个数据侧去结合我们的存储做了一系列辅助我们电商内容生产的这个处理服务的,就是在上方我们今天要分享的这个核心的产品数据万象的智能工具链啊,其实可以看到有不同的这种类型的处理服务,比如说像内容审核以及媒体处理啊,包括像我们商品检索会用到的这个智能的多模态检索,Mettaight这一系列的就是处理服务。
22:54
嗯,却都可以通过我们数据万象所提供的智能数据工作流进行一个自定义的组合,那我们的用户可以通过这种可视化的界面,或者是说呃,通过API去调用呃组合之后去适配到我们不同的这个业务场景中去,那既然我们是一个智能存储的解决方案,这里肯定要突出一下我们和存储结合的一体化的优势,我们的用户呢,除了在上传文件的时候,呃可以自动的触发到我们的这个数据工作流,从而就是去调用我们数据万象的服务之外,那其实我们整个解决方案中其实会就是呃引用到我们对象存储的这个特性啊,我们把对象存储,比如说像生命周期管理,然后和我们的这个呃智能的数据处理也做了一个结合,呃,比如说我们可能长期这种,嗯,热度比较。
23:54
低的这种商品的浏览文件,我们就可以去把它进行一个体积的压缩啊,这种呃文件可能就进行沉降了,呃把生命周期管理和我们的媒体处理,媒体压缩结合在一起,然后也可以在我们分发到不同的这种呃商品渠道的时候,对我们的这个文件进行一个实时处理啊。其实我们整个的方案架构可以看到,不仅是提供一个比较全面的能力,而这个架构对于用户来说,在实际的业务场景上是真正能够派上用场的,是一个比较实用的架构。
24:34
那刚刚提到的我们数据万象啊,这些就是工具链上的一系列的这种服务呢,其是在我们数据万象的呃,同系列的产品上啊,其实也有呈现,比如说像我们的这个呃,鞋业网盘,还有我们的智能梅子托管,那其实只是因为比如说像鞋业网盘,它面向的这个行业场景不同,所以我们呈现出来的这种产品能力,也根据就是我们客户的这种,就是行业场景以及它的这种使用流程做了一些适当的变形和适配,那其实在这个中层可以看到,为了去支撑我们上层,上层的这些就是不同的产品能力的输出,我们除了和就是长期和这些业务数据打交道,磨合下来沉淀的自研的AI能力之外呢,是在我们的数字万象的产品系列里呢,也把就是,呃,我们腾。
25:35
腾讯的在自研业务里啊,就比如说像我们的腾讯新闻,以及就是腾讯视频已经在使用的AI能力去做了一个整合,然后去提供给我们的用户使用,那使用到我们对象存储的客户呢,其实就可以近水楼台先得月,能够去使用到已经在我们的内部业务上进行了大量验证的这些呃,AI的处理能力。
26:03
那刚刚说到其实我们提供了比较全面的这种处理服务嘛,那具体我们呈现给客户的能力,其实可以通过我们的这个呃智能矩阵,大家有一个比较全面的认知和了解,除了涉及到我们这个电商业务中会涉及到的各种模态类型,比如说像图片视频啊这种文档,我们常见的这个模态都已经覆盖完全了,呃之外呢,那我们在内容生产的这种业务流程中啊,包括从这种就是预处理,我们会刚刚会提到的一些图片压缩转码,以及我们的这种电商的内容审核,甚至最后的这种商品的宣传文案的优化,以及最后的分发,我们整个矩阵其实都有呈现到啊,我们的用户也可以在我们的这个能力举证中去自由的选择和调用。
27:04
那具体就是我们刚刚提到的这些能力,在我们客户的实际案例中的这些,呃,应用效果呢,就下面我们也可以就是有一个比较具象化的一个分享。这里是把我们刚刚就是智能矩阵里的能力,其实放到了我们整个电商的内容生产的环节中来呈现,那其实我们的能力也是为了帮助我们在行业用户里不同的这种用户角色去解决他的业务痛点,那同样的我们刚刚的这个智能矩阵里的能力也是可以帮助我们在呃电商行业里不同的这种用户用户角色,比如说像我们的运营、美工、设计乃至于客服等等,去解决他业务过程中去遇到的一些难点和痛点,甚至说现在比较就是实心的呃,个人网店的这一套啊,就可能店主一个人需要担任运营、客服、设计,然后甚至就是背后的这个策划都是店主一个人,那可能大部分的这个工作都是需要通过AI来完成的,那就非常的需要我们在这个各个的生。
28:21
生产环节中去给用户提供这一系列的智能的生产能力,来帮助他去快速的提升我们整个呃业务过程中的这个效能。那在刚刚提到的就是每个的业务流程中,其实都有不同的这个痛点啊,每个角色或者说每个流程它所面对的问题都是不一样的,那电商这个行业它也比较就是特殊,嗯,再就是AIGC,其实爆发之前就是二年之前,呃,电商这个行业由于它的特殊,其就是线上的这种,就是大量的交互其实是特别多的,呃,导致就是AI其实在电商行业的应用是非常普遍的。
29:10
啊,那比如说我们之前看到的像虚拟主播的这种带货,在AIGC爆发之前,其实就已经有非常大量的应用了,尤其是在这种12点之后的深夜时段,还有就是我们之前会经常接触到的,大家可能不管是跟在就是客户的对接过程中,或者是自己的这种实际体验当中啊,比如说我们去进行商品购买的时候,有这么一个检索的这个环节,呃,像这种以图搜图,然后或者是文本检索,跨模态的搜索,也是在我们电商的这个行业应用中非常常见的一个,呃。非常常见的一个算法,那这两个其实都是在我们的AIGC爆发之前,就在电商这个行业应用非常普遍了,那在AIGC爆发之后呢,其实呃,都在我们的物料制作,然后或者是说商品宣传方面,这个质量有一个比较大的提升,我们的这个虚拟主播,然后甚至是我们的这个商品海报的出图的质量都更高了,这给了我们电商的用户一个更大的选择空间和创作空间吧。呃,后续就是我们在就是电商内容生产的,就是各个环节上,其实都可以加入更多的AI能力去帮助我们的,呃,用户去完成他们是内容的生产。
30:39
啊,刚刚提到的,其实每个环节有不同的这个痛点,那具体我们的这个数据万象的能力去落地到这些环节怎么来,就是呃,应对这些痛点,或者是帮助用户解决了实际的哪些问题,呃这里我们也有一些就是具象化的这个呈现啊,比如说在我们物料制作的这个环节上,大家可以看到就是商品的海报制作,嗯,那这里其实存在的问题,其实刚刚杨老师有提啊,我们大量的这种商品的原图,那可能就是呃一开始拍摄的这种,因为可能我们的来源是比较广泛的,呃,拍摄的设备也不一样,场景也不一样啊,导致这个商品的背景展示是其实比较杂乱的,然后我们人工去制作这种宣传海报呢,呃,之前其实可能比如说像抠图,也导致有一些地方可能会抠不干净,因为我们背景的这种就是。
31:40
是,呃,不统一性吧,可能我们的边缘处理有时候会呃不那么就尽如人意,那这里其实我们提供了一些,呃,就是自动化的这个商品海报的制作流程,嗯,通过我们的服务呢,其实我们的用户可以继续进行一键抠图,这里我们也预制了一系列的这种就是商品海报的模板,那么用户可以去选择,不管是后续banner使用,或者是在商品的货架使用啊,这里只需要就是把我们抠好的图去直接呃放置上去就可以产出一张这个图片了,那整个过程中呢,其实完全不需要就是设计人员或者是美工的这个介入,对于用户来说,其实整个人效提升是非常高的。嗯,在这个过程中,其实刚刚提到就是我们的商品海报制作有一个抠图的原因,是因为我们的这个原素材可能质量就会比较差,所以在这个过程中间,嗯,我们可能需要做一些。
32:40
一些图像超分或者是图像增强之类的操作,那这里我们也给用户提供了这个相应的选择,那最后到底是推荐什么样的这个商品海报,或者是说商品素材给用户,那其实我们的用户购买的时候,我们这个商品图片的美观度其实是一个挺重要的决定因素,所以这里我们也提供了一个图像质量评分的这个功能,来给用户去做这个选择啊,那可能就是我们综合美观度以及清晰度比较好的素材,我们优先进行推送,那来获取就是更高的这个客户留存率,这是我们在整个物料制作场景中去帮助用户,去给用户提供的一系列的能力,然后其实这一系列的链条呢,我们的用户都是可以通过万象的数据工作流来进行一个就是自动化的调用的,那整个过程其实不需要就是人工的介入。
33:41
下面一个呢,其实就是我刚刚提到的,在我们的AI爆发之前,其实就以呃应用的非常广泛的一个场景啊,就是商品检索,那在AI就是现在IGC这个爆发之后呢,这里其实也是我们新推出的一个呃产品服务的能力啊,其实可以在中间看到我们的智能检索met set, 嗯,大家可以就是呃看到我们现在电商的这种商城商品的罗列,其实嗯,很多都是按照这种品种啊,比如说像女装男装,然后是3C产品,那这种可能前期就需要去对我们的商品去进行一个分类,那在这个部分其实就需要到我们图片标签的这个能力,那在我们智能检索中其实就提提供了这个图片标签能力,并且根据我们这个电商行业做了就是一定的适配啊,嗯,我们的电商行业其实刚刚提到就是,呃,因为我们。
34:42
最后需要这就是对客户呈现的,这都是商品的类目,所以其实这里会做一定的调整,呃可以看到我们下面就是具体的这个类目标签是达到了千类以上,嗯具体的检索的时候呢,我们也可以根据我们图片这个标签来进行,就是呃商品的查询,那更快捷的查询方式也是我们现在就是呃大众会经常用到的,其实是根据语义去进行查询,可能是输入一个关键字,或者是呃语句相关联的话,或者是更快捷的,我们去做这个以图搜图,那现在我们的这个检索服务也提供了这两个呃相应的能力啊,我们去根据语特征做匹配。
35:28
嗯,所以呢,下面其实呃,我们除了提供这几个就是相应匹配的检索能力之外呢,因为我们提供的是智能存储的解决方案吧,这里也有一个比较大的就是特点啊,就是我们就是贴合存储的,我们所有的这种就是电商类的客户上传了图片之后,其实都可以自动的去建立相应的这个标签的特征,然后或者是建立相应的索引,后续去用户去做搜索去整个过程是非常便捷的。
36:04
呃,下面其实我们就是这个新能力met set的一个DEMO的展示。那这里看到的是我们根据图像去检索的效果。提到了同样的可以根据语句进行检索。嗯,那其实在检索环节之后,刚刚也提到了,就是我们在电商这个比较特殊的场景里,有很大一部分是需要我们去进行这个,比如说商品海报或者是商品内容的呈现那种就中间会涉及到,比如说呃,我们的图片需要投放在不同的平台,还有我们的文案需要投放在不同的平台,那其实这中间就涉及到一个非常重要的环节,就是审核,所以在我们的服务里也提供了就是呃,除了常规的这种审核功能之外,我们也提供了适配于就是电商行业的这个审核功能,比如说上面我们看到的类似于像平台logo的这种识别啊,嗯嗯,提供给之前比如说我们给国美定制的,可能就需要去识别一些就是竞品的这种logo,那这个就是能力可能在就是其他的行业场景是比较少见的。
37:55
那下面可以看到就是呃,除了我们一些常规的我们终端的用户需要就是使用到的检索以及就是审核能力之外,这里其实我们在电商的这个AI能力辅助生产,有一个比较核心的去提升效能的点,就是我们一开始说的在制作这方面啊,尤其是在呃运营这笔这部分,其实在就是AI爆发之前也提到嘛,就是虚拟主播是一个应用已经比较频繁的场景了,那就是在AC爆发之后,现在其实虚拟主播的质量是有了一个非常大的飞跃,非常大的提升,其实刚刚就是杨老师也有做非常多虚拟主播的介绍啊,这里我就就比较简单的概过了,就是说在我们就是数据万象所提供的服务里,嗯,所有我们新主播的前置的处理流程,比如说我们拍摄了真人的人像。
38:55
之后去对这个人像的背景,比如说我们进行绿幕拍摄,或者是自然的视频拍摄,嗯,去做这种就是人像的背景抠除,视频的背景人像扣除,以及中间的再加上这个语音混音,呃,整个流程都是可以通过我们数据万象的工作流去进行全流程的自动化的配置的,那配置好了之后,我们用户去上传了图片也呃,用户去上传了视频,整个过程也是不需要就是人工介入的,那这是我们整个解决方案中其实比较重要的一个差异点。
39:37
那在最后呢,其实除了AI还想就是提一提我们呃基础的一些场景化的能力,嗯,大家都知道在电商的这个行业场景中,其实终端的用户访问量是非常大的,那电商其实只是把线下的这种逛街,其实换成了就是呃线上的这种虚拟化的体验,比如说我们可能实体的线下的租售的店铺变成了线上的这种呈现的货架,或者是线上的前端网页,呃线下的这种就是我们店铺的租售成本转化成了我们线上的这种,我们客户需要去访问呃这种商品详情,然后或者是浏览商品图片的这种流量的这些成本,这其实是中间是需要相互转换的,所以怎么帮用户去节省我们线上这种店铺运营的运维的。
40:31
呃,相应的成本我们也有,就是比较呃基础的灵活的方案,嗯,这里其实也是结合存储,然后以及我们的智能处理去实现的。在我们的方案中,其实原图在我们的对象存储cos里只需要去存储一份,然后根据不同的这种就是呃客户的浏览视图,比如说我们在不同的终端需要去访问一些详情视图,那详情视图可能这个详情页的图片就比较大,然后有些是我们产品的这个缩略图,可能只是需要在封面看一看,嗯,那我们的用户去访问的时候,我们再去做实时的处理啊,对于我们的这个客户来说,其实下载的流量成本就减少了非常多,这是我们提供的一个基础的帮助用户去减少这个运营成本的能力。
41:29
啊,刚刚提到的能力其实也在我们具体的客户案例中,呃,有不少的应用,那这里我们罗列了一些我们实际的客户案例。那其实这些案例也都是大家平常就是能常见到的,在我们衣食住行的各个赛道的一些客户啊。比如说在小红书,其实就是使用了我们刚刚提到的一个,呃,基础的处理能力,就比如说像图片压缩,就是为了去适配我们不同的这种视图,那在它的存储可能只是存储到一份原图,那我们的用户再进行啊不同的终端的访问的同时再去进行一个处理,那这样去降低它的流量成本,也降低它的处理成本。
42:20
值得买,这个平台呢,它其实主要的定位是分享,所以对这样的客户来说,它呈现出来的商品的素材的美观度其实就是至关重要的,怎么能够通过就是我们商品的质量去让客户留,去让客户进行一个留存的动作,呃,所以这里呢,就是它主要使用到的是我们比如说像视频还有图片这种素材的质量评分,去尽量的推送嗯品美观度比较高的这种素材。那这样可以就是提高他的这个获客率。
43:01
最后在母婴赛道的孩子王这个客户,呃,其实也是为了去提升他这个商品的展示效果,那这里其实用到的是我们商品抠图的这个能力,那我们商品抠图的这个能力其实是专门为了电商的这个展示场景做了一定的优化,大家可以看到在左侧我们去做优化的这个效果,我们电商刚刚其实刚刚提到,因为这个素材的来源可能比较杂乱,呃导致我们这个抠图的效果可能会呃出现一些不尽如人意的地方,那这里我们根据这些客户已经出现过的状况做了相应的一些优化,所以我们在这些就是比较特殊的场景下,呃,做的会比较有优势。啊,刚刚提到的我们万象提供的所有的能力呢,都可以通过我们的智能工具箱去做一个呃体验,包括我们的这个检索,目前也是开放内测了,大家也可以就是通过下面的这个呃二维码去申请一下我们的这个内测,嗯,后续如果有问题的话,这个就是PPT呀之类的,我也会就是通过主持人,就是放在我们的内部交流群里。
44:19
那我今天的分享就到这里,谢谢大家。谢谢王丽的精彩分享,那如果有疑问的同学也请您在问答区留言,我们掌声会在最后的问答环节为大家讲一解惑。接下来呢,有请今天的最后一位分享嘉宾,来自腾讯云智能AI产品专家张肖老师,张老师负责腾讯云智能大德型相关产品及解决方案的促进商业化合作,擅长智能客服在泛互联网零售电商等企业内部的产品的。欢迎张老师带来服务智能化,基于大模型的智能化客服主题分享,有请。嗯,刚才两位老师分享的关于电商的一些解决方案是非常丰富了,那我这边呢,主要是从电商服务的角度来跟大家分享,在啊大模型爆发的这个阶段,那我们有什么新的一些解决方案以及应用场景?
45:15
好,那我们先来看一下在零售电商的这个赛道里面,那大家常面临的服务痛点有哪些?首先的话,因为其实电商面对的C端的访问量是极大的,而且可能客户来去询问的一些内容都是比较高度重合的一些信息,比如说一些订单,一些售后,一些退货呃,一些换货等等,那这些呢,其实是比较容易出现呃问题的一些地方。那另外的话呢,由于我们的电商的品类,因为刚才其实两位老师介绍到我们的品类可能涉及到非常多的一个类目,那因此在我们的平台处理的时候,比如说处理多个业务的候,像订单、物流、商品等等,可能涉及到一些跨系统的一些查询,涉及到一些业务系统的组合,那另外的话呢,就是在一些啊,比如说我们的一些不同的业务形态当中,有一些这个b to b TOC的平台,那么平台对于入驻商户的一些管控,那是不是会引起一些这个比如说。
46:15
呃,C端用户的一些客诉等等,那对于历史绘画的一些监控以及处理,那通常也会给我们造成一些困扰,那另外的话,其实还涉及到在一线的客服服务的过程当中,有一些无法去解决的一些问题,如何的去跨团队去协作,及时的去传递到后端,帮助用户快速的去去解决,然后去提升客户的整体的一个服务体验,其实都是我们需要去思考的一些问题。啊,那另外的话呢,其实刚才也提到,对于电商行业,那我们的电商平台来讲,它的不同服务模式,其实啊,对服务场景的诉求其实是不一样的,那比如说像我们的一些直营的一些BTOC的一些单店的电商平台,那还有一些呢,比如说类似于这种商户型商户入驻的这种平台,平台型的多店的多电式的这种,呃,这种这种电商电商的平台,那它其实所要管控的内容和范围都是不一样的,相对来讲单店的话呢,就比较简单,是直接对于本本本品牌的商铺呢,对应买家就是相对来讲是可能是品牌自建的一些,呃一些平台,那这样的话呢,链路比较短,相对来讲说服务的呃,服务的一些风险还是比较可控的,那另外的话呢,在一些平台型的,呃,平台型的电商当中,那它其实涉及到入驻入驻的。
47:44
的商铺,也就是入驻的商家,然后又有买家,又有电商的自营的服务的团队,那在这三者之间呢,其实是需要一个比较好的一个服务沟通的机制啊,去保证我们服务信息的有效传递链,整体链的一个通畅。
48:03
好,那在刚才的这个服务痛点的一个背景下呢,其实目前我们也结合了啊大模型的能力去对客服的全流程进行了整体的解决方案的升级,那目前来讲说作为整体的服务啊,服务作为我们整体的这个客服,那是品牌企业品牌的一个统一的对外界面,那我们会覆盖到不同的呃,在线的全渠道的服务当中,那比如说我们特色的其实是基于QQ以及微信生态的啊,两个双通的整体的一个渠道覆盖啊,包括像微信当中的搜一搜,小程序,或者甚至是在支付凭证,视频号等等,那其实都可以植入我们的企业品牌的,呃,客服客服咨询的入口,那作为我们跟外界去沟通的一个一个桥梁,那另外的话呢,比如说像一些自建的一些web I'M或者是说像我们的一些这个APP当中,其实都可以啊,作为我们统一的这个。
49:03
存取到统一的服务平台的入口,那在统一的这个服务接入进来之后,其实我们就会有整体的这个机器人去啊,承载我们刚才提到的比较重复度高的信息,重合度比较高的一些问题去解决,去释放一些人工的这个呃服务的成本,那在这个当中呢,其实我们就把大模型的AI机器人去作为啊整体的这个服务提效的一个首到门槛,那它其实相对于传统机器人来讲说,会提供更精准,更拟人化,更全面的一个服务,去降低我整体的这个人工运营的工作成本,那在大模型机器人啊,比如说涉及到模型无法这个完全回复的问题,或者是涉及到一些购买咨询类的问题的时候,那需要转人工的时候,那我们会涉及到有灵活分配的这个路由机制啊,去可以选择说去转到人工去进行服务,那在人工的这个服务流程当中呢,其实我们的啊,这个整。
50:03
体的服务机制又会分为品牌单店或者是刚才提到的平台型两种模式啊,去满足不同电商客户的场景需求,那同时呢,除了常规的比如说像呃文本的沟通,那我们还有专门的这个音视频的接待组件啊去提升我们比如说在一些售后的一些场景,我们可以通过视频的方式呢,去解决客户的一些问题,去提升整体的沟通效率,那另外的话呢,就是在刚才提到的跨部门的查询,当跨部门的一些啊工作配合当中呢,我们又可以通过啊工单的智能工单的模块去解决啊,去追踪客户的流程问题,去解决客户在呃跨部门的问题当中的一些流转,那之后的话呢,其实整体的这个服务完结之后,那我们又有这个大模型的智能质检,去基于这个模型的能力去自动化的去啊做服务质量的把控,去挖掘客户的一些,比如说洞察客户的画像,去挖掘一些业务标。
51:03
签啊,作为未来我们的一些呃营销,营销或者是服务持续提升的一个方向,那呃另外一个呢,就是在整体的这个。啊,服务或者是营销的过程当中呢,我们也提供这个智能的AI外呼机器人,可以作为比如说像一些营销活动的触达,或者是说一些回访啊生日祝福等等,去连接我们跟客户的一个呃去去去连接我们跟客户提升粘性的这么一种手段,然后去持续的去触达到客户,那最后的话呢,其实是在整体的这个服务完结之后,那我们通常希望把呃客服客服接到的一些公域的流量去沉淀到这个私域的啊私我们私域的这个用户池当中,那我们也提供基于这个公域的这个这个这个咨询窗口去息发一个企微,企微的这个服务人员的一个卡片,那嗯,去引导客户去把这个好去添加我们企业微信的好友,去把客户呢,去沉淀到我们的私域流量池当中啊,从而实现这个公域私域服务营销一体化的这个诉求,那么在企微的这个私域营销工具当中的起点。
52:15
那其实还有SCRM的工具可以持续的去做啊,这个用户的这个运营。好,那我们先看一下,在第一个环节,就是在大模型,在呃客服的一个全链路的智能化升级,那首先的话呢,相相较刚才其实也提到了,相较于传统的文本机器人,那我们其实在三个方面有了比较大的提升,那首先的话就是在用户侧,那么它感知的模型的一些呃呃上下文的一些理解的能力,包括说用户意图的一些准确识别的能力,那我是咨询一个售后的订单,还是咨询一个商品,或者是说售后订单里面,我到底是想要退货,还是想要问这个换货的周期,那对于一些复杂问题的一些意图理解的准确率层面呢,目前是比较有大幅度的提升的。
53:05
啊,那第二个的话呢,就是在呃,在整体的企业层面,那我们B端客户考量的一些降本增效的层面,那我们有对作息侧以及后台知识运营测啊两个方式去提升我们整体的这个呃效率,降低我们的成本。那首先在作息册,当用户跟机器人沟通,沟通的会话转接到坐席之后,那传统的话是通过坐席可能去查看近期两三次的交互内容才能了解到啊前前序发生了什么问题,那这样的话呢,相对来讲是比较耗时的,那目前大模型的这个阶段呢,我们可以对前序的绘画呢,直接生成摘要,那它会总结提炼出来几个要点,去给坐席去做一个high赖的提示。那第二个呢,就是在整体的服务过程当中,AIGC会生成一些服务和营销的话术,然后供我们坐席呢,去快速的去参考,那第3个呢,就是在整体的服务接待完成之后啊。
54:05
会由模型去自动生成绘画小结啊,去提升整体的这个服务的啊效率,快速的去接,快速的去接入到下一段会话当中啊,尤其是对一些比如说像电商行业,那我们有一些客服是比较更换比较频繁的,有一些新人去啊,新人去呃,新人存在的一些情况下,那么对。啊,新人做起来讲啊,这些功能都是比较友好的,那第三个的话就是在知识运营的层面,那我们知道传统的文本机器人都是通过啊人工梳理的方式去做整体的知识库构建,相对来讲说他们的呃,耗时以及人工的运营成本是非常高的,那目前呢,我们提供大模型加rag的整套方案,那可以呢,将我们的一些呃,目前的一些这个,比如说文档或者是流程产品介绍类的一些文本的数据呢,去通过模型的方式去自动的去解析啊,生成一些FAQ问答,去大大降低我们的知识构建的一个成本。
55:11
好,那我们来具体的看一下,针对于用户侧模型是如何进行精准拟人化的一个回复的,那首先来讲,我们这边其实也举了一些例子,这个是我们在呃目前大模型其实在腾讯内部的一些产品,比如说在腾会的呃这个官网客服上,那我们其实也作为这个呃C端作为这个B端的一个服务的,呃服务的服务机器人的一个入口啊,那他其实可以看到他对他对对他对产品的一些目前比如说像腾讯会议如何开发票等等,那他其实是可以通过总结多个文档啊,进行多个知识来源的一些呃答案的一些搜索,那最终归纳总结去回复,给到一个比较准确的一个回复的,那这里面其实也是目前用到我们跨文本去综合检索的一个能力,那第二个的话呢,比如说在我们啊落地的一些OTA的一些这个互联网的企业当中,呃,他们通常可能会存在一些这个任务型的绘画,那比如说这个去。
56:11
去做酒店的推荐,或者是说做这个订单的查询,那通常呢,原先都是要配置一些比较复杂的一些任务流,同时呢,整个的呃,任务流的啊,任务流的呃,任务流的任务流的体验的相对会比较死板,那目前的话呢,其实我们可以做到啊,在整体的这个对话流程当中啊,模型能够自动灵活的去应对啊,关于用户提出的一些比如说啊闲聊啊,或者是说问到主主流程以外的一些问题,那会结合我们的这个rag以及搜索引擎呢,去给出一个比较准确的回复,那之后呢,再把话题去拉回到我们对应的这个流程当中,比如说这边举了一个例子,那客户在问说上上海经贸大厦附近有没有什么其他的景点,那这个呢,其实我们讲它是一个知识型的,有可能是存在我的一些文档当中的,那我们从文档当中呢去啊,给到一个准确的回复,那附近有什么推荐。
57:11
的酒店,那这里面呢,其实它会有一个上下文记忆的能力,那它指的是上上海经贸大厦附近有什么推荐的酒店。那包括他其实还会啊,去调用目前我们的一个接口,去搜索到目前相应的一个酒店,以及它对应的这个价格,那下面的话,其实客户又进入到第三个任务型,就是帮我去做一个酒店的预定,那通过模型呢,会自动的去啊去引导客户,比如说他的入住时间啊,以及这个,以及他的这个啊入住,呃,入住的这个,比如需要的房间的数量,那在这个当中呢,其实客户又会跳出当前的一个预定的流程去问最近比如说这个水族馆有没有什么活动,那我模型其实解析到这个知识性的意图进行回复之后呢,又把话题拉回到去预定几号的酒店,相对来讲它的啊绘画流程是比较灵活的。
58:05
然后第三块的话呢,就是在啊用户情绪的识别层面,因为我们服务C端客户当中呢,其实尤其是涉及到客户的退换货的时候,可能会啊产生一些情绪,那如果传统的文本机器人的话,其实就没有办法去很好的识别,那目前其实在大模型这里的话,它能自动的去通过聊天的方式呢,去结合上下文去理解用户的意图,识别用户的情绪啊,从而提高客户的整体的使用的满意度。好,那第二个点呢,就是在用户侧的一个提升,就是我们可以根据啊用户的不同的要求,去给出一些个性化的一些啊一些这个答案啊,比如说这个客户,那我们是其实是有这个客户标签,根这个知识标签的一个匹配的能力啊,可以根据客户的这个标签去匹配到比如说同一个身份的问题,那我们在啊车企的,比如说有一些这个车企的啊用车的一些场景当中,那客户其实上来就会问说,那我这个车,比如说这个遥控钥匙坏了要怎么办,那这个时候其实他并没有提到说他是哪款车,那因为本身客户,比如说像有一些售后的场景当中,那客户进来是啊是已经带了他比如说前期购买的一些商品的标签的,那这个时候我就我就可以自动的匹配到那客户买的是C款车型,那他要问的这个遥控钥匙呢,其实也是C款车型的遥控钥匙,那我就会在知识库的C款的车型的。
59:33
文档当中的去进行搜索,给出一个啊针对性的一个答案回复。那看运营侧的话,其实刚才提到说,目前其实模型能够自动的去识别多样化的一些文档的形式,比如说网页啊,比如说像PDF啊,或者是word,或者是Excel,甚至是PPT等等,那我们导入到系统当中呢啊,系统会自动的去做一个问答的一个抽取,会做一个这个模型的解析和切片,那如果是说知识校验之后呢,我们就可以通过前端呢,用户呢,去直接的去快速的去提问到相对应的问题,那相比传传统的人工梳理来讲,就会大大的去降低运营的难度,以及运营的成本和时间。
60:21
呃,另外的话呢,就是刚才提到的一些这个复杂的一些任务型的一些场景,尤其是涉及到比如说我们的一些订单查询,物流查询,商品推荐等等,那由于涉及到跟我们内部系统的一些接口层面的一些交互,那传统的文本机器人当中呢,通常一个场景就要花费三天以上的时间啊,去配置当中的一些流程节点啊,以及各种各种覆盖到各种各样的一些问法的一些形式,那在升级之后的大模型版本当中呢,我们只需要去去去这个去配置它的,呃,需要调用的API,以及我主要的一些这个,呃,主要的一些这个这个槽位的信息啊,其他的包括意图的理解,包括话术的追问,都有模型的自动的去完成。
61:13
好,那在坐席册的提升,我们刚才其实也提到了,那他整体的应语形态呢,这边也可以看到,就是在转人工之后,那客户呢,呃,坐席册呢,其实会收到一段这个绘画摘要的啊,归纳的小结,那之后的话呢,在整体的客户的问询当中呢,他又可以通过智能辅助呢,去由AIGC去推荐出不同版本的答案,供坐席去参考,去给出,那在绘画结束之后呢,去可以去可以做绘画的一个关键小结,另外的话,也可以把对应客户的啊一些,比如说针对于产品的一些疑义点啊,或者是说客户呃考虑的一些内容去沉淀下来,作为关键线索啊,未来的话可以持续的去做跟进。啊,那另外的话呢,因为很多我们的呃电商的客户可能也用了呃,咱们的企业微信,那通常呢,我们也会结合这个,我们会把我们的大模型能力呢,未来会当然这是一个待发布的功能啊,未来会跟我们的企微啊去做一个结合,去基于大模型去是去基于大模型做企微接待的一个辅助,那在这个企微的这个侧边览,其实我就可以通过智能辅助的形式呢,去直接啊咨询呃,去直接对呃客户的咨询去自动的匹配生成一个推荐的答案啊辅助我的这个接待人员,那客服的话呢,其实是可以啊,也可以进行手动查询啊去生成一个结果的。
62:41
好,那接下来呢,就是在到了从机器人转到这个人工的工作服务之后呢,其实我们可以看到在不同的呃,不同的电商产品架构里面,比如说像直营的电商这里,那其实我们就有C侧的商城和B侧的店铺管理,那客服层面的话,主要提供了基于这个客服的一个大模型,以及前端,其实我们刚才也提到了,可以用数字人的形象作为前置的一个接待的形象,那么之后的话呢,就可以转到我们的I'M的工作台去进行客户的持续的服务,包括客户轨迹以及客户标签,客户跟进记录的一些管理。那右侧的话,其实就是我们的这个账户中心,涉及到的一些业务系统的对接,账号体系的一些对接啊,以及在我们的电商这里,其实会有一个啊,专门的这个零售行业的电商工具包,可以把我们的商品订单,物流系统的一些信息,包括优惠券的一些信息呢,啊,在侧边栏去展示出来,方便我们的客服人员。
63:41
咱在跟客户沟通的时候呢,去做一个快速的这个发送和查询。这边的话,其实全流程展示可以给大家看一下,比如说在电商的这个产品页,那我们我们有一个这个客服咨询的入口,那发起之后呢,由机器人去做啊,大模型的一个精准的一个回复,那转到这个人工客服之后呢,这个其实就是我们的工作台,那当它当中呢,坐席可以看到客户在我们不同的渠道当中,不同时间的一个浏览的范围,浏览的内容啊,侧边栏的话呢,其实就是我们刚才提到的电商工具包的一个能力,去对接我们的订单库,对接我们的这个优惠券等等,去方便坐席呢去直接去发送。
64:24
那在售后的这个场景下面呢,其实就可以去做订单的咨询,以及这个啊,在工单,在这个订单查询的过程当中,涉及到跨部门的一些问题,就可以通过工单的方式呢去做追踪,最后的话呢,在账户中心,其实就可以由管理者去查看到啊,目前整体的服务以及销售的这个整整体的这个呃,业绩的一个报表情况。好,那在这个啊,平台型电商的这个产品架构当中呢,其实我们在刚才的这个架构上面会多了一个平台管理的部分,它主要是来自于平台方对于数入商户的一些啊,比如说一些商户的监控,商户的分析啊,以及商户的一些这个开号等等的一些管理的部分啊,那这个当中的话呢,其实啊,双侧的平台自营的客服这里其实它会有更多的一个开放,开放接口的一个能力啊,子商户,子商户这里的话,主要还是像刚才的这个直营电商,它是一些基础客户,基础客服以及客户管理,包括电商工具包的一些能力。
65:30
好,那这边的话,其实我们也展示了,在啊这个平台型电商的架构当中呢,我们在后台当中会多了这个企业服务的一个平台管理,去根据商户呃,去以商户为维度来查看商户的一些会话记录啊,避免一些敏感,或者是一些这个投诉啊,投诉投诉问题的一个一个一个一个,呃嗯,比较比较产生一些恶劣的一些影响吧,那另外呢,就是在平台级会有一个呃,绘画分析的这个统计报表,以及商户的这个实时报表,可以把每天的这个服务情况呢,去做一个完整的呈现。
66:10
好,那另外的话,最后我们来分享一下更多的一些基于大模型更多的一些场景拓展,其实啊,在早期杨老师的时候,其实也看到他们,他其实也介绍了关于数字人这块去助力啊电商的业务,那这里的话呢,其实啊,那数字人这块其实也可以跟大模型去做一些结合,那呃,会形成一个大模型的交互数字人,那在这个当中呢,其实就能更好的去不是很制式的方式去回复客户的问题,而是以咨询或者是说一个拟人化的方式呢,去跟客户去互动和交流,去促使这个客户呢,去啊对产对商品去产生更浓厚的兴趣啊,去促促进下单。好,那另外的话呢,就是在复购的这个场景当中,刚才其实也提到了,那在我们的公寓的咨询页面,其实可以通过啊一键发送企业的二维码,引导客户呢去加入好友或者是加入到粉丝群当中,那后续的话呢,可以有起点的这个SCM的私运营工具去做长效的转化啊。
67:13
啊,我今天分享的内容就是这些,嗯看看嗯嗯,时间交给我们的主持人,嗯,好的好的,非常感谢我们张老师的精彩分享,那下面呢,我们就将进入今天的第二个qna环节,有请三位老师来为我们解答问题,那我们的现场观众呢,也是提出了一些问题,首先呢,有请我们的哲明老师啊,第一个问题是老师可以介绍一下平台对数字人直播的使用规则和相关政策吗?啊,好的,那这个问题呃,我是这么理解的啊,就是目前来看呢,就是呃,在现在主流的这些视频平台上,其实没有明确的说不可以使用这个数字人去做直播带货,那但是呢,其实有一些现象去看得到,就是呃平台在对这一块呢,是有一些这个政策上的,就是。
68:06
呃,打打压吧,或者说嗯也不能叫打压,对,就是嗯有一些这样的直播,可能它其实是违反了平台的一些政策的,可能说你的直播是一个录播的这样的形态啊,或者是当然呃内容上有一些这种违规的内容肯定是不可以的,那如果说呃另外一方面呢,就是呃,呃你有这种录播的形态,或者说你的整个内容是比较这个呃和平台相悖的话,那可能确实会被平台去做一些封杀,嗯但是呢,嗯,如果说你的整个内容其实是比较符合平台的,然后你的整个带货也不会是录播的情况,其实我们看到的还是平台还是比较鼓励的,那当然还有另外一点,就是可能说呃,你是需要去明确你是一个这个呃数字人的这样的一个直播形态啊对。好的,那第二个问题是,伪原创的作品是否会被限流呢?
69:05
呃,伪原创我理解是可能是因为刚才我讲到的这个呃二创的这个问题,那其实在这个短视频二创里面,它呃不算是一个伪原创,因为本身的所有的这些二创的作品,其实是受到了这个原创作者的一个授权的,那它更多的是通过这种,因为很多这种直播的,这种QL的直播内容,它其实有很多这样的高光时刻,或者是精彩时刻的,就是跟那种观众互动的,那你把这些精彩时刻做一些呃拆解分享,拆解之后呢,再重新生成新的这个短视频内容,其实是受到了这个原创作者的一个授益权的,那呃,目前来看在平台上是可以去做分发的,嗯,那如果说是那种纯内容的这种伪原创的话,可能还是会被一些打压,嗯。嗯,好的,嗯,那我们来看看下一个问题,呃,请问数字人的解决方案有试用版吗?这个问题请王亮老师来帮我们回答。啊,是这样的,其实在我刚刚的那个呃陈述里,可能有些就是分享没太讲清楚啊,因为我们万象其实是提供的在数字人解决方案里中间的预处理的一些环节的能力,然后我们比如说像呃数字人前面的抠象,以及像我们的一些回应叠加这些能力都是可以适用的,然后这个适用的链接,呃,待会儿我们也看有什么渠道,我们可以就是共享出来吧。
70:27
嗯,好的好的,那么下面一个问题,一键抠图是否可以批量导出批量组合呢?呃,可以的是可以的,然后操作流程待会儿也会和就是一些呃,数字人的这个操作流程一起发出来。OKOK, 呃,我们的观众朋友还想知道老师可不可以再分享一些内容生成的弊端案例?嗯,明白这个内容生成其实呃,刚刚更多的是就是杨老师这边提到的是关于就是视频的一些生生成的案例,但是在我们这边就是实际接触到的,呃,就比如说文字的是一部分,然后还有一些我们可能更多的客户实际应用的是音频的,就比如说像我们的云合成,这其实也算是一种,就是内容生成吧,啊这个其实就是没有版权问题的,那我们的内容生成其实刚刚说到体验问题,也是可以待会儿在我直接发的链接里去进行体验的。
71:22
嗯。好的,谢谢王老师,嗯,那下面这个观众问题,我们请张老师来帮我们回答一下,请问大模型客服的入口在哪儿呢?嗯,张晓老师抱歉,这边您开一下您手机的声音,或者是电脑的声音,嗯。啊啊,如果大家嗯可以,嗯,如果大家呃对大模型客服比较感兴趣的话,那可以在我们的这个呃呃这个云官网上,其实现在是有这个大模型知识引擎的入口,可以先去看一下,那如果是需要开通起点这边刚才我介绍的大模型客服机器人跟人工的整套解决方案的话呢,其实也可以通过主持人联系到我,然后我这边呢,去帮大家去做试用的申请。
72:11
嗯,好的,嗯,那这边观众想了解跨境有可以使用的场景吗?还请张老师来帮我们回答一下,嗯嗯,跨境这里的话,目前我们是对于一些出海的一些国际站的一些,呃,一些一些一些场景的话,目前还暂时不支持,因为目前还是以啊中文和国内的服务为主。嗯,好的明白,嗯,那么下一个问题是我们朋友想了解到大模型人工介入环节太多,有成型的模型吗?嗯,大模型其实目前来讲说在呃需要人工介入的部分呢,就是说如果你的场景非常的呃,非常的这个慎重,或者是说啊,你必须要通过人工去校验,那么它生产的QA呢,可能需要人工的去check,但如果是说你的知识相对比如说你输入输入的文档,它已经相对比较规范,且呃已经经过了人工的校验之后,那其实模型呢,会基于你输入的这个知识库去进行回复啊,它相对的这个这个需要人工介入的这个工作其实并不多啊,这边其实主要还是看咱们的使用场景了。
73:28
好的,感谢张老师的回答,那我们本次的问答环节也到这儿就结束了,再次感位感谢三位老师带来的精彩回答和分享,我们的时间呢也过得很快,本期的活动啊进入到了尾声,再次感谢我们所有朋友的参与和关注,我们下一期活动再见。
我来说两句