做什麼新產品，怎樣做新產品才能賣爆？許多品牌都被這樣的問題困擾著，既怕步人後塵，也怕走錯道路。

日前，天貓創新中心 TMIC 正式推出了全新功能——AICI 爆款公式。A（algorithm）I（intelligence）C（create）I（ideas）以大數據算法為秘笈 ，可以用近乎確定的公式，在未知中摸清新品研發門路，為品牌減少拍腦袋決策，讓新品更容易打爆。

一、全網走紅的爆款產品，居然是靠「算」出來的？

說到打爆新品的方法論，我們不妨先向兩位專業戶取經。

在我們熟悉的科技數碼領域，蘋果 iPhone 歷來有著極高的話題度，銷量也不在話下。除了老生常談的配置，蘋果產品的設計尤其是新配色，總能激起用戶的討論，熱搜的排名有時還更高。

那麼蘋果是如何用配色拿捏用戶喜好的呢？眾所周知，蘋果崇尚極簡主義，清一色的黑色白色深空灰。蘋果深知，越是簡潔的產品，越容易抓住不同社會文化背景下人類審美的共同點，把握大眾喜好的基本盤。

久而久之，人們感到膩味的時候，蘋果就會參考彩通年度代表色，適時推出新配色。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 的藍色，接近於 2020 年的代表色經典藍（PANTONE 19-4052 Classic Blue）。

從視覺和心理的角度來說，人的眼睛在連續受到某種顏色刺激後，會產生視覺疲勞，就會因此喜歡上與之相對的新顏色，或者叫互補色。珊瑚橘和經典藍在色相環上接近於互補，剛好就可以給消費者帶來新鮮感。蘋果每年都能在 iPhone 的配色上推陳出新，靠的就是這一條萬能公式。

當然了，配色只是新品組成中的一個維度，或者說是公式中的一個變量。處理產品中的諸多配方成分時，又要如何用公式產出最終結果呢？

另一家爆款專業戶瑞幸給了我們的啟示：藉助算法。

創建於 2017 年的瑞幸，正逢大數據與算法應用的成熟期。因此在成立之初，瑞幸便確立了以數據驅動的路線，以算法模型統籌運營。大到門店選址，小到進貨管理，都交給算法模型來解決。

更為關鍵的一環是研發算法。瑞幸將各種原料和口味數位化，得出無數種產品組合，並通過復購率等指標，量化追蹤飲品的趨勢，確保時常有新品、款款能打爆。2021 年面世、一年賣出一億杯的生椰拿鐵，就是用這麼「算」出來的。

正是憑藉這套由算法驅動的研發模式，瑞幸源源不絕地推出生椰拿鐵、椰雲拿鐵、隕石拿鐵等薄款新品。2020 年，瑞幸共推出 77 款新品 SKU，2021 年為 113 款，2022 年光前三季度的新品 SKU 就已經超過 100 款。

然而，算法這一法寶雖然行之有效，所耗費成本也是巨大的。一來構建算法模型需要巨額資金和技術投入，二來鍛鍊算法需要積累大量用戶訂單數據，並加以精準標記。這顯然不是每一個商家都能輕易借鑑的。

那麼，是否有與之類似的，廣泛適用於各大產品領域的算法模型呢？

二、爆款是否有確定的成功公式？

TMIC 打造的 AICI 爆款公式，正是針對商家新品研發痛點而推出的算法模型。商家無需自己大手筆投入鍛鍊，就可以通過基於阿里電商大數據的 AICI，用智能算法研究特定市場、特定人群以及對應類目，幫助品牌找到新品賽道，全面挖掘爆品與引流品。

早在 AICI 推出以前，TMIC 已經著手和洗髮水、羽絨服、茶飲料等品類下的領導品牌合作共建相關算法能力。基於此，AICI 可以重點為這些領域提供 2023年春夏的爆款公式。

舉個例子，如果我是一名服裝品牌的商家，想要做一款新品羽絨服，一般會有兩條路可以選。第一是求穩，模仿時下流行的樣式，將所有熱賣元素縫合在一起。第二是求異，劍走偏鋒，專門挑沒人做的樣式。

按理來說，第一種方式贏面更大，別人這樣做都做成了，我沒理由不成。實則不然。單純把爆紅的成分、樣式、品類疊起來，並不一定能組成一個成功的產品，也有可能是個四不像。又或者，做出來的產品已經處於紅海，未必能贏過更早入局的競品。

而如果選擇劍走偏鋒，打差異化選擇尋求出圈，難度則會大幅增加：我的設計方向怎麼定，設計定下來之後怎麼著手生產，生產出來的產品一定符合我的預想嗎......如此摸著石頭過河，火了我大賺，不火我血虧。

現在有了 AICI，我就不需要用操心那麼多的問題。

首先查找目標人群與市場，了解產品的未來潛力。接著可以通過 TMIC 行業和品牌私域的要素打標，以機器學習二分類單變量邏輯，列出決策因子和關鍵要素，並查看每一個細分起點的優勢和潛力。最後深度學習網絡和歸因模型，從千億級潛在組合中高效遍歷，形成推薦的黃金公式路徑與貨品組。

打個比方，我是經營服飾品牌的，研發目標是做一款面向 Gen Z 年輕人的男款羽絨服。那麼我首先就輸入三個要素：所屬的目標市場，對應的目標人群，以及所涉及的功效、面料、款式等關鍵決策因子。

經過推算，AICI 就可以輸出我所需要的決策樹和黃金公式。對於羽絨服，消費者的決策因子以功能為最優先，其後由高到低分別是款式、圖案、色彩。

基於此，AICI 就可以列舉符合黃金公式的、具有極高爆款率的 SKU，給出相應的產品 ID 和圖樣。比如下圖中的這款採用日系風格，高級輕型絨的絎縫款式，輕型絨兼顧保暖與輕巧舒適，絎縫又能減少蓬鬆感，更顯修身。

如果做的是面向 Gen Z 世代的女款版型，那麼 AICI 會給出這一款，材質選擇羊羔絨、防鑽絨、白鵝絨，具備可愛、俏皮、甜酷的風格要素。

某種意義上來說，AICI 就像籃球比賽里跑戰術一樣，由高效的算法執行傳跑配合，創造出空位，最大程度地確保投籃命中率。

不僅如此，AICI 還可以照顧儘可能精細的消費者需求。比如說，我要打造一款面向年輕女士的洗髮水，AICI 可以給出「功效>成分>香味>質地」的決策因子排序，並精準地告訴我，Gen Z 女性中的新銳白領對頭髮洗護有什麼需求和痛點：她們偏愛高顱頂的造型，但經常因為頭髮細軟無法保持完美的頭包臉髮型，約會、外出遊玩拍照時候就會顯得臉大。

針對這些痛點，AICI 可以為我推薦相應的產品核心配方。如果我的洗髮水核心成分里有維生素、金盞花、胺基酸、蜂膠、佛手柑等，就能提供高顱頂女神們迫切需要的營養成分，起到蓬鬆並滋養秀髮、預防脫髮的功效，呵護她們的完美造型。

三、深挖消費心理，就這麼簡單

可以說，AICI 到來之後，整個新品研發的流程被大幅縮，精簡到只有兩步：先通過數據洞察鎖定賽道，再在鎖定的賽道下利用 AI 解析出爆品公式。新品研發，從未如此簡單。

除了「簡」，AICI 更重要的一個優勢在於「准」。

在大數據算法中，兩個關鍵的因素是打標和算力。在標籤層面，TMIC 擁有非常完整的和品牌及專家共建的商品要素標籤，覆蓋億量級商品。打標事關算法模型的精準度，而 TMIC 的標籤符合品牌的做貨邏輯，完備且和消費者需求間能形成映射關係。

在運算層面上，TMIC 有著阿里強大的算力支持，通過高可靠的多模態深度學習網絡和超大規模決策歸因模型，基於對市場十億以上的商品產業要素和用戶偏好行為的全面洞察，幫助品牌從上千億潛在組合中自動高效遍歷，圍繞市場定位和目標人群精準推薦高價值商業機會。

基於此，AICI 實現了對消費者心理的精準把握，讓商家不漏掉任何爆款機會。

如果和傳統的新品調研做對比，那麼 AICI 的「准」則會進一步放大。在大數據時代，以傳統人力方式挖掘消費心理，不僅落後，而且變得越來越不靠譜。這裡要從傳統人力的三個缺陷說起。

首先，人工定向大多依賴主觀判斷和經驗。面對消費者越來越多樣、越來越不確定的新需求，主觀判斷容易陷入經驗主義陷阱。用老一套思維去做新產品，很難把新品打成爆品。

其次，人工商品企劃速度慢。以往的產品研發偏向於散點型，缺乏完備的數據支撐。研究完痛點，還要梳理產品成分功效以及價格定位等海量因素，成型時間太長。等到產品出來，可能黃花菜都涼了。同時，沒有準確的數據支撐，決策也容易陷入拍腦袋決策，南轅北轍。

再次，人工操作很難處理巨量信息。一個新品能否抓住需求成為爆品，會受到很多信息的影響，不僅要看產品本身技術含量，還要看推廣技術的方式等。在瞬息萬變的市場環境中，人力光是收集信息就夠忙活了。更別說，判斷信息的準確度，掌握信息之間的準確關聯，也是至關重要的，有時候人腦過載宕機也未必能完整梳理出來。

相比之下，人力的劣勢就是 AICI 算法的優勢。最為關鍵的一個，便是大數據的全面性。AICI 擁有淘寶系應用積累的海量消費者真實行為數據，以及強大的算法模型，人力總結片面性、主觀性、滯後性帶來的問題，在此迎刃而解。

AICI 還提供了更好的精準性，可以聚焦各類人群，或者某一個細分市場進行分析。例如說起中式沖飲，很多人首先會聯想到減脂控糖。但據 TMIC 的相關報告，作為消費主力的女性群體，會更關注養生保健要素，她們同時也熱衷於美食與時尚。AICI 可以做出精細化分，提供精確的參考數據，幫助商家做出對的產品，交付給有所需求的消費者。

面對不同商家的需求，AICI 還提供了極強的靈活性，可以為不同類型商家、不同研發目標的商家提供多場景的服務。無論是什麼樣的商家，經營什麼樣的品類，現在處於哪一個階段，是否已經做成或者還有做成爆款的可能，都可以給到針對性的診斷，讓商家心裡有底。

總而言之，人力忙活幾天、幾個月都理不清的市場行情和消費心理分析，算法三下五除二就能搞定，又快又准。用算法干髒活累活，把最終的關鍵決策交給人，這就是 AICI 的優勢所在。

四、算力之上，還有無限可能

時至今日，AI、算法、大數據模型等等字眼，早已為大眾熟知。今年熱播的賀歲檔電影《流浪地球 2》裡的 550 系列智能量子計算機，就為我們呈現了 AI 和算力高度發達的未來：統籌建設行星發動機，快速覆寫無人機作業系統，為數字生命提供巨量算力支持......

雖然我們現有的計算設備還遠遠不能和 550 系列、MOSS 望其項背，但歷經不斷進步，已經足以完成許多人所不能及的事情。例如近期頗為熱門的 AIGC，也就是 AI 內容生成。給出一定的條件，訓練好的模型就可以自動生成圖像甚至視頻，既滿足了各行各業對視覺設計需求的巨大缺口，也能給從業人員打下手，提高創作效率。

那麼模型不斷精進、算力不斷提升的 AICI 能為商家做什麼呢。不妨展開聯想，AI 的長處是藉助海量的已知數據，預測未知的將來。此後的 AICI可能的進化方向可能是提前預測爆款銷量，或者是通過內容生成算法，生成產品的概念卡。

言而總之，當我們談及 TMIC 及 AICI 時，我們真正談及的，是 AI 和大數據算法時代下，真正以科技賦能的營銷方式。AICI 以普適性的算法支持，不僅讓產品研發變得高效，也在推進整個行業朝數位化的未來演進。