当 AI 开始理解「人不是标签」：阿里妈妈如何重构广告定向

AI 帮助品牌发现更多潜在客群。

作者｜Cynthia

编辑｜郑玄

2026 年夏天，林氏家居想卖一张布艺床。

然后，阿里妈妈万相点睛给它找到了一群电竞玩家。并建议他们投放那些搜索过「电竞房布置」「游戏房改造」「RGB 灯带」「二次元痛房」的用户。

对于林氏家居这样一家诞生于互联网、长期依赖数据经营的头部品牌来说，这是个让人匪夷所思的抉择。

过去，林氏家居品牌已经积累了超过 5500 万全平台粉丝、上万款在售 SKU 以及一千余家线下门店，是行业里公认的爆款制造机。

而在传统的匹配逻辑下，一张床最自然的消费者应该来自装修、新婚、换房，以及近期购买过家电家居的人。因此， 广告系统用预设的标签匹配受众，商家投流选择装修、家具、地板之类的关联词汇，就成为了团队刻在肌肉中的记忆。相应的，一个搜索电竞房布置的年轻人，怎么看都不像一张床最优先应该争取的消费者。

但常识并不能在一个存量市场中带来增长。

而

万相点睛

看到的并不是「电竞」这个标签，而是标签背后的一整套消费意图：它发现，这群年轻人为了获得更好的游戏体验，本身就有很强的消费意愿：他们会购买人体工学椅、4K 显示器、RGB 氛围灯，把自己的房间改造成一个更舒服、更沉浸、也更符合个人审美的空间。

顺着这条消费链继续推理，对 PC 游戏玩家来说，一张可以舒服躺平的床，是整个电竞房体验的一部分；对于手游玩家而言，床甚至不只是休息场景，靠在柔软的布艺床上玩游戏，本身就是一种更舒适的游戏体验。换句话说他们是在为一种生活方式消费。

想通这一层，团队当即拍板：投！

最终的结果也超过了很多人的预料。

新客点击占比超 80%+，新客成交金额占比高达 83%。

精准选中新客群之外，最令团队惊喜的是：在此之前，还没有任何一个家居品牌发现这片蓝海，因此团队的加购成本还不到传统装修人群的 1/3。

于是，一张柔软的布艺床，和电竞建立了联系。在这之后，这套打法甚至还被扩展到床头柜品类，帮助林氏家居发现了要收纳睡眠保健品并且拿取方便的助眠新目标客群

。

一个全新的系统，也让广告从存量博弈走向了 AI 驱动的增量时代，并让发现新人群，创造新增量成为可能。

01

为什么传统广告定向越来越难找到新增量

数字广告并不是到了大模型时代才开始依赖算法。

近 20 年，基于传统机器学习的「协同过滤」（相似性匹配）就已经大规模进入广告系统。

在这套系统中，商家的「买」和平台的「配」是两件分开的事。 广告系统基于用户看过什么、买过什么的历史行为，来为用户打上标签。然后，商家先买人群包、买关键词，平台再把消费者需求映射成标签去做匹配。

这套方法在增量市场里非常有效。因为一个品牌找到十万名消费者时，市场里往往还有几十万、上百万个与他们相似却尚未被触达的人。只要不断扩大相似人群，增长就可以持续发生。

但一个行业经营得越久，参与者对高营销价值消费者的认识就越接近。家具都在找装修人群，美妆都在争夺高消费女性，母婴都在围绕家庭生命周期经营，运动品牌都知道跑步、骑行、徒步和露营意味着什么。

于是，它所带来的，只有越来越贵的流量费用，以及玩家饱和式投入之后，越来越低的转化效率。

此外，它天然有一个短板。在海量数据实时计算的体系中，

消费者、商品和广告的组合近乎无穷，平台不可能把所有关系都用最高成本算到底。电竞玩家如果一直没有进入「床」的候选范围，后面的 CTR 模型再精确，也没有机会替他打分。

也是因此，历史数据天然会奖励那些已经被证明过的关系。

但消费者本身并不是一个稳定标签。

一个两年前正在装修的人，今天可能已经没有家具需求；一个平时属于运动人群的消费者，也可能因为一次旅行、一场演唱会或者一次搬家突然进入完全不同的购买状态。基于这种历史标签产生的推荐，往往也意味着相当比例的过时流量。

也是因此，

比这个人是谁更重要的问题，是他现在正在解决什么问题。而这，也正是 AI 驱动的「同步匹配」给广告系统带来的新能力：

通过对用户的搜索意图与行为信号识别，以及商品特性的深度理解。AI 可以帮商家找到原来标签之外召回不了的人，商家没有主动买的场景，AI 也能帮商家触达。

于是，一个新的增量蓝海市场开始逐渐浮现在所有人的眼前。

02

人：从他是谁到他现在需要什么

在过去，想要买到一个合适的商品，对买家和卖家来说都是一个充满未知的技术活。

对商家来说，他们只知道，一个人买过了游戏显卡之后，更容易购买显示器；一个人搜索过帐篷，之后更可能购买户外用品。但放远到更多的场景：一个在家里布置了电竞房的人，是否需要一张床？一个精致的年轻女性，每天化妆出门前，她需要什么样的凳子？这就是一个完全超纲的问题了。

商家天然倾向于按照已有场景确定商品类目与 SKU。但消费者并不是按照 SKU 生活的。他们首先会搬家、旅行、结婚、健身、看演唱会、搭游戏房、化妆，然后才产生一连串具体的商品需求。而在购买行为发生前，他们还需要先把自己的生活需求翻译成商品语言。比如，给老人买手机，要把「声音大、字大、操作简单」拆成一组产品参数；第一次露营，也要先知道帐篷、天幕、睡袋分别是什么，才能进入平台的类目体系。

借助万相点睛，现在商家不仅能知道用户是谁，还可以清楚地了解他在什么场景做什么、需要什么。

比如，在人体工学椅赛道做到头部的艺颂，就是这样进入美妆女孩的视野的。

在一开始，万相点睛基于背后的世界知识体系，先帮助艺颂完成了对需求侧的意图识别，读懂用户下单美甲桌和化妆台背后其实是需要一个可能会长期使用的梳妆空间。

紧接着，大语言模型会推理用户消费动机、偏好与购买阶段，并将用户行为序列编码为结构化消费意图表征——比如，这是一个爱美且对生活品质有追求的女性用户。

再经由语义对齐层完成从标签命中到语义推理的变迁，把卖点向量与意图向量在高维语义空间中映射对齐，同时通过因果推理匹配超越传统相关性逻辑，理解用户「为什么买」的深层动因——比如普通的化妆凳又硬又没有靠背。所以她们需要一把舒服的椅子替代，并且这把椅子一定要足够上镜好看。还要能旋转、升降、滑动，满足化妆、办公、学习之间的灵活切换。

最后，在供给侧万相点睛则通过商品理解洞悉功用，用大语言模型拆解商品卖点构建多维结构化表达，并搭建覆盖品类、功能、场景、人群的细粒度商品属性图谱，从而实现更深层次的供需语义匹配——一个每天愿意花时间打扮自己的女性，在下单化妆台之后，还需要一把椅子。而一把工学椅除了具备办公这个标签之外，同时还能匹配久坐支撑、灵活移动、空间百搭等多重生活场景需求。

借助这种更进一步的用户需求洞察，广告系统开始从

人群扩展

走向

意图扩展，

系统的异步定向匹配也被改变成了基于场景的实时定向匹配。

但只理解人还不够。

如果一把工学椅永远只能被定义成办公家具，那么它依然很难把椅子和梳妆台、美甲桌这些看似无关的场景真正连接起来。一张床如果永远只能被理解成卧室家具，那么无论系统多么理解电竞玩家，它也很难正确出现在电竞爱好者的游戏房中。

AI 定向同时还需要重新理解另一端：

货。

03

货：一件商品，可以属于多少个市场

过去的平台用类目、属性和 SKU 管理供给，这是商业系统能够高效运行的前提。

一张床在系统里首先是一件「家具」，拥有尺寸、材质、颜色、风格等属性，然后，商品会按照它是什么进入市场。

但消费者使用商品的方法，从来不会完全服从企业最初的产品定义：

可口可乐最早被当成药剂出售，微波炉来自雷达技术，运动鞋在不同年代从专业器材变成日常服饰。

商业史里从来不缺用户重新定义商品的故事。只不过，过去的问题发现往往依赖漫长的市场观察、调研或者偶然事件。

现在，借助万相点睛，AI 可以深度理解这种产品能力与用户需求之间的微妙关联。

林氏家居卖给电竞爱好者的布艺床、艺颂卖给美妆爱好者的人体工学椅，都只是其中一个案例。

更具代表性的是，万相点睛帮助赫莲娜将产品卖给滑雪与户外人群的过程。

今年 5 月，万相点睛给赫莲娜圈出一批夏天冲浪、潜水，冬天滑雪的潜在客群。团队看到结果时的第一反应是：「AI 会不会跑偏了？」毕竟，这些人的主要消费轨迹基本集中在运动装备方向。

但 AI 敏锐地捕捉到了他们对防晒以及确定性的需求。这群人中，27.35%优先关注品质，40.25%尤其看重材质。他们买雪服、潜水和户外装备时，会反复比较材料、性能和可靠结果，而黑绷带本身恰好来自一套强调「确定性」的产品传统。2008 年，赫莲娜与瑞士 Laclinic 合作开发 Re-Plasty 系列，灵感来自术后护理；Age Recovery Night 后来成为「Black Bandage」，至今仍被 Laclinic 放在术后修护、活性成分和临床护理的脉络里介绍。

那么进一步推论，一个在运动装备上长期追究性能、材料和可靠性的人，进入几千元的护肤决策后，大概率也更容易为临床验证、功效确定性和产品质感付费。

现在最终的经营业绩上，正式投放后，这批户外高价值人群的新客率比其他人群高 2 个百分点，互动和成交转化也更高。

类似的「翻译」也发生在一些其他更日常的商品上。比如借助万相点睛，蕉下将防晒口罩，卖给需要「不闷、不滑、上镜」的健身、骑行人群，两个月后新客成交占比提升 11%，新访客数提升 39%。

而当人从固定标签变成动态意图，货从固定类目变成问题的解决方案之后，最后一个发生变化的就是：人和货究竟如何相遇。

04

场：AI定向，重构供需连接的方式

当 AI 定向已经能够同时理解「人在做什么」和「商品能够解决什么」，搜、广、推之间原本割裂的边界就开始松动。因为本质上，它们面对的是同一件事情：

在一个具体时刻，判断用户正在形成什么需求，以及哪些商品应该参与解决这个需求。

这套变化也重新调整了商家和系统之间的分工。

过去新建一条广告计划，商家通常要先填写关键词、人群、地域和时段，相当于先告诉系统：「我的消费者是谁。」在新的系统中，万相点睛则更多让 AI 先分析商品卖点、潜在需求和可能出现的消费情境，再由商家决定是否采用或者修改。

与此同时，后期的创意生成、投放执行也会遵循同一套逻辑完成配套的动作。

借助已有的用户洞察，万相点睛不会把原本针对卧室消费者的床铺广告原封不动地展示给电竞玩家。而是会把链路进一步延伸到创意和出价：先理解生意目标和消费意图，再找到潜在人群，用 AI 生成差异化表达，最后由智能出价决定在哪些流量机会中参与竞争。

最终，让千群千面的需求，变成千群千面的投放策略与沟通技巧，并带来更高的新客成交转化与增量价值。 根据官方披露，万相点睛在618阶段上线、7月底全量后，仅关键词推广&人群推广场景累计就有超过15万商家使用；特定周期内，新客点击占比超过91%，新客成交占比超过76%。

最重要的是，

万相点睛背后虽然是一套全新的能力，但商家完全不需要学习新工具，它可以全链路嵌入现有推广场景，从人群推广到关键词推广再到品牌全域、内容种草。

用

阿里巴巴集团高级副总裁，现任天猫事业部总裁、阿里妈妈总裁，淘宝直播及内容事业部负责人刘博（家洛）的话来说就是

「 ( 平台努力 )把自己的长板加长，把难的事情做深，让商家的成本降下来，让他们的经营有确定性」同时，

「

算法团队还有很大的空间可以挖掘，让更好的商品和更好的商家，有机会找到更优质的消费者；反过来，优质的消费者也能在平台上找到个性化匹配更强的商品。

」

当然，更长远来看，这套平台能力全面开放后，它带来的信息差不会永久存在。今天只有一家公司看到电竞玩家的休息需求，不久后，所有家具公司也都可能看到同一批人。于是，问题就从「能不能发现」变成「发现以后怎么办」。

同样看到一个新场景，有的公司会怀疑，有的公司会增加一条投放计划，有的公司会重新设计素材和货盘，还有公司会继续研究消费者的居住空间和真实需求，最终调整产品尺寸、功能甚至新品方向。

在这个过程中，人群发现可以平台化，实时出价可以平台化，一部分创意和消费者洞察也可以平台化。

但商品选择、库存风险、供应链调整和资源配置，仍然只能由企业自己完成。

AI 会让更多公司看见新的机会，却不会让它们拥有同样的反应速度。

*头图来源：万相点睛产品片

极客一问

AI 能找到新客，

品牌就能拿到增长吗？