家居家电行业的大模型落地路径

为什么先从家居家电营销切入

原因其实不复杂。家居和家电这两个行业，和 AIGC 的匹配度本来就高。

先说家居营销。这个行业的核心逻辑可以粗暴一点理解成'卖图'。一张够好看的图，能直接影响转化。但图背后要走的流程并不轻松：设计、租场地、布景、拍摄，每一步都花钱，也都吃经验。最后做出来的不是一张图，而是一整套对审美和执行都有要求的生产链路。

AIGC 最先跑出来的能力，恰好就是生图。从 Stable Diffusion、Midjourney 到 DragGAN，图像生成已经能在一定程度上兼顾丰富性、美观性和可控性，对设计师来说，它更像是把很多重复劳动先接走了。

AI 模特就是一个很直观的例子。用 Midjourney 之类的工具，就能生成接近真人模特的效果，成本和速度都很有吸引力。家居行业也是类似思路：商品企划案、场景图、详情页、主图视频、电商推广视频，能一站式做出来的部分越多，素材生产就越不依赖单次拍摄。

再看家电营销。短视频和直播已经是常态，但家电行业的导购普遍年龄偏大，让他们自己把拍摄、脚本、配音、剪辑整套流程都玩熟，难度不小。TCL 空调早些年推进全民营销时也遇到过这个问题：不是不想做，是导购能力差异太大，落地效果容易打折。

现在 AI 剪辑、模板生成、自动配音这些工具成熟了一些，门槛确实被拉低了。对有一定创作基础的导购来说，效率提升会很明显；对不擅长内容生产的人来说，至少不用从零开始。

这对企业的意义也很现实：导购能更快打开线上引流渠道，品牌能多一个内容入口，数据如果能和抖音授权链路打通，还能把效果看得更清楚，后续优化也有依据。

行业的真实需求，就是这样把大模型往前推的。

CeMeta 自己的路径也说明了这一点。它是森博营销旗下品牌，母公司在营销领域已经做了二十多年，最早就想把传统营销往产品化方向推。传统营销很依赖人，方案通常是按客户定制的，灵活，但不稳定。产品化的思路，反而是把服务过程中反复出现的共性问题抽出来，整理成 SOP，慢慢沉淀成内部知识库。

2016 年深度学习兴起后，他们开始尝试把这些逻辑模型交给机器处理，重点变成稳定和效率。到大模型浪潮起来之后，CeMeta 一口气发布了 7 款营销产品做场景验证，看看哪些是真的需求，哪些只是热闹。

他们最后选择自研垂类模型，也是在商业落地里被逼出来的。用过开源大模型做商业应用后，效果总差一口气：不够真实，也不够美观。原因不难理解，通用模型覆盖不到家居这种细分场景的数据，'基因'不对，生成结果自然就很难完全贴合需求。倒推回来，只能自己训练垂类模型。

今年 AWE 上亮相的这套家电家居行业营销大模型，算是把这条路跑顺了。它给垂直行业的大模型落地提供了一个比较清楚的样本，也让更多家居家电厂商开始正视 AI 营销这件事。

在发布会上，TCL 空调、芝华仕等合作方也都提到，2024 年还会继续扩大 AI 营销的使用范围。

场景玩家为什么会跑得更快

从 CES 到 AWE，全球消费电子展上，AI 都是最热的话题之一。手机、PC、家电这些产品都在往 AI 化走，而最先把 AI 落到具体业务里的，往往不是纯模型厂商，而是那些本来就扎在场景里的玩家。

原因挺现实：他们有行业数据，也有现成的方法论，更知道业务里哪些地方最容易卡住。研发跟着需求走，试错成本会低很多。再加上他们本来就和客户贴得近，技术一成熟，第一时间就能拿去联动大客户做落地，不需要等市场教育到位。

这也是为什么大模型厂商还没真正挣到钱的时候，场景玩家先吃到了 AIGC 的红利。办公、设计、手机、PC 这些领域都已经很明显了，家居家电营销只是其中一个切口。

接下来还有哪些行业会被带动起来，营销领域大概率还会继续往前走。量子位智库《中国 AIGC 广告营销产业全景报告》给出的判断是，到 2030 年，生成式 AI 在广告营销行业中的业务营收有机会到千亿级规模。

不过这个市场怎么长，不会只看模型参数，最后还是看几个更实际的点：行业理解够不够深，底层模型效果够不够好，场景选择对不对，数据闭环能不能跑起来。

现在大模型广告营销还处在刚进入大众视野的阶段，很多玩法还在试。往后看，品牌方很可能都会有自己的营销模型，广告也会越来越偏向'千人千面'。

大模型厂商和场景玩家一起往里冲，确实会把这个行业往前推一大截。但落地这件事，从来不是看谁讲得更响，还是那句老话更实在：能把场景吃透的人，才更容易赢。