「美國國家專輯第二季第9集 本專訪共2段，此為第1段」
在跨境電商野蠻生長的時期，流量紅利為產品銷量一路保駕護航，選品問題遠遠不足以被稱為行業痛點，即使不花費成本去運營推廣，哪怕產品的轉化率不盡人意，絕對大流量與較高的價格天花板依然為賣家的利潤空間提供了保障。
然而好景不長，流量紅利的消退及利潤空間的壓縮將選品問題一次次推上跨境電商行業的風口浪尖，社交平臺與網紅營銷的興起激勵著越來越多的賣家在追求爆款的道路上漸行漸遠。以服飾行業為例，快時尚的風潮鞭策著品牌和賣家以儘可能快的速度將新潮流推向市場，爆品款式此起彼伏，產品的生命週期愈來愈短。由於地理、空間的限制，中國賣家在流行爆款面前往往面臨著反應滯後的問題，款式更新慢，對消費者的消費習慣轉變不敏感，一夜之間剛上架的流行款式便變成了積壓的庫存，實在是有苦難言。
曾幾何時，憑感覺選品，誤打誤撞上小品類小爆品的情況時而可見，但隨著人工智能和大數據算法的飛速發展，這種撞大運的好事越來越少見。感覺開始變得不管用，聰明的人都學會了用數據說話。
2018年12月，搜索引擎巨頭谷歌便推出了一款爆款發現器，根據人們在購物過程中產生的搜索行為來發現爆款。互聯網時代科技發展日新月異，僅僅是半年之後，社交平臺的觸電進一步影響了當代人們的購物習慣，搜索行為數據在發現爆款上不再是神兵利器，反而淪為了滯後數據。
在這一季美國專輯裡，正所謂酒香不怕巷子深，我們尋著濃濃酒香，探訪了位於硅谷的InfluenceForce，從其聯合創始人兼技術產品負責人 Adrian那裡，瞭解到InfluenceForce的爆款預測器。與Google Trends Fineder不同，這款預測產品所採用的用戶數據基礎相比谷歌的爆款發現器，更加貼近當代消費者的購物情景，比搜索行為數據來得更早，也更加及時。利用這些第一手數據，InfluenceForce強大的技術團隊能及時掌握時尚的流行趨勢，從中發現即將浮出水面的爆款，並具化為具體可見的時尚元素，提供給正在為選品發愁的賣家們以供參考。“我們不僅會告訴你什麼正流行，還會告訴你這個款型這個顏色的具體產品設計。”
阿米：大家好，歡迎回到看跨境就@米的@米秀，那我們今天繼續在硅谷，在斯坦福的門口，在我們的AMINO的InfluenceForce這裡面來跟大家聊一聊到底怎麼去做一個爆款預測器。今天我們請到了Datebeyond的InfluenceForce創始團隊的技術負責人Adrian來給我們講講。Adrian，歡迎。
Adrian：你好，謝謝。
阿米：Adrian是個萌萌噠的一個小夥子，但是事實上他的從業經驗很有趣，我聽說你之前在美國已經有7、8年了，而且都是技術這一塊的，跟我分享一下可以嗎？
Adrian：是的，我2012年在北大畢業以後到了聖地亞哥，繼續攻讀計算機碩士，主要從事大數據方向。畢業以後也選擇加入一家做數據預測分析的創業公司，這家公司後來也上市，我們也做成了整個雲存儲數據行業的第一名，後來我們公司也被收購。之後我到了螞蟻金服美國研究院，做了一些支付引擎的工作，幫助大家在雙11期間使用支付寶的體驗會更好。
阿米：剁手就是他乾的！我們今天在吃飯聊天的時候，我們還聊到了其實你跟社交媒體還有很多故事？
Adrian：對，是的。我其實在2012、13年的時候，也嘗試過一些創業的想法，包括Snapchat，包括在很早期間的Whatsapp，也知道他們的一些創業故事。所以說，其實我一直對社交這個領域和行業是很感興趣的。
阿米：OK，那剛剛Rock跟我們講了大概InfluenceForce在行業應用的一些很宏觀的東西，那作為技術負責人，你是跟他一樣是非常瞭解這個產品的，其實這整一個產品的模塊跟邏輯在應用上面跟其他的產品有什麼不同？因為在去年12月的時候，我們曾經也出過一篇內容是關於Google Trend的，還有基於Google Trend所做的一個叫爆款發現器。那你們的爆款預測器跟爆款發現器，從邏輯上有什麼不同？從應用上有什麼不同？從不同的用戶上來說又有什麼不同？而在行業裡面有誰已經證明成功的了？來聽聽這個技術負責人慢慢跟我們講產品。
Adrian：好的。其實在過去幾年，因為很多社交媒體平臺的產生，大量的人開始使用越來越多的社交產品，產生大量的社交數據。其實大家所謂的購物習慣，慢慢從搜索變成了推薦，這個Google的發現器它依然是基於用戶的搜索這個行為產生的數據。
阿米：沒錯。
Adrian：而我們不同，為什麼？因為我們看到了新用戶的購物體驗，我們迎合的是新的購物需求。就是說在現在這個時間裡面，大家的購物需求是我在某個社交媒體上看到了一些特別好看的東西，然後我就立即購買了，大部分時候他會略掉搜索這一步。相比Google Trends ，其實我們會採集到更早的數據 。也就是說當我看到了有一個人穿了一個豹紋的衣服，那我立馬就會購買，但可能過一個月或兩個月後，才會產生一些搜索的數據。所以從我們的角度上來講，我們擁有的數據比Google Trends獲得的搜索數據更早，更加的實時。
阿米：你們是通過在社交媒體裡面這些蛛絲馬跡所積累的數據來進行建模？來去預測？那你們現在掌握了多少這些網紅的數據？他們每個月會產生多少的數據量給你們做分析？因為我們知道，所有基於AI智能的一個很重要的問題就是你餵了多少數據給他。
Adrian：是的。
阿米：那這個事情你們現在是什麼情況？
Adrian：首先我們的數據分三種，我們有社交數據，我們有時尚元素數據，其實我們還有retail數據。
阿米：還有retail數據？
Adrian：我們還有retail數據，一會我會更加具體的講一講。從時尚數據的角度來講，其實現在我們有將近一億條時尚網紅的一些數據，當然這裡麵包括一些品牌，因為品牌包括它的Instagram，包括其他的一些社交媒體是很受大家歡迎的。我們現在有近一億條的社交數據，每個月會產生將近3000多萬，至少3000多萬的社交數據。
阿米：3000多萬的數據？
Adrian：對，其實平臺我們會看150萬個網紅，我們會通過我們的算法，不斷挑選出裡面具有非常好的時尚品位的，有大家比較喜歡的“帶貨”效果的這些時尚類別網紅，我們會慢慢挑選出來，我們會不斷的去看他們所產生的一些內容。同時因為過去這兩年其實從自然源處理也好，包括圖像識別也好，都有一個大規模的提高。圖像識別和搜索的準確率我們做到了業界最領先的水平，前十的搜索結果裡找到目標圖的概率高達90%，這就意味著這個技術真正能夠幫助到這個行業發現相類似的一些時尚照片。
阿米：你剛提到的這個是social media的數據，還有就是搜索的數據。
Adrian：還有時尚屬性的數據和retail的數據。
阿米：OK，retail數據是什麼數據？因為你看我們這個行業裡面會用你們這個爆款預測器的人有seller ，seller 包括平臺的seller ，獨立站的seller ，有些是在social media上面直接賣的seller ，還要去做供應鏈的seller ，有一些是直接做工廠的seller ，甚至設計師，甚至說網紅。還有其他的這種幫他們做content的用戶，那他們各自的需求你們要怎麼去實現？這部分retail的數據。
Adrian：其實我們retail數據就是說......大家知道Google的爆款發現器非常應用於快時尚，快時尚並不是創造時尚，而是說我能夠快速得到社會的反應，我把現在流行的趨勢放到我的衣服裡面去。
阿米：我投放了，馬上可以得到數據。
Adrian： 對，是的。剛才說的零售數據，因為我們會監測像亞馬遜的一些頂級的銷售Top seller，我們也關注像Shopify，包括像其他獨立站的一些產品數據。我們從多個維度上保證我們告訴你的爆款在其他平臺上沒有或者很少，這才會有爆款的效果，因為我們會爭取提前三個月開始告訴你一個具有爆款特徵的產品可能是什麼樣子的。
因為我們還有時尚數據，我們更重要的一個作用是把數據給具象化。什麼意思呢？其實大家看一下那些比較時尚的一些權威雜誌，包括VOGUE，它其實就告訴你說我們最近的pattern是什麼，這是我們的一個樣式，一個pattern。但是大部分做產品開發的人，他們會有一個非常模糊的比較粗略的想法，他們會發明自己的聰明才智去想說我怎麼應用到我的產品設計裡面。
阿米：沒錯。
Adrian：而我們一個非常重大的，能夠給予我們用戶的功能，就是說我把抽象的時尚的東西，社交的東西，銷售的價值給它具象化。比如說如果接下來的要上的是今年的秋冬款以及來年的春夏款，我們會告訴你說今年的時尚特徵是個什麼樣子。比如說今年是1970年的一個pattern，或者是一個格子狀的，或者是非對稱的一個裁剪方式。我們不僅告訴你這是流行，因為我們通過社交數據抓取，時尚數據的分析，並且會告訴你在歷史數據中以及當前的社交數據中有哪些符合pattern，這個款型這個顏色的一個具體的產品設計。
阿米：已經有了準備好的參照。
Adrian：你可以看大家是怎麼去做這個東西的，我們也是最快能夠給出這個東西的。就相當於我們幫這個產品開發人員，包括相當於給一些銷售人員，包括seller，因為他們知道我們告訴你的這個是會流行起來的。
阿米：因為我有數據可以告訴你。
Adrian：對，告訴你亞馬遜還沒有賣的，對吧？比如說某些的平臺已經開始賣一些相似款的，我們通常會給這些數據支撐。
阿米：OK，那你們其實還有一個很重要的應用點，我不知道你們是不是有注意到，就是這個fashion裡面有個很頭痛的問題，除了剛剛說的爆款預測，我在廣告投放內容的時候，你們可以去做到一個非常強的reference的使用？
Adrian：對，是的，我們平臺現在有3000多個時尚屬性的數據值隊。什麼意思呢？我們會從比如說款型，比如說顏色，比如說長裙還是短裙，還甚至比如說你這個decoration，就是裝飾，用的是蕾絲的邊，還是說羽毛，我們都會有這些屬性數據的，其實我們有3000多個數據。
阿米：很討厭你們，你知道為什麼嗎？我作為一個十多年的時尚行業從業者，你是基本上把我們主創設計師的腦子裡的東西都扒下來了，全部變成了一個數據一個數據，可以這麼理解嗎？
Adrian：對，我們其實相當於把它給定量化，而不是說只是一個模糊的概念。
閱讀更多 跨境阿米Show 的文章
