阿里“鲁班”是如何做到的(鲁班电商怎么做)

本文目录

1. 双十一，实体店如何借势营销
2. 一秒设计8000张不重样的海报，阿里“鲁班”是如何做到的
3. 双十一早会怎么开
4. 双11家纺活动广告语海报

双十一，实体店如何借势营销

经营者一直都变“借势”，向谁借？怎么借？事实上我们想一想，所有的‘借势’绝大多数都是我们“蓄势”的结果：如果你自己不在之前学习蓄势，那么你凭什么借势，在这个浮躁的互联网环境下，在线上并没有强关系的条件下，我们凭什么借呢？

双十一的借势，绝大多数都是为“已经蓄势好的经营者而准备的”，这就是我们所说的：当你在三月份时不打好基础，定好格局，做好规划，不能在九月份前完善一切准备，比如流量、品牌、口碑、社群、影响力、广告和自媒体这些，你就无法“借力双十一”，你若是“虫”，风再大，你还是一个样子；你若是“龙”，才会遇风而飞，趁雷飞上九宵。

孙洪鹤《新商业大智慧》在第二章节里就是系统讲解：蓄势，也可以关注我的今日头条的短视频，有十几节都是讲“蓄势”，蓄势有内部蓄势和外部蓄势，而外部蓄势有五大核心：蓄时机（双十一就是时机）蓄势气氛、蓄势人心、蓄势地利、蓄事利；内部蓄势又有八个体系，只有做好这些，你才会在双十一以至以后的热销时节借势营销。

一秒设计8000张不重样的海报，阿里“鲁班”是如何做到的

每年双11，都是阿里设计师的大考：海量的设计需求，需要保证所有人都统一规范，遇到紧急设计需求，还要快速出稿，对每一个设计师都是脑力、体力双重考验。那么“鲁班”是如何做到呢？

△千人千面需求的banner设计

于是，2015年双11后，阿里内部开始萌生想法，当年阿里正式在商品推荐上实现"千人千面"，所以希望强营销导向的广告资源位的设计也能实现"千人千面"。

因此"鲁班"项目正式成立，并不断发展至现今的"阿里智能设计实验室"。

当时正值AlphaGo摧枯拉朽，将深度学习和AI传播开来，阿里内部也决定进一步把鲁班打造成一个AlphaGo一样的AI设计师。

进而开始搭建神经网络，让鲁班学习人类设计师的成果和经验，不断进化，到今年双11，鲁班的水平已经达到了阿里内部P6水准。

鲁班的学习进化，主要有三大技术原理。

鲁班从0到P6，自学设计能力主要看三大模块：风格学习（规划+元素）、行动器，以及评估网络。

首先是风格学习模块。

△鲁班风格学习

鲁班先将大量设计素材的设计数据进行结构化标注，最后经过一系列的神经网络学习，输出空间+视觉的设计框架。

框架设计中，首先通过人工标注的方式，让机器理解该幅设计有哪些元素组成，比如它的商品主体，花的背景，蒙版。

往上一层，还需要通过设计的经验知识，定义一些设计的手法和风格。手法指的是这些元素为什么可以这么构成。

最上面这一层是风格，当这些元素构成之后，它从美学或者视觉角度看是一个什么感受，让机器知道它是用什么组成。

下一步是准备设计的原始文件，比如一系列花朵和设计方法，输入到深度学习网络中。该网络具备一定记忆功能，可以记住设计步骤中复杂的过程。

经过这层神经网络学习之后，会得到一个设计框架。从技术上理解，它是一堆空间特征和视觉特征构成的模型。从设计师的视角来看，它相当于设计师脑里在做一组设计之前那个大概的框架印象。

在设计框架的同时，元素中心也在批量输入元素（如底图，主产品图、修饰元素等），由元素分类器进行学习，按照视觉特征和类型分类。

具体来说，鲁班团队会提前收集一些版权图库，以及自己造设计元素的方式，输入到元素分类器中。这个分类器会把这些元素分布到各个类型里，比如背景、主体、修饰，也会完成图片库的提取。

其次是行动器。

△鲁班行动器元素分类

行动器的主要作用，是根据需求从风格学习模块中选择设计原型，并从元素中心中选取元素，规划出多个最优生成路径，完成图片设计。

这与设计师实际工作过程非常相似，如设计师要设计一朵花，也会在软件里会不断去调每个位置、每个像素、每个角度。同时，整个过程也是一个强化学习的过程，行动器会在不断试错中更聪明、更智能。

此过程完成后，将输出多个设计图，并最终交给"评估网络"对输出产品进行评分。

最后是评估网络。

△鲁班评估网络

评估网络的工作原理是输入大量的设计图片和评分数据，经过训练后，让机器学会判断设计的好坏。

鲁班的基础是来源于设计师的设计模板素材和元素素材，因此会有两个设计师角色每天去训练鲁班，一个负责帮助鲁班完成最新的风格学习（风格学习），让鲁班不断进化，不断掌握更好的设计技巧。

另一个的角色则是对鲁班设计出来的成果进行评估（评估网络），告诉鲁班什么样的设计才是最好的。

设计师的核心职责，在于把设计变成数据化。目前，鲁班已经学习了百万级的设计稿，拥有了演变出上亿级的海报设计能力。

实际上，你应该也看出来了，与AlphaGo最初设计一样，鲁班从0到P6，也是设计师+算法工程师的合作成果。

这背后，阿里的设计师和算法工程师做了三大功课。

第一，领域研究。找到该领域专家深入研究该领域的经验知识，构建一套机器可以学习的数据模型。视觉设计专家把设计问题抽象成"风格-手法-模板-元素"这样一套数据模型，即把多年视觉设计经验变成机器可学习的"数据"。

第二，数据链路。定义好数据模型后，抓取和标注数据，并对数据集进行分类和管理。在这个过程汇总，如果处理数据给算法训练的更新频次，用什么数据去验证模型，如何评估模型效果，离线模型与在线数据在产品端如何打通？这一系列的数据问题就需要一套清晰的数据链路设计。

第三，算法框架。算法框架由算法科学家来制定，数据和算法的关系就像汽油和发动机，两者密不可分。产品设计师需要与算法讨论，把业务场景和数据问题输入给算法。

这也是阿里内部让产品设计师学习机器学习的原因，因为搞懂算法框架和技术原理，才能更好理解工作原理。

但三方面功课背后，也不是没有具体挑战。

整个鲁班打造过程中，遭遇了三方面技术挑战。

首先是缺少标注数据。今天所有的人工智能都基于大规模结构化标注数据，设计这件事情连数据都没有完成在线化，更别说标准化、结构化的数据。

其次是设计的不确定性。设计是个很不确定的东西，设计需求把握和结果评估都存在人类主观意识。比如你无法给机器输入"高端大气的海报"这样的指令。

最后是无先例可循。整个行业中没有一些现成的技术或者框架可以参考，这和AlphaGo带来的福利不同。

当时AlphaGo团队公布论文后，全世界围棋AI都照此提升了战力，比如腾讯绝艺，很快就做到了世界水平。

但对于鲁班来说，并无先前经验可以参考，一切全凭自己摸索。不过也并非完全没有收获，在探索中的一年，阿里鲁班团队对AI产品有了更为清晰的定义。

他们内部认为，鲁班做的AI是可控的视觉生成。可控，指的是根据商业的需求、业务的需求，智能地进行控制；视觉生成，则表明鲁班解决的是视觉从无到有的问题。

那么海报设计AI鲁班，效果怎么样？

在2016年双11，鲁班首次登场。它最终制作了1.7亿张广告banner，点击率提升100%。

与人类对比的话，假设每张图，人类设计师需要耗时20分钟，满打满算也需要100个设计师连续做300年。

……

已经不用计算节省的成本了。

而今年，鲁班也被进行了进一步迭代。设计水平显著提升，最新的数据情况是：

鲁班已经学习了百万级的设计稿，拥有演变出上亿级的海报设计能力。

今年双11，鲁班已经可以实现一天制作4000万张海报，平均每秒可实现设计8000张海报，并且每张海报会根据商品图像特征专门设计，换句话说说，鲁班设计出的海报，没有一张会完全一样的。

了解鲁班，可登陆阿里云官网。

双十一早会怎么开

1、提前布局双11计划。包括双11推进的时间节点、优惠政策、开始和截止日期等，也可做出海报让员工提前发朋友圈造势。

2、明确“敌人”，目标具象化。让全员盘点准客户，把任务目标分解下去，人人头上有指标。

3、发表战前演讲，唤醒赢的本能。战前演讲非常重要，给团队打激励增力量。

4、发布赏罚政策。政策要定双向激励。

5、布署内部PK。造势还要造场，可导入Pk然后全员动力被激发，更容易达成目标！

重点建议：双11是一场战役，各个公司一定要“知己知彼”，选择自己公司的爆品，再加上双11的优惠政策，稳准狠的把之前的潜在客户直接转化大业绩！

双11家纺活动广告语海报

双十一家纺广告语海报:

1、爱家，爱生活。

2、爱尚生活，恩能！

3、爱与梦飞翔。

4、北欧休闲风情，艾莱依家纺。

5、不同的家，共同的选择。

6、挡不住的真情-泰丰家纺。

7、东方的，世界的。

8、孚日大家纺，真正大家纺。

阿里“鲁班”是如何做到的的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于双十一活动海报怎么弄好看、阿里“鲁班”是如何做到的的信息别忘了在本站进行查找哦。