AfterShip，駛?cè)?AI 新時(shí)代

在 SaaS + AI ?的趨勢(shì)下，AfterShip 展示了一種新的范式，即 AI 技術(shù)與企業(yè)的各個(gè)方面深度融合，進(jìn)行系統(tǒng)性的探索。

作者|斗斗 皮爺

出品|產(chǎn)業(yè)家

“AOV 提高 45%、總收入提升 5%、60 倍 ROI”

“AOV 提高 70%、總收入提升 4.5%、40 倍 ROI”。

——這是來(lái)自 AfterShip 客戶的兩組數(shù)據(jù)，而促成這些數(shù)據(jù)的是其一款名為 Personalization 的 AI 個(gè)性化商品推薦 & 搜索產(chǎn)品。

然而，即使是這樣亮眼的數(shù)據(jù)，相對(duì)比很多服務(wù)商對(duì)于 AI 的搖旗吶喊，作為“出品方”， AfterShip 更多展現(xiàn)出來(lái)的卻是在 AI 浪潮下不同其它人的冷靜和克制。

不過(guò)，對(duì)于使用 AfterShip 的產(chǎn)品的客戶，他們卻有一個(gè)鮮明的感受：即雖然每天，甚至在業(yè)務(wù)場(chǎng)景的每時(shí)每刻都在使用這些產(chǎn)品，但客戶他們并不知道其是 AI 賦能的產(chǎn)物，對(duì)企業(yè)而言，他們更直觀的感受是更多的商品被銷(xiāo)售、越來(lái)越準(zhǔn)確的物流時(shí)間和更棒的用戶反饋，以及最終反映到賬面上增速越來(lái)越快的營(yíng)收。

AI 的價(jià)值到底是什么？是參數(shù)，是技術(shù)，是概念，還是真正匿于產(chǎn)品之中，隱于組織內(nèi)部的生產(chǎn)力提升。

對(duì)于當(dāng)下很多 SaaS 企業(yè)而言，這是一個(gè)規(guī)劃起來(lái)難，執(zhí)行起來(lái)更難的問(wèn)題。

對(duì)于每一個(gè)企業(yè)而言，新技術(shù)的爆發(fā)是機(jī)遇，但能否抓住機(jī)遇乘風(fēng)而上，取決于企業(yè)自身的魄力、積累以及對(duì)新技術(shù)的投入和態(tài)度。

AfterShip 正在成為一個(gè)值得研究的“SaaS + AI”樣本。AfterShip CTO James Hong 告訴我們：“AI 的疊加，確實(shí)為我們帶來(lái)了實(shí)實(shí)在在的價(jià)值?！?/p>

從架構(gòu)看，這家國(guó)際電商 SaaS 企業(yè)如今已經(jīng)有成熟的 AI 數(shù)據(jù)部門(mén)，而從業(yè)務(wù)看，AI 已經(jīng)成為這家細(xì)分賽道頭部企業(yè)內(nèi)部的核心方向和戰(zhàn)略，并且 AI 已經(jīng)成為 AfterShip 新老產(chǎn)品的核心構(gòu)成元素之一。

SaaS 企業(yè)如何駛?cè)?AI 時(shí)代？其中的難點(diǎn)、痛點(diǎn)以及其能發(fā)揮價(jià)值的錨點(diǎn)到底在哪？如何基于舊時(shí)代的動(dòng)能，駛向新的大陸。在 AfterShip 這家企業(yè)身上，我們?cè)噲D找到一些答案。

一、60 倍 ROI，被看見(jiàn)的真實(shí) AI 需求

“where is my order？”

這是 AfterShip 的客戶側(cè)經(jīng)常會(huì)收到的問(wèn)題。對(duì)應(yīng)到更加具體的問(wèn)題是：我的快遞到哪了？我的快遞大概什么時(shí)間能到？

物流預(yù)測(cè)，一個(gè)國(guó)內(nèi)電商平臺(tái)“標(biāo)配”的能力。但在以獨(dú)立站為主要模式的海外電商市場(chǎng)，是一個(gè)老大難。

不同于國(guó)內(nèi)電商生態(tài)的完整性，除海外電商 Amazon、Walmart 等幾家電商巨頭具備這項(xiàng)能力，在獨(dú)立站領(lǐng)域還屬于一片空白。

“AI 團(tuán)隊(duì)組建之前，客戶側(cè)就已經(jīng)有很多類(lèi)似需求?！?/strong>AfterShip 數(shù)據(jù) VP Loring Liu 對(duì)產(chǎn)業(yè)家說(shuō)。

這種剛性需求下，AfterShip 推出了名為 AEDD（AfterShip Estimated Delivery Date） 的產(chǎn)品，通過(guò) AI 技術(shù)預(yù)測(cè)商品送達(dá)時(shí)間，提高顧客購(gòu)買(mǎi)意愿和購(gòu)物滿意度。

一個(gè)數(shù)據(jù)是，其能夠在運(yùn)單創(chuàng)建時(shí)的首次預(yù)測(cè)就可以做到接近?90% 的準(zhǔn)確率。其中，EDD 在購(gòu)買(mǎi)前幫助買(mǎi)家減少了物流不確定性，提高了買(mǎi)家完成購(gòu)買(mǎi)的可能性；在購(gòu)買(mǎi)后，優(yōu)化消費(fèi)者的購(gòu)物體驗(yàn)，幫助商家吸引更多的新客戶。

可見(jiàn)，AEDD 不單純是一個(gè)后端物流運(yùn)營(yíng)工具，其更可以看作是一個(gè)品牌生產(chǎn)力，甚至是銷(xiāo)售層面的工具。

除了 EDD 外，AfterShip 還孵化出了一款基于 AI 驅(qū)動(dòng)、能給客戶帶來(lái)更大平均客單價(jià)和營(yíng)收提升的個(gè)性化商品推薦產(chǎn)品——Personalization。

以 Dime Beauty 為例，作為一家美妝 DTC 品牌，早期通過(guò)社媒種草影響消費(fèi)者心智從而獲取流量，火爆北美。為了更好承接流量?jī)r(jià)值，Dime Beauty 開(kāi)始搭建品牌精細(xì)化運(yùn)營(yíng)體系，同時(shí)也考慮通過(guò)個(gè)性化購(gòu)物體驗(yàn)來(lái)提升消費(fèi)者的忠誠(chéng)度以及留存。

在 Personalization 的賦能下，Dime Beauty 為消費(fèi)者提供了 1:1 個(gè)性化的 Product Discovery Journey(從商詳頁(yè)到結(jié)賬頁(yè)等)，通過(guò) AfterShip 自研的 Universal Recommendations 模型，可以幫助商家給消費(fèi)者提供千人千面的購(gòu)物體驗(yàn)；除此之外，AfterShip 也承擔(dān)了策略顧問(wèn)的角色，為 Dime Beauty 提供行業(yè)標(biāo)準(zhǔn)和最佳實(shí)踐的洞察，助其了解行業(yè)趨勢(shì)，優(yōu)化自己的業(yè)務(wù)策略。

值得注意的是，中國(guó)的電商巨頭如淘寶、京東等，已經(jīng)利用先進(jìn)的數(shù)據(jù)分析和機(jī)器學(xué)習(xí)技術(shù)，為用戶提供高度個(gè)性化的購(gòu)物體驗(yàn)。然而海外電商市場(chǎng)并沒(méi)有如此完善的生態(tài)，基于獨(dú)立站的生態(tài)模式，其整體建設(shè)仍處于個(gè)性化推薦的早期階段。

Personalization 恰是 AfterShip 結(jié)合中國(guó)先進(jìn)成熟的電商經(jīng)驗(yàn)，及自身對(duì)海外電商生態(tài)和客戶的深度洞察和理解的產(chǎn)物，實(shí)實(shí)在在地用 AI 賦能了海外商家的業(yè)務(wù)發(fā)展。

在 Personalization 的多觸點(diǎn)交叉銷(xiāo)售賦能下，Dime Beauty 獨(dú)立站內(nèi) AOV 提高了 45%，總收入提升 5%，使用 Personalization 的整體 ROI 高達(dá) 60 倍。

很直觀的一個(gè)體現(xiàn)，Personalization 為 Dime Beauty 實(shí)現(xiàn)了真正意義上的銷(xiāo)量增長(zhǎng)。“針對(duì)售后性的產(chǎn)品，主要是在解決降本增效的問(wèn)題，盡管有些子場(chǎng)景也能為客戶帶來(lái) GMV，但是相比售前的場(chǎng)景相對(duì)受限和不直接。”James 對(duì)產(chǎn)業(yè)家直言。

總體來(lái)看，在 AI 賦能下，AfterShip 在強(qiáng)化了自身產(chǎn)品模型，幫助客戶解決降本增效問(wèn)題的同時(shí)，也更將自身的助力價(jià)值放大到企業(yè)的銷(xiāo)售側(cè)和成交側(cè)，為客戶解決不單純是售后服務(wù)層面的問(wèn)題，也更助力其交易側(cè)的能力提升。

二、“不要為了 AI，而做 AI”

“我們對(duì)于 AI 的出發(fā)點(diǎn)，不是要把 AI 這項(xiàng)技術(shù)，以某種方式提供給客戶。而是看我們的客戶需要什么。”AfterShip 數(shù)據(jù)總監(jiān) Harvey 一而再再而三的強(qiáng)調(diào)這一點(diǎn)。

同樣的觀點(diǎn)，也在 Loring 口中被證實(shí)。“我們的 AI 功能主要還是圍繞客戶的需求出發(fā)，在原有的產(chǎn)品基礎(chǔ)上基于 AI 做能力的提升，原來(lái)主要做售后側(cè)的 AI 能力，現(xiàn)在也在幫助企業(yè)提升其交易側(cè)的能力?！?/strong>

2021年，Loring 、Harvey 加入 AfterShip，分別擔(dān)任數(shù)據(jù) VP、數(shù)據(jù)總監(jiān)。在此之前，AfterShip 這家國(guó)際電商 SaaS 已經(jīng)積累了大量的數(shù)據(jù)。二人加入之后便開(kāi)始組建 AI 和數(shù)據(jù)團(tuán)隊(duì)，讓這些數(shù)據(jù)沉淀成資產(chǎn)、再將數(shù)據(jù)資產(chǎn)價(jià)值化。

實(shí)際上，這恰是為 AI 賦能業(yè)務(wù)，滿足客戶真實(shí)需求打下了基礎(chǔ)。

過(guò)去無(wú)數(shù)的技術(shù)革命涌現(xiàn)的一個(gè)現(xiàn)象是——每當(dāng)一個(gè)新技術(shù)爆發(fā)時(shí)，企業(yè)總是希望先人一步，將技術(shù)融入產(chǎn)品，更好地賣(mài)給客戶。

但這樣真的對(duì)嗎？

能看到的是，在 AI 技術(shù)爆發(fā)以來(lái)， SaaS 服務(wù)商前赴后繼扎進(jìn)去，但客戶側(cè)卻鮮有聲音；SaaS 服務(wù)商大張旗鼓搞 AI 重塑，戰(zhàn)績(jī)卻寥寥無(wú)幾；客戶買(mǎi)了 SaaS+AI 產(chǎn)品，卻遲遲看不到增長(zhǎng)……拋開(kāi)技術(shù)落地周期較長(zhǎng)、技術(shù)成熟度等常規(guī)因素，更應(yīng)該思考的是，客戶需要怎樣的 AI 產(chǎn)品？

2022 年底，ChatGPT 正式發(fā)布。奔涌而來(lái)的 AIGC 浪潮，也讓 AfterShip 開(kāi)始重新思考 AI 技術(shù)的價(jià)值。不久后，一個(gè)共識(shí)在 AfterShip 內(nèi)部被達(dá)成：

“不要為了 AI，而做 AI。”不急于盲目追求將 AI 落地到產(chǎn)品，更重要的是想清楚客戶的真實(shí)需求是什么？方向在哪里？

與此同時(shí)，可以先從底層把 AIGC 的基礎(chǔ)設(shè)施、數(shù)據(jù)的基礎(chǔ)設(shè)施（包括數(shù)據(jù)資產(chǎn)治理）等搭建好，確保當(dāng)機(jī)會(huì)出現(xiàn)時(shí)可以用最快的時(shí)間去抓住。用 Harvey 的話說(shuō)，就是“工欲善其事，必先利其器，打好地基做有準(zhǔn)備之戰(zhàn)”。

那么對(duì) AfterShip 的內(nèi)部同事而言，我們應(yīng)該如何最大程度地使用 AI？從而才能讓大家對(duì) AI 有更深的洞察和理解，最終這些洞察和理解，也都會(huì)作用到驅(qū)動(dòng)業(yè)務(wù)和產(chǎn)品上。

“最開(kāi)始，很多人可能對(duì) AI 能做什么事情，是沒(méi)有概念的?！痹?Harvey 看來(lái)，首先需要激發(fā)大家對(duì) AI 的興趣，幫助大家更好地了解 AI，讓組織人員在這塊 on the same page。

為了讓每個(gè)人參與做 AI 產(chǎn)品，感知 AI 如何從 idea 變成一個(gè)可能商業(yè)化應(yīng)用的產(chǎn)品。在 James 牽頭下，公司內(nèi)部舉辦了全員 AIGC 黑客松大賽和 Hack-Day 論壇活動(dòng)，旨在更好的激發(fā)組織內(nèi)部的 AI 積極性，實(shí)現(xiàn)組織內(nèi)部跨團(tuán)隊(duì)、跨崗位之間的交流、連接和共創(chuàng)。

大賽也為 AfterShip 帶來(lái)了意想不到的收獲。“我們當(dāng)時(shí)有超過(guò) 60% 的同事都報(bào)名參加 AIGC 黑客松大賽，入圍的隊(duì)伍也超過(guò) 30 支?；旧衔覀児舅械牟块T(mén)都參加了?！?/strong>在 James 的感知中，大家對(duì) AI 的熱情顯然超出了預(yù)期。

同時(shí)，AfterShip 在內(nèi)部搭建 AfterShip ChatGPT、AfterShip GPTs Agent 構(gòu)建平臺(tái)，采購(gòu) GitHub Copliot 等 AI 工具，讓每個(gè)人可以把 AI 用到自己工作上，提升工作效率。

此外，AfterShip 的 AI 相關(guān)團(tuán)隊(duì)還推出了 AI Playground 內(nèi)部體驗(yàn)平臺(tái)，內(nèi)置多個(gè)在線 AI demo，幫助員工更直觀地體驗(yàn)各項(xiàng) AI 能力。

而伴隨著這種組織層面的 AI 文化建設(shè)，AfterShip 內(nèi)部對(duì)于使用 AI 也建立了統(tǒng)一認(rèn)知，這種認(rèn)知不僅在單個(gè)工作環(huán)節(jié)本身，也更在部門(mén)和部門(mén)之間的合作溝通。“甚至還有人會(huì)自己摸索，摸索出來(lái)的東西很多都讓我們眼前一亮?！?/strong>

如今，基于 AI 打造的智能助手，已經(jīng)輔助產(chǎn)研、市場(chǎng)、銷(xiāo)售、設(shè)計(jì)等各個(gè)職能角色提效。

從 AI 文化的建設(shè)，到人人用上 AI，到 AI 賦能組織提效，再到 AI 賦能業(yè)務(wù)。在 James 和 AI 數(shù)據(jù)部門(mén)的組織下，伴隨著 ChatGPT 大潮的來(lái)臨，在國(guó)內(nèi)企業(yè)仍在聊概念和想象力的時(shí)間點(diǎn)，AfterShip 率先在內(nèi)部跑完了一個(gè)從內(nèi)到外、從下到上的“ AI 組織重塑”。

“不要為了 AI，而做 AI”這樣以客戶需求為中心的技術(shù)理念，也在 AfterShip 的一個(gè)個(gè)被提效的工作場(chǎng)景中達(dá)成統(tǒng)一。

三、AI 戰(zhàn)略背后的“數(shù)據(jù)加速度”

一個(gè)值得思考的問(wèn)題是，支撐 AfterShip AI 戰(zhàn)略實(shí)施的底層能力是什么？對(duì)國(guó)內(nèi)的很多 SaaS 企業(yè)而言，盡管其有嘗試 AI 的策略和動(dòng)作，但對(duì)應(yīng)到執(zhí)行的效果上仍然是差強(qiáng)人意。

實(shí)際上，無(wú)論是 EDD 還是 Personalization ，這些被 AI 賦能產(chǎn)品都離不開(kāi)一個(gè)要素——數(shù)據(jù)。

作為賽道隱形冠軍，AfterShip 多年以來(lái)積累了大量有價(jià)值的數(shù)據(jù)。但這些數(shù)據(jù)最初就像是散落一地的珍珠，沒(méi)有被串成項(xiàng)鏈。

Loring 在 2021 年加入 AfterShip 時(shí)，就面臨了這樣的情況。他的首要任務(wù)是組建一個(gè)團(tuán)隊(duì)，把數(shù)據(jù)和 AI 的力量整合起來(lái)，讓這些數(shù)據(jù)發(fā)揮出應(yīng)有的價(jià)值。在 2021 年到 2023 年間，AfterShip 投入了大量的時(shí)間和精力建設(shè)數(shù)據(jù)基礎(chǔ)設(shè)施。

“公司將數(shù)據(jù)資產(chǎn)的積累和定義分成不同階段，從公司層面到客戶層面，逐步構(gòu)建和完善數(shù)據(jù)體系?！?/strong>

而在這兩個(gè)系統(tǒng)化的步驟完成后，這也對(duì)應(yīng)著，AfterShip 的數(shù)據(jù)逐漸走向價(jià)值化、資產(chǎn)化。

從本質(zhì)來(lái)看，數(shù)據(jù)的不斷沉淀和梳理歸類(lèi)，也恰驅(qū)動(dòng)著 AfterShip 在產(chǎn)品上的改進(jìn)、運(yùn)營(yíng)等方面的優(yōu)化。例如，EDD 就是基于其龐大的數(shù)據(jù)基礎(chǔ)和反復(fù)的模型調(diào)教，目前 AI EDD 模型已利用 44 億條物流數(shù)據(jù)進(jìn)行訓(xùn)練。

也是基于這些數(shù)據(jù)，AfterShip 進(jìn)一步推出了多款電商 AI 解決方案，如 Catalog AI、Discovery AI 和 Logistics AI。

具體來(lái)看，Catalog AI 基于 AfterShip 過(guò)去積累的數(shù)億商品數(shù)據(jù)，結(jié)合當(dāng)下的多模態(tài)大模型技術(shù)，構(gòu)建了商品知識(shí)庫(kù)和商品行業(yè)大模型，能夠?qū)崿F(xiàn)對(duì)商品的深度理解以提升商品管理的效率。

它可以對(duì)商品進(jìn)行自動(dòng)分類(lèi)、自動(dòng)生成圖片等高質(zhì)量的商品素材，使得商品變得更加有吸引力、更利于營(yíng)銷(xiāo)推廣；還能夠理解不同電商平臺(tái)的規(guī)范，幫助賣(mài)家確保商品信息符合平臺(tái)要求，從而順利上架。

如果有幾萬(wàn)個(gè) SKU 的亞馬遜或獨(dú)立站商家，想將商品擴(kuò)展到 TikTok Shop 平臺(tái)銷(xiāo)售，以往手動(dòng)上架可能需要一個(gè)月的時(shí)間。但是，通過(guò)使用 Catalog AI，這個(gè)過(guò)程可以縮短到三天內(nèi)完成，顯著提高了運(yùn)營(yíng)效率。

而 Discovery AI 則是受益于 Catalog AI 對(duì)商品強(qiáng)大的理解能力，以及結(jié)合跨渠道的用戶行為追蹤能力，能夠準(zhǔn)確地提取出用戶的興趣偏好，從而提供更加精準(zhǔn)的商品推薦，特別適用于 D2C 商家注重的站外引流、測(cè)品等特點(diǎn)。

Discovery AI 還可以應(yīng)用于搜索等多個(gè)場(chǎng)景，實(shí)現(xiàn)用戶和商品之間的精準(zhǔn)匹配；通過(guò)個(gè)性化的商品分發(fā)，提高營(yíng)銷(xiāo)活動(dòng)的轉(zhuǎn)化率，讓更多的潛在顧客購(gòu)買(mǎi)商品。

根據(jù) AfterShip 對(duì)外公布的數(shù)據(jù)，Discovery AI 平均能夠幫助賣(mài)家提升30%的轉(zhuǎn)化率，提升 10% 的 AOV。

Logistics AI 則在收集物流公司數(shù)據(jù)之外，還主動(dòng)獲取天氣、交通和社會(huì)事件等數(shù)據(jù)，以提供更全面的物流信息。并對(duì)收集到的原始數(shù)據(jù)進(jìn)行清洗和解析，利用標(biāo)準(zhǔn)化的數(shù)據(jù)，Logistics AI 能夠提供準(zhǔn)確的物流時(shí)效預(yù)測(cè)，幫助賣(mài)家提前規(guī)劃物流運(yùn)營(yíng)，提高服務(wù)的響應(yīng)速度和客戶滿意度。

這些產(chǎn)品落地，加速推動(dòng)著 AfterShip 在滿足客戶需求上的更進(jìn)一步。

更大的感知是，在 AfterShip，數(shù)據(jù)不僅僅是技術(shù)人員的事情，而是關(guān)乎每一個(gè)人。AfterShip 通過(guò)打造一種文化，讓數(shù)據(jù)成為每個(gè)決策的依據(jù)。就像 Loring 所說(shuō)：“我們希望建立一個(gè)從上到下都通過(guò)數(shù)據(jù)進(jìn)行決策的文化?！?/strong>

從數(shù)據(jù)驅(qū)動(dòng)組織、再到驅(qū)動(dòng)產(chǎn)品智能。AfterShip 的底層邏輯在于通過(guò)數(shù)據(jù)驅(qū)動(dòng)的決策和 AI 技術(shù)的應(yīng)用來(lái)優(yōu)化業(yè)務(wù)流程。這一邏輯不僅體現(xiàn)在公司內(nèi)部層面，也更體現(xiàn)到如今每一款正在更新的產(chǎn)品和服務(wù)流程之中。

不論是多年以來(lái)積累的大量有價(jià)值的數(shù)據(jù)，還是技術(shù)層面早期平臺(tái)化的技術(shù)戰(zhàn)略，以及更開(kāi)放包容的組織文化，這些是 AfterShip 能迅速構(gòu)建數(shù)據(jù)體系，進(jìn)而釋放 AI 生產(chǎn)力價(jià)值的核心原因。

寫(xiě)在最后：

在人工智能的浪潮中，SaaS 企業(yè)面臨著如何將 AI 技術(shù)與自身業(yè)務(wù)深度融合的挑戰(zhàn)。但對(duì)于這種挑戰(zhàn)的解法，目前仍未有一個(gè)定論。

但透過(guò) AfterShip 的實(shí)踐，我們正在看到一些答案。

比如它內(nèi)部的開(kāi)放、創(chuàng)新的組織文化，鼓勵(lì)員工積極擁抱 AI 帶來(lái)的變革，并利用新技術(shù)提升內(nèi)部組織工作效率和創(chuàng)造力；比如同時(shí)鞏固基礎(chǔ)建設(shè)，建立了嚴(yán)格的數(shù)據(jù)治理機(jī)制，確保數(shù)據(jù)的準(zhǔn)確性、完整性和安全性；再比如其基于需求為先的產(chǎn)品理念，在此基礎(chǔ)上基于 AI 更好地滿足客戶需求。

可以說(shuō)，在 SaaS + AI 的趨勢(shì)下，AfterShip 展示了一種新的范式，即 AI 技術(shù)與企業(yè)的各個(gè)方面深度融合，進(jìn)行系統(tǒng)性的探索。

這種探索從組織文化賦能到內(nèi)部提效，再到基礎(chǔ)設(shè)施建設(shè)，到“不要為了 AI 而做 AI”，這家國(guó)際 SaaS 企業(yè)探索是腳踏實(shí)地的，是系統(tǒng)化的，它不僅僅關(guān)注技術(shù)本身，更關(guān)注技術(shù)如何服務(wù)于企業(yè)的長(zhǎng)遠(yuǎn)發(fā)展。

AfterShip 對(duì) AI 的一系列探索和實(shí)踐經(jīng)驗(yàn)也表明，以客戶需求為導(dǎo)向，尋找真正對(duì)客戶有價(jià)值的場(chǎng)景，才是 AI 與 SaaS 企業(yè)融合并真正驅(qū)動(dòng)業(yè)務(wù)發(fā)展的關(guān)鍵。正如 James 所言：“我們現(xiàn)在還在不斷尋找‘新場(chǎng)景’，從客戶角度真正為他們創(chuàng)造更大的價(jià)值，無(wú)論是幫助客戶提升收入，還是提升效率降低成本。找到這些新場(chǎng)景，再基于我們的數(shù)據(jù)，就能發(fā)揮更大的價(jià)值?！?/strong>