今年5月，一款名为「WeShop」的AIGC商拍工具正式上线。
根据官网介绍，WeShop专注于电商产品图片的智能生成，帮助品牌商家解决商品图拍摄成本高、模特贵等痛点，在高效产出优质商品图的同时，大幅节约品牌商家的拍摄成本。那么现在，距离正式产品上线过去了3个多月，我们好奇的是：- 现在这款产品的客户使用情况、付费意愿、续费率情况是什么样的？客户在真实使用后，对电商领域的哪些环节发生了影响？哪些成本在降低，能降低多少？- 此刻的盈利模式是否还有可规模化增长的空间？AIGC产品在应用层面还有哪些机会？是哪些人的机会？团队未来要胜出的关键是什么？目前还面临哪些挑战？可以怎么解决......在见实和蘑菇街、WeShop创始人&奥创光年董事长陈琪的深聊中，我们找出了这些问题的答案。在这些答案背后，我们也得以一览「WeShop」这个AI产品从0到1的成长全过程。仅短短几个月的时间，这个产品在没有任何付费推广的情况下，客户数就增长到了十几万。不过陈琪开玩笑说他们对这种过快增长反而有点担忧。因为在他看来，产品还有提升的空间，担心用户目前体验完后的感觉一般就会被流失掉。当然，客户的口碑裂变增长其实就侧面印证了产品的好用程度。在部分跨境电商客户的反馈中，使用「WeShop」产品后，模特拍摄成本降低了90%多，比如原本请外模是要2000元一小时，一天八小时能拍40套，两百张图要16000元，现在成本降低了90%多，而且可以节约一周的时间成本，非常适合测款。现在团队已经验证了这个产品的市场和营收，尤其是客户续费率远超行业平均水准。陈琪认为未来还会有规模化扩张的机会，尤其是在针对大客户的定制模型训练服务上。在对话中，陈琪还和我们聊到了更多关于AIGC在应用层面的核心竞争壁垒，以及未来可能的新机会。值得一提的是，陈琪也是蘑菇街创始人，所以我们在对话中，也对他当下的创业和10多年前的创业思路进行了交流。对了，在9月20日的AIGC大会上，我们也邀请了陈琪一起来做交流，欢迎你在文末报名或点击菜单栏报名，到时一起面对面交流更多。接下来我们先回到文章中看看，如下，enjoy：
见实：WeShop产品现在有什么最新进展吗？有多少客户在使用了？陈琪：目前从市场的角度看，以电商为主的这类型客户，他们对这类型产品的需求很旺盛。产品正式上线后，我们用了2-3个月的时间来验证这个技术、场景和市场，也很早就开始收费了，想看看客户的反应和付费意愿。
目前为止我们还没花过1分钱推广，我当时先发了朋友圈，所以第一批用户中有很多互联网产品经理和运营人员，然后我在小红书做了账号出了视频教程。现在我们有十几万客户，而且马上海外客户要超过国内客户了。所以客户端反应还是挺好的，都验证了我们通过良好的工程和技术能力，找到了非常好的商业环境，能满足客户的很多真实诉求。见实：电商用户的使用需求很旺盛，目前创造的营收怎么样？陈琪：我们横向对比了一下国内外情况，总体来看应该是在行业平均水准。我现在比较关注两个指标：第一是订阅转化率，第二个是续费率。第二个指标应该是远超行业平均水准，第一个指标现在还不太稳定，因为很多人属于玩一玩、看一看的好奇心态。这个模型会越练越好，而且随着时间推移，一些好奇观望的人会变少，之前的客户更多是口碑传播，过来的用户就会越来越精准。见实：续费率远超行业水平，哪个价格档位的续费率更高？陈琪：国内产品的价格我们分了三档：最高档是1598元/月，然后中间档是598元/月，最低档是258元/月。我们看到价格越贵的那一档，用户续费率越高。因为用户愿意付很多钱，证明他有很大的用量需求，也证明了这个产品真的能帮到他的生意增长。而且一个月花 1598元和之前请真人模特和摄影师到处拍摄相比，成本低太多了。见实：目前看，海外客户和国内客户在付费意愿上会有明显差异吗？陈琪：总体看下来，国内客户的支付能力比国外客户强一些，喜欢一个月一个月地支付，甚至有客户会一口气给团队买很多账号，有很多团队采购行为，更希望购买的是服务。但国内客户不喜欢按月订阅的模式，比如每个月扣钱这种模式。相比之下，海外客户更愿意选择小额的按月订阅形式，可以接受每月扣一点钱，更多也是偏向个人或小商家的客户。陈琪：这个才刚刚开始，坦率来讲，我觉得单靠卖基础功能或基础服务，很难成就一个比较大的生意。第一是技术的深度，这会决定场景的广度，我们要把技术扎得足够深。第二是应用层面只有纯技术是不够的，还需要在具体的场景里提供服务，比如我们会有针对大客户的定制模型训练服务，针对不同公司的需求，我们可以准备训练素材、进行训练和验证，然后上线。我们对这个规划还是非常兴奋的，我觉得这里存在规模化扩张的机会，这也是接下来绝大多数AIGC商业应用方面很重要的一个服务。每个品牌都有自己的个性，所以这会是个巨大的需求。目前国内在应用层面还没看到有大规模的收入进来，我觉得明年一定会看到有一些人已经能够有大规模的收入。另外我们投资了一家公司叫「奥创光年」，是做 AI 短视频广告的，可以实现品牌短视频投放的高效量产，目前只做 500 强的大客户，今年的收入应该会往1亿人民币靠了，这也算是为数不多收入达到这种规模的公司。见实：你们在做的这件事，对整个电商领域的工作流程、生产关系、岗位变化等，正在发生哪些明显的影响？未来可能还会有哪些很明显的变化？当一种新技术出现的时候，很多人第一反应是把这个新技术嵌入到原来的工作流里去，但通常这个方法是错的。如果这只是一个改良型技术，它可能是对的，但某些技术明显不是改良型技术，比如电商领域上一轮的直播，那么再用这个方法就是错的。你会发现做最好的那些人，整个团队都发生了变化，包括选品策略、定价策略、供应链策略、服务策略、销售策略全都变了，整个团队的组织也和以前完全不一样了。所以 AI 来了以后，也同样会发生类似的情况，甚至比之前直播中发生的情况更彻底。只是现在还是一个早期导入阶段，还没有很多明显的变化。举个小例子，我昨天去拜访了一个做代运营的客户，之前很多品牌通过他们去开天猫店，以及会有一些制作商品主图需求，素材投放需求等。之前代运营公司接过来这个需求后，运营人员会找设计师做，设计师做完后再给客户看，中间会有很多来回反复传导的步骤。但现在用了我们的产品后，运营可以直接和客户进行沟通和制作，中间不用找设计师、摄影师等进行反复沟通，有了工具的加持后，运营人员也有了平面设计的能力。之前这件事必须有3个角色的人来讨论，现在有2个角色就可以了，效率会大大提升。以及在进行产品投放时，比如以一款中性服装为例，之前要找设计师去做不同人群、场景、环境下的图，一个设计师当时的创意是可以穷尽的。但现在只要通过AI去换不同的模特、场景，就可以出来十几种可行的方案，可能有100多张可投放的素材，这时候的效率就会有很大提升。陈琪：对。这件事本来要很多人一起商量，但大家的思想和意识要统一很困难。然后设计师做出来各种版本的图后，大家不停去看和调，设计师和客户也都很崩溃。另外，AI出来的素材产量要比设计师多很多，可以进行更多投放测试。以服装行业为例，从AI辅助设计，到创意环节，到营销环节都会受到影响，可以大幅度提高效益，所以大家还是要去重视和学习。我觉得未来小团队的能量会变得更大，沟通效率会更高。见实：对，最近有看到海外有团队做出了AIGC设计的衣服。陈琪：这些肯定会有的，因为它背后的核心能力是一样的。就是你如何用一整套非常高效的工业化流水线的方式不断训练和迭代模型，但这个能力不是每一家公司都能具备的。生成的前提，实际上是理解能力。虽然大家会根据自己过往的能力和客户资源，从不同的地方进行切入，但最后直接PK的一定是理解，理解得好就能设计得好。所以你初期的客户量有多少、严肃客户（真正的好客户）量有多少、客户在你这里操作的量有多少、操作后有没有告诉你这个结果......这些都决定着最终能否形成一个「数据飞轮」循环起来，这个循环形成以后，它的理解能力就会持续上升，你得到想要东西的概率就会提升。另外，我们目前在做的是一个很有商业目标的事，希望大模型生成的图要变成商品主图、要进行广告投放，也就是这个需求场景是收敛的。这种目标收敛的场景，更容易带来数据飞轮的最终有效运转。
这只是我的一个理念，还需要到市场上去进行检验。陈琪：对，我们收费贵也有这个原因。这样客户的每个操作他都更认真，而不是随随便便来玩一下，然后使你得到了很多“垃圾数据”，这些数据你很难进行持续训练。见实：目前WeShop产品的更新周期和频率是怎样的？陈琪：其实不是很频繁，一个月左右才会微调一下模型。大家现在看到的WeShop，其实和几个月前相比，里边的模型也迭代了好多次。以前的互联网做法是“小步快跑”，客户当天提的需求最好当晚就能上线。但现在不行，因为模型训练需要很长时间，然后你需要先验证出来它的结果是好的才能发布。从我们目前的产品阶段来看，不能天天在那变化，因为这也不像之前的功能变化，之前只是做加法，不会对业务流发生改变。而现在的模型是个黑匣子，很难做全面的回归测试。见实：假如有一天淘宝等巨头也做了同样的事，你们还能怎么继续保持自己的优势？陈琪：这其实跟所有科技公司或技术公司面临的问题是一样的，现在其实也有很多人在迅速挤过来做同样的事，大厂也一定会过来干这件事的。所以对于中小规模的公司来说，必须要找到真正属于自己的场景，以及把技术扎得足够深。和我们做类似产品的人很多，但在服装领域，我们还是跑得最快、做得最好、客户最多的，以及我们也在调优很多非常小的细节，让产品的确定性变得更高，不可控性变低，能按大家的要求生成的准确性更高。所以大家在 PK 的也都是这种非常小的细节，但每个小细节背后都得花大量精力，保证你的模型能够理解这件事。只要你的生成效果比其他家好那么一点点，客户就愿意来你这付钱。见实：要在技术上扎深，你们接下来会有什么规划？比如人才招聘等？陈琪：人才招聘是肯定的，我们需要更多好的人才，但不会和过去一样招200、300人，而是2、3个人就够了。陈琪：我们团队在年初的时候有 11 个人，现在是12、13个人。我们的团队并不会因为客户需求的增多就增加更多人。团队人多没有用，开发很多功能没有用，而是要不断了解客户需求，然后从审美、技术、模型训练等角度去进行对齐。见实：和之前在蘑菇街做的事相比，有没有感觉现在做的事，有点像在做SaaS？陈琪：单纯从收费模式看，或者从用户打开产品的界面上看，很容易会被人定义为一种SaaS。但我觉得AI和之前的软件有个很大的差别：之前的软件，功能非常明确。客户提需求后，我们评估下开发成本和市场规模，就能立马决定做不做。同时随着客户需求越来越多，这个软件会越来越臃肿，但很多功能可能只有1%的客户会使用。
而且当大客户提需求后，因为大家的诉求不同，所以会出来很多版本，有很多奇怪的功能，这个软件也很难有规模效应。现在的AI应用软件，它会变得越来越好用，而不会越来越复杂。因为我们根据用户需求，在不断训练、调整模型，最后的结果好坏，由内核来决定，也就是由这个模型本身决定，在这里会产生之前大家追求的「数据飞轮」，而且团队也并不会因为客户增多就需要更多人去不停开发各种功能。陈琪：团队一直非常关注商品的展示方式，因为电商一直有个鸿沟，且在相当长时间都是迈不过去的——网购与线下能看得见摸得着的购买，在体验上一直有非常大的差别。我们有很多工作就是想弥合这个差别，让这个差距尽可能缩小。所以十几年前，我们就在做相关的努力，比如最早时候，我们做那种商品瀑布流的展示，然后到后面的网红店，到直播等等，都是为了来弥合商品在线上和线下展示的差距。在商品展示里面还有个比较大的一个分支，Virtual tryon，就是虚拟试衣——即如何把一件衣服穿到不同的人身上，然后来展示这个效果。我们在几年前，曾经用上一代计算机视觉深度学习的方式来构建虚拟试衣的一些程序，当时投入也有几千万，但是很遗憾，受限于当时的技术条件，最后做出来的效果还比较差，首先衣服不太能穿上去，其次生成的图片跟实拍的差距实在太大。我一直就很关注新技术，从去年开始，我们团队也开始研究这一轮新的AI，主要是扩散模型 ，然后我们发现已经非常临近商用，可以给消费者使用了。所以去年底开始我们就做了一些测试，基本上到今年年初的时候，也因为外部的开源社区，包括学术界的各种各样的一些论文就井喷式地出来，又迅速解决了最后工程路径上的一些问题。然后我感觉这次的大模型有点可能性，所以在1、2月时有一个研究小组去进行尝试，3月份时就立项并迅速开始做了。所以WeShop的实际产品研发看似非常短，也就一个月的时间，但关于应用场景和产品交互的思考是个非常长的一个过程。见实：当时怎么验证项目的市场和可行性的？有没有某些数据达到某个量级？陈琪：我们在这个行业很久了，目前在做的事也是在自己的领域里，并不是跑到了别人的应用领域去解决新需求，所以产品还没有发布之前我心里就比较有数，觉得它可以。我们也是技术的受益者，我们过去一直希望能达到这样的水准，当看到它的生成结果达到了一定水准，我们心里就有数了。刚开始在2、3月份时生成的图片还很不稳定，应用了2个月左右，就解决了一大半问题，当然现在也会有一些问题还存在。所以现在客户增长快的时候，我还有点担心。陈琪：我们觉得现在的技术还没有达到我们的要求，这个技术还不够好。担心客户出于好奇去试验之后发现也就那样，然后我们就丢了一个潜在客户，下次要再叫回来就很难，所以现在客户增长慢一点反而更好。见实：你们的客户数量确实增长很快，尤其是作为一个To B产品，用户从0增长到十几万还是很快的。陈琪：
我觉得还是市场切口选的比较好，尤其是核心功能和需求场景切的比较好。最初的种子用户也不错，这和我们过去在行业的深耕离不开，以及我们的团队在工程上边非常有经验，而且团队早就过了磨合期，一开始就直奔目标而去。见实：前边您也有提到海外用户马上要超过国内客户了？陈琪：对，其实我也挺好奇，这也是我在验证的一件事。因为我们现在做得比较好、能满足市场需求的功能点主要有两个：第一是把假人模特变成真人模特，第二是把真人模特换成其他模特和场景。这也是我们比竞品做得好的地方。海外我们也没有花钱买用户，完全在让它自然发展。海外客户比较多的是在南美洲和东南亚，以及还有少量日韩客户。他们的电商发展阶段比我们晚一些，现在直接进入了视频时代和AI时代，反而是欧美市场在应用上还稍微滞后一些，可能因为他们SaaS类的To B软件应用更好一些。见实：目前在客户效率提升上面，有没有一些特别亮眼的数据？陈琪：还是挺多的，这也一定程度上使我们客户的增长速度变快了，虽然我们现在并没那么着急增长速度。比如有出海需求的客户，之前肯定请不了海外模特，尤其对于中小商家来说，根本没办法完成这件事，但现在可以。所以这对他们的效益来说是0和1的差别，而不是提升了多少的问题。陈琪：当然有投资人感兴趣，我对融资持开放状态，但目前并不亟需，我们现金储备还比较大。陈琪：移动互联网其实已经走到了创业团队“做无可做”的状态，也就是大公司因为场景大、客户量大，随便进来干个啥，创业公司基本就废了。但是在AIGC领域，从模型训练角度来讲，并不是数据越多越好，而是好数据越多越好，而且好数据也是有上限的。比如我们现在微调一个模型，大概有几十万张图，就已经能得到一个比较好的结果。所以对大平台来说，有上亿或者几十亿的数据，其实意义不是那么大。关键是要从那么多数据里面，找出几十万张，可以从审美，从需求角度对得齐的图，然后去进行训练。所以我觉得在应用层面，给很多中小创业团队开了一个窗口。中小团队只要努力一段时间，也有可能积累到足够的数据量。见实：大家都说这一波能跑出来的是深耕行业和产业很多年的公司，不太看好没有基础的新成立公司。陈琪：总体上我认可，这也是个概率问题，但也不能说今年成立的公司就一定不行。打个比方：WeShop的情况是属于桌子上已经堆满了钉子，这十几年跑下来桌子上全是钉子，有各种没解决的问题，我只是想找到一个锤子能把它锤下去。所以当技术成熟的时候，我们就开始改造自己手里的工具，工具改造好后就把这个钉子给捶下去。所以我们并不需要去找钉子在哪，我桌子上全是钉子。然后做大模型的大厂公司，有点像雷神之锤，他们的目标是练一个巨厉害的一个锤子，但最终可能会碰到一个比较尴尬的问题：可能很多需求是小钉子，拿一个巨型雷神之锤容易一锤子捶歪了。有可能今年新成立的公司，针对某个行业，先造了一个精巧的金锤，然后满桌找钉子，运气好的话，就刚好能找到和锤子匹配的钉子，但也有可能一直找不到那个钉子。所以相对来说，知道钉子在哪的人会有一定的先发优势，但是别的公司看到钉子在哪后，也会改造自己的锤子。所以还是看自己的目标是否清晰，资源的投入是否专注和合理，是不是有很好的节奏感（比如不会一下子把钱花完或者在不确定的方向上投入过多）。见实：接下来看AIGC还会有哪些新挑战？你们怎么应对？陈琪：之前我们非常担心一些卡脖子的问题，比如做大模型提供基础能力的，但最近华为Mate60系列的手机出来还是给了行业很多信心。在具体行业领域里，最大的挑战其实在产品层面上，也就是“对齐”这件事：你练出来的模型，要在行业特殊知识方面、行业规范方面、具体客户需求方面、审美方面、效率方面、效益方面需要对齐，这个挑战很大。针对这个挑战，我们的应对方法是，接下来相当长的时间，还是会聚焦在所处的行业和技术领域，然后要构建一整套标准化的、工业化的模型训练和检验机制。我们现在还处于不断测试阶段，有个雏形了。我认为谁能够在一个数据闭环驱动之下，形成一个标准化、工业化的模型训练和校验的体系，谁就能够在这个事情上跑得更快，做得更好。见实：您之前抓住上一波红利做蘑菇街，现在抓住AIGC红利做WeShop，在这两个不同时期分别创业，有哪些很明显的体感吗？过去十年，大家的创新更多是商业模式的创新，所以资本的力量会更大，你早期有更多客户，然后某个模式在你这个平台上成立后，把钱放进来，然后补贴更多的客户，吸引更多的人，就能形成网络效应。而这一轮，我觉得更多的是，大家都得拿华为当榜样了，实打实靠的就是技术和工程取胜。欢迎点击下方，报名9月20日“AIGC强应用：2023见实大会”，到时面对面聊更多！也欢迎预约当天直播在线观看。
哦，对了
您想获取的私域资料和白皮书、私域服务、私域换量、游学等活动，请在见实公号菜单栏领取；
或添加见实小boss微信（微信号：jskj44）报名加入会员。
