引言：
从电商问世起商品offer详情页面，一直都是比较依赖于人工设计投入，从最初的文字描述加上简单的商品配图，到后来商家为了满足消费者对于商品更清晰的理解而形成体系化的产品功能介绍，同时会承载较多的富媒体信息，这让整体设计成本与复杂度变得更高。
自动化重构详情是一次改变详情页面生成方式的变革，把设计师对用户的研究探索，总结作为底层的逻辑规则转译、输出给机器，结合机器擅长的，如数据、计算、学习能力，来改变详情页的生成方式，机器可以在短时间内从庞大的内容素材库中，根据规则不断的生成多样的详情内容，这是人力无法匹敌的。
本文将还原CBU设计正在推动的“出海商品详情重构”项目设计过程与策略，分享如何通过自动化的方式提升出海商品流通的信息质量，同时挂接海外C端消费的心智，为业务带来效率以及订单转化提升。
一、项目背景：
业务的趋势
随着1688源头厂货通天下战略的持续深入与发酵，海量的源头商品将通过1688供货中心的供应链能力快速流通至下游渠道，作为阿里巴巴在海外C端市场的业务，AliExpress（简称AE）成为此次货通天下战役中的首要阵地，截止目前供货中心已在AE平台运营了上百家优质店铺，同时上架数百万量级的源头商品，成功参与2019年的天猫双11和黑五两个S级大促活动，为海外市场的消费者提供了更为丰富的中国商品。
图1：初期业务模式下的设计策略(供应链提效部分可以参见“基于复杂后台类产品的提效设计”)
遇到的问题
双十一阶段的海量铺货方式已无法更好的满足业务长远的发展需求，业务侧期望通过更体系化的方式方法对品和商的质量进行管控，以解决部分商品信息不对版、商品库存不足、发货不及时等因素导致的买家负面影响。
我们的机会
业务侧对于品的管控力度加强是我们的一个机会，可以对商品信息的相关内容进行更规范化的收集与处理，从根本上解决之前业务在海量铺货阶段图片信息呈现的各种问题，另外，海外商品详情的呈现方式受到亚马逊的教育影响很大，整体呈现的复杂度相对国内电商而言会比较简单，并且从消费者心智层面海外跟国内也会有比较大的差异。
图2：海外商品流通信息质量提升策略
我们在内部进行了多轮脑爆，并联动用研、达摩院技术对焦了“出海商品详情重构”的解决方案，设计目标是提升出海商品信息质量的同时通过自动化降低业务侧人工干预的成本。
图3：商品详情自动化产品逻辑
核心产品思路是在铺货过程中提取有素材包的商品，进行内容识别重组后排版生成新的详情内容，并直接完成上架操作，为了保障项目顺利落地，我们拆解了四层设计策略模型分层推进。
图4：自动化表达策略四层模型
第一层：用户心智层（通过AE用研数据并结合1688站点内的商品现状分析，以Fashion为核心品类构建AE商品详情的用户画像。 ）
用户心智是整个产品方案的基石，对于一直服务于国内B类用户的设计师而言，在这样的跨地域项目中同样需要了解境外C端用户的心智、购买行为。通过与AE用研团队的多次交流探讨，聚焦了用户研究文档中关于详描理解的相关内容，并结合线上AE Topsale商品、1688商品现状做了详细分析，以Fashion类目为核心品类构建出海商品详情的用户画像。
图5：用户心智层建立
目标人群定位，抽离出用户对详描内容的关注元素，细分为基础元素和进阶元素并从线上50个+TOP详描中寻找规律，列出优秀详描所具备的内容、数量及优先级顺序。
图6：AE线上TOP商品详描分析
整理出剔除B类特征后的17个行业85个1688详描要素，以及线上存量6个行业/52个跨境素材包内容梳理出的现状，我们将这4部分的分析结果做了一次清洗和融合，综合考量合理重组后，较立体且符合境外C类用户心智的“因子库”初具雏形。
图7：1688商品线上详述 & 存量图片包内容分析
第二层：转化因子层(通过对详情内可能影响转化的各项内容因子的分析与提炼，构建转化因子库，为自动化能力的结合奠定基础。)
我们把所有维度的详情信息归纳成三大类：基础因子，展示因子，其他因子。计划让每一类因子都可以根据商品素材底料的对应关系填充出合适的详描组合，形成最优最灵活的商品详情。
图8：因子库雏形
图9：因子库因子的组合运用
根据用户视角的浏览顺序，定义出了8个细分模块，分别为：模特图、尺码信息、参数信息、商品细节、SKU图、商品图、买家秀、售后服务。当然顺序也不是绝对的，未来可根据投放渠道以及商品实际转化情况做相应的内容取舍调整。
图10：详描模块转译（研究均围绕Fashion类目展开）
图11：Fashion类目模版规则
第三层：内容生产层（梳理转化因子相对应的素材内容要求，并通过推动业务与产品在供货中心后台构建素材包上收能力。）
搭建完成了因子库并构建了组合规则后，接下来的关键点就在于内容底料库的建立，我们需要从供应商那里将符合规则模块要求的内容(素材包)收集上来。
目前大多数的电商商品特别是服装类的商品都有素材包以便于商品进行各个渠道的分销，我们需要做的就是让供应商更快捷，意愿度更高的在商品提报到平台的过程中把素材包一并提交上来，并且素材包的内容可以符合我们的预期。
为了更好的上收素材包扩充内容底料，业务侧也积极配合我们将是否提交素材包作为影响商家评级的要求，并在招商环节不断的Push商家提交素材包在下游渠道铺货后对商品转化起到价值，我们也跟产品团队对焦优化素材内容上传入口，让商家按要求上传原始商品图素材以及尺码表等关键商品信息内容，最终形成更为丰富完善的内容池。
图12：优质素材包内容及方案
第四层：动态结构层（通过设计规则与内容映射机制的建立，结合达摩院图像算法能力，自动化实现商品详情重构并带来转化提升。）
完整方案的串联是最关键的技术能力合成阶段，通过从商家端上收的商品素材，跟因子库匹配后根据不同的行业规则结合达摩院图像算法能力，生成优质且符合消费者心智的详情描述，最后自动上架至C端平台，整个过程精准定位，完全释放人力成本。
图13：自动详描生成过程
价值论证结果：
为了让整个项目能够快速的得到价值论证，我们采用了同步迭代的方法以半自动半人工的形式，先行与技术在去年11月、12月完成了双十一和黑五大促两轮活动的测试。
第一轮测试时距离双十一仅两周不到，时间非常紧迫，我们快速研究出第一版模版规则，仅分为：商品图、SKU图和细节图三大维度，以及通用的图片填充尺寸和排版样式，尝试通过图像算法能力读取平台现有的商品素材图片内容匹配到模块中，自动生成详情。
由于自动上架接口暂未开发，人工替换成本高时长长，最终成功上线实践商品数为200个，测试数据范围虽小，但整体数据结果成正向，优化商品的7天交易转化比上个7天的交易转化提升了6.7%，在有了第一轮正向数据结果后，让我们更有信心做持续的价值论证。
第二轮测试投入在黑五大促项目中，基于存量素材包数量有限的问题，黑五大促探索尝试扩大素材边界，主要对无素材包的商品怎样从现有offer内容中抽取可用素材做了新的尝试，从1688线上offer还原原始素材图。目前的技术能力已经可以实现除图文环绕式以外的文字去除，测试结果还算成功，可以解决部分现有offer的素材还原，扩大了素材底料获取的范围。
图14：两轮测试数据结果
小结与反思：
在经过连续两轮的大促活动测试，我们发现要实现理想的详描重构有两个关键卡点问题：
一、素材欠缺导致自动化表达折损
现有存量素材包数量少，内容丰富度不够，增量素材包上收路径深且商家感知欠缺。
二、协同效率较低，数据替换存在成本
无素材包商品还原能力仍需优化，目前还原的商品图必须经过人工过滤和判断图片是否可用；另外所有素材包自动生成的详描，以及视频仍是手动上架，需要技术接口实现自动替换。
业务侧也已经意识到，要真正提升素材包质量，最根源的方法还是商家端有内容提交，所以我们希望能够以精细化运营的头部商品做为突破口，以产品需求的形式在约束商家机制上，加入对素材包上收的要求，并且优化线上的上收入口，来填充内容底料的缺口，另外协同技术侧打通接口，才能真正实现自动化。
目前我们制定了持续性的日常测试计划，每周按动销情况根据自动化规则优化约10个offer，并记录每个offer的优化点，同时监控上架前后数据变化，作出及时的分析，在过程中不断反哺规则的完整度，后续还将根据国家维度进行消费者浏览详情的测试，将内容投放做的更精准。
作为设计师主导的项目，过程中会遇到与日常协同业务需求截然不同的困难与问题，一方面必须精准的切中业务的核心痛点问题关联业务指标，获得业务、产品的认同，共同推进项目上线，这比较依赖日常对于业务规划的解读与痛点问题的发现能力，另外一方面需要从项目全局视角入手，规划整体项目的推进节奏，充分联动技术团队，了解当下技术能力、资源情况以及他们的目标，才能撬动资源实现共赢。
项目小组成员：诗煦、辰七、风眠
来自：https://www.zcool.com.cn/article/ZMTEwNTQ3Ng==.html
阿里巴巴CBU设计 
