圖/ DeepSeek可能的應用場景

因此，要讓DeepSeek真正在運營方面幫助我們，就要給它足夠好、足夠多的數據。

目前，許多跨境電商數據，DeepSeek是無法直接獲取的，因此，它的正常運作，需要更多數據鏈來支撐，例如，DeepSeek無法直接獲取亞馬遜的廣告數據，需要通過API對接或下載數據后，它才能發揮作用。

備貨時， 需要融入ERP軟件，選品時，則要結合選品軟件賣家精靈、Keeper等，因為它們記錄了所有ASIN（亞馬遜產品編號）的實時數據。在基于足夠多的ASIN數據的前提下，我們才可以對DeepSeek提問“暢銷的款式是哪些？重量是多少？價格應該如何定？毛利率和銷量如何？在廣告中采取什么策略？”等等。DeepSeek才能給出較好的答案。這樣一來，大大提高了效率，以往一天只能選 5-10款款產品，現在可以選 100+款。

此外，賣家也可以把 TikTok、Instagram的數據、Google Trends 關鍵詞乃至競品數據，精準地喂給大模型，得到內容創作、投放策略等方面的建議，同時可以跟進到競品的動態，比如爆發力、好評和差評等，提出及時預警，以做出應對措施。

安克創新在使用AI大模型時，也非常注意數據的投喂。

例如，在客服方面，安克創新已經積累了大量的知識庫，因此，安克團隊將已有的數據（如客服知識、科普知識），通過embedding（預埋入）的方式存入向量數據庫，并讓大模型（以ChatGPT為主）去做匹配，疊加安克創新原有的智能Shulex的基礎，使客服回復的質量與效率，大大提升。比如，安克創新以首發郵件的回復率為目標，持續訓練AI，最終客服部門每周提效累計150小時，5輪對話以內解決問題的比例達到92%。

在線上投放方面，安克創新用大語言模型進行數據的標注、打標簽、投放描述，然后結合Midjourney、 Stable Diffusion生成初始素材，結合人工進行修改。在一段時間里，安克創新的廣告投放點擊率實現了約15%的提高，轉化率的提升也在 10% 左右。

做個不太精確的比喻，如果DeepSeek是柴刀，客服、選品、ERP等方面的工具和數據，則是柴刀的柄。套上柄的柴刀，砍起柴來，又快又好。