案例 12 · 鞋服电商素材
Datawhale原书章节 · 印刷页码 118—127 · 当前仅加载一页

原书第 122 页 · 点击页面可放大查看
查看与复制本页文字
文字由原PDF提取,阅读顺序和表格请以原页为准。
讲需求是不够的,我必须看到员工实际上怎么工作。 我会先识别整个项目里的关键干系人。老板关注的是企业战略转型,这件事情到底有没 有长期价值;管理者关注的是成本、效率和管理;基层员工想的则完全不同,这东西会 不会给我增加工作量,做完以后是不是要把我裁掉。这些问题如果不处理好,技术做得 再漂亮,也很难真正推下去。 所以我会去观察员工每天到底在干什么,上下游怎么协作,资料怎么流转,大量时间耗 在哪里。比如员工会跟我抱怨,每次生图都要写很长的提示词,生成完还有水印,还得 再处理。 这些问题对他们来说很麻烦,但对我们来说可能只是一个很小的工具或者流程调整就能 解决。我通常会先把这种小问题解决掉。因为员工马上就能感觉到,你来这里,是真的 能帮他少干一些重复工作的。这其实是一个非常重要的破冰过程。 第二步,把“想要AI”变成一个可以验证的价值主张。 我们会通过数据采集、工作流梳理、访谈等方式,把真实需求一点点挖出来。不会花几 个月先做一个“大而全”的产品。 需求确认阶段,我们就会借助AI快速做Demo,马上拿给客户看。客户说这里不对,我 们就改;员工用了以后发现操作不顺,我们继续调。 所以整个过程的节奏是,调研 → Demo → 使用 → 反馈 → 再迭代。而且反馈也不会聊 完就放下,我们会把这些意见沉淀进文档,让客户在指定的位置持续填写。 第三步,重新搭工作流。 做到这里以后,问题已经越过“选哪个生图模型”这个层面。我们开始考虑AI生成怎么跟 商品、素材和企业原来的生产流程连接起来。 一个很重要的方向,就是把生成出来的图片、视频直接沉淀下来,逐渐形成公司级素材 资产;商品本身也要进入统一的商品管理逻辑。这一步在我看来非常关键。 122/243