淘宝训练中心(淘宝智能直播间：虚拟主播直播带货这条路走通了吗？)

编者指南：你参加了昨天的双11预售吗？许多人现在喜欢直接从直播室购买。大量消费者的涌入对平台和主播来说是一个巨大的挑战。所以淘宝直播推出虚拟主播直播带货。这条路行吗？本文作者对此进行了分析，希望能对大家有所帮助。

我不知道你是否找到了。如果你在深夜打开淘宝，你会发现越来越多的商家正在使用虚拟主播直播带货。虚拟主播不仅可以介绍产品，还可以回答问题，欢迎新观众进入直播室，甚至可以与观众玩互动游戏。该功能于2020年夏天投入测试，正式支持淘宝商户申请使用。

据官方介绍，该功能模块名为“智能直播室”，是一款由智能技术驱动的智能产品，用于自动播出和虚拟图像的个性化推荐。7*24无人直播可以通过捏脸、换衣服、选择合适的声音和点击脚本生成来实现。

洗去浮华的现场直播带货行业正变得越来越规范和成熟，但竞争依然激烈。

对于平台，现场直播带货随着模型的逐步推广和深入，流量竞争已经成为对所有平台的重要考验。提高同步直播的吸引力，并在无人值守期间保持排水能力，是每个平台的重要堡垒。

对于用户来说，随着观看直播购物已经成为一种常态行为和“正当需要”，直播二杀等优惠活动带来的价格优势逐渐减弱，用户在关注价格的同时，也更加关注直播体验。能否立即看到直播介绍，介绍内容是否专业，直播画面是否美观，已经成为影响用户决策的重要因素。

对于企业而言，自2020年以来，企业自广播获得了更多的流量支持，但仍难以抵挡主播名人的流量优势。大多数缺乏运营经验的企业都需要长期直播和频繁直播来获得流量倾斜，直播带来的注意力转化和销售转化可能无法覆盖直播成本。商品价格优势的下降使得直播内容的质量和持续时间成为赢得转型的重要突破。就直播内容质量而言，主要有以下发展方向：

• 直播室硬件升级：包括直播室装修、拍摄设备、灯具照明等硬件，尽量突出产品的真实外观；
• 视觉效果升级：目前市场上有很多支持虚拟场景显示的服务商，都是通过虚拟背景与现实生活中的绿色屏幕叠加来实现的，不同的虚拟场景现场交互可以随意改变；此外，许多品牌还大大提高了直播室补丁地图的美感，充分利用图片空间进行品牌宣传；
• 锚能力的演变：一方面，许多全职锚出现在活锚一侧。如果他们的网络人气属性被削弱，他们会更加专业，这更有利于商店流量的沉淀；另一方面，虚拟主播也开始直播带货第一个虚拟主播出现在该领域，由佩戴移动捕获设备的真人扮演，主要是为了提高直播的兴趣和促进IP兑现。然而，移动捕获设备高昂的购买成本和使用成本仍然阻碍了大量业务的开展；现在淘宝已经开始推出智能虚拟主播，可以实现24小时无人自动直播。其目的是通过延长直播时间和争夺无人值守时间的流量来实现转型。虽然“机械感”很重，但也在一定程度上弥补了活锚成本和工作时间的不足。

对于淘宝智能直播室目前的表现，我们可以从虚拟内容生成、虚拟内容展示、直播互动等角度进行解读和分析。

1.虚拟内容生成

对于传统的电子商务直播，文本浓缩了商品的核心信息。直播主持人对商品信息进行吸收和转换，然后通过直播室进行传输。智能直播提供的虚拟内容也离不开虚拟主播和文本内容这两个重要部分。

在淘宝智能直播室，通过抓取产品详情页面上的图形信息，智能生成产品介绍文本，用户无需手动输入（当然，这些文本可以由用户更改），对不擅长直播运营和撰写介绍文字的中小企业非常友好。进一步将生成的介绍文本转换为语音，驱动虚拟主持人的表情和动作，从而生成一个能够介绍商品的生动虚拟主持人。

图片：虚拟锚模型支持自由配置和穿衣。卡通形象风格与淘宝生活一致。我不知道它在技术方面是否已经开放。

声音：而且一般都很温和人工智能声音不一样。这些虚拟锚指的是真实锚的发音和语气。他们更情绪化，更适合现场直播带货场景此外，它还支持声音定制。企业只需要提供半小时的录音。TTS技术不仅可以用主播的声音进行广播，还可以用主播的声音说外语。

文本分析和表达：虚拟锚的声音、表情和动作试图模拟真实锚，并与文本内容紧密地表达出来。例如，在强调产品卖点和催促买家时，虚拟锚的表达、数量和作用将被放大，以加强信息传递。

2.虚拟内容显示

随着主播和内容的引入，如何有效传达是智能直播面临的主要问题。因为现场主播有更强的表现力，商品也可以被展示，这样观众就可以看到他们所看到的。虚拟锚很难被拟人化，以实现真实锚的表现力，而且不可能在没有帮助的情况下展示真实的商品。显示虚拟内容的优点是什么？如何避免缺点？我们可以将其分为两部分：虚拟场景和信息传输。

虚拟场景：livestudio将使用虚拟背景，具有三维空间感，主要是室内场景。在解释背景之后会有变化。一个变化是，随着虚拟锚的解释，将出现一个水平镜像移动的变化，以显示全景虚拟空间；另一个现在更为常见。讲解商品时，背景显示蓝色屏幕，商品图片显示在蓝色屏幕上。解释完商品后，切换回虚拟室内场景。基于场景的虚拟背景具有更大的空间感，不受真实场景的约束，具有更大的想象空间；对于长时间观看图片的用户来说，增加无聊感可以减少对场景的改变。

信息传输：目前，淘宝智能直播室主要使用三种载体传递商品相关信息，弥补了实际演示的不足：

• 商品卡片：早期版本屏幕右侧的商品卡片将动态显示与商品相关的图片/视频，并显示商品名称和价格。用户可以直接点击此链接进入详情页面；当前版本大多采用蓝屏背景，在屏幕上方位置显示与商品相关的图片/视频，商品名称和价格将根据图片/视频材料的比例动态排列。实际上，这是将原始视频卡拆分，取出图形部分并将其放在用户的视觉中心进行显示。屏幕左侧的“价格信息”和“链接信息”功能被减少，其余部分只突出显示。总体而言，虽然产品无法实际展示，但图片/视频信息的动态显示也能起到一定的作用，名称、价格甚至原价等核心信息非常完整。此外，商品卡链接还具有强大的指导作用，缩短了用户的购买路径。
• 虚拟字幕：将显示下一个虚拟字幕。内容是显示虚拟主播当前播放的文本内容。主播已经在讲话了。为什么支持字幕？作者认为，多一个信息传播渠道可以更好地接收信息，这些信息可以被听到和看到。这对于正常的直播是不可能的，并且有效地支持了不方便开放语音的直播观看环境。
• 关键词特效：当主播说出商品的一些卖点时，图片中会弹出卖点的关键词文字特效，如“特惠”、“买一送一”，进一步加强核心信息的传递，加深用户感知。在视听结合的环境下，产品讲解也会刺激关键位置的用户，帮助用户获得更“有效”的产品信息。

3.现场互动

如果你只是智能地生成虚拟内容进行解释，那么它与录制和广播没有什么不同。直播最重要的是互动。如果你能及时了解观众的需求并给出有效的反馈，那么智能直播室能具备什么样的互动能力？从现有案例来看，交互的主体是虚拟主播，其次是智能直播室中的一些系统反馈。虚拟锚目前具有以下交互功能：

• 问答互动：这是它最重要的能力。该系统可以识别评论区中的问题，匹配答案，然后通过虚拟锚插入答案。测试结束后，目前的反应能力相对有限，主要是有效回答红包折扣、介绍某种商品、询问主播身份等常规问题。回复时，当前直播内容将被中断，答案将被中断。中断后，解释将从之前的位置继续，体验很差。
• 动员互动：系统可以识别进入直播室的新观众的昵称。虚拟主播将插入类似的内容，如“欢迎XX来到直播室”，并对用户的注意力和分享行为给出类似的反馈。我们可以将这两种交互理解为用户问题和直播行为的实时交互能力。
• 指导脚本：虚拟主播会说一些定期的互动脚本，如邀请关注、分享和定期下订单，以引导观众进行相关转换。
• 才艺秀：你也可以定期表演才艺（讲笑话和跳舞），以活跃现场演播室的气氛。
• 游戏互动：虚拟主播甚至可以在直播室与观众进行互动游戏，主要包括猜谜游戏和帮助主播穿衣游戏。在游戏过程中，屏幕上会出现一个小的弹出窗口，用户可以通过点击相关选项参与游戏，这大大提高了与观众的互动能力，使观众感兴趣和期待，从而提高了保留和转化。我们可以把这三种互动理解为定期互动激活直播室气氛的能力。

系统也会给出一些反馈。系统可以根据脚本设置定期推送优惠券和注意弹出窗口，提示用户点击表单转换。由于直播的真实性和交互性较差，推送优惠券的好处对于用户留下来并进行转化非常重要。推送关注弹出窗口，引导用户产生实时关注行为，加速流量，建立客户关系；

此外，系统还可以反馈用户的文本提示。例如，评论区要求在第x条上介绍产品，而主播不会立即插入。此时，系统将反馈文本提示“我稍后会在x号上为您讲解产品”，以避免中断当前内容，减轻观众的等待焦虑。

小结：

从虚拟内容生成、虚拟内容展示和直播互动三个方面可以看出，淘宝智能直播系统仍然是与人（角色表演）、商品（商品展示）和场（场景互动）紧密相连的，这是真实内容的映射，从真实场景到虚拟内容，再到虚拟内容，借助平台的数据能力，可以实现实时内容的智能生成和交互。通过多个功能模块的设计，为用户提供直播内容价值、体验价值和互动价值，从而促进商家的销售转型和注意力转化。

智能直播不应长期成为直播的主流，但它为更广泛的虚拟内容的制作和传播提供了现实意义和方向指导。

各方对这种智能直播产品的态度如何？

1.商业态度

对企业来说，最重要的是转型。一是销售转型，二是注重转型。只要能带来变革的合规产品值得尝试。智能直播可以降低直播的运营成本（主播人力、运营人力、直播技术成本），有效避免直播事故、现实主播失误等隐患。特别是对于医疗保健品等专业要求高、直播规格高的类别，虚拟主播更具应用意义。

商家可以充分利用直播的空闲时间，提高24小时商品销售能力和品牌宣传。特别是对于刚刚开始直播的中小型企业来说，利用虚拟主播长期直播进行产品宣传和推广，提高涌现权和沉淀流量是非常值得的。对于大品牌企业来说，如果他们有自己的IP形象，他们可以把它放到电子商务场景中为自己说话带货为什么不呢？

然而，就转换能力而言，虚拟锚远远不是真正的专业锚，弱的机械交互也有用户流失的风险，这也是很多企业关注的问题。

2.平台态度

目前，只有淘宝平台推出自己的智能直播室产品，京东抖音而其他电商直播平台对这种智能虚拟主播直播持否定态度，JD。组件对象模型甚至明确规定“机器人不得现场直播”。事实上，虚拟主播会在一定程度上干扰直播带货在环境方面，它无法达到直播的效果，而是以极低的成本与直播主播争夺流量。如果虚拟主播占据了平台的大部分，将会极大地影响用户的观看体验，削弱用户的活动，降低平台的吸引力。

因此，对于平台而言，高品质的专业直播主播仍然是直播带货虚拟锚在很长一段时间内仍将是真实锚的“替代品”。虽然它不能成为一个交通采集器，但它也是一个重要的空闲交通收集器。

3.C端用户态度

随着虚拟主播数量的增加，大多数用户仍然感到相对新鲜。他们会停下来问问题。如果无法获得反馈和互动，他们将退出直播室。一些用户对虚拟主播很反感，在评论区偶尔会看到用户的不满意见。进入直播室的用户基本上有一定的购买意向。一方面，他们希望清楚直观地了解产品细节并回答问题。另一方面，他们希望获得直播折扣。因此，如果虚拟主播只播放，缺乏互动，将极大地影响用户体验和用户保留。

对于智能直播室产品，我们仍然可以从人、物、场的角度思考产品应该为用户提供哪些功能和价值。

1.虚拟锚

1）更真实的主播表演

智能直播室的一大痛点是虚拟主播的真实性。外表的真实只是外表，最重要的是语言、行为和情感的真实。为什么这么多人喜欢和Siri这样的语音助手调情？虽然它没有特定的形式，但它的语言表达和互动非常接近真实的人。它甚至有“个性”，可以摇摆，聪明，卖可爱。

对于虚拟主播来说，更难接近现实，因为用户既能听到也能看到。语言、表达和动作需要精确的协调才能生动自然。如果处理不当，甚至会让人感到奇怪和机械。因此，虚拟主持人所说的话以及所对应的表情和动作都需要大量的算法训练，尤其是现场主持人的表现力非常重要。有必要对真实主播的表演元素和不同直播脚本所需的表演元素进行梳理和总结，然后将其抽象为虚拟主播，以扩大虚拟主播的形象特征，削弱不服从感。其中，嘴唇拟人化、表情生动、动作自然流畅、语言节奏、情绪波动、服装质感等都是需要考虑的地方。

2）更智能的问答互动

直播的最大特点是实时性和互动性。直播主持人可以回答所有问题并给出有针对性的答案。他们可以巧妙地避免不良反馈，甚至用问题再次强调卖点。这对于虚拟主播来说更加困难。它要求虚拟主播与人思维一致，能够判断、趋利避害，取悦和服务用户。现场直播是一对多的互动。如何让每个人都满意？

• 提高评论分析能力：如何判断评论的有效性？哪些有效评论较高，哪些较低？用户的情绪可以通过评论来检测吗？如何平衡企业的问答需求？对于重要评论，您是否需要及时通知商户以获得支持？这些问题需要广泛应用于积累数据以培养判断能力。我们可以为不同类别甚至不同业务建立评论分析模型，提高评论分析能力，挖掘评论价值。
• 声音回复策略：与语音助手一对一多轮对话不同，直播场景更复杂。首先，产品介绍和问答互动的数量更为重要，每个业务的需求可能不同。例如，一些人希望及时回复用户的问题，而另一些人希望集中回复，以减少对介绍的干扰。其次，在回复形式上，如何平衡主播语言回复和文本提示回复，如何表达，在回复过程中是否需要反复介绍一些商品内容，如何把握回复内容的准确性？因此，面对不同的场景，我们应该设计多种回复模式，并结合业务需求和实际场景，智能选择回复策略。
• 关注用户体验：观看直播的用户有更强的购买意愿，反馈是否及时准确决定了用户的未来。当你不能回答这个问题时，你可以说“我还在学习”来安抚用户；对于无法及时回答的问题，可以显示延迟回复提示，安抚并留住用户；当回复能力不完善时，或许我们可以使用一些替代方案，比如主持人会说“你可以这样问我”，让用户以指定的方式提问，提高回复率，优化体验，这些都值得我们深入思考。

3）更丰富的图像类型

目前，淘宝直播室主播形象以成人卡通为主，相对单一。事实上，图像的丰富性非常重要。对于儿童产品，儿童和动物的形象可能更令人愉悦。购买JK服装的用户可能更喜欢次映像。时尚服装产品所要求的主播形象也应该更酷、更时尚。主播可能需要一个更精致的超现实虚拟化身模型。。。在这种情况下，虚拟锚不仅是用来介绍商品，而且是品牌特征的象征，是一个活锚的特征。

此外，随着虚拟锚商户的使用越来越多，简单的着装已经很难满足需求，否则很容易遇到“打锚”的尴尬场景。跟进形象定制、面部塑造、材料定制、变化调整、与品牌商品整合等功能，促进主播差异化。

2.商品陈列

1）更准确的信息传输

目前的方案基本上整合了与商品相关的图片和视频信息来辅助解释，但这些信息与介绍内容不符，视听不统一，节奏混乱。因此，在产品内容生成方面，需要使产品图片/视频信息与介绍内容准确对应，从而使信息传递更加直观。例如，在解释一个零件时，应该有产品零件的图片，关键信息应该通过视觉方式表达。

在展示布局上，需要放置在直播室的视觉中心，突出商品信息，并适当融入虚拟环境；

2）更真实的产品展示

智能直播室的另一大痛点是商品的真实性。真正的锚可以全面展示商品的细节和效果，而虚拟锚则不能。因此，我们需要继续探索更多的商品展示方式，比如模拟真实的使用环境，以提高产品地图与环境的融合度，增强观赏的沉浸感；或者在环形摄影技术的帮助下放置一个虚拟展位，360恢复和显示商品的原始外观和细节，让用户尽可能了解商品的细节，甚至放大；或者使用虚拟现实技术和设备，让用户独立、全面地了解商品，甚至模拟试用。

3.场景互动

1）智能场景设计

如果说虚拟直播比直播有什么优势的话，那么虚拟直播室的成本低、场景丰富就是其中之一。纯虚拟场景不需要建造一个直播工作室。虚拟锚和各种场景可以完美结合，提供更丰富、独特的视觉体验。然而，目前的场景设置是刻板的，与品牌和商品内容的相关性很低，没有亮点。如果全部移交给商户，将考验商户团队的设计能力，增加成本。

之后，我们可以对直播室场景的智能化设计进行更多的探索，并处理未使用商品类别的不同视觉风格。将直播内容的动态编排和播放内容的动态调整，只需参考直播内容的编排和播放喜好即可。它还可以添加场景变化，丰富用户的视觉体验。此外，产品本身也可以作为一个场景来展示内部和外部的各种细节，让用户可以有更全面的了解。

2）丰富的场景交互

场景能力不仅是视觉表现，而且是交互性。直播室的活跃氛围对用户有很强的吸引力，直播室将从带货将场景升级为娱乐和社交场景可能是一种值得挖掘的方式，这也是智能直播室的差异化优势。互动内容丰富了现有的服装直播室和互动体验等互动内容。也许将来，在虚拟现实设备的帮助下，我们可以与场景、虚拟主播甚至其他直播室的观众互动。

4.小结

作者通过人、物、场的关系梳理了产品的能力和价值。除了上面提到的虚拟内容生成功能、虚拟内容显示功能和实时交互功能外，作者还增加了内容分发功能，以满足更广泛的传输场景，如实时广播和视频分发。在产品能力和价值矩阵中，所有产品能力都是为了转移产品价值，并最终将其转化为商业价值。在设计产品时，应考虑现场直播室的用户需求，平衡企业的转型需求。

虚拟内容创建工具，支持完整链接和完整场景。

智能直播室直播带货但看看现场链接，最终的现场秀只是其中一个链接。直播前的选择、准备、预热、直播后的亮点收集和数据分析也是非常重要的环节。虚拟主播作为与用户沟通的媒介，如果能够做好播前宣传和播前客户维护回访工作，就有可能成为真正的产品代言人和用户服务提供商；如果智能直播室产品能够贯穿整个场景，成为虚拟内容制作工具，就可以为用户创建虚拟空间，制作和分发各种虚拟内容，制作虚拟内容带货“生活”，这将是非常值得期待的。

从…起带货从现场出发，来到元宇宙广阔的世界。

智能直播室集成了虚拟图像、声音、语言、文字、图片、动画、商品等多种元素，能够实时识别、理解、生成和反馈。各种人工智能技术在直播场景中的落地应用，不仅满足了业务层面的需求，而且元宇宙探索的试验场。最近大肆宣传的元宇宙概念实际上是数字世界中真实世界的映射和再现。现场直播带货如果这一具有商业价值、通用性、复杂性和重要性的场景最终能够转化为一个真正的智能直播室，其技术和产品具有很大的扩展应用潜力，可以为元宇宙等多个领域的应用提供借鉴。

这篇文章最初由@king发表，他让我在山上巡逻。每个人都是产品经理。未经作者许可，禁止转载。

题图来自unsplash，基于cc0协议