原文：单日2684亿的背后——阿里智能产品鹿班的再次裂变 - 2019.11.28
出处：AlibabaDesign - 微信公众号
2019 年 11月11日24时，天猫双11大战落下帷幕，这是双11的第11个年头，又再次打破了自己创下的消费记录：开场63分钟，交易额破千亿；不到17小时，破2135亿，超去年全天！全天总成交额（GMV）达到2684亿元人民币，相比2018年天猫双11增长25.7%.
1. 鹿班 - 用智能设计赋能商家
所有的不可想象，终化作平常，而所有不可想象，是来自于厚积薄发的酝酿. 2684亿，再现中国消费力，华丽的数字背后，是无可想象的市场潜力，也得益于日益完善的基础设施，这背后的“功臣”，有菜鸟、阿里云等，当然，也有包括鹿班智能运营助手在内的众多工具. 作为赋能数百万商家的阿里巴巴智能产品，2019年双11期间，鹿班再次刷新纪录，累计作图11.5亿张，累计服务34万商家，完成84.7万次店铺装修设计，2512万商品主图制作投放.
对于用户来说，双11是一年一度的消费狂欢，然而，对每一位店铺运营的小伙伴来说，这是一年工作的亮点之一，是职场技能的试金石，是升职加薪的主攻业绩. “万物皆为我所用”，借助科技，把握机遇，用智能科技为运营助力.
鹿班智能运营助手是阿里巴巴官方为淘宝、天猫商家定制的智能运营产品，针对重要大促，如刚刚结束的双11，即将到来的双12和年货节，以及日常运营周期，通过鹿班，实现公私域分人群精准展现商品，达成进店流量的高效转化.
同时，鹿班作为官方打标工具，能有效规范大促期间的商家主图，确保活动宝贝在搜索页、详情页、购买页的价格一致性，以维护消费权益，营造活动心智. 那么，如此强大的运营工具，背后的技术逻辑到底是什么呢？这其实依赖于鹿班的四个核心单元.
2. 鹿班四大核心单元
2.1. 核心单元一: 利用深度学习提炼出设计经验
深度学习就是从很多高维的、海量的数据中提取隐含的特征. 举例来说，一张广告设计图中，有一件碎花连衣裙、花朵和蓝天的背景. 这张图片是含有很多维的信息，比如背景的纹理、字体的大小、色彩的搭配、还有设计元素之间的位置关系等等. 通过深度学习，我们就能把这些高维的像素图片抽象为了一个蕴含这些多维信息的量化图. 通俗来说，这张量化图就是这张设计图中蕴含的设计知识. 当数据量足够大时，鹿班就能总结出一个通用的设计的知识模型. 总结了许多设计知识后，面对一个设计需求，鹿班要怎么去根据量化图反向生成一张像素图片呢？
2.2. 核心单元二: 电商设计知识图谱
这个单元是解决供需如何匹配的问题，电商设计的本质，是解决商品、信息、用户三者之间的匹配关系. 所以我们构建了一套《设计知识图谱》来解决他们三者之间的相互关系. 这套图谱就像自然语言一样，能让人与人之间相互沟通，相互理解. 我们从商品属性、视觉传达、用户画像三个方面出发，提取实体，并总结他们之间的相互关系. 并将他们与设计模型相互关联，每一个实体都有对应的属性值，并有对应的数据. 这样语义与设计之间的关系就可以被量化了，机器也可以在知识图谱的海洋中，探索人们从未做过的事情.
设计知识图谱的3大核心能力：
[1] - 将设计量化、设计知识数据化
[2] - 智能识别输入，建立用户画像
[3] - 根据设计素材、要传播的信息，推理设计
有了设计知识图谱，任何一个设计都可以量化，都可以用N个实体组成，每个实体都有对应的属性.
2.3. 核心单元三: 行动器
举例来说，通过学习那张碎花连衣裙的广告图，再遇到类似的需求时，鹿班就会在这张设计的基础上，从一个海量的设计素材库里索引，匹配和替换其中的元素，最后生成一张新的图片. 这其实就是强化学习的过程，就是在一个受限的空间和范围内去不断尝试，通过内部或外部会提供的反馈，得出一个最优的结果.
2.4. 核心单元四: 评估
因为鹿班会得到非常多的结果，需要一个评判的机制来鉴定这些结果是否符合设计的要求和标准. 这个部分的进展没有前两个单元那么快，因为这是一个非常宏大的命题. 我们也在和很多高校合作，研究如何让机器来评判美、丑，设计的好、坏. 我们现在离让机器懂得审美这么高级的阶段还很远. 我们能够做到的是制定一些规则约束. 比如当一个设计明显不合理时，就可以作为一个约束条件放进去. 另一方面，我们会人工给过去的设计成品进行打分，来让鹿班学习给任意一张图片打分.
鹿班的4个核心单元，犹如四个引擎，保证鹿班（店铺运营助手、主图打标、测图）持续的为百万商家赋能. 提升装修效能，人群精准运营，作为阿里巴巴官方工具，将持续为广大商家提供强有力的支持，创造更广阔的想象空间.
3. 七格格：鹿班出手拯救流量“扑街”
原本电商的选图是非常主观审美的事情，结合比较有限的数据表现和测图，去积累经验，总结什么样的图片适合自身品牌，并且在公域流量池中具有高的点击和吸引流量的能力，由于用户审美趋于多样性，带来选图及装修风格的不确定性，让流量变得扑朔迷离，被这个问题困扰着的七格格，在“双11”开始前的两个月，开始尝试使用鹿班的主图测图以及效果分析，来解决关于图片流量“扑街”的问题.
七格格有相当数量的产品图片被收录到了鹿班的图片池，通过鹿班的数据分析，最终呈现出来的是一个百分制的分数，别看只是一个分数，这极大减轻了阿默的工作量.
比如原本他们为一款百褶裙做了一张略小一些的主图，感觉效果还可以了，但是鹿班打出的分数还不到50分.
“这是个不及格的分数，后来我们调整了主图，尝试了长图以及不同角度的长图，效果立马就起来了，分数超过了70分. ”
经过鹿班测图功能快速测出了效果更好的图片，将原本的小图替换后，这款百褶裙的点击量也是立竿见影起来了.
七格格的设计师在使用鹿班
七格格的视觉部门的相关同事都说，做电商，图是最要紧的，是呈现给用户的第一印象，直接决定了用户是否会感兴趣点击. 原本靠人的“经验主义”变成了现在可以靠可视化数据，对于电商营销来说，确实是更方便了.
目前，七格格也在探索鹿班更多的使用场景，比如以数据、算法推荐和智能设计为依托的鹿班店铺智能装修，来帮助店铺实现人群精准运营和装修设计，他们期待有一天鹿班让设计师成为完全的“甲方”，那对设计师来说，从想法创意到作品落地，就会是一件愉快的事情.
4. 相关
[1] - 阿里鹿班智能设计核心技术实现
[2] - 阿里鹿班智能设计平台之负责人乐乘的介绍