使用DeepSeek，要避免“垃圾进垃圾出”

图/ DeepSeek可能的应用场景

因此，要让DeepSeek真正在运营方面帮助我们，就要给它足够好、足够多的数据。

目前，许多跨境电商数据，DeepSeek是无法直接获取的，因此，它的正常运作，需要更多数据链来支撑，例如，DeepSeek无法直接获取亚马逊的广告数据，需要通过API对接或下载数据后，它才能发挥作用。

备货时， 需要融入ERP软件，选品时，则要结合选品软件卖家精灵、Keeper等，因为它们记录了所有ASIN（亚马逊产品编号）的实时数据。在基于足够多的ASIN数据的前提下，我们才可以对DeepSeek提问“畅销的款式是哪些？重量是多少？价格应该如何定？毛利率和销量如何？在广告中采取什么策略？”等等。DeepSeek才能给出较好的答案。这样一来，大大提高了效率，以往一天只能选 5-10款款产品，现在可以选 100+款。

此外，卖家也可以把 TikTok、Instagram的数据、Google Trends 关键词乃至竞品数据，精准地喂给大模型，得到内容创作、投放策略等方面的建议，同时可以跟进到竞品的动态，比如爆发力、好评和差评等，提出及时预警，以做出应对措施。

安克创新在使用AI大模型时，也非常注意数据的投喂。

例如，在客服方面，安克创新已经积累了大量的知识库，因此，安克团队将已有的数据（如客服知识、科普知识），通过embedding（预埋入）的方式存入向量数据库，并让大模型（以ChatGPT为主）去做匹配，叠加安克创新原有的智能Shulex的基础，使客服回复的质量与效率，大大提升。比如，安克创新以首发邮件的回复率为目标，持续训练AI，最终客服部门每周提效累计150小时，5轮对话以内解决问题的比例达到92%。

在线上投放方面，安克创新用大语言模型进行数据的标注、打标签、投放描述，然后结合Midjourney、 Stable Diffusion生成初始素材，结合人工进行修改。在一段时间里，安克创新的广告投放点击率实现了约15%的提高，转化率的提升也在 10% 左右。

做个不太精确的比喻，如果DeepSeek是柴刀，客服、选品、ERP等方面的工具和数据，则是柴刀的柄。套上柄的柴刀，砍起柴来，又快又好。