美不再取决于观察者的眼光，而是掌握在GenAI提示者的指尖。仅根据其对美妆行业的影响，GenAI就可能为全球经济贡献90亿至100亿美元，而早期行动者已经开始测试这项技术，但考虑到GenAI创新的速度，扩大这些实验规模将是一项挑战。
一旦美妆行业的领导者成功大规模部署GenAI，落后者与领导者之间的差距只会越来越大。快速行动者将变得更快、更敏捷，且更能预见并满足消费者需求，而那些落后者可能会发现难以保住微薄的市场份额。
美妆行业参与者应重点关注优先用例，并根据自身需求定制GenAI，以充分发挥这项技术的潜力。
美妆行业中GenAI的四个用例
适用于更广泛消费领域的十多个GenAI用例也适用于美妆行业，这些用例涵盖组织的各个方面，从前端到后端，包括用户体验到客户支持等各项功能。
在确定用例的优先级时，我们考虑到美妆行业依赖于快速将产品推向市场并迅速响应消费者反馈，基于此，以下四个GenAI用例可能产生最大影响：超个性化定位、体验式产品发现、快速包装概念开发和创新产品开发，这些用例在GenAI工具采用的不同阶段均有应用，其中一些(例如，GenAI客户聊天机器人)已在美妆行业参与者中得到相当广泛的应用，而另一些则刚刚兴起但前景可期。
超个性化定位
美妆品牌要在竞争激烈的美妆行业中生存下来，最重要的举措之一就是开发独特的价值主张，但美妆行业参与者还必须确保其精心定位的产品能够触达最有可能接受这些产品的消费者。
如今，大多数美妆公司只能针对少数几个消费者细分群体进行定位，因为它们在更大规模上个性化信息的能力有限，这种广泛的消费者细分方法使得大部分市场未被开发，但借助GenAI，美妆品牌可以创建超个性化的营销信息，根据我们的观察，这可能使转化率提高高达40%。
AI可以分析大量消费者数据集，检测模式，并基于模式识别算法创建微细分群体。在此基础上，美妆品牌可以使用多种输入来训练其GenAI平台，包括客户数据、描述品牌声音的输入以及产品信息。在进入新市场时，美妆品牌可以基于内部产品数据以及外部市场调研(如客户调查)来训练GenAI模型，然后，GenAI可以创建并测试文本和图像的不同变体，以找出最能引起每个消费者细分群体共鸣的内容。
以假设发送给名为卡米尔的虚构客户的自动化文本为例。美妆品牌知道卡米尔住在法国，年支出较低，并且最近购买了一款面部防晒霜。卡米尔过去对促销活动反应积极。在GenAI之前，发送给卡米尔的自动化文本可能会说：“激动人心的消息!新品上市。购物促销可享受高达20%的折扣。”而在使用GenAI后，自动化文本可能会说：“Bonjour，卡米尔!您知道吗?我们的专用洁面泡沫，用于卸除面部防晒霜，现在享受20%的折扣!它与您最近购买的面部防晒霜完美搭配。”
营销专家应在发送AI生成的消息前进行审查，以确保其反映品牌的理念和价值主张，同时避免抄袭或可能产生有害的联想。一些看似无害的消息可能会损害品牌形象。在前面的例子中，GenAI创建的问候语可能会说：“晚上好，美丽的女士，”而不是“Bonjour”。客户可能会觉得这条信息的语气令人反感或不合适，或者与品牌的整体理念相悖。营销团队应向GenAI模型提供反馈——或许可以通过点赞或点踩机制对其输出进行评分，并在自由文本字段中输入详细评论，然后，GenAI平台可以处理这些反馈并将其转换为新的训练数据。
美妆品牌还需要将其GenAI模型与数字资产管理(DAM)系统中的资产集成，这些系统是品牌使用的所有数字创意资产的存储库，同时还需要将模型与品牌的活动管理工具集成。GenAI可以对DAM系统中的创意资产进行分类——这项任务原本需要手动完成。这种自动化为营销团队节省了时间，使其能够专注于更高价值的任务。
即使大型美妆企业继续与营销机构合作制定品牌战略并开展专门活动，也可能考虑投资内部超个性化能力，这将带来两大优势：企业可以使用自己的消费者数据来训练GenAI模型，并且可以以更快的速度和更高的灵活性创建和测试个性化沟通。
体验式产品发现
尽管过去几年消费者在产品发现方面的技术创新取得了进展，但仍有很大的改进空间。例如，第一代消费者聊天机器人提供的答案相对固定，消费者使用起来可能会感到沮丧。当消费者询问适合深色肤质的腮红推荐时，聊天机器人可能会提供一份通用的产品列表，而不是为特定购物者个性化对话并与其进行深入交流。虚拟试妆虽然有帮助，但可能会出现故障或无法准确反映产品在实际使用中的效果。在这些情况下，线上购买往往会导致昂贵的退货，因为退回的美妆产品通常无法再次销售。
由GenAI驱动的聊天机器人可以帮助改善购物体验，并降低退货的可能性，这些基于大量产品数据和消费者偏好训练的大型语言模型(LLM)聊天机器人，可以回应更广泛的问题并提供更个性化的建议，这两点都有助于提高转化率。一家全球生活方式企业开发了一款由GenAI驱动的购物助手，其转化率提高了多达20%。
虚拟试妆体验已经在其他消费品类(如配饰和眼镜)中证明成功，同样也可以通过GenAI得到增强。利用与驱动图像GenAI工具相同的技术，消费者可以在不同场景下看到自己使用不同产品的效果，或者看到某款产品长期使用可能对外观带来的潜在改善。例如，希望淡化色斑的在线购物者可以通过在美妆品牌网站上上传照片，并运行模拟该品牌淡斑精华可能在未来几个月内对皮肤产生效果的程序，来虚拟试用这款产品。
GenAI还可以增强实体店中的体验式产品发现。如今，店内的互动触摸屏显示器可以展示店内和线上均有售的产品，允许顾客浏览SKU、选择想要亲自查看的商品或扫描二维码获取专属优惠。尽管功能有限，但这些显示屏已被证明能够改善店内购物体验和转化率。GenAI可以提升这些显示屏的有效性。例如，当在美妆品牌应用程序中启用了位置服务的购物者走进该公司门店时，GenAI可以根据客户资料和购买历史为该消费者生成个性化内容。鉴于我们对个性化内容有效性的了解，这些原则可以应用于门店环境，尽管大规模实施尚未实现。
快速包装概念开发
在评估美妆产品时，消费者会同时考虑产品本身以及其品牌和包装。美妆品牌通常会花费数月时间来开发新的品牌和包装概念——这一过程通常需要设计师、文案编辑、战略师和包装专家反复推敲想法。
GenAI不一定会消除这个过程，但可以极大地加速它，其工作原理如下，包装设计师向GenAI平台提出以下提示：“为我展示五款夜间保湿霜的包装选项，重点强调护肤功效和可持续包装材料。”然后，设计师会根据有关客户偏好的信息(这些信息可能来自焦点小组和客户调查)修改GenAI平台的输出。接下来，广告设计师会在数字广告中使用新包装的模拟图，根据新广告在网络上的互动情况，测试这些图像是否吸引消费者。这些数据随后会被用来进一步完善由GenAI驱动的概念创建和原型设计。通过这种基本方法，一家饮料公司将其概念开发时间缩短了60%。
创新产品开发
创建新的美妆产品配方是一个耗时多年的过程，这要求美妆企业与研究机构合作，研究成分并试验配方，以确定新产品的安全性、稳定性和功效。
GenAI可以加速这一过程，一旦GenAI模型在美妆产品的材料清单、原材料使用、工艺参数、内部研究数据和其他数据(如产品专利或以往产品试验)方面得到训练，它就能识别出可能最适合新产品的成分，预测产品的功效，并推荐配方。
以夜间保湿霜为例，假设一位配方科学家可以提示GenAI工具创建一种新的配方，该配方强调神经肽(一种受欢迎的护肤成分)，优先考虑抗衰老功效，同时降低配方成本。一旦工具创建出潜在的配方，科学家将进行实验室测试，以评估配方中成分的兼容性和稳定性，以及额外的安全性、消费者测试和临床试验(如适用)。根据消费者反馈，配方将持续迭代。
虽然物理测试过程仍然需要时间，但麦肯锡的分析发现，GenAI工具可以将新产品的研发时间从数周缩短到数天，这有助于在开发这些产品时节省高达5%的原材料成本。
购买、租借还是自建?
GenAI企业平台的市场正在增长，但哪种方法(如果有的话)最适合美妆企业?
企业可以通过三种方式引入GenAI工具，我们称之为获取者(taker)、塑造者(shaper)和制造者(maker)方法。大多数美妆企业可能不会采用制造者方法，即企业从头开始构建自己的大型语言模型(LLM)。这将需要比大多数美妆公司所能合理解释的更多的资本支出和人才投资，而且，这还可能不必要地分散美妆企业对核心竞争力的关注，然而，美妆企业仍然可以通过另外两种方法获得价值：
• 获取者方法。获取者方法涉及将现成的第三方GenAI解决方案集成到企业的工作流程中，几乎不需要定制。这是三种方法中成本最低、资源消耗最少的方法，因此对于依赖零售商进行分销(因此拥有较少的消费者数据来定制模型)、技术人才较少或投资资金较少的美妆品牌来说，这是一个有吸引力的选择。
在评估GenAI工具或平台时，美妆企业应提出以下问题：供应商处实施了哪些数据隐私和加密协议?供应商是否会使用品牌的数据来训练第三方或第一方的专有模型?输出的版权归谁所有?与美妆企业内部系统的集成有多容易?(例如，供应商是否有应用程序编程接口?他们是否与谷歌分析(Google Analytics)等平台集成，以支持更广泛的应用场景?)
当然，对工具进行试点测试至关重要。大多数声誉良好的GenAI供应商都会提供有限时间的低成本试点，通常约为一个月。
• 塑造者方法。成为塑造者意味着使用公司自己的数据和见解来训练第三方GenAI模型，以满足特定的地理、行业、组织和业务需求。例如，为了实现超个性化定位，数据可能包括品牌调性、客户人口统计信息和偏好或成功的营销活动等信息。对于创新产品开发，临床试验结果的原始数据可以帮助训练模型。
拥有丰富消费者数据的大型美妆品牌或零售商可能会选择塑造者方法。他们将需要一支技术人才队伍，能够为GenAI工具添加新组件，将其集成到现有工作流程中，并在整个组织中部署。
美妆企业可以根据其特定需求和用例，混合使用获取者和塑造者方法来应用GenAI。对于美妆企业来说，速度(即上市速度和响应消费者需求的速度)尤为重要。因此，美妆组织应考虑采用模块化的GenAI组件，这样更容易在大型语言模型提供商之间切换，从而更容易实现扩展。GenAI可能会使美妆行业的流程简化和自动化，但该行业既是科学也是艺术，在营销和包装设计等方面，让人类参与其中以检查风险并注入独特的人类创造力至关重要。
如何大规模实施GenAI
要在数字和AI领域脱颖而出，消费包装品企业应考虑一些关键问题，如“价值在哪里?”和“业务部门的领导者是否积极参与转型?”此外，美妆企业可以采取四个步骤，真正将GenAI融入业务：
• 在愿景、价值和路线图方面统一领导层意见。要从试验阶段过渡到扩展阶段，美妆企业应确定本文前面描述的四个用例中哪一个将带来最大的收入提升、时间和成本节约以及客户体验影响。为了计算这一潜力并据此制定路线图，高管们必须召集来自营销、客户服务和产品开发等不同职能领域的领导者。
• 增强能力。尽管GenAI前景广阔，但要长期有效使用它，美妆领导者需要评估它如何融入并得到组织能力(包括运营模式、数据和技术实践以及人才)的支持。公司应设立跨职能团队，评估组织的现有能力以及额外能力的需求。这些团队应部署技能提升计划，以帮助解决其团队内部的能力差距。
• 测试、学习、完善、重复。美妆企业应在受控环境中测试GenAI的输出，以确定哪些方法有效。例如，在营销用例中，美妆企业会选择一个渠道(如电子邮件、短信或付费媒体)，并使用A/B测试来衡量GenAI创建的广告的效果，既包括定量指标(如销售影响或点击率)也包括定性指标(如通过提问“广告是否贴合品牌形象?”)。然后，可以根据这些学习成果对GenAI平台进行训练，以在后续测试中产生更好的结果。
• 采用风险框架。美妆产品往往在情感层面与消费者产生共鸣。由于这一点以及该类别的高度社交性质，美妆企业必须建立严格的护栏，以防止和控制使用GenAI所涉及的风险。这一风险框架应考虑GenAI输出的可解释性和可靠性、安全威胁、公平性受损或偏见、侵犯知识产权、使用第三方AI工具的风险以及隐私问题。GenAI应增强(而非替代)美妆企业的营销或产品开发团队所做的工作。
虽然美妆行业的许多产品都是化妆品，但GenAI在美妆领域的应用远不止于表面。将这项技术与其他数字和AI工具相结合，并提升组织能力，可以使美妆领域的领导者在未来几年中脱颖而出。
