在当今的零售环境中，客户不再仅仅满足于搜索框返回的冷冰冰的产品列表。他们渴望的是像在实体店一样，有一位懂行、贴心的导购员。作为 Google Cloud 的合作伙伴，我们一直在探索如何将这种体验带入数字世界。
最近，我们利用 Vertex AI 帮助一家大型时尚零售客户完成了这一转型。今天，我们想分享在这个过程中，我们是如何利用生成式 AI 解决“通用模型不懂品牌调性”这一核心挑战的
挑战：通用大模型 vs. 品牌独特声音
在项目初期，我们发现直接使用通用的基础模型虽然能流畅对话，但往往缺乏品牌的“灵魂”。它无法准确理解该品牌特定的时尚术语，甚至推荐竞品风格的搭配。客户需要的是一个既懂时尚趋势，又完全遵循品牌指南的 AI。
解决方案：Vertex AI Model Garden 与微调的力量
我们选择了 Google Cloud 的 Vertex AI 平台，因为它提供了从模型选择到部署的端到端工具链。
模型选择的多样性： 通过 Vertex AI Model Garden，我们不仅可以使用 Google 最新的 Gemini Pro 模型，还能访问各种开源模型。这让我们能够快速测试不同模型在特定任务上的表现。最终，我们选择了 Gemini 作为基础，因为它在多模态（理解服装图片）和逻辑推理上表现优异。
让模型“懂行”： 这是最关键的一步。我们利用 Vertex AI 的微调功能，使用该品牌过往数千条优质的客服对话记录和产品描述数据对模型进行了训练。
结果：经过微调后的模型，不仅学会了品牌的语气（热情、专业且略带俏皮），还能准确识别“波西米亚风”与“复古风”在该品牌定义下的细微差别。
连接实时库存： 单纯的聊天是不够的。我们利用 Gemini 的 Function Calling（函数调用） 功能，将 AI 与客户的库存 API 连接。当用户问“这款裙子有M码吗？”时，AI 不会编造答案，而是实时查询数据库并准确回复。
成果与展望
通过 Vertex AI 构建的智能导购上线后，该客户的电商平台用户停留时长提升了 30%，而“加入购物车”的转化率提升了 15%。
作为合作伙伴，Vertex AI 让我们不再需要从零开始构建庞大的基础设施，而是能够专注于如何利用数据激发模型的潜能，为客户创造真实的商业价值。