去年年中，Momo富邦媒推出了自己的开店平台Mo店+，一年来收录超过百万件商品，相关产品图片多达数百万张，如何确保大量上架商品照片的合规，成为Momo新平台面临的挑战。初期只能通过抽样人工检查，不仅判断效率低，也容易出现疏漏，直到生成式AI技术逐渐成熟，Momo在一场活动中首次公开了他们如何利用生成式AI，在百万级上架商品中识别违规内容，判读准确率高达99%。

早在2022年底ChatGPT上线后，Momo就开始尝试这项技术，但当时这类技术尚不成熟，仅用于内部测试，并未正式应用到电商业务中。富邦媒体科技数据科学研发课课长谢百恩透露，直到Gemini推出1.5版本后，Momo才开始正式采用，首个导入的场景就是商品内容检测。

开店平台上的第三方商品图片数量庞大，达到数百万张，且商家会持续更新图片。谢百恩表示，为了管控上传图片的质量符合规范，传统做法依赖人工抽检，耗费大量人力，且难以发现所有违规图片。

对开店平台而言，管理百万级商品面临两大课题：一是商品分类，这是后续营销推荐的重要基础；二是违规商品检测，这是电商平台合规运营的关键环节。

Momo原本就有一套自行训练的商品分类模型，可根据上传商品的描述推荐十大建议分类，原有分类准确率达94%，但Momo并不满足于此。此前依靠人工抽检来发现错误分类，效果有限。后来，Momo改用Gemini进行复核，重新检查自研分类模型的推荐结果，找出疑似分类错误的商品，再由品控人员确认，最终将商品分类准确率提升至99%。

除了商品分类，Momo也使用Gemini进行违规商品检测。为避免违反各类监管机构的规定，Momo制定了超过50条“禁止和限制商品政策”，但传统方式只能依赖人工审核，面对百万级商品难以逐一排查，只能抽样检查。

Momo转而采用Gemini技术，依据违规政策对商品信息进行语义判断，识别出疑似违规商品，再交由品控人员复查，发现违规商品的准确率高达99%。

不仅是文字内容分析，Momo也开始利用Gemini的多模态理解能力，设计了一套烟草制品检测模型。传统方法只能基于文字做基本筛查，商品图片则依赖有限的人工抽查。

谢百恩举例，有商家上传了一张自己拍摄的椅子商品图，画面角落无意中拍到了香烟，可能违反《烟草控制法》关于烟草广告的相关规定，面临高额罚款风险。

Momo虽已有严格的人工审核机制，但借助AI可以发现人工遗漏的问题，例如图片边缘不小心出现的香烟也能被识别并排除。Momo结合原有的文本识别模型与Gemini多模态模型，分别处理商品文字资料和图片内容，综合两者结果筛选出疑似违规商品，再交由品管人员复核。该系统上线不到半年，截至2024年底已发现24起异常情况。

目前，Momo已将Gemini应用于商品分类辅助和商品内容检测两个主要场景。

谢百恩强调，通过生成式AI的方式，可实现商品全量检测，不仅限于上架时的审查，还包括后续每次商品图片更新都能自动检查。Momo每月利用生成式AI进行各类图片检测的数量，最少数十万张，最多可达上百万张。

除内部应用外，Momo还利用Gemini优化商品包装建议。借助Gemini的多模态模型，分析商品描述、图片以及包装数据和策略，根据商品特性判断是否可用环保袋替代纸箱包装。上线三个月内，环保袋使用率提升了10%，显著减少了纸箱消耗。

此外，Momo还利用Gemini优化搜索功能的个性化推荐能力。过去主要依赖关键词库为用户提供搜索建议，现在改用大语言模型（LLM）结合用户的搜索历史和购买行为，生成个性化的搜索词推荐列表。用户对推荐词的点击率相比传统词库方式提高了40%，更贴合实际需求。例如在节庆促销期间，Momo使用Gemini针对数十个商品品类，自动生成详细的商品风格标签，并从数万款商品中智能推荐候选清单，供营销团队确认，无需像过去那样人工从百万商品中筛选活动商品，大幅节省了人力成本。

下一步，谢百恩透露，Momo正在积极试验AI代理应用，已启动多个内部项目进行测试。

谢百恩表示，AI赋能电商未来有三大方向：从个性化到需求预测，从效率工具到智能核心，从技术应用到体验升级。AI不仅能响应消费者已知的需求，更能精准洞察、预测甚至激发其潜在需求。