如何做到千人千面同时产能在线？GEA 进入鞋服品牌的工作现场

鞋服品牌的季节性上新压力，是一个周期性的超载问题，不是偶发的。每季几百个SKU，主图要做、详情页要做、模特合成要做、不同渠道的尺寸适配要做——这些工作高度重复，但又无法完全标准化：每个 SKU 的颜色、面料、廓形不同，对应的场景、光效、构图也有差异。

纯人工做，量跟不上；纯模板做，差异性消失，所有 SKU 的视觉开始看起来都一样，丧失了在货架上区分的能力。

某鞋服品牌每季上新 SKU 数量增长了 40%，但设计团队编制没有相应变化。

高频上新和高质量创意，两个目标开始互相牺牲

执行量太大的问题，不是量大，而是量大之后让有价值的工作没有空间了。

「设计师最难的不是做图，而是每季第一时间定下风格方向——这个判断决定了这季所有 SKU 的调性基准。但每次刚想专注做这件事，一批延展需求就进来了。」该品牌设计总监说。

这件事，他们决定用特赞科技Tezign的GEA重新跑一遍。

在这个场景里，GEA的运行分三步展开。

第一步：从 Context System 读取品牌调性，识别每个 SKU 的视觉特征

GEA 从 Context System 调用品牌的视觉调性参数和历史高转化主图数据，同时识别每个 SKU 的视觉特征——主色、面料质感、廓形类型、目标穿着场景。这些特征组合，决定了这个 SKU 应该以什么场景调性呈现。

第二步：读懂目标消费者在这个场景里的心理状态

SWM（Subjective World Model）建模的是目标消费者在不同穿着场景里的心理状态——买通勤款的消费者，主图里他期待看到「这件衣服穿出去有没有说服力」；买运动款的消费者，主图里他期待看到「这件衣服在运动时是什么感觉」。同样是鞋服，不同的穿着场景对应完全不同的视觉说服逻辑。

第三步：为每个 SKU 生成差异化主图，不套通用棚拍背景

CRM（发散推理模型）在 SWM 建立的消费者场景心理基础上，为每个 SKU 推演最优主图方案——场景匹配、色彩协调、模特合成多维推演，平均为每个 SKU 生成 3-4 个 A/B 候选版本。设计师设定当季整体风格方向，GEA 在这个框架内批量生成候选，设计师做最终筛选和精修。

每季执行结果沉淀进 Context System，下季上新直接基于上季有效视觉逻辑优化——越执行，品牌视觉理解越深。

3.5 倍效率提升，加班少了 60%

品牌已经在规划将这套能力延伸到直播场景——快速生成适配直播背景和灯光条件的 SKU 展示图，让新品在直播当天就有针对直播场景优化过的视觉素材。

高频上新和高质量创意，不再是互相牺牲的选择——设计师最宝贵的时间，终于可以用在真正需要人做判断的事上。这正是特赞科技 Tezign GEA 在设计创作场景里的核心价值：专有智能越来越懂自己，每一次执行都在缩短下一次和最优解之间的距离。