在零售电商实验室，我们把商品详情页的首屏拆成两个可控变量：标题信息结构与主图视觉要素。前者用类目词、属性词、场景词的组合模板生成候选，后者用图像编辑模型批量改写背景、主体占比与卖点角标。核心不是生成能力，而是点击率（CTR）的快速预估与实验收敛。
我们采用两阶段做法：先用历史曝光-点击日志训练CTR预估模型，对几百个标题×主图组合打分排序，仅把Top候选投入真实流量；再以贝叶斯分层模型在线更新，按曝光量动态分配流量，避免长尾组合长期得不到样本。离线阶段在三个类目上做回测，Top10候选的CTR相对现网提升约4%~9%，前两轮A/B实验即筛掉约七成低效组合。
要点一（进展）：标题优化对搜索场景贡献更明显，主图优化在推荐信息流中增益更大，两类流量需分开评估。
要点二（下一步）：接入库存与价格波动信号，验证“主图-价格-库存”组合在高促销周期下的CTR稳定性，并把实验收敛轮次压到两轮以内。
需要说明的边界：CTR提升不等于成交提升，我们仍以转化率与客单价作为最终约束，避免标题过度承诺带来的退货率上升。
评论