paper2skills Playbook

E-Commerce Video Benchmark（电商视频质量评估基准）

Skill-E-Commerce-Video-Benchmark · 20-AI视频生成

forecastingrecommendationvisual_generation广告与投放供应链与补货客服与VOC推荐与搜索视觉内容生成WF-A 智能补货WF-B 广告优化WF-C 客服分诊WF-D 选品扫描WF-E Review监控WF-G Listing内容优化
收录于AI 内容工厂手册
业务视角
适用角色内容运营 / 品牌负责人 · 社媒运营 · CMO
适用平台TikTok Shop LIVE · Instagram Reels · 多语言虚拟主播（英/西/阿/日）
什么情况下用TikTok/Reels 需要大量视频，拍摄成本高周期长产能跟不上；想做直播带货但真人主播成本高语言是障碍
成功是什么样的视频内容产能提升 5-10 倍，单条视频成本降低 80%，多语言市场内容本地化快速覆盖
业务痛点
视频内容来不及做拍视频成本太高主播太贵或不稳定多语言内容没有人拍TikTok 更新频率要求太高

1. 解决的问题

唯一电商域专用 Benchmark。通用 T2V 评测用 UCF-101/MSR-VTT（自然场景），但电商视频核心要求完全不同——商品颜色/纹理/Logo 不能有任何失真。E-CommerceVideo 建立电商专属评测体系。

2. 核心算法逻辑

唯一电商域专用 Benchmark。通用 T2V 评测用 UCF101/MSRVTT（自然场景），但电商视频核心要求完全不同——商品颜色/纹理/Logo 不能有任何失真。ECommerceVideo 建立电商专属评测体系。

3. 业务应用场景

评估 Phantom vs AnchorCrafter vs Wan2.2 在母婴品类（吸奶器/婴儿车/玩具）上的商品保真度。Phantom 在 PCF 和 LTP 维度最优（主体一致性专长），AnchorCrafter 在 MN 最优（HOI 运动最自然）。选型决策：Amazon listing 用 Phantom，TikTok 带货用 AnchorCrafter。

4. 输入数据要求

请查看原始代码模板获取输入规格。

5. 输出结果

请查看原始代码模板获取输出规格。

6. 业务价值 / ROI

未自动抽取；请查看原始 Skill 卡片。

7. 代码模板

代码块数量：1 · 路径：未检测到

class EcommerceVideoBenchmark:
    DIMENSIONS = ["PCF", "LTP", "VS", "MN"]
    WEIGHTS = {"product_fidelity": 0.35, "logo_texture": 0.25, "viewpoint_smooth": 0.20, "motion_natural": 0.20}
    
    def evaluate_model(self, model_name: str, scores: dict) -> dict:
        total = sum(scores.get(d, 0) * self.WEIGHTS.get(d, 0.2) for d in self.DIMENSIONS)
        return {"model": model_name, "scores": scores, "overall": round(total, 3), 
                "recommended_for": "Amazon listing" if scores.get("PCF",0)>0.85 else "TikTok UGC"}

if __name__ == '__main__':
    bench = EcommerceVideoBenchmark()
    print(bench.evaluate_model("Phantom", {"PCF":0.92, "LTP":0.88, "VS":0.85, "MN":0.78}))
    print("[✓] E-Commerce Video Benchmark 测试通过")

8. 论文来源

未自动抽取；请查看原始 Skill 卡片。