Deepseek在短期内遭到各行各业和广大用户的认可

毕竟回答问题的考虑进程对人们来说也具有启发性，一起这样的考虑进程也更挨近人脑关于回答问题的思想方式。

例如，有中学生就用Deepseek去了解数学题的解题思路，然后依据Deepseek给出的解题思路自己解题，还能让Deepseek给出几道相似的数学题进行操练，从而提高该类标题的解题才能。

用《黑神话悟空》制作人冯骥的话来说，DeepSeek可谓是一起做到了“大、廉价、开源、免费、联网、本乡”这六大打破，而这其中任何一点都是十分了不得的。

这也解说了为什么Deepseek在短期内遭到各行各业和广大用户的认可，从揭露数据统计，DeepSeek仅用了7天时刻就达到了1亿用户规模，而ChatGPT花了两个月。

二、从AI工具到生意顾问

AI大模型在零售电商行业的应用时刻并不短，但之前的通用大模型应用关于商家的运营才能提高依然有限，只是在一些程序化的操作上提高了功率。

例如自动挑选关键字进行广告投进、自动生成种草图文等，AI关于零售电商行业的商家来说，依然算是自动化程度更高的工具，称不上智能。

虽然卖货这件事看起来门槛不高，但遇到的却是因人而异、个性化极强的复杂问题，通用大模型处理起来显然有些吃力。

我们也试着向DeepSeek发问了一些专业的问题，比方“在幼儿园邻近开了一家便利店，应该卖什么商品？”

在通用大模型模式下，DeepSeek和其它AI应用相同，直接给出了十个详细的商品主张列表，但是从零售行业人士的角度来看，没有办法在没有依据和实践运营场景考量的前提下照搬答案。

而在DeepSeek考虑（R1）模式下，则给出了一些有建设性的剖析思路，比方对三类客户集体（小朋友、家长、老师）的需求剖析，对选址差异（幼儿园外面还是里面）形成的选品差异剖析，以及商品的安全和健康方面的要求，乃至提到要与园方进行沟通交流了解更为全面的需求。

这个问题其实是一个专业性很强的问题，需要从多个维度帮助发问者进行剖析，给出相应的考虑和主张，然后再给出详细的运营策略和案例参阅。

DeepSeek关于这个行业问题完好的深度考虑，依据我在咨询业的阅历，现已达到一个初级咨询师的水平：