![](https://gbres.dfcfw.com/Files/iimage/20240715/577D5368D6B92C40F0843140FD0890B4_w640h127.png)
![](https://gbres.dfcfw.com/Files/iimage/20240715/9301D12C1B10AA605659CD035E59C61C_w640h360.jpg)
![](https://gbres.dfcfw.com/Files/iimage/20240715/8EE3E99F81AA19C907ED1F468ED1907C_w640h320.png)
在消费行业,品牌、产品、渠道始终是主流叙事,技术鲜有人提及。
但不可否认,过去几十年大多行业的变革底层都是技术驱动的,以渠道端为例,从电商革命、新零售革命,到推荐算法带来的短视频和直播电商变革都是如此。而今天最让人焦虑的可能就是AI了。
很多人都相信这会是一场革命,但它会以什么样的形式发生?消费企业应该以什么样的姿态应对和迎接变化?
从另一个侧面来讲,面对环境的内卷和消费者端的多元、分散,所带来的怎么降本增效,怎么在前端做好营销、在后端做好产品创新等等问题,数智化也被寄予厚望,但真正做好、用好的依然很少。
最近,在浪潮新消费举办的《消费企业如何深化破局·新浪潮年中闭门会》上,来自食品、美妆、宠物等领域的二十位品牌高层和投资人,于四大议题中,大家就消费行业在AI、数智化方面的探索与可能性展开了深度探讨。
![](https://gbres.dfcfw.com/Files/iimage/20240715/C7B9D76136E80303F044FADDE21575E2_w640h360.jpg)
![](https://gbres.dfcfw.com/Files/iimage/20240715/1F5A858EE3B57AB7674FE1F25F04D4F9_w640h1034.png)
在讨论中,一个不可回避的话题浮出水面:企业希望通过AI、数字的理性和稳定来替代人的不确定性,以此寻求经营的恒常和效率的提升,但结果果真能如同预料那般吗?
无论是数字化的全面铺开,还是AI ready的前沿探索,它们为企业带来的变化远不如预期那般剧烈。比如数字人直播,虽然新奇,却始终未能带来颠覆性的商业革命,让我们不禁反思:是否人们对技术的期待过于超前?
有嘉宾提出了不一样的观点:数字化并非简单的人力替代,而是对人力资源的重新定义和整合。因为如果机器算法超出人力可控范围,不仅无法实现降本增效的初衷,反而可能引发组织臃肿、效率滑坡的反作用。
这无疑是对“技术至上”论调的有力反驳。
更有嘉宾给出了进一步的论断:数字化,是超越人而非替代人。这意味着,在推进数字化进程时,我们应当跳出对“替代人”的狭隘想象,转而探索那些人力难以触及的领域。比如,利用AI把握消费者的情绪波动,甚至通过它创造情绪、开辟新的商业蓝海。
没有逢场作戏,也没有老生常谈,这些立场鲜明、开诚布公的探讨非常难得,不同视角下的结论也引人深思。浪潮新消费节选了其中部分精华内容,与嘉宾确认和脱敏后与更多创始人分享,希望对行业发展有所助益。
编辑 | 一 町
主持人:今年AI和数智化的话题热度居高不下,我们跟很多企业交流会发现大家对这方面都很感兴趣、想了解,但往往都是干瞪眼,不知道怎么下手。
所以借今天这个机会,想跟大家交流一下在这方面的应用和探索,AI对消费行业到底产生了哪些影响?怎样才能真正做好数智化?
![](https://gbres.dfcfw.com/Files/iimage/20240715/41B399B82FCB14A1D2BB603B651C6860_w640h178.png)
高樟资本创始人范卫锋:如果把抖音算上,我们每个人其实都已经在深度使用AI了。
今天的AI牛逼在哪?佛教说如来“悉知悉见”,古人说“举头三尺有神明”,基督教说“人一丝一毫的动作和念头都会被上帝感知”,算法几乎都做到了。
我最近一年也做了IP,能明显感觉到:在直播间里,你细微的心理活动,哪怕是看到一条弹幕很不爽的状态都会被瞬间捕捉。就像是有个上帝在俯瞰所有的直播间,并且精准无比地回应着一切。
![](https://gbres.dfcfw.com/Files/iimage/20240715/A0E03163A99982876926C419022E895B_w640h424.png)
所以进入AI时代后,也就只有一小撮有影响力的人能在抖音吃肉时分到一点汤,其他不掌握影响力的只是算法的养料。
但今天,除了那些直播还债的以外,只有极少数的创始人能够坚持自己做这件事。
因为大部分人辛苦磨练了一二十年,才有了抽象思考的能力,现在却要在直播间和短视频里全部打破,用形象化的方式表述;好不容易学会了喜怒不形于色,现在却要在镜头前释放所有的情感。
这相当于是从经济、社会形象、地位及表达方式等方面对自己过去一二十年积累的全盘否定。
所以,对那些在IP路上杀不出来的创始人,我总说你们对AI这位‘上帝’还不够虔诚,还是把它当作一个工具,在评判用户、吐槽算法。你得彻底地匍匐在算法面前,毫无保留地奉献时间、精力和情感。
这是我这一年来跟众多创始人交流后最深刻、最直观的感受。
谦寻控股总裁赵冉:我们现在在做AI数字人,但跑的效果不是特别好,主要有两种模式:一种是“阿凡达”,背后需要有个人;一种是直接编程生成人像。
但是动用大模型的成本很高,而且直播间,尤其是店铺,相对来说并非开源的问答场景,所以没必要采用第二种模式。
但第一种模式从理论上看,更多是作为降本的工具,指望它去彻底改变游戏规则是很难的,哪怕是颠覆带多品类的达人直播间都做不到。
所以,大家或许过于高估了AI的颠覆性。诚然,大家有时就是需要一些新的东西,但真正赚钱的机遇往往是技术产业逐渐成熟后慢慢出现的。
![](https://gbres.dfcfw.com/Files/iimage/20240715/F41371D2D647174AED2B569BB8451666_w640h178.png)
PETKIT小佩联合创始人Shelley:前两天阿里约我,因为它们上线了一套基于宠物视觉识别的AI模型。
这事我们内部也讨论了几轮,我们的体感是:大模型的应用还是大公司的事,跟小公司没什么关系,我们可能更适合针对特定的小场景进行一些实用工具的部署。
道理很简单,小公司提供不了训练大模型所需的数据量级。
当然,对于平台型公司来说,推进这件事也会存在一些困难,比如怎样确保训练素材的合法合规。
福贝宠食联合创始人黄莉:数字化、智能化离不开一个底层逻辑,即有大数据支撑。
为什么福贝能建智能工厂,是因为经过近20年的积累,设备间的数据已经全部打通。很多东西都是建立在原有数据库的基础之上的,如果没有沉淀的数据库打底,想要实现就很难。
投建一个智能工厂,成本是很高的,我不建议各位在没有一定累计数据的时候就贸然冲进去,因为十有八九会失败,等基础条件成熟后,这反而是水到渠成的。
![](https://gbres.dfcfw.com/Files/iimage/20240715/6C16C1746A48F5D0E6F86FE0DCD31F67_w640h422.png)
我再说一点我在营销端的体会。
业内有人用包含超百万病例的数据库,历时半年训练出了一个问诊AI,现在还挺专业的,误差值也在逐渐缩小。这种技术革新其实对企业是非常重要的:首先是降本的逻辑,毕竟请超头或是培养营养师、兽医的成本不低;其次,费心培养好的主播,说跳槽就跳槽,确实也挺头疼的。
数字人和真人提供的服务体验确实不一样,但现在有一些年轻人爱宅家,遇到问题喜欢自己上网研究解决,前者就能很好地满足他们线上问诊的需求。长远看,这可能会让某些业态,比如宠物医院,面临进店客流减少的挑战。
来伊份首席增长官姜振多:来伊份的数字化建设,并不是一蹴而就的。
自2009年起,来伊份成为国内最早一批引入SAP系统的企业,在随后的十年时间里,公司的业务系统建设主要围绕着SAP构建,实现了系统化改造的初步目标。
随着新零售时代的到来,线上和线下业务开始融合,我们在2018年开始全面启动中台战略,借鉴阿里的经验,将过去十年建设的业务系统升级为多套中台系统,涉及业务中台、财务中台和营销中台等等。
然而,伴随着数字化体系的基本建立,我们亦遭遇了一系列新兴挑战。尽管数据体系已搭建完善,但公司在拥有能够深入理解和有效运用这些数据的人才储备上仍显不足。
![](https://gbres.dfcfw.com/Files/iimage/20240715/8A71C7EBE054E7A5DF19ACF9951ADED7_w640h427.jpg)
所以,来伊份特别重视对三类关键人才的选拔和培养:业务专家、技术人才和数字化人才。这一人才策略旨在确保中台系统中的各个业务模块,能够通过他们得到有效管理和运用。
在2020年,来伊份成功上线了供应链中台,并与第四范式进行合作,引入了智能化技术,通过利用大数据模型进行预测分析。
然而,当时所面临的一个挑战就是算法模型参数的复杂度较高,这导致效果的改善需要不断地迭代,当数据出现误差时,模型的可解释性较弱,这使得业务团队难以精确控制模型,并产生了一定的畏难情绪,从而对项目的推动产生了影响。
数字化转型是一项系统性且循序渐进的过程。初始阶段,企业可采取基础性的线性模型,对日常实践中累积的丰富经验进行有序的整理、有效的应用与深入的沉淀。随着数字化程度的不断加深和能力的持续提升,企业将逐步具备应对并高效运用更为复杂算法和模型的能力。
作为连锁专卖领域的经营者,我们深知参数设置错误的风险代价非常高。因此,从商品管理、库存管控到物流服务,我们为每个中台业务模型都配备了专门的团队负责,确保在整个从系统化向数字化转型升级的过程中,每一个环节中都有对应的组织,并且有能力去精准地控制并驾驭复杂的模型算法参数,这是提升工作效率的基石。
目前,我们正积极探索向智能化领域更深层次的转型,以与腾讯合作为例,公司力求在智能化领域取得新的突破。
总的来说,我认为数字化首先是一个工具,其关键目的在于为企业创造实际价值,要警惕过度追求数字化,因为这可能会导致组织结构过于庞大,反而降低效率。
尤其是在企业实现中台化之后,对于中台“大脑”的要求是非常高的,这通常需要前台业务专家输出策略,确保选品逻辑、定价策略和营销手段在不同的单元里都能保持必要的差异化。
目前,智能化应用主要集中在设计和内容生成领域。未来,我们计划在营销策略的人群包选择、产品匹配以及精准推荐方面加大试点力度,我们的目标是从用户层面出发,尽可能减少决策失误,更好地满足市场和消费者的需求。
![](https://gbres.dfcfw.com/Files/iimage/20240715/F7732921DD8860D5B8F3CC51C5A3E956_w640h178.png)
Flywheel飞未快消负责人卢舜:我从数字营销和新品创新的层面来聊聊我们的一些观察和实践吧。
在过去和很多品牌交流的过程中,我都会被问到一个问题:在各大电商平台上,无论是货架电商还是兴趣电商,新品的贡献都是非常显著的,那么怎么找到好的趋势、发现蓝海赛道,进而找准研发方向?
创新的选择看似非常丰富,但在这其中也会遇到诸多挑战。我们将新品创新分成了四个环节——初筛金点子、研发雏形、打磨测试、新品运营。
![](https://gbres.dfcfw.com/Files/iimage/20240715/02B128969DD7BE43C1C49679CBD59DCC_w640h425.png)
新品创新遇到的第一个难题是,各类创意层出不穷,社媒热点五花八门,如何筛选掉昙花一现的趋势,留下具有长远商业价值的趋势?
第二个难题是,有了新品雏形之后,品牌做的一些用户测试,获得的又是小数据、小样本,无法验证新品是否能够开拓一个足够有潜力的市场。
第三个难题是,新品上市之后,需要在上亿量级的市场中与对手竞争,如何通过精准运营来脱颖而出呢?
借助AIGC的浪潮,结合Flywheel飞未自有的新品数据库,我们推出了「智能问数」工具,让数据洞察的获取不再困难。
通过与「智能问数」的对话,我们可以像咨询一个行业专家一样,轻松快速地了解到行业目前表现、市场热门的趋势,将海量数据转化为任何人都可理解的数据洞察。
以近期大热的无糖茶赛道为例,借助实时完整的数据库和丰富的数据工具,我们可以持续追踪新品的效果,优化运营策略。
比如,我们发现以大包装和系列新口味上新为主,复合茶因其口味丰富更受欢迎,纯茶依靠乌龙茶带飞;
同时,多数概念持续提升,健康、性价比、减肥作为主流概念可持续发展,规格多元化、悦己长线、品质等概念高增速的背后反映了消费者既要又要的心态;
在社媒平台,无糖茶的社媒讨论热度逐年攀升,健康、悦己尝鲜、品质为主要关注热点,无糖茶+更多日常生活场景吸引年轻人群关注尝鲜。
AI可以帮助人工扫描更大的数据量级和更快提取有效信息,这个对新品创新来说是非常有用的。
![](https://gbres.dfcfw.com/Files/iimage/20240715/C0B4A816BA7C9176174581D3BB427ADE_w640h178.png)
好特卖联合创始人张宁:大家都比较关注AI、数字化究竟能为企业解决哪些问题,以及能降哪些成本。
我观察到的是,AI可以处理那些人力难以完成的任务,比如刚才提到的医疗领域,需要海量的知识积累,这不是通过人力就能弥补的。
对好特卖来说,定价也是一件人干不了的事情。在传统渠道里,持续卖同一款水,价格就可被参考,但好特卖的买手每天见到的是卖场里从未出现过的商品,怎么定价才能吸引消费者,这凭人脑很难定义。
当然,这其中也涉及到反腐问题,因为尾货价格浮动区间较大,从免费到批发价都有可能,买手可能低价收购,但高价上报,私吞差价。
还有一个难题是,这批货500箱,那批货20000箱,如何分配给前端900家门店。
所以,好特卖在做数字化的时候,不谈感情,也不谈所谓的主观认知,只看什么地方需要它起作用。具体做法上,就是通过数据模型的不断训练,形成最终的算法。
![](https://gbres.dfcfw.com/Files/iimage/20240715/43A8738771355F02C2BF27E3A3632F30_w640h423.png)
比如商品的定价,基本数据来源于各种信息,包括其他渠道的定价、品牌影响力、过往类目的动销数据、价格带、包装、重量、保质期等等。基于我们过去销售的十几万种商品的数据以及消费者点评,构成最终的算法模型。
所以,数字化不是替代人,而是超越人。
但AI的潜力还不止于此,以往我们觉得它擅长客观理性的计算,实际上它已经先进到能够撩拨情绪。
在人际交往中,我们往往容易创造负面情绪,看了再多的心理学短视频,依然不知道如何跟太太沟通,但AI知道。
这种能力是更高级的,超越了简单的提效,而是在创造情绪、制造商机。比如,消费者进好特卖前根本不知道自己要买什么,更多是情绪消费,“这个品我在直播里看到了,但当时没买,你这有,我买来试试”,“你怎么有这个,很有趣,买一个”。
所以,我觉得未来更重要的方向不是用AI提效,而是用AI创造。
本文作者可以追加内容哦 !