大模型时代，零售消费企业如何用数智化出奇制胜？

在“2024年中国CIO数字策略大会”上，天润融通消费零售行业顾问颜欣欣发表了《大模型实践分享：基于客户感知的消费者洞察》主题演讲。

这场由国内领先科技产业资本研究平台第一新声主办的年度盛会，聚集了众多顶尖企业的CIO。

颜欣欣详细阐述了大模型时代零售消费企业的数智化制胜策略。

近年来，零售行业面临多重挑战：数字化转型、技术迭代、经济波动和客户需求变化。尽管如此，许多企业仍展现出强大的适应力和创新智慧。

随着AI等尖端技术的发展，零售业迎来了生产力提升和客户中心化的新阶段。

企业需要思考：如何通过一流的服务和差异化策略，基于客户数据，留住客户？

01 AI时代，如何在存量市场差异化胜出？

1. 存量时代：回归商业本质，以用户价值为核心

“流量红利”逐渐消逝，成本不断上升。市场已完全变为“存量竞争”。

消费零售业的数字化转型方向也随之转变。企业不仅需要拓展营销渠道和触点，更需要推进上下游精细化运营，实现降本增效。

经济环境不确定性带来压力，消费者更倾向于追求高质低价的产品。这促使企业必须回归商品运营的本质，始终以用户价值为中心。

2. 大模型和生成式AI正成为零售增长新动力

英伟达的一项调查显示：收集了全球400多名专业人士的反馈，深入分析AI在零售业的现状。

调查结果：69%的受访者认为AI对其年收入增长做出了贡献，72%的人认为AI降低了运营成本。

首席级高管报告的结果更为强劲：57%的高管表示AI推动了年收入增长，运营成本降低15%以上。

作为AI的子类，生成式AI更受零售企业关注。根据麦肯锡测算，生成式AI每年会对零售和CPG行业产生4000至6600亿美元的潜在影响。

02 基于大模型建立“双重客服”，重构零售新景象

1. 内外兼顾的双重客服体系，沉淀客户之声

传统观念中，客服通常被理解为面向C端消费者的服务。但消费零售领域后端庞大的上下游产业链，包括经销商、门店等环节的运营效率，同样直接影响用户体验。

物流配送的及时性、线下门店的服务质量，都是影响消费者满意度的重要因素。

为提升整体客户服务，零售企业需要针对整个客户服务链路进行更细化的场景分割。

• 对外：洞察客户需求，在细分市场提供个性化产品及服务，把多个小场景汇成大机会。
• 对内：打通业务流程，利用数字化工具提高决策效率，通过数据分析挖掘增长点。

2. 基于大模型建立数智化服务能力

零售企业在客户感知方面长期面临诸多痛点：

• 数据获取挑战：全面而真实地获取分散各地的联系数据较为困难。尽管企业可以通过各种渠道获取数据，但操作中仍存在不少障碍。
• 内部协同效率和客户满意度低：过去解决用户问题（包括B端用户）只能依赖人工点对点对话，内部缺乏统一的联络平台实现信息交互。协同处理问题时往往采用单独流程，导致效率低下，难以满足客户满意度。
• 数据处理难题：传统大数据分析主要依赖易于处理的结构化数据，如消费者的购买记录。对于分散且不易结构化的非结构化数据，如何真实反映消费者意愿并从中提取价值，一直是个难题。
• 数据价值转化：将洞察数据反馈至前端业务部门，形成持续优化的PDCA循环，并提供指导性建议，是实现数据价值转化的关键。但很多企业并不具备全面优化能力，无法将数据成果转化为实际业务价值。

大模型诞生后，所有业务都可以用AI重构：

• 洞察能力的提升：在大模型支持下，企业能对客户投诉进行有效分级，快速识别常见问题，洞察客户的真实意图和情绪。通过为客户打上精准标签，并对负面反馈深入分析，企业甚至能预见潜在的商业机会。这让企业在降低人力成本的基础上，更准确地捕捉和理解“客户心声”。
• 解决能力的优化：通过智能助手，企业能自动派单和回访，知识沉淀也更加自动化和智能化，从而反哺到AI自助服务和人工服务，形成完整闭环，真正实现“所有业务用AI重构”。
• 感知能力的增强：大模型不仅能高效处理电话、邮件等传统客户触点，还能灵活管理和触达社交媒体、移动应用等新兴平台，构建起全面的客户接触感知网络。这使得企业能更全面地洞察客户的行为模式和偏好，提供更个性化和精准的客户服务。

03 行业案例分析

结合零售行业数字化转型趋势，以及大模型在数据洞察能力上的演进，天润融通目前已在诸多零售企业业务场景中落地实践，赋能企业实现有效增长。

案例1：上交所上市零售品牌

作为综合性农业产业化的领军企业，该公司业务涵盖奶牛养殖、乳制品与烘焙食品生产，以及连锁门店经营。拥有2000多家门店，采取加盟与直营并行的运营模式。

企业希望提高客户服务和门店运营效率，同时满足B端加盟商和C端消费者的需求。

• B端加盟商需要解决系统、POS机及配货问题。
• C端消费者关注投诉、咨询和会员服务。
• 企业内部：希望提升超过10000名员工的内部服务流程效率，特别是日常办公和报销等基础事务的协作效率和员工满意度。

为实现目标，企业采取以下措施：

• 采用全媒体入口，提供在线电话和B端业务系统入口，方便与总部联络。
• 通过工单系统实现线上线下轻量化流转和精细化管理，业务系统与工单系统关联，使用户基于订单发起的问题在工单流中清晰呈现。
• 利用大模型构建面向客户服务和咨询的知识库，基于历史会话记录和企业文档抽取知识，轻松构建知识图谱。
• 通过RPA等技术抓取第三方平台评价，进行会话分析，再生成工单流转到责任部门，为产品改进提供数据支撑。

最终效果：转人工率下降46.1%，客户满意度提升27.3%，工单处理时长减少31.2%。

案例2：全球100强啤酒品牌

该企业在亚太地区拥有超过2万名员工。由于人员机构臃肿，内部运营效率一直不高。

尽管企业内部部署了众多IT系统和文档，但IT支持团队人力有限，难以满足庞大员工群体的系统使用和咨询需求，造成服务响应缓慢。

管理上的不连贯也导致用户投诉处理延迟，经销商和门店难以获得及时的咨询支持。

企业希望引入大语言模型的知识管理功能，整合内部制度文档、产品资料及历史数据，丰富机器人的语料库，生成贴近客户真实对话的内容，从而提高自动化服务效率。

此外，大模型还被应用于客户服务部门，服务对象涵盖C端消费者、经销商及区域销售人员。

面对非直营门店，企业通过大模型有效捕捉一线客户的真实反馈，弥补了直接接触客户的不足。

在未扩充团队规模的前提下，企业成功支撑了所有内部系统，显著提升了用户体验。通过大模型分析用户反馈，企业能更高效地优化服务流程，实现了服务效率的全面提升。

04 结语

从增强客户体验到优化运营流程和库存管理，大模型和人工智能正成为零售和消费企业在存量市场竞争中保持竞争力的强大工具。

持续创新与技术融合已成为必然趋势，推动企业不断进步。

构建一个以客户为中心的智能零售生态，不仅能提升客户体验，还能优化运营效率，实现个性化服务与精准营销，从而在激烈的市场竞争中保持领先地位。