近期，由國內領先的科技產業(yè)資本研究平臺第一新聲舉辦的“2024年中國CIO數字策略大會”在上海隆重舉行。

天潤融通消費零售行業(yè)顧問顏欣欣先生受邀參與此次大會，并發(fā)表了《大模型實踐分享:基于客戶感知的消費者洞察》主題演講。

近年來，零售行業(yè)面臨數字化轉型、技術迭代、經濟波動和客戶需求變化等挑戰(zhàn)。盡管如此，許多企業(yè)依然展現出強大的適應力和創(chuàng)新智慧。當下，隨著AI等尖端技術的發(fā)展，零售業(yè)迎來了生產力提升和客戶中心化的新階段。企業(yè)需要思考如何通過一流的服務和差異化策略，基于客戶數據，留住客戶。

在國內頂尖企業(yè)CIO齊聚的年度盛會上，天潤融通闡述了大模型時代，零售消費企業(yè)的數智化制勝策略。

01 AI時代，如何在存量市場差異化勝出？

1、存量時代：回歸商業(yè)本質，以用戶價值為核心

在“流量紅利”逐漸消逝、成本不斷上升的背景下，市場已經完全變?yōu)椤按媪扛偁帯薄ＯM零售業(yè)的數字化轉型方向也發(fā)生了變化——企業(yè)不僅需要拓展營銷渠道和觸點，更需要推進上下游精細化運營，以實現降本增效。

在經濟環(huán)境不確定性的壓力下，消費者也更傾向于追求高質低價的產品，這促使企業(yè)必須回歸商品運營的本質，始終以為用戶提供價值為中心。

2、大模型和生成式AI正成為零售增長新動力

為了更深入地了解 AI 在零售業(yè)的現狀，英偉達開展了一項調查，收集了全球 400 多名專業(yè)人士的反饋。

調查顯示，69%的受訪者認為AI 對其年收入增長做出了貢獻。72% 的人認為 AI 降低了運營成本。首席級高管報告的結果更為強勁，其中 57% 的高管表示AI 推動了年收入增長，運營成本降低15% 以上。

生成式 AI 作為 AI 的子類，更是備受零售企業(yè)關注。根據麥肯錫相關報告，生成式 AI 機會每年會對零售和 CPG 行業(yè)產生 4000 – 6600 億美元的潛在影響。

02 基于大模型建立“雙重客服”，重構零售新景象

1、內外兼顧的雙重客服體系，沉淀客戶之聲

在傳統(tǒng)觀念中，客服被普遍認為是面向C端消費者的一項服務。然而，消費零售領域后端龐大的上下游產業(yè)鏈，包括經銷商、門店等環(huán)節(jié)的運營效率一樣直接關系到用戶體驗。例如，物流配送的及時性以及線下門店的服務質量等都是影響消費者滿意度的重要因素。

為了提升整體客戶服務，零售企業(yè)需要針對整個客戶服務鏈路進行更為細化的場景分割。對外，企業(yè)要洞察客戶需求，在細分市場提供個性化產品及服務，將多個小場景匯成大機會。對內，要將業(yè)務流程打通，利用數字化工具提高決策效率，通過數據分析挖掘增長點。

2、基于大模型建立數智化服務能力

零售企業(yè)在客戶感知方面長期以來都面臨諸多難點：

• 數據獲取挑戰(zhàn)

全面而真實地獲取分散各地的聯系數據較為困難。盡管企業(yè)可以通過各種渠道獲取數據，但操作中仍存在諸多障礙。

• 內部協(xié)同效率和客戶滿意度低

過去，企業(yè)解決用戶問題（包括B端用戶）只能依賴人工點對點對話，內部缺乏統(tǒng)一的聯絡平臺來實現信息交互。此外，企業(yè)協(xié)同處理問題時，往往采用單獨流程，導致效率低下，難以滿足客戶滿意度。

• 數據處理難題

傳統(tǒng)大數據分析主要依賴于易于處理的結構化數據，如消費者的購買記錄。而對于分散且不易結構化的非結構化數據，如何真實反映消費者意愿并從中提取價值，一直是個難題。

• 數據價值轉化

將洞察數據反饋至前端業(yè)務部門，形成持續(xù)優(yōu)化的PDCA循環(huán)，并能提供指導性建議，是實現數據價值轉化的關鍵。但很多企業(yè)在數據收集、分析和應用方面都不具備全面優(yōu)化能力，無法將數據成果轉化為實際業(yè)務價值。

大模型誕生后，所有業(yè)務都可以用AI重構：

• 洞察能力的提升

在大模型的支持下，企業(yè)能夠對客戶投訴進行有效分級，快速識別常見問題，洞察客戶的真實意圖和情緒。通過為客戶打上精準標簽，并對負面反饋進行深入分析，企業(yè)甚至能夠預見潛在的商業(yè)機會。這讓企業(yè)在降低人力成本的基礎上，能更準確地捕捉和理解“客戶心聲”。

• 解決能力的優(yōu)化

通過智能助手，企業(yè)能夠自動派單和回訪，知識沉淀也變得更加自動化和智能化，從而反哺到AI自助服務和人工服務，形成完整閉環(huán)，并實現了“所有業(yè)務用AI重構”。

• 感知能力的增強

大模型不僅能夠高效地處理電話、郵件等傳統(tǒng)客戶觸點，還能靈活地管理和觸達社交媒體、移動應用等新興平臺，構建起全面的客戶接觸感知網絡。這使得企業(yè)能夠更全面洞察客戶的行為模式和偏好，從而提供更個性化和精準的客戶服務。

03 行業(yè)案例分析

結合零售行業(yè)數字化轉型趨勢，及大模型在數據洞察能力的演進，天潤融通目前已經在諸多零售企業(yè)業(yè)務場景中有落地實踐，賦能企業(yè)實現有效增長。

案例1：上交所上市零售品牌

作為綜合性農業(yè)產業(yè)化的領軍企業(yè)，該公司業(yè)務涵蓋奶牛養(yǎng)殖、乳制品與烘焙食品生產，以及連鎖門店經營。擁有2000多家門店，采取加盟與直營并行的運營模式。

企業(yè)希望提高客戶服務和門店運營效率，同時滿足B端加盟商和C端消費者的需求。B端加盟商需解決系統(tǒng)、POS機及配貨問題，C端消費者關注投訴、咨詢和會員服務。此外，企業(yè)亦尋求提升員工超10000人的內部服務流程效率，特別是日常辦公和報銷等基礎事務的協(xié)作效率和員工滿意度。

為實現這些目標，企業(yè)首先采用了全媒體入口，提供在線電話和B端業(yè)務系統(tǒng)入口，方便與總部聯絡。其次，通過工單系統(tǒng)實現線上線下輕量化流轉和精細化管理，業(yè)務系統(tǒng)與工單系統(tǒng)關聯，使用戶基于訂單發(fā)起的問題在工單流中清晰呈現。

第三，利用大模型構建面向客戶服務和咨詢的知識庫，基于歷史會話記錄和企業(yè)文檔抽取知識便可輕松構建知識圖譜。第四，通過RPA等技術抓取第三方平臺評價，進行會話分析，再生成工單流轉到責任部門，為產品改進提供數據支撐。

最終，企業(yè)轉人工率下降了46.1%，客戶滿意度提升了27.3%，工單處理時長減少了31.2%。

案例2：全球100強啤酒品牌

該企業(yè)在亞太地區(qū)擁有超過2萬名員工，由于人員機構臃腫，面臨內部運營效率不高的問題。

盡管企業(yè)內部部署了眾多IT系統(tǒng)和文檔，但由于IT支持團隊人力有限，難以滿足龐大員工群體的系統(tǒng)使用和咨詢需求，造成服務響應緩慢。此外，管理上的不連貫也導致用戶投訴處理延遲，經銷商和門店難以獲得及時的咨詢支持。

企業(yè)希望引入大型語言模型的知識管理功能，整合內部制度文檔、產品資料及歷史數據，以豐富機器人的語料庫，生成貼近客戶真實對話的內容，從而提高自動化服務的效率。

此外，大模型還被應用于客戶服務部門，服務對象涵蓋C端消費者、經銷商及區(qū)域銷售人員。面對非直營門店，企業(yè)通過大模型有效捕捉一線客戶的真實反饋，彌補了直接接觸客戶的不足。

在未擴充團隊規(guī)模的前提下，企業(yè)成功支撐了所有內部系統(tǒng)，顯著提升了用戶體驗。通過大模型分析用戶反饋，企業(yè)能夠更高效地優(yōu)化服務流程，實現了服務效率的全面提升。

04 結語

從增強客戶體驗到優(yōu)化運營流程和庫存管理，大模型和人工智能正成為零售和消費企業(yè)在存量市場競爭中保持競爭力的強大工具。持續(xù)創(chuàng)新與技術融合已成為必然趨勢，推動企業(yè)不斷進步。

構建一個以客戶為中心的智能零售生態(tài)，不僅能夠提升客戶體驗，還能優(yōu)化運營效率，實現個性化服務與精準營銷，從而在激烈的市場競爭中保持領先地位。