近期，由國內(nèi)領(lǐng)先的科技產(chǎn)業(yè)資本研究平臺第一新聲舉辦的“2024年中國CIO數(shù)字策略大會”在上海隆重舉行。

天潤融通消費(fèi)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(shí)踐分享:基于客戶感知的消費(fèi)者洞察》主題演講。

近年來，零售行業(yè)面臨數(shù)字化轉(zhuǎn)型、技術(shù)迭代、經(jīng)濟(jì)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(xiàn)出強(qiáng)大的適應(yīng)力和創(chuàng)新智慧。當(dāng)下，隨著AI等尖端技術(shù)的發(fā)展，零售業(yè)迎來了生產(chǎn)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(wù)和差異化策略，基于客戶數(shù)據(jù)，留住客戶。

在國內(nèi)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(fèi)企業(yè)的數(shù)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(zhì)，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(jīng)完全變?yōu)椤按媪扛偁帯?。消費(fèi)零售業(yè)的數(shù)字化轉(zhuǎn)型方向也發(fā)生了變化——企業(yè)不僅需要拓展?fàn)I銷渠道和觸點(diǎn)，更需要推進(jìn)上下游精細(xì)化運(yùn)營，以實(shí)現(xiàn)降本增效。

在經(jīng)濟(jì)環(huán)境不確定性的壓力下，消費(fèi)者也更傾向于追求高質(zhì)低價的產(chǎn)品，這促使企業(yè)必須回歸商品運(yùn)營的本質(zhì)，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(xiàn)狀，英偉達(dá)開展了一項(xiàng)調(diào)查，收集了全球 400 多名專業(yè)人士的反饋。

調(diào)查顯示，69%的受訪者認(rèn)為AI 對其年收入增長做出了貢獻(xiàn)。72% 的人認(rèn)為 AI 降低了運(yùn)營成本。首席級高管報告的結(jié)果更為強(qiáng)勁，其中 57% 的高管表示AI 推動了年收入增長，運(yùn)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(guān)注。根據(jù)麥肯錫相關(guān)報告，生成式 AI 機(jī)會每年會對零售和 CPG 行業(yè)產(chǎn)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(gòu)零售新景象

1、內(nèi)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(rèn)為是面向C端消費(fèi)者的一項(xiàng)服務(wù)。然而，消費(fèi)零售領(lǐng)域后端龐大的上下游產(chǎn)業(yè)鏈，包括經(jīng)銷商、門店等環(huán)節(jié)的運(yùn)營效率一樣直接關(guān)系到用戶體驗(yàn)。例如，物流配送的及時性以及線下門店的服務(wù)質(zhì)量等都是影響消費(fèi)者滿意度的重要因素。

為了提升整體客戶服務(wù)，零售企業(yè)需要針對整個客戶服務(wù)鏈路進(jìn)行更為細(xì)化的場景分割。對外，企業(yè)要洞察客戶需求，在細(xì)分市場提供個性化產(chǎn)品及服務(wù)，將多個小場景匯成大機(jī)會。對內(nèi)，要將業(yè)務(wù)流程打通，利用數(shù)字化工具提高決策效率，通過數(shù)據(jù)分析挖掘增長點(diǎn)。

2、基于大模型建立數(shù)智化服務(wù)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(diǎn)：

數(shù)據(jù)獲取挑戰(zhàn)

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

內(nèi)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(diǎn)對點(diǎn)對話，內(nèi)部缺乏統(tǒng)一的聯(lián)絡(luò)平臺來實(shí)現(xiàn)信息交互。此外，企業(yè)協(xié)同處理問題時，往往采用單獨(dú)流程，導(dǎo)致效率低下，難以滿足客戶滿意度。

數(shù)據(jù)處理難題

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

數(shù)據(jù)價值轉(zhuǎn)化

將洞察數(shù)據(jù)反饋至前端業(yè)務(wù)部門，形成持續(xù)優(yōu)化的PDCA循環(huán)，并能提供指導(dǎo)性建議，是實(shí)現(xiàn)數(shù)據(jù)價值轉(zhuǎn)化的關(guān)鍵。但很多企業(yè)在數(shù)據(jù)收集、分析和應(yīng)用方面都不具備全面優(yōu)化能力，無法將數(shù)據(jù)成果轉(zhuǎn)化為實(shí)際業(yè)務(wù)價值。

大模型誕生后，所有業(yè)務(wù)都可以用AI重構(gòu)：

洞察能力的提升

在大模型的支持下，企業(yè)能夠?qū)蛻敉对V進(jìn)行有效分級，快速識別常見問題，洞察客戶的真實(shí)意圖和情緒。通過為客戶打上精準(zhǔn)標(biāo)簽，并對負(fù)面反饋進(jìn)行深入分析，企業(yè)甚至能夠預(yù)見潛在的商業(yè)機(jī)會。這讓企業(yè)在降低人力成本的基礎(chǔ)上，能更準(zhǔn)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(wù)和人工服務(wù)，形成完整閉環(huán)，并實(shí)現(xiàn)了“所有業(yè)務(wù)用AI重構(gòu)”。

感知能力的增強(qiáng)

大模型不僅能夠高效地處理電話、郵件等傳統(tǒng)客戶觸點(diǎn)，還能靈活地管理和觸達(dá)社交媒體、移動應(yīng)用等新興平臺，構(gòu)建起全面的客戶接觸感知網(wǎng)絡(luò)。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(zhǔn)的客戶服務(wù)。

03 行業(yè)案例分析

結(jié)合零售行業(yè)數(shù)字化轉(zhuǎn)型趨勢，及大模型在數(shù)據(jù)洞察能力的演進(jìn)，天潤融通目前已經(jīng)在諸多零售企業(yè)業(yè)務(wù)場景中有落地實(shí)踐，賦能企業(yè)實(shí)現(xiàn)有效增長。

案例1：上交所上市零售品牌

作為綜合性農(nóng)業(yè)產(chǎn)業(yè)化的領(lǐng)軍企業(yè)，該公司業(yè)務(wù)涵蓋奶牛養(yǎng)殖、乳制品與烘焙食品生產(chǎn)，以及連鎖門店經(jīng)營。擁有2000多家門店，采取加盟與直營并行的運(yùn)營模式。

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

為實(shí)現(xiàn)這些目標(biāo)，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(wù)系統(tǒng)入口，方便與總部聯(lián)絡(luò)。其次，通過工單系統(tǒng)實(shí)現(xiàn)線上線下輕量化流轉(zhuǎn)和精細(xì)化管理，業(yè)務(wù)系統(tǒng)與工單系統(tǒng)關(guān)聯(lián)，使用戶基于訂單發(fā)起的問題在工單流中清晰呈現(xiàn)。

第三，利用大模型構(gòu)建面向客戶服務(wù)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(gòu)建知識圖譜。第四，通過RPA等技術(shù)抓取第三方平臺評價，進(jìn)行會話分析，再生成工單流轉(zhuǎn)到責(zé)任部門，為產(chǎn)品改進(jìn)提供數(shù)據(jù)支撐。

最終，企業(yè)轉(zhuǎn)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(qiáng)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(jī)構(gòu)臃腫，面臨內(nèi)部運(yùn)營效率不高的問題。

盡管企業(yè)內(nèi)部部署了眾多IT系統(tǒng)和文檔，但由于IT支持團(tuán)隊(duì)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(wù)響應(yīng)緩慢。此外，管理上的不連貫也導(dǎo)致用戶投訴處理延遲，經(jīng)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(nèi)部制度文檔、產(chǎn)品資料及歷史數(shù)據(jù)，以豐富機(jī)器人的語料庫，生成貼近客戶真實(shí)對話的內(nèi)容，從而提高自動化服務(wù)的效率。

此外，大模型還被應(yīng)用于客戶服務(wù)部門，服務(wù)對象涵蓋C端消費(fèi)者、經(jīng)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(shí)反饋，彌補(bǔ)了直接接觸客戶的不足。

在未擴(kuò)充團(tuán)隊(duì)規(guī)模的前提下，企業(yè)成功支撐了所有內(nèi)部系統(tǒng)，顯著提升了用戶體驗(yàn)。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(wù)流程，實(shí)現(xiàn)了服務(wù)效率的全面提升。