天润融通:大模型与生成式AI的融合,开辟零售增长新路径

图片

大模型时代,零售消费企业如何用数智化出奇制胜。

近期,由国内领先的科技产业资本研究平台第一新声举办的“2024年中国CIO数字策略大会”在上海隆重举行。

天润融通消费零售行业顾问颜欣欣先生受邀参与此次大会,并发表了《大模型实践分享:基于客户感知的消费者洞察》主题演讲。

图片

近年来,零售行业面临数字化转型、技术迭代、经济波动和客户需求变化等挑战。尽管如此,许多企业依然展现出强大的适应力和创新智慧。当下,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。

在国内顶尖企业CIO齐聚的年度盛会上,天润融通阐述了大模型时代,零售消费企业的数智化制胜策略。

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

在“流量红利”逐渐消逝、成本不断上升的背景下,市场已经完全变为“存量竞争”。消费零售业的数字化转型方向也发生了变化——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,以实现降本增效。

图片

在经济环境不确定性的压力下,消费者也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,始终以为用户提供价值为中心。

2、大模型和生成式AI正成为零售增长新动力

为了更深入地了解 AI 在零售业的现状,英伟达开展了一项调查,收集了全球 400 多名专业人士的反馈。

图片

调查显示,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,其中 57% 的高管表示AI 推动了年收入增长,运营成本降低15% 以上。

图片

生成式 AI 作为 AI 的子类,更是备受零售企业关注。根据麦肯锡相关报告,生成式 AI 机会每年会对零售和 CPG 行业产生 4000 - 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

在传统观念中,客服被普遍认为是面向C端消费者的一项服务。然而,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一样直接关系到用户体验。例如,物流配送的及时性以及线下门店的服务质量等都是影响消费者满意度的重要因素。

为了提升整体客户服务,零售企业需要针对整个客户服务链路进行更为细化的场景分割。对外,企业要洞察客户需求,在细分市场提供个性化产品及服务,将多个小场景汇成大机会。对内,要将业务流程打通,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以来都面临诸多难点:

  • 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,但操作中仍存在诸多障碍。

  • 内部协同效率和客户满意度低

过去,企业解决用户问题(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来实现信息交互。此外,企业协同处理问题时,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于易于处理的结构化数据,如消费者的购买记录。而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,并能提供指导性建议,是实现数据价值转化的关键。但很多企业在数据收集、分析和应用方面都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

在大模型的支持下,企业能够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,并对负面反馈进行深入分析,企业甚至能够预见潜在的商业机会。这让企业在降低人力成本的基础上,能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,企业能够自动派单和回访,知识沉淀也变得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,并实现了“所有业务用AI重构”。

  • 感知能力的增强

大模型不仅能够高效地处理电话、邮件等传统客户触点,还能灵活地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。这使得企业能够更全面洞察客户的行为模式和偏好,从而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,及大模型在数据洞察能力的演进,天润融通目前已经在诸多零售企业业务场景中有落地实践,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。此外,企业亦寻求提升员工超10000人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。

为实现这些目标,企业首先采用了全媒体入口,提供在线电话和B端业务系统入口,方便与总部联络。其次,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。

第三,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便可轻松构建知识图谱。第四,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,企业转人工率下降了46.1%,客户满意度提升了27.3%,工单处理时长减少了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,面临内部运营效率不高的问题。

尽管企业内部部署了众多IT系统和文档,但由于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。此外,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。

企业希望引入大型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,以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的效率。

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,企业能够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,不仅能够提升客户体验,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。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/670180.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

RabbitMQ一、RabbitMQ的介绍与安装(docker)

一、RabbitMQ相关名词解释 MQ MQ全称Message Queue(消息队列),是在消息的传输过程中保存消息的容器。 多用于系统之间的异步通信。 常见的两种通信方式: 同步通信:同步通信相当于两个人当面对话,你一言我…

神经网络算法详解与前沿探索

神经网络算法详解与前沿探索 随着人工智能技术的迅猛发展,神经网络成为机器学习领域的重要组成部分,广泛应用于图像识别、自然语言处理和推荐系统等。本文将详细探讨神经网络的基本原理、结构、训练过程及其应用实例,并扩展至更多相关领域和…

虚拟机ubuntu中docker容器端口无法转发可能的一个问题

今天发现一个奇怪的问题。 在vmware里面的Ubuntu虚拟机,不知道为啥docker转发一直不成功。 看了半天,无论是docker ps的进程状态,netstat的端口状态,和iptables的转发链接都是没问题了。 然后我就ifconfig看了一下虚拟机的Ip&…

第四范式Q1业务进展:驰而不息 用科技锻造不朽价值

5月28日,第四范式发布今年前三个月的核心业务进展,公司坚持科技创新,业务稳步拓展,用人工智能为千行万业贡献价值。 今年前三个月,公司总收入人民币8.3亿元,同比增长28.5%,毛利润人民币3.4亿元&…

Python | Leetcode Python题解之第126题单词接龙II

题目: 题解: class Solution:def findLadders(self, beginWord: str, endWord: str, wordList: List[str]) -> List[List[str]]:ans []if endWord not in wordList:return anssize len(beginWord)cur_word_set {beginWord}ws set(wordList)# 用于…

Apache Superset:数据可视化的现代开源解决方案

Superset: 洞察数据,一目了然- 精选真开源,释放新价值。 概览 Apache Superset 是一个由 Apache 软件基金会支持的开源数据可视化和数据探索平台。它允许用户以直观的方式构建丰富的数据报告和仪表板,支持从多种数据源中提取数据…

Houdini的PythonScript基本使用

前言 Houdini内置了Python脚本和相应的编辑器, 很多时候想灵活的制作各种Houdini工具, 基本是必须用到 Python。Houdini官方的python提供了非常完善的接口, 比如可以创建各种节点,连接各种节点,遍历节点各种数据,遍历节点参数等等。 Houdin…

Ubuntu server 24 (linux) 安装 ClamAV 防病毒软件 配置和使用教程

一 ClamAV是一个开源的防病毒引擎,用于检测木马,病毒,恶意软件和其他 恶意威胁。 官网地址 二 安装 1 开始安装 sudo apt update sudo apt install clamav clamav-daemon #查看版本 snort$ clamscan -V ClamAV 1.0.5/27292/Fri May 31 …

11.3 冒泡排序

目录 11.3 冒泡排序 11.3.1 算法流程 11.3.2 效率优化 11.3.3 算法特性 11.3 冒泡排序 冒泡排序(bubble sort)通过连续地比较与交换相邻元素实现排序。这个过程就像气泡从底部升到顶部一样,因此得名冒泡排序。 如图 11-4 所示…

数据的表示和运算

目录 一.各进制间的相互转换 1.各进制转化为10进制 2.二进制和八进制,十六进制之间地相互转化 3.十进制转换为其他进制 二.BCD码(Binary-Coded Decimal,用二进制编码的十进制) 1.8421码 2.余3码 3.2421码 三.无符号整数 …

SpringMVC枚举类型字段处理

在日常的项目开发中经常会遇到一些取值范围固定的字段,例如性别、证件类型、会员等级等,此时我们可以利用枚举来最大程度减少字段的乱定义,统一管理枚举的值。 SpringMVC中对于枚举也有默认的处理策略: 对于RequestParam&#xf…

【用Python画画】六一儿童节画爱心

本文收录于 《Python编程入门》专栏,从零基础开始,分享一些Python编程基础知识,欢迎关注,谢谢! 文章目录 一、前言二、代码示例三、知识点梳理四、总结 一、前言 本文介绍如何使用Python的海龟画图工具turtle&#xf…

Redis 线程模型

Redis 线程模型 背景简介Redis 单线程客户端发起 Redis 请求命令的工作原理单线程面临的挑战及问题 Redis 多线程Redis v4.0 多线程命令Redis v6.0 多线程网络模型 总结 背景 随着年龄的增长,很多曾经烂熟于心的技术原理已被岁月摩擦得愈发模糊起来,技术…

DNS设置(linux)

1.配置dns需要现在/etc/sysconfig/network-scripts/目录下的ifcfg-ens33(后面数字也可能是其他的)中配置DNS 2.编辑/etc/resolv.conf文件,将上面网卡中加的dns服务器ip添加到此文件 vi /etc/resolv.conf重启网络配置 service network restart常用的dns的ip 国内…

Flutter-自定义可展开文本控件

Flutter 在移动开发中,常常需要处理一些长文本显示的场景,如何优雅地展示这些文本并允许用户展开和收起是一个常见的需求。在本文中,我将分享如何使用Flutter实现一个可展开和收起的文本控件。 效果 我们将实现一个可展开和收起的文本控件…

JVM学习-详解类加载器(二)

双亲委派机制 双亲委派优势 避免类的重复加载,确保一个类的全局唯一性 Java类随着它的类加载器一起具备了一种带有优先级的层次关系,通过这种层次关系可以避免类的重复加载,当父类已经加载了该类,就没有必要子ClassLoader再加载…

Three.js——tween动画、光线投射拾取、加载.obj/.mtl外部文件、使用相机控制器

个人简介 👀个人主页: 前端杂货铺 ⚡开源项目: rich-vue3 (基于 Vue3 TS Pinia Element Plus Spring全家桶 MySQL) 🙋‍♂️学习方向: 主攻前端方向,正逐渐往全干发展 &#x1…

低代码开发平台(Low-code Development Platform)的模块组成部分

低代码开发平台(Low-code Development Platform)的模块组成部分主要包括以下几个方面: 低代码开发平台的模块组成部分可以按照包含系统、模块、菜单组织操作行为等维度进行详细阐述。以下是从这些方面对平台模块组成部分的说明: …

计算机系统结构之FORK和JOIN

程序语言中用FORK语句派生并行任务,用JOIN语句对多个并发任务汇合。 FORK语句的形式为FORK m,其中m为新领程开始的标号。 JOIN语句的形式为JOIN n,其中n为并发进程的个数。 例1:给定算术表达式ZEA*B*C/DF经并行编译得到如下程序…

什么是 Redis 缓存?它解决了什么问题?怎么使用它?

前言 写在前面,让我们从 3 个问题开始今天的文章:什么是 Redis 缓存?它解决了什么问题?怎么使用它? 在笔者近 3 年的 Java 一线开发经历中,尤其是一些移动端、用户量大的互联网项目,经常会使用…