在消費行業，品牌、產品、渠道始終是主流敘事，技術鮮有人提及。
但不可否認，過去幾十年大多行業的變革底層都是技術驅動的，以渠道端為例，從電商革命、新零售革命，到推薦演算法帶來的短視訊和直播電商變革都是如此。而今天最讓人焦慮的可能就是AI了。
很多人都相信這會是一場革命，但它會以什麽樣的形式發生？消費企業應該以什麽樣的姿態應對和迎接變化？
從另一個側面來講，面對環境的內卷和消費者端的多元、分散，所帶來的怎麽降本增效，怎麽在前端做好行銷、在後端做好產品創新等等問題，數智化也被寄予厚望，但真正做好、用好的依然很少。
最近，在浪潮新消費舉辦的【消費企業如何深化破局·新浪潮年中閉門會】上，來自食品、美妝、寵物等領域的二十位品牌高層和投資人，於四大議題中，大家就消費行業在AI、數智化方面的探索與可能性展開了深度探討。
【2024新浪潮年中閉門會】參會嘉賓
在討論中，一個不可回避的話題浮出水面： 企業希望透過AI、數位的理性和穩定來替代人的不確定性，以此尋求經營的恒常和效率的提升，但結果果真能如同預料那般嗎？
無論是數位化的全面鋪開，還是AI ready的前沿探索，它們為企業帶來的變化遠不如預期那般劇烈。比如數位人直播，雖然新奇，卻始終未能帶來顛覆性的商業革命，讓我們不禁反思：是否人們對技術的期待過於超前？
有嘉賓提出了不一樣的觀點： 數位化並非簡單的人力替代，而是對人力資源的重新定義和整合。 因為如果機器演算法超出人力可控範圍，不僅無法實作降本增效的初衷，反而可能引發組織臃腫、效率滑坡的反作用。
這無疑是對「技術至上」論調的有力反駁。
更有嘉賓給出了進一步的論斷： 數位化，是超越人而非替代人。 這意味著，在推進數位化行程時，我們應當跳出對「替代人」的狹隘想象，轉而探索那些人力難以觸及的領域。比如，利用AI把握消費者的情緒波動，甚至透過它創造情緒、開辟新的商業藍海。
沒有逢場作戲，也沒有老生常談，這些立場鮮明、開誠布公的探討非常難得，不同視角下的結論也引人深思。浪潮新消費節選了其中部份精華內容，與嘉賓確認和脫敏後與更多創始人分享，希望對行業發展有所助益。
編輯 | 一 町
主持人： 今年AI和數智化的話題熱度居高不下，我們跟很多企業交流會發現大家對這方面都很感興趣、想了解，但往往都是幹瞪眼，不知道怎麽下手。
所以借今天這個機會，想跟大家交流一下在這方面的套用和探索， AI對消費行業到底產生了哪些影響？怎樣才能真正做好數智化？
高樟資本創始人範衛鋒： 如果把抖音算上，我們每個人其實都已經在深度使用AI了。
今天的AI牛逼在哪？佛教說如來「悉知悉見」，古人說「舉頭三尺有神明」，基督教說「人一絲一毫的動作和念頭都會被上帝感知」，演算法幾乎都做到了。
我最近一年也做了IP，能明顯感覺到：在直播間裏，你細微的心理活動，哪怕是看到一條彈幕很不爽的狀態都會被瞬間捕捉。 就像是有個上帝在俯瞰所有的直播間，並且精準無比地回應著一切。
所以進入AI時代後，也就只有一小撮有影響力的人能在抖音吃肉分時到一點湯，其他不掌握影響力的只是演算法的養料。
但今天，除了那些直播還債的以外，只有極少數的創始人能夠堅持自己做這件事。
因為大部份人辛苦磨練了一二十年，才有了抽象思考的能力，現在卻要在直播間和短視訊裏全部打破，用形象化的方式表述；好不容易學會了喜怒不形於色，現在卻要在鏡頭前釋放所有的情感。
這相當於是從經濟、社會形象、地位及表達方式等方面對自己過去一二十年積累的全盤否定。
所以，對那些在IP路上殺不出來的創始人，我總說你們對AI這位‘上帝’還不夠虔誠，還是把它當作一個工具，在評判使用者、吐槽演算法。你得徹底地匍匐在演算法面前，毫無保留地奉獻時間、精力和情感。
這是我這一年來跟眾多創始人交流後最深刻、最直觀的感受。
謙尋控股總裁趙冉：我們現在在做AI數位人，但跑的效果不是特別好，主要有兩種模式：一種是「阿凡達」，背後需要有個人；一種是直接編程生成人像。
但是動用大模型的成本很高，而且直播間，尤其是店鋪，相對來說並非開源的問答場景，所以沒必要采用第二種模式。
但第一種模式從理論上看，更多是作為降本的工具，指望它去徹底改變遊戲規則是很難的，哪怕是顛覆帶多品類的達人直播間都做不到。
所以，大家或許過於高估了AI的顛覆性。誠然，大家有時就是需要一些新的東西，但真正賺錢的機遇往往是技術產業逐漸成熟後慢慢出現的。
PETKIT小佩聯合創始人Shelley： 前兩天阿裏約我，因為它們上線了一套基於寵物視覺辨識的AI模型。
這事我們內部也討論了幾輪，我們的體感是：大模型的套用還是大公司的事，跟小公司沒什麽關系，我們可能更適合針對特定的小場景進行一些實用工具的部署。
道理很簡單，小公司提供不了訓練大模型所需的數據量級。
當然，對於平台型公司來說，推進這件事也會存在一些困難，比如怎樣確保訓練素材的合法合規。
福貝寵食聯合創始人黃莉： 數位化、智慧化離不開一個底層邏輯，即有大數據支撐。
為什麽福貝能建智慧工廠，是因為經過近20年的積累，裝置間的數據已經全部打通。很多東西都是建立在原有資料庫的基礎之上的，如果沒有沈澱的資料庫打底，想要實作就很難。
投建一個智慧工廠，成本是很高的，我不建議各位在沒有一定累計數據的時候就貿然沖進去，因為十有八九會失敗，等基礎條件成熟後，這反而是水到渠成的。
我再說一點我在行銷端的體會。
業內有人用包含超百萬病例的資料庫，歷時半年訓練出了一個問診AI，現在還挺專業的，誤差值也在逐漸縮小。這種技術革新其實對企業是非常重要的：首先是降本的邏輯，畢竟請超頭或是培養營養師、獸醫的成本不低；其次，費心培養好的主播，說跳槽就跳槽，確實也挺頭疼的。
數位人和真人提供的服務體驗確實不一樣， 但現在有一些年輕人愛宅家，遇到問題喜歡自己上網研究解決，前者就能很好地滿足他們線上問診的需求。長遠看，這可能會讓某些業態，比如寵物醫院，面臨進店客流減少的挑戰。
來伊份首席增長官姜振多： 來伊份的數位化建設，並不是一蹴而就的。
自2009年起，來伊份成為國內最早一批引入SAP系統的企業，在隨後的十年時間裏，公司的業務系統建設主要圍繞著SAP構建，實作了系統化改造的初步目標。
隨著新零售時代的到來，線上和線下業務開始融合，我們在2018年開始全面啟動中台戰略，借鑒阿裏的經驗，將過去十年建設的業務系統升級為多套中台系統，涉及業務中台、財務中台和行銷中台等等。
然而，伴隨著數位化體系的基本建立，我們亦遭遇了一系列新興挑戰。盡管數據體系已搭建完善，但公司在擁有能夠深入理解和有效運用這些數據的人才儲備上仍顯不足。
所以，來伊份特別重視對三類關鍵人才的選拔和培養：業務專家、技術人才和數位化人才。這一人才策略旨在確保中台系統中的各個業務模組，能夠透過他們得到有效管理和運用。
在2020年，來伊份成功上線了供應鏈中台，並與第四正規化進行合作，引入了智慧化技術，透過利用大數據模型進行預測分析。
然而，當時所面臨的一個挑戰就是演算法模型參數的復雜度較高，這導致效果的改善需要不斷地叠代，當數據出現誤差時， 模型的可解釋性較弱，這使得業務團隊難以精確控制模型，並產生了一定的畏難情緒，從而對計畫的推動產生了影響。
數位化轉型是一項系統性且循序漸進的過程。初始階段，企業可采取基礎性的線性模型，對日常實踐中累積的豐富經驗進行有序的整理、有效的套用與深入的沈澱。隨著數位化程度的不斷加深和能力的持續提升，企業將逐步具備應對並高效運用更為復雜演算法和模型的能力。
作為連鎖專賣領域的經營者，我們深知參數設定錯誤的風險代價非常高。 因此，從商品管理、庫存管控到物流服務，我們為每個中台業務模型都配備了專門的團隊負責，確保在整個從系統化向數位化轉型升級的過程中，每一個環節中都有對應的組織，並且有能力去精準地控制並駕馭復雜的模型演算法參數，這是提升工作效率的基石。
目前，我們正積極探索向智慧化領域更深層次的轉型，以與騰訊合作為例，公司力求在智慧化領域取得新的突破。
總的來說， 我認為數位化首先是一個工具，其關鍵目的在於為企業創造實際價值，要警惕過度追求數位化，因為這可能會導致組織結構過於龐大，反而降低效率。
尤其是在企業實作中台化之後，對於中台「大腦」的要求是非常高的，這通常需要前台業務專家輸出策略，確保選品邏輯、定價策略和行銷手段在不同的單元裏都能保持必要的差異化。
目前，智慧化套用主要集中在設計和內容生成領域。未來，我們計劃在行銷策略的人群包選擇、產品匹配以及精準推薦方面加大試點力度， 我們的目標是從使用者層面出發，盡可能減少決策失誤，更好地滿足市場和消費者的需求。
Flywheel飛未快消負責人盧舜： 我從數位行銷和新品創新的層面來聊聊我們的一些觀察和實踐吧。
在過去和很多品牌交流的過程中，我都會被問到一個問題：在各大電商平台上，無論是貨架電商還是興趣電商，新品的貢獻都是非常顯著的，那麽怎麽找到好的趨勢、發現藍海賽道，進而找準研發方向？
創新的選擇看似非常豐富，但在這其中也會遇到諸多挑戰。 我們將新品創新分成了四個環節——初篩金點子、研發雛形、打磨測試、新品營運。
新品創新遇到的第一個難題是，各類創意層出不窮，社媒熱點五花八門，如何篩選掉曇花一現的趨勢，留下具有長遠商業價值的趨勢？
第二個難題是，有了新品雛形之後，品牌做的一些使用者測試，獲得的又是小數據、小樣本，無法驗證新品是否能夠開拓一個足夠有潛力的市場。
第三個難題是，新品上市之後，需要在上億量級的市場中與對手競爭，如何透過精準營運來脫穎而出呢？
借助AIGC的浪潮，結合Flywheel飛未自有的新品資料庫，我們推出了「智慧問數」工具，讓數據洞察的獲取不再困難。
透過與「智慧問數」的對話，我們可以像咨詢一個行業專家一樣，輕松快速地了解到行業目前表現、市場熱門的趨勢，將海量數據轉化為任何人都可理解的數據洞察。
以近期大熱的無糖茶賽道為例，借助即時完整的資料庫和豐富的數據工具，我們可以持續追蹤新品的效果，最佳化營運策略。
比如，我們發現以大包裝和系列新口味上新為主，復合茶因其口味豐富更受歡迎，純茶依靠烏龍茶帶飛；
同時，多數概念持續提升，健康、價效比、減肥作為主流概念永續發展，規格多元化、悅己長線、品質等概念高增速的背後反映了消費者既要又要的心態；
在社媒平台，無糖茶的社媒討論熱度逐年攀升，健康、悅己嘗鮮、品質為主要關註熱點，無糖茶+更多日常生活場景吸引年輕人群關註嘗鮮。
AI可以幫助人工掃描更大的數據量級和更快提取有效資訊，這個對新品創新來說是非常有用的。
好特賣聯合創始人張寧： 大家都比較關註AI、數位化究竟能為企業解決哪些問題，以及能降哪些成本。
我觀察到的是，AI可以處理那些人力難以完成的任務，比如剛才提到的醫療領域，需要海量的知識積累，這不是透過人力就能彌補的。
對好特賣來說，定價也是一件人幹不了的事情。 在傳統渠道裏，持續賣同一款水，價格就可被參考，但好特賣的買手每天見到的是賣場裏從未出現過的商品，怎麽定價才能吸引消費者，這憑人腦很難定義。
當然，這其中也涉及到反腐問題，因為尾貨價格浮動區間較大，從免費到批發價都有可能，買手可能低價收購，但高價上報，私吞差價。
還有一個難題是，這批貨500箱，那批貨20000箱，如何分配給前端900家門店。
所以，好特賣在做數位化的時候，不談感情，也不談所謂的主觀認知，只看什麽地方需要它起作用。具體做法上，就是透過數據模型的不斷訓練，形成最終的演算法。
比如商品的定價，基本數據來源於各種資訊，包括其他渠道的定價、品牌影響力、過往類目的動銷數據、價格帶、包裝、重量、保質期等等。基於我們過去銷售的十幾萬種商品的數據以及消費者點評，構成最終的演算法模型。
所以，數位化不是替代人，而是超越人。
但AI的潛力還不止於此，以往我們覺得它擅長客觀理性的計算，實際上它已經先進到能夠撩撥情緒。
在人際交往中，我們往往容易創造負面情緒，看了再多的心理學短視訊，依然不知道如何跟太太溝通，但AI知道。
這種能力是更高級的，超越了簡單的提效，而是在創造情緒、制造商機。 比如，消費者進好特賣前根本不知道自己要買什麽，更多是情緒消費，「這個品我在直播裏看到了，但當時沒買，你這有，我買來試試」，「你怎麽有這個，很有趣，買一個」。
所以，我覺得未來更重要的方向不是用AI提效，而是用AI創造。
