這幾年的AI熱潮里，生成式AI顯然得到了更多關(guān)注。相較而言，決策式AI的敘事有點(diǎn)低調(diào)。相比于看得見的圖文、視頻生成結(jié)果，決策式AI的成果更多藏在我們看不到的地方。

比如一盒平平無奇的紙巾，從工廠生產(chǎn)出來再歷經(jīng)倉儲(chǔ)、運(yùn)輸、經(jīng)銷、售賣、結(jié)賬成交，最終來到你的手里，整個(gè)環(huán)節(jié)里，哪一條運(yùn)輸路線是最優(yōu)選擇？在哪些超市上架更容易被目標(biāo)消費(fèi)者買到？在上海應(yīng)該怎樣定價(jià)？在四川攀枝花又該怎么定價(jià)？

小到業(yè)務(wù)流的細(xì)節(jié)決策，大到企業(yè)的年度戰(zhàn)略規(guī)劃，都有決策式AI發(fā)揮的空間。

“生成式AI是文科生，擅長(zhǎng)創(chuàng)意工作和局部提效；而決策式AI是理科生，擅長(zhǎng)精準(zhǔn)決策”，楊森林跟我們解釋。

他不僅是紙業(yè)龍頭中順潔柔的CIO，更是決策式AI領(lǐng)域的實(shí)戰(zhàn)專家，全景式負(fù)責(zé)中順潔柔的數(shù)字化轉(zhuǎn)型，既負(fù)責(zé)戰(zhàn)略制定，也親自摳落地細(xì)節(jié)。借助一套決策式AI賦能線下零售，他幫助公司實(shí)現(xiàn)凈利潤(rùn)3位數(shù)增長(zhǎng)。

AI浪潮洶涌，但實(shí)打?qū)崕砝麧?rùn)增長(zhǎng)的案例并不多見。

-其他企業(yè)仍停留在AIGC內(nèi)容生成階段，潔柔是如何將AI融入公司大大小小決策中的？

-除了降本增效，還能怎樣發(fā)揮出AI的價(jià)值？

-IT主導(dǎo)的企業(yè)數(shù)字化轉(zhuǎn)型，對(duì)人的能力有什么要求？

在這次對(duì)話中，楊森林向我們?cè)敿?xì)分享了中順潔柔應(yīng)用決策式AI的最新成果以及背后的業(yè)務(wù)思考。

以下是對(duì)話原文，經(jīng)整理。

TopDigital：請(qǐng)您為我們介紹一下中順潔柔目前數(shù)字化轉(zhuǎn)型的成果

楊森林：中順潔柔作為擁有 47 年發(fā)展歷程、上市 13 年的生活用紙頭部企業(yè)，被業(yè)內(nèi)人士譽(yù)為 “紙茅”。不過，作為民營(yíng)企業(yè)，我們?cè)诋?dāng)前的經(jīng)濟(jì)環(huán)境中面臨著巨大挑戰(zhàn)。

轉(zhuǎn)型并非主動(dòng)選擇，而是時(shí)代所迫。過去我們?cè)谠隽渴袌?chǎng)積累的經(jīng)驗(yàn)與方法，在如今的縮量環(huán)境中已然失效。如果存在其他可行路徑或持續(xù)盈利空間，我們也不愿輕易轉(zhuǎn)型，但現(xiàn)實(shí)是，當(dāng)前民營(yíng)企業(yè)處境艱難，約 90% 的企業(yè)正經(jīng)歷負(fù)增長(zhǎng)。

市場(chǎng)環(huán)境已發(fā)生劇變：渠道、用戶、流量呈現(xiàn)高度分散的態(tài)勢(shì)。當(dāng)消費(fèi)者至少可以通過八個(gè)渠道獲取商品時(shí)，滿足其個(gè)性化、本質(zhì)化的需求成為時(shí)代主流。只有把握這一點(diǎn)，才能明確數(shù)字化轉(zhuǎn)型的核心目標(biāo) —— 并非單純的降本增效，而是驅(qū)動(dòng)業(yè)務(wù)規(guī)模增長(zhǎng)，實(shí)現(xiàn)可持續(xù)發(fā)展?；诖耍覀儗⑥D(zhuǎn)型路徑確定為：以數(shù)據(jù)決策為核心。

過往企業(yè)制勝的關(guān)鍵，要么憑借 “四肢發(fā)達(dá)”（單點(diǎn)突破能力），要么依靠 “頭腦聰明”（卓越管理）。但由于我們基礎(chǔ)相對(duì)薄弱，因此選擇聚焦智能決策能力建設(shè)。我們遵循 “二八定律”（20% 的核心人才貢獻(xiàn) 80% 的業(yè)績(jī)），通過算法構(gòu)建 “智能大腦”，復(fù)制核心人才 70%-80% 的決策能力，以此指導(dǎo) 80% 的執(zhí)行層人員，實(shí)現(xiàn)全局效率優(yōu)化。

先來看轉(zhuǎn)型效果：首戰(zhàn)聚焦?fàn)I銷領(lǐng)域。2025 年上半年，我們?cè)诰€下借助 “智慧零售” 模式，實(shí)現(xiàn)了大幅度增長(zhǎng)—— 產(chǎn)品該鋪向哪些區(qū)域？消費(fèi)者購買的動(dòng)因是什么？如何定價(jià)更為合理？這些問題都依靠數(shù)據(jù)決策來解決。

營(yíng)銷領(lǐng)域探索出路徑后，下一步便是供應(yīng)鏈環(huán)節(jié)。供應(yīng)鏈的核心在于：先提升效率，再通過效率優(yōu)化來降低成本，而非本末倒置。需要解決的核心問題是：如何實(shí)現(xiàn)貨物配送的最優(yōu)化與最高效？這是我們今年的重點(diǎn)布局方向。

僅僅具備賣貨和送貨的能力還不夠，還需要具備精準(zhǔn)算賬的能力。第三個(gè)關(guān)鍵板塊是財(cái)經(jīng)領(lǐng)域，因此今年除了繼續(xù)在營(yíng)銷數(shù)字化方面投入，重點(diǎn)是全面推進(jìn)供應(yīng)鏈數(shù)字化和財(cái)經(jīng)數(shù)字化的迭代升級(jí)。一切工作的核心依然是圍繞數(shù)據(jù)決策，構(gòu)建真正的數(shù)字治理能力。

根據(jù)當(dāng)前的進(jìn)展判斷，預(yù)計(jì)再經(jīng)過兩年時(shí)間，我們有望宣告中順潔柔的數(shù)字化轉(zhuǎn)型取得全面成功，其核心標(biāo)志將體現(xiàn)在財(cái)報(bào)數(shù)據(jù)、銷售額以及利潤(rùn)結(jié)構(gòu)的實(shí)質(zhì)性改善上。

TopDigital：您剛才提到，潔柔的目標(biāo)并非單純降本提效，而是擴(kuò)大生意規(guī)模，這背后的考慮是什么？

楊森林：當(dāng)資金有限時(shí)，比如僅有十塊錢，單純追求降本提效的意義并不大。即便成本降低 30%，也只能節(jié)省三塊錢。但如果資金規(guī)模達(dá)到 1000 塊，成本降低 1% 就能節(jié)省十塊錢，這時(shí)候降本的意義就截然不同了。我們之所以優(yōu)先選擇擴(kuò)大規(guī)模，是因?yàn)楫?dāng)下企業(yè)面臨的最大生存壓力，在于無法實(shí)現(xiàn)規(guī)?；砷L(zhǎng)，導(dǎo)致銷售額和利潤(rùn)難以提升。許多企業(yè)選擇通過裁員、內(nèi)部整改等方式維持現(xiàn)狀，但這并非長(zhǎng)久之計(jì)。我們的策略是主動(dòng)出擊，搶占市場(chǎng)份額，推動(dòng)生意規(guī)模擴(kuò)張。只有在大規(guī)模生意的基礎(chǔ)上再推進(jìn)降本，才能實(shí)現(xiàn)可觀的收益。

TopDigital：在擴(kuò)大規(guī)模過程中，如何衡量成本投入？

楊森林：我們并非完全放棄后端建設(shè)，包括供應(yīng)鏈、財(cái)經(jīng)、生產(chǎn)制造、市場(chǎng)和產(chǎn)品策劃等，而是讓這些板塊配合銷售端協(xié)同推進(jìn)。以供應(yīng)鏈為例，核心目標(biāo)是實(shí)現(xiàn)產(chǎn)銷平衡 —— 后端產(chǎn)能需匹配市場(chǎng)需求，但不能過度追求效率而導(dǎo)致生產(chǎn)過剩、庫存積壓。我們的策略是，后端只需準(zhǔn)確預(yù)測(cè)銷售需求的六成到七成即可，超出這個(gè)范圍反而會(huì)造成資源浪費(fèi)。盡管目前供應(yīng)鏈效率、產(chǎn)能以及財(cái)經(jīng)算賬效率等仍有提升空間，但我們優(yōu)先選擇以 “先實(shí)現(xiàn)盈利” 為首要目標(biāo)。

TopDigital：您剛才提到，公司在轉(zhuǎn)型過程中是分部門、有次序地推進(jìn)的，先從營(yíng)銷開始，然后是供應(yīng)鏈，最后是財(cái)務(wù)。這種從前端到后端的推進(jìn)順序，是否與您最初提到的先擴(kuò)規(guī)模的目標(biāo)有關(guān)呢？

楊森林：是的，我們的轉(zhuǎn)型推進(jìn)確實(shí)經(jīng)過系統(tǒng)性規(guī)劃，但并非將其變?yōu)橥耆鞒袒臋C(jī)械操作。我們的思路十分清晰 —— 以營(yíng)銷作為切入點(diǎn)，以其為核心倒推整個(gè)業(yè)務(wù)流程，同時(shí)始終堅(jiān)持以銷售業(yè)績(jī)?yōu)閷?dǎo)向。

具體而言，首先聚焦?fàn)I銷板塊及與其關(guān)聯(lián)性最強(qiáng)的兩大部門：供應(yīng)鏈、市場(chǎng)與產(chǎn)品策劃，這些部門將率先啟動(dòng)轉(zhuǎn)型。隨后推進(jìn)財(cái)經(jīng)部門，最后才是整個(gè)工廠的變革。在這一過程中，流程優(yōu)化與數(shù)據(jù)治理會(huì)同步開展，最終構(gòu)建一套數(shù)字化的指標(biāo)體系與數(shù)據(jù)決策機(jī)制。整個(gè)轉(zhuǎn)型周期預(yù)計(jì)需四到五年，目標(biāo)是讓公司管理層養(yǎng)成基于數(shù)據(jù)決策的習(xí)慣，而非依賴直覺判斷。我們的推進(jìn)方式是分層次、協(xié)同聯(lián)動(dòng)的，而非像流水線般機(jī)械執(zhí)行。

TopDigital：關(guān)于營(yíng)銷維度，您在中提到過，主要是在經(jīng)銷商和渠道選擇上進(jìn)行了AI賦能和布局。除了這些，是否還有其他新的策略或打法可以和我們分享呢？比如在社媒、電商平臺(tái)方面，是否有一些AI應(yīng)用？

楊森林：首先需要明確，AI 只是工具。我們需清晰判斷生意的核心增長(zhǎng)點(diǎn)與利潤(rùn)來源：出海雖是重要策略，但短期內(nèi)難以形成實(shí)際效益；電商發(fā)展迅猛，可多數(shù)大型企業(yè)在該領(lǐng)域利潤(rùn)微薄，甚至面臨虧損。當(dāng)前頭部企業(yè)面臨的最大競(jìng)爭(zhēng)，來自小品牌的低價(jià)策略 —— 其極致的供應(yīng)鏈效率與白牌模式，大型企業(yè)難以快速響應(yīng)。因此，我們的核心利潤(rùn)來源仍在線下，線下渠道才是我們的護(hù)城河。

但我們也面臨困境：經(jīng)銷商的進(jìn)銷存能力不足，當(dāng)貨物從倉庫調(diào)撥至經(jīng)銷商倉庫后，若經(jīng)銷商銷售乏力，貨物就會(huì)積壓在門店，甚至導(dǎo)致門店倒閉。因此，我們需要解決核心問題：為何消費(fèi)者進(jìn)店后，未按我們?cè)O(shè)定的價(jià)格購買商品？消費(fèi)者作為最終買單者，我們需要理解其需求本質(zhì) —— 他們偏愛拼多多或抖音，并非單純追求低價(jià)，而是這些平臺(tái)的內(nèi)容更具吸引力，能精準(zhǔn)展現(xiàn)產(chǎn)品賣點(diǎn)，激發(fā)沖動(dòng)消費(fèi)欲望。消費(fèi)者愿意買單，本質(zhì)上是被內(nèi)容吸引，追求極致的質(zhì)價(jià)比與性價(jià)比?；谶@些洞察，我們構(gòu)建了相應(yīng)的營(yíng)銷策略。

TopDigital： 這個(gè)策略具體是怎樣的呢？

楊森林：整體而言，這是一套以 “人貨場(chǎng)” 為核心的運(yùn)營(yíng)模型，其本質(zhì)是以人為中心的數(shù)字化重構(gòu)。

首先，我們采集了海量底層數(shù)據(jù)，并依托對(duì)生意邏輯的深度洞察與算法能力，通過技術(shù)團(tuán)隊(duì)的算法模擬，實(shí)現(xiàn)了人、貨、場(chǎng)的全新動(dòng)態(tài)匹配。目前，我們掌握著全國(guó)超 900 萬個(gè)零售網(wǎng)點(diǎn)的數(shù)據(jù)，其中有效運(yùn)營(yíng)網(wǎng)點(diǎn)約 300 多萬個(gè)；同時(shí)覆蓋 13 億人口的詳細(xì)畫像，每個(gè)人均對(duì)應(yīng) 2200 個(gè)標(biāo)簽維度。借助這些數(shù)據(jù)支撐，我們能夠精準(zhǔn)定位目標(biāo)用戶群體，深度解析其消費(fèi)特征與行為習(xí)慣。

其次，我們將產(chǎn)品賣點(diǎn)與用戶群體進(jìn)行精準(zhǔn)匹配，從而鎖定最適合產(chǎn)品銷售的門店。以合肥為例，當(dāng)?shù)仉m有 1.6 萬余個(gè)零售網(wǎng)點(diǎn)，但我們的業(yè)務(wù)員僅幾十人，難以全面覆蓋。通過算法篩選高潛力網(wǎng)點(diǎn)，我們實(shí)際覆蓋量不足 2000 家，卻實(shí)現(xiàn)了 70% 的業(yè)績(jī)?cè)鲩L(zhǎng)。2025 年上半年，我們?cè)谌珖?guó) 300 萬個(gè)零售網(wǎng)點(diǎn)中，精準(zhǔn)識(shí)別出 7.9 萬家高潛力網(wǎng)點(diǎn)，帶動(dòng)業(yè)績(jī)與利潤(rùn)實(shí)現(xiàn)雙增長(zhǎng)。

業(yè)績(jī)的顯著提升印證了策略的有效性。我們的模型始終圍繞生意增長(zhǎng)邏輯設(shè)計(jì)，盡管架構(gòu)復(fù)雜卻成效顯著。由于不同城市的人群需求與市場(chǎng)特性存在差異，模型會(huì)通過動(dòng)態(tài)算法生成多套適配方案，以靈活響應(yīng)不同市場(chǎng)的實(shí)際需求。

TopDigital： 今年年初以來，從Deepseek的出現(xiàn)，到manus甚至人形機(jī)器人的技術(shù)進(jìn)展，這些對(duì)潔柔的數(shù)字化轉(zhuǎn)型帶來了怎樣的影響？

楊森林：大家對(duì) AI 存在認(rèn)知誤區(qū)，生成式 AI 只是自然語言大模型的一種應(yīng)用形態(tài)，它更像是 “文科生”，擅長(zhǎng)對(duì)話交互與內(nèi)容生成，卻無法精準(zhǔn)決策或替代人工決策。其核心價(jià)值在于提升效率，比如快速生成文案、替代重復(fù)性工作。當(dāng)前 AI 技術(shù)仍處于發(fā)展初期，盡管未來潛力巨大，但需要正確引導(dǎo)與培育。

對(duì)潔柔而言，生成式 AI 并未帶來實(shí)質(zhì)性沖擊，因?yàn)槲覀兙劢沟氖?strong>決策式 AI——這種以算法為驅(qū)動(dòng)的技術(shù)能直接賦能生意增長(zhǎng)。生成式 AI 在補(bǔ)全知識(shí)庫方面具有輔助作用，但其應(yīng)用領(lǐng)域與決策式 AI 截然不同。決策式 AI 可直接產(chǎn)出業(yè)務(wù)效果，而生成式 AI 仍處于探索階段，尚未達(dá)到讓企業(yè)效率顯著提升的成熟度。目前生成式 AI 在搜索引擎和智能客服等場(chǎng)景較為成熟，基于對(duì)其發(fā)展方向的認(rèn)可，我們采取 “雙線布局” 策略：一手抓生成式 AI 的局部提效應(yīng)用，一手深化決策式 AI 的業(yè)務(wù)賦能，現(xiàn)階段生成式 AI 主要在特定領(lǐng)域發(fā)揮效率優(yōu)化作用。

TopDigital：具體是哪些局部領(lǐng)域應(yīng)用了生成式AI技術(shù)？

楊森林：以我們布局的智能客服（即 IT 服務(wù)臺(tái)）為例。過去，實(shí)施和運(yùn)維團(tuán)隊(duì)有 34 人，日常工作中常接到求助電話，比如 “張三幫我提交訂單”“小王看看表單為啥提交不了” 等。如今，我們部署了基于 DBC 搭建的 AI 智能客服系統(tǒng)替代人工，員工直接與智能客服交互即可。這套系統(tǒng)的知識(shí)庫不僅涵蓋企業(yè)內(nèi)部知識(shí)體系，還能自動(dòng)查詢互聯(lián)網(wǎng)知識(shí)庫補(bǔ)充外部信息。通過這一升級(jí)，我們將實(shí)施團(tuán)隊(duì)從 34 人精簡(jiǎn)至 10 人，服務(wù)效率反而顯著提升 —— 因?yàn)橹悄芸头淮嬖谌斯た赡艹霈F(xiàn)的知識(shí)盲區(qū)，能更精準(zhǔn)地響應(yīng)需求。

TopDigital：在這個(gè)過程中，成本降低了多少？有沒有具體計(jì)算過？

楊森林：以發(fā)票報(bào)銷與核銷工作為例，過去我們配備了 40 人專門負(fù)責(zé)。如今，通過 AI 系統(tǒng)自動(dòng)掃描發(fā)票，依據(jù)預(yù)設(shè)規(guī)則流程審核合規(guī)性并完成核銷。我們將人力從 40 人精簡(jiǎn)至十余人，但這并非簡(jiǎn)單裁員，而是將富余人員調(diào)配至其他崗位?？陀^來說，這些工作原本或許就無需如此多人力。不過鑒于當(dāng)前 AI 技術(shù)尚未完全成熟，仍需人工對(duì) AI 處理結(jié)果進(jìn)行復(fù)核。從成本層面看，這相當(dāng)于節(jié)省了 30 個(gè)年薪 15 萬元的人力成本，經(jīng)濟(jì)效益相當(dāng)可觀。

TopDigital：那決策AI的具體應(yīng)用是怎樣的？

楊森林：在宏觀決策層面，過去我們主要依靠經(jīng)驗(yàn)做判斷，但經(jīng)驗(yàn)往往會(huì)隨著市場(chǎng)變化而過時(shí)。如今消費(fèi)者的購物渠道豐富多元，每個(gè)渠道都有獨(dú)立的政策和價(jià)格體系，僅靠人力已難以精準(zhǔn)把握全局?，F(xiàn)在，我們通過海量數(shù)據(jù)洞察市場(chǎng)規(guī)律并輔助決策。以營(yíng)銷為例，中順潔柔在校園市場(chǎng)表現(xiàn)突出，我們會(huì)通過算法模擬不同策略的實(shí)施效果，直接為管理層生成可行性方案，高層決策時(shí)只需審核拍板即可，大幅簡(jiǎn)化了決策流程。

在中觀與微觀管理層面，小到產(chǎn)品發(fā)貨的線路規(guī)劃、車輛調(diào)度、快遞公司選擇及倉儲(chǔ)地點(diǎn)布局等細(xì)節(jié)，都引入了決策 AI 系統(tǒng)，實(shí)現(xiàn)了成本的顯著優(yōu)化。例如，今年我們的發(fā)貨成本從 1 億元降至 9000 萬元，直接節(jié)省了 1000 萬元的運(yùn)營(yíng)開支。

從宏觀到微觀的決策體系是一體化的：數(shù)據(jù)決策在各個(gè)細(xì)分場(chǎng)景中積累的成效，會(huì)逐步提升管理層對(duì) AI 決策的認(rèn)可度；而高層的信任又會(huì)反過來推動(dòng)數(shù)據(jù)決策系統(tǒng)的迭代升級(jí)。需要說明的是，數(shù)據(jù)決策并非萬能，仍需要高層從戰(zhàn)略高度進(jìn)行 “大方向” 把控，重點(diǎn)審查是否存在系統(tǒng)性偏差，并結(jié)合行業(yè)經(jīng)驗(yàn)與人性化考量，最終形成最優(yōu)策略方案。

TopDigital：能否分享一個(gè)關(guān)于人性糾偏的具體案例？

楊森林：以我們之前為衛(wèi)生巾品牌朵蕾蜜開拓西安線下渠道為例。

起初，我們基于數(shù)據(jù)生成方案，選擇了人口密度高、流量大且財(cái)富屬性突出的區(qū)域布局，但實(shí)際推廣效果不佳。深入調(diào)研后發(fā)現(xiàn)，這些區(qū)域多為老年人聚居地，并非我們的核心目標(biāo)群體 —— 他們的子女普遍不在此居住。這表明初始數(shù)據(jù)未能充分考慮人口流動(dòng)性與實(shí)際居住結(jié)構(gòu)。

優(yōu)化策略時(shí)我們發(fā)現(xiàn)，西安約 10% 的土地面積（1000 平方公里）內(nèi)，聚集了 62% 的目標(biāo)消費(fèi)群體，而該區(qū)域的核心門店僅 1000 家。進(jìn)一步明確 21-39 歲女性為最適配產(chǎn)品的客群后，我們集中資源深耕這部分區(qū)域與人群，最終實(shí)現(xiàn)業(yè)務(wù)突破 —— 朵蕾蜜在西安衛(wèi)生巾品類的市場(chǎng)占有率提升至 30%。

TopDigital：所以是數(shù)據(jù)精準(zhǔn)度的問題？

楊森林：其實(shí)不然，過分糾結(jié)數(shù)據(jù)精準(zhǔn)度反而會(huì)陷入誤區(qū) ——我們不需要追求過細(xì)的顆粒度，IT 系統(tǒng)的作用不是指導(dǎo)業(yè)務(wù)精確到 “某超市某貨架上貨” 或 “具體定價(jià)幾分錢”，否則就會(huì)偏離核心目標(biāo)。況且從現(xiàn)實(shí)來看，僅以貨架陳列策略為例，目前行業(yè)尚未積累足夠的貨架數(shù)據(jù)支撐精細(xì)化分析。

風(fēng)險(xiǎn)與機(jī)遇向來并存：當(dāng)數(shù)據(jù)預(yù)測(cè)過度追求 “絕對(duì)準(zhǔn)確” 時(shí)，往往在屏蔽風(fēng)險(xiǎn)的同時(shí)，也會(huì)過濾掉潛在機(jī)遇。以定價(jià)決策為例，我們要求 AI 預(yù)測(cè)的成功率達(dá)到 60% 即可，剩余 40% 的空間則交由業(yè)務(wù)員靈活發(fā)揮。

TopDigital：六成的準(zhǔn)確度，是行業(yè)普遍的共識(shí)嗎？

楊森林：并非如此，這其實(shí)是我們認(rèn)知中最關(guān)鍵的盈利點(diǎn)。所以無論是數(shù)據(jù)決策還是決策 AI，本質(zhì)上都是由人來駕馭技術(shù)，而非讓 AI 主導(dǎo)人類。我們不應(yīng)否定成熟的經(jīng)驗(yàn)體系，而是要讓技術(shù)為其提供輔助。

TopDigital：人駕馭的部分，具體是指什么？

楊森林：以潔柔 “極致柔軟” 系列產(chǎn)品為例，其目標(biāo)用戶聚焦鼻炎人群，產(chǎn)品采用無菌設(shè)計(jì)，能避免對(duì)鼻炎患者造成刺激。最初我們以統(tǒng)一價(jià)格體系鋪貨，發(fā)現(xiàn)華南地區(qū)銷量表現(xiàn)突出，但華東尤其是山東地區(qū)的業(yè)務(wù)員并未完全沿用這套定價(jià)，而是通過降價(jià)促銷的方式調(diào)整策略。

為什么？因?yàn)椴煌赜虻娜松盍?xí)慣不同，華南的消費(fèi)者更精致，還有競(jìng)品在當(dāng)?shù)氐男闹菨B透率等等其他影響，這都是數(shù)據(jù)體系之外的因素，也是我們可以靈活處理的地方。

TopDigital：關(guān)于決策AI，它本身可能也有一些劣勢(shì)，比如學(xué)習(xí)新場(chǎng)景不如生成式AI快，靈活性和適應(yīng)動(dòng)態(tài)環(huán)境的能力不足。您怎么看待？

楊森林：決策 AI 的落地門檻確實(shí)很高。首先，對(duì)人才的綜合素質(zhì)要求極高，需要具備極強(qiáng)的市場(chǎng)洞察能力，能夠快速捕捉行業(yè)規(guī)律與發(fā)展趨勢(shì)。其次，核心技術(shù)壁壘深厚，涉及麥肯錫 MECE 原則、神經(jīng)網(wǎng)絡(luò)算法、博弈論模型及貝葉斯理論等基礎(chǔ)技術(shù)與方法論。若缺乏這些技術(shù)積淀，決策 AI 將停留在表面應(yīng)用，難以深入業(yè)務(wù)內(nèi)核。此外，必須精通業(yè)務(wù)全流程細(xì)節(jié) —— 我不僅主導(dǎo)算法設(shè)計(jì)，還與財(cái)務(wù)副總裁一同實(shí)地走訪門店，深入了解鋪貨各環(huán)節(jié)操作邏輯。只有精準(zhǔn)把握業(yè)務(wù)每個(gè)細(xì)節(jié)，才能設(shè)計(jì)出貼合實(shí)戰(zhàn)的算法模型。否則，設(shè)計(jì)出的工具將與業(yè)務(wù)需求脫節(jié)，被業(yè)務(wù)端認(rèn)為實(shí)用性差、精準(zhǔn)度低。盡管門檻重重，但在當(dāng)前競(jìng)爭(zhēng)環(huán)境下，企業(yè)別無選擇，必須突破這些瓶頸才能實(shí)現(xiàn)突圍。

注：文章來源于TopDigital，撰稿常韻，審核羅若楠。

PS，見實(shí)最近幾大安排，歡迎一起.

1.看前沿大廠如何從全域拿到大增長(zhǎng)；

2.聊行業(yè)的硬核增長(zhǎng)新玩法；

3.;聊線索獲取-高價(jià)低頻的服務(wù)建流量獲取與轉(zhuǎn)化體系；

4.，24號(hào)，北京一起；

5.見實(shí)發(fā)布鞋服/教培/美妝個(gè)護(hù)/大健康 四大行業(yè)私域調(diào)研報(bào)告，歡迎加入見實(shí)會(huì)員領(lǐng)?。c(diǎn)擊下方按鈕）

↘私域服務(wù)對(duì)接