人工智能时代：破解人机共存密码（套装共10册）

这套人工智能系统，应用在中铁建工集团开发建设的商业建筑里，为其提供了能源、电力的精细化管理服务。首先，通过对室内外环境的感知数据和住户对温度的需求数据的分析，人工智能能够对提供热能的空气源热泵进行自动调节，真正实现了按需供能。这样既节约了电能，又一举两得地减少了二氧化碳的排放。其人工智能节能产品可以保证供暖数据实时上传，并具有故障远程报警和定位等功能，如果出现问题可以及时发现。即使在无人值守的夜间，人工智能也可以根据数据自动调整出相应的解决方案。最终，这套系统取得了良好的节能减排效果，一年之内为该商业建筑节约了电能70多万千瓦时、减少了二氧化碳排放量80多万千克，在电力方面总计为其节约成本85万元。

国外智能工业案例

数字化为处于工业4.0时代的企业带来了无数的机遇与选择，基于数字化的人工智能推动打通生产流程，使企业能够高效节能地运作并做出更加准确有效的决策。所以数字化对于新工业时代的发展是一个决定性的存在，是实现工业4.0的基础和最重要的步骤，也是衡量企业业界水平的一大标准。除了国内的案例外，国外的工业数字化运用也早已如火如荼。

世界五百强公司之一、美国最大的电力公司杜克能源通过多样化的能源组合（如火电、风电、核电等），为用户提供包括电力供应、能源服务和能源运输等在内的多种服务，但与此同时，杜克能源还存在着厂房老化、发电厂运行效率低下、预测性维护能力不足等问题。杜克能源在其系统中已经具备了预测性维护措施，但这项措施有80%的过程是在采集数据，仅有20%用于分析，这就导致了杜克能源无法准确地预测系统问题。为改变这一现状，杜克能源将数据打通，并使用人工智能进行深度分析，对预测性维护系统和设备管理进行升级改造，实现了60个以上电厂的智能监测，使得杜克能源通过预测所避免的损失达3 000万美元——这个金额早已远远高于项目成本。

巴西盖尔道集团是世界知名的钢铁制造商，在全球拥有超过35000名员工。面对高能耗的钢铁生产过程以及高昂的人力成本支出，严格控制设备成本和维护设备的能力对盖尔道集团的盈利至关重要。仅在巴西，盖尔道集团就有11家工厂生产钢材，每年都需要巨额的费用去维护。即使是出现一个小小的设备故障，每小时也将造成上万美元的损失。在复杂的钢铁制造环节及多地区的场景下，盖尔道集团通过使用工业物联网，将集团所有生产设备的数据进行采集分析，实现了各类设备运行及故障情况的监控，即使是最轻微的异常也会被捕获到。同时，盖尔道集团还通过人工智能模型，识别出设备各类潜在的故障，并及时预警及采取相应行动。通过数字化和人工智能的手段，盖尔道集团一项原本计划18个月实现投资回报的项目，实际缩减到了8个月；同时在6个月内，盖尔道集团成功预测了2个严重故障，避免了对生产过程造成的重大影响。

在全球的智能应用里，视觉检测也是比较普及的一个应用。视觉检测已经在工业自动化系统里应用很长一段时间了，其涉及的领域遍布各行各业：仪表板的智能集成测试、汽车车身的检测、纸币印刷质量的检测和流水线生产检测等。视觉监测在这些领域中都起到了采集产品数据、提高生产效率和控制产品质量的作用。例如烟草行业就需要这样一款可以对工业生产线进行质量检测的机器视觉软件。传统的机器视觉检测的都是一些规则的产品，而这款软件能够应用于一些比较复杂、难以分类的产品的质量检测，比如说烟草的异物剔除和质量检测等。基于深度学习，软件首先对烟草产品进行图像采集，之后进行分析计算，最终再进行检测，大大提高了烟草产品质检的准确率，与人工质检相比，还大幅提高了工作效率。

如果说数字化转型是整个时代的机遇与挑战，那么数字化赋能就是企业抓住机遇和迎接挑战的重要本领。通过数字化、智能化的手段，企业的各个环节都被连接在了一起，各个方面都被赋能，既节省了生产成本，又提升了整体运营效率。AI思维就是这样一种全面的思维，使我们在认识事物时能够做到面面俱到、统筹分析，做出正确决策。实现数字化赋能，必不可少地要经历这样一个过程：深入全面地采集数据，将物理世界数字化后，通过模型进行深入的数据分析，得出相应结论再在物理世界中进行应用，最终实现全面的工业赋能。数据是AI思维的基础，业务模式是AI思维的应用，数字化将二者串联起来，使AI思维真正能够在业务场景中落地。

零售赋能_：智能产品定位和营销

生产制造和零售是商业运作的两个大环节。我们对生产制造环节，可能不太熟悉，接下来要说的零售环节则非常贴近我们的日常生活，其中的数字化赋能实际落地案例也比比皆是。比如，最近你正想买衣服，浏览的网页似乎有“读心术”一般，恰好呈现给你放在购物车里好久的衣服；或者夏天天气热，你正想去海边度假时，手机里的推送刚好就是泳衣、泳裤和各种潜水装备的广告，而且都还是你一贯喜欢的风格。其实，这些事情都是智慧零售的应用成果，智慧零售可以通过数字化赋能手段进行提升。

在零售环节，数字化赋能大有用武之地。首先是智能产品定位，即依靠大数据预测消费者诉求和潮流趋势，从而实现产品创新。也许你会有点疑惑，产品创新不是企业一直都在做的事情吗，那么智慧零售所做的产品创新又有什么不一样呢？为了解答这个问题，我们先来看看产品的创新模式。图5-7就是一个产品创新模式示意图，左边为传统研发模式，右边为数字化研发模式。

传统的产品研发模式主要依赖于主观判断。传统产品研发设计主要依靠的是一种“经验主义”，比如参考上一季热销产品的反馈数据，上一季如果卖得好，下一季则继续按这个风格研发。或者，传统产品的研发设计还可以通过搜集、参考同类型产品中的流行商品的主要特征进行，但这种学习太浮于表面，很难做到真正的产品创新，画虎不成反类犬，更像东拼西凑的结合体，适得其反。此外，还有一种路径是根据设计师的个人意见来决定产品的最终形态，但很多时候，设计师的审美与消费者的审美是存在很大鸿沟的，这就使得产品难以与消费者的需求匹配。所以有时设计师们也非常苦恼，无法把握潮流，不知道消费者的诉求所在。当然，更实际的做法则是进行消费者调研，采取定性的调研来辅助设计，但是消费者调研成本高、耗时长，而且很难保证这些消费者是否是潜在消费者或者典型消费者，在信息反馈质量和样本数量上都有一定的局限性，同样会犯以点概面的错误。偌大的市场中，消费者的需求各有不同而且日新月异，个体的喜好早已无法代表整个市场的热度，传统研发模式潜在的痛点已经浮出水面：企业难以把握潮流趋势以及消费者诉求，研发出来的新产品无法完全满足消费者的诉求，从而导致消费者对品牌的忠诚度降低。

相比于传统的主观研发模式，数字化的产品研发模式则是通过客观的定量数据来反映市场趋势，将销售数据打通，通过数据洞察综合分析产品特征和消费者需求，再做出研发设计决策。因此，数字化的研发模式不再是过去的经验主义和局部主义，其基础和关键是最大程度上囊括所有市场数据。分析的数据范围，包括销售数据、关键词、消费者数据和设计师生态圈。销售数据，就是具体产品所在品类的整体销售数据，包括品类各品牌销售情况、品类明星单品等全方位数据。关键词是指将搜索引擎、社交网络和电商平台评论中的关键词，需要对其进行归纳。消费者数据就是消费者相关的数据，包括消费者群体画像、消费场景数据和消费习惯数据等。设计师生态圈则是由设计理念、设计产品、交流学习以及作品展示等各种内容组成的，在设计师的生态圈中出现的高频元素也是数字化产品研发模式的重要参考数据。在收集完上述一系列数据之后，可以在数据中台上进行打通，判断出相关产品的流行元素、功能性指标和消费者痛点，并借此指导新品的研发设计。新品上市后，随即产生的一系列相关数据会再反哺到数据中台上，为下一轮的新品研发做指导。这样，数据化研发模式整个体系形成正向循环，类似春泥一般，叶落成肥，滋养大地，又反哺出下一个花季。

以宝洁的产品研发为例，根据品牌多年积累下来的相关销售数据，总结分析产品触达的不同种族、跨年龄段消费者的规律和特征，宝洁研发部门抓住了很多消费者需求特性，如亚洲女性除了要面对松弛、皱纹等衰老问题外，面部轮廓逐渐横向外扩也是影响面容的一大问题。这是消费者的痛点，也就是研发部门的努力方向。根据这个发现，宝洁推出新品——OLAY小脸精华，从感官上让消费者显得更年轻。经过这次的针对性研发，宝洁当季度中国区销量增长30%，电商销售额上涨80%，打了一场漂亮的数据战。

全域洞察

我们刚刚说到，数字化的产品研发需要基于消费者数据，数据越多，就越能精准地反映出来消费者需求和市场趋势，所以数据的广度是智慧零售中的一个关键问题。那么数据到底要多广呢？这就涉及“全域洞察”的概念。

全域洞察是消费者洞察的一种实现形式。所谓洞察就是深度理解，消费者洞察就是通过数据理解消费者，抓住消费者的真实需求，这是面向消费者营销的核心。图5-8是全域洞察的示意图。全域洞察的数据来源主要有品牌的活动平台、自营和第三方电商平台、媒体平台以及各种内部平台。

洞察关注的消费者维度包括所在区域、会员、账号、商品、行为和终端等全域数据，将这些数据围绕消费者进行打通，将同一消费者的数据汇集到一起。数据整合后，我们将会对消费者的关键信息进行提取，例如轨迹、年龄、品类和内容等，构成行为中心。行为中心里面聚合了各个业务领域中消费者的行为，包括主体、时间、行为、内容及行为度量。最后，根据这些信息归纳总结出个性化标签，例如消费者的自然属性、社会属性、兴趣偏好和消费偏好，形成标签中心。与此同时，标签中心中还包括社交关系，即消费者之间的关系网络。数据的整合、处理和标签化是消费者全域洞察的核心过程，它可以在数据中台上完成。

消费者洞察可以赋能实际业务，例如营销评估、个性化推荐、人群管理、跨域行为分析以及消费者画像。比如个性化推荐，当我们真正做到对消费者的真实洞察后，我们就能知道不同的个体消费者有哪些独特的产品需求，从而有的放矢地进行高精准的产品推荐，直击目标，百发百中。相比于之前模糊认知下的乱投放、放乱箭，全域洞察下的个性化推荐效果自然更加显著，效率也有所提高。例如，中国移动开发的智能推荐平台就可以通过消费者洞察，精准地实现对消费者的个性化推荐。该平台通过数据分析出消费者的需求和偏好，根据这些信息不断调整模型参数，提高了推荐的准确率。目前，中国移动的客户端以及阅读、视频等频道通过该平台的赋能，真正实现了针对不同消费者千人千面的个性化推荐。

全域营销

全域营销指的是利用数据和数字化工具，进行以消费者运营为核心的智能营销。传统的营销方式推荐的可能不是消费者真正需要的，或者由于推荐流程过于冗长，等到消费者真正了解产品时，他已经不需要了。而全域营销以消费者的需求为核心，它的目的就是提升消费者在全渠道的消费体验，从而达到消费者与品牌关系全链路的精细化运营，为商家的营销和品牌建设赋能。全域营销分为三个方面：全域策略、全域传播和全域运营。

全域策略，是在策略层面做到洞察人群的价值，发现相应机会点，以达到高效创新。这里主要挖掘消费者的自然属性数据和品牌多源数据，将这些数据融合，为企业构建消费者画像体系，以此制定相应的人群策略。比如一个公司知道它的消费者大部分是年龄30岁到40岁的女性城市白领，那么根据这个属性，针对这类人群的相应特点和消费习惯，就可以更准确地进行相应的广告话术和用语包装等营销策略调整。

全域传播包括两个方面：在认知层面对消费者的曝光触达，在兴趣层面与消费者增进关系，因而它需要对消费者数据有更多认知，需要进阶到对数据的深入洞察分析。一方面，经由营销活动沉淀，完成对消费者画像的数据整合和分析；另一方面，通过消费者洞察实现全链路消费者行为及流转分析——因为从消费者第一次接触商品开始，到他实现购买或转向其他商品为止，这条链路上的很多关键节点甚至是转折，都是需要分析的。这些关键点可以是某个促销活动页面，因为这可以说明这种促销活动页面是能够引起这位消费者的关注和兴趣的；也可以是消费者浏览商品评论的行为，因为这说明这位消费者更为看重口碑；又或者是他的搜索行为，因为如果他搜索的基本都是名牌，那么我们就可以推知品牌的声誉可能对他更有吸引力。我们需要根据之前的数据，推导出什么样的人对什么样的营销活动更加敏感、更加关注，了解消费者的兴趣点所在，最终达到传播效果。

全域运营，包括侧重于忠诚层面的消费者运营、侧重于购买层面的店铺运营等，都可以通过相应数据进行增值服务和激活。相比于策略和传播，运营更偏向于消费者价值的最终落地。知道了在哪个传播节点、用怎样的话术能够触动消费者之后，我们要将这些内容进行整合落地。当我们知道网站消费者或门店消费者的人群画像后，我们在每一次的营销活动中都可以正确把握消费者的特点，从而增加营销运营活动的成功率。比如，都市白领喜欢通过新奇有趣的网文来认识新产品并产生购买冲动，且对品牌有着执着的追求，那么我们的运营就可以突出“大牌”“火热”“打卡”这些宣传文字，并且将发布宣传渠道侧重于网文传播，实现精准运营。

我们再对全域营销的这三点进行回溯：策略层面需要洞察人群的价值，创新机会点；传播领域要精准触达和曝光，精准增加和消费者之间的关系；运营领域，无论是店铺运营还是消费者运营，线上线下运营领域都要结合对消费者的认知，进行全域的精准营销优化。当然其基础还是以消费者为中心，打通整个营销数据。下面我们将策略、传播和运营三点结合起来，举两个成功运营的案例，以便读者全面认知。一是商场的运营，以华润五彩城的获客率提升为例；二是房地产的运作，以金茂府的销售量猛涨为例。

华润五彩城是北京地区集时尚购物、生活配套、餐饮、娱乐、文化和运动为一体的多功能、多主题大型区域性商场。华润五彩城通过对商场消费者各维度的大数据进行分析，了解到消费者在各时间点的交互情况，并据此策划营销活动。比如在某一个时间点，华润五彩城的人群种类和分布都有哪些特征，抓住这些特征定点地进行相应的商家和产品的推荐。经过数据分析发现，华润五彩城的受众已经具有从过去的家庭客群转变为以年轻人消费为主的态势，并且90后、95后消费者占比都分别接近20%，而40岁以下的消费者占比也达到了70%左右。也就是说，年轻群体已经成为商城的消费主力。从这个认知出发，华润五彩城形成了从宣发到触达再到消费的全面数据闭环，并对商城的规划做出调整：将商城从餐饮儿童驱动型风格转变为时尚中产家庭综合型运作模式，增加轻奢、化妆品和时尚配饰等商铺的比重，并举办各类触达活动，例如联合天猫做“双11快闪店”、打造“积分ETC”功能、品牌活动、会员专属优惠日和会员沙龙这些新潮的活动形式。通过消费者洞察，华润五彩城对广告投放方式进行了改良，实现了广告的精准投放，通过其不断攀升的客流量和车流量，我们也能看出消费者洞察的巨大作用，其在2018年的销售额超过了18亿元，更是证明了这一事实。这也体现了在数据的支撑下，全域营销可以促进企业的发展，带来更大的效益。

对于房地产商来说，基于楼盘以及目标受众分布的商圈大数据分析，可以产生客群洞察和精准营销的决策方案，实现房地产行业消费者数字化管理，其精准营销效果可显著提升。通过数字化赋能的手段，依托大数据对不同场景下消费者需求的强大理解能力，房地产行业可以提升多场景分析和决策的能力。