人工智能时代：破解人机共存密码（套装共10册）

民以食为天，餐饮电商也在运用个性化投放来获得用户的青睐。饿了么是国内领先的专业网上订餐平台之一，在竞争激烈的餐饮行业中站稳了脚跟并做出了一番成绩。饿了么的核心竞争力正是在于，针对用户，它能提供精准的商家及美食匹配，满足用户的个性化饮食需求；针对商家，它能提供精准的流量，高效地带来用户和订单，并在商家的各个生命阶段为其提供个性化的发展方案。

事实上，用户的需求早已不是“千人千面”的问题了，同一个用户，在不同的时间、地点、季节和天气等不同消费场景下，需求是不同的，饿了么要面对的是“一人千面”的个性化难题。为了解决这个难题，饿了么首先基于对大数据的处理，进行实时数据分析以及用户画像；再通过机器学习，根据用户的位置、访问时间、搜索关键词等信息，对商家和菜品进行实时排序。也就是说，在不同的情况下，同一用户接收到的推荐内容是不一样的。比如在中午12点，用户的午饭时间，饭菜的排序会比较靠前，而在下午3点，用户的下午茶时间，饮料和小吃的排序则会更加靠前。为了给商家带来更多的有效流量，饿了么做出的努力是，离线进行商家菜品的口味、食材以及做法的标签化，通过这些标签训练人工智能模型，在实时搜索阶段，人工智能模型可以将搜索词与标签匹配，精准定位到某个商家的某个菜品。匹配的精准度越高，用户的下单率就越高，这样就为商家带来了大量的订单。在人工智能模型的帮助下，饿了么为用户和商家都提供了个性化投放服务，最终为饿了么平台自身赢得了数倍转化率的提升。

携程网是国内领先的综合性旅行服务网站，拥有数亿的用户数量和丰富的旅游产品。能够维护住数量如此多的用户群，携程网的秘诀同样在于个性化推荐。在携程网上，每天都有大量用户浏览和预订，并产生内容和相关数据，在海量的用户数据、内容数据和商品数据的基础上，携程网通过人工智能模型，形成符合细分需求的个性化定制解决方案，帮助用户进行旅行决策。比如，根据客户的出行目的、地点、价格偏好、对酒店设施的需求等维度的不同，有针对性地进行推荐。有的用户是为了商务工作，有的用户是为了休闲度假，他们的需求显然不一样。个性化推荐提升了用户的使用体验，还带动了一整条旅行线路的发展。据估计，基于人工智能的个性化推荐相较传统方法，每年为携程带来过亿元的营收增量。

在国际上，也有许多企业在积极运用个性化推荐，零售巨头塔吉特（Target）便是其中的一个代表。塔吉特公司是美国的第二大零售商，个性化营销在其发展过程中发挥了重要作用。塔吉特是通过其开发的App——Cartwheel来实现个性化营销的。该App会通过用户的购买记录、购买意向和浏览信息等分析预测用户的需求，进行个性化推荐。例如，根据数据分析发现某个用户喜欢电子产品，便可以针对性地围绕电子产品进行推送；如果发现这个用户近期多次浏览某件商品，就可以推送相关折扣信息，促成购买行为。个性化营销大大提高了用户的活跃度，为塔吉特的电商销售额带来了50%的年增长率。

妮维雅作为在全球市场占有一席之地的百年护肤品牌，也在积极运用个性化投放提升效益。妮维雅通过分析用户的购买记录和个人偏好等数据建立用户个性化推荐模型。不同的用户在妮维雅旗舰店的首页看到的信息是不同的，页面内容是根据每个用户需求和购买行为来决定的。比如，一个用户已经很久没有消费了，妮维雅就会通过在首页放置一些促销满减的活动内容来刺激该用户消费。经过这样的个性化投放，在为用户带去更加贴心、符合需求的购物体验的同时，妮维雅的销售转化率也提升了约70%。

19世纪美国零售巨头约翰·沃纳梅克有句著名的悲叹：“我知道在广告上的投资有一半是无用的，但问题是我不知道是哪一半。”约翰·沃纳梅克创立了美国第一家百货商店“沃纳梅克氏”，被认为是百货商店之父，同时他也是第一个投放现代广告的商人。在传统的广告营销中，至少有一半的投放是无效的，但在人工智能个性化投放落地后，这个问题得到了部分解决，因为个性化投放的转化率要比传统的广告高。

过去的传统广告是粗放式的广撒网模式，一个广告投放出去，可能有很多人都看到了，但这个广告能与多大比例的消费者需求契合则无法估算。这一方面是由于部分消费者本身并不需要这个产品，另一方面则是由于这个广告没有对应上这部分消费者的兴趣和喜好，无法激起他们的购买欲，所以转化率极低，这部分的广告投放就等同于浪费掉了。而有了个性化投放之后，传统广告营销的这两点弊端就能被很好地解决——根据人工智能分析结果，了解每个消费者的实际产品需求，分别做好对应的产品推送；另外，根据人工智能了解消费者的兴趣点，根据不同的风格喜好推送不同类型的营销内容，相较于传统广告营销，实现个性化投放后，能够在很大程度上提升投放的转化率。

在商业高度发展的今天，个性化体验逐步成为零售领域的一把金钥匙，通过人工智能对大量消费人群的特性进行分析，有针对性地选用触达方式和进行产品推荐，既能使零售业实现资源优化配置，也能让消费者的需求获得满足、享受到更好的消费体验。人工智能赋能新零售，将数据合理利用并优化决策，完成个性化投放，以更低成本获取更高效益。

每一种技术都有自己的性格，每一个市场也都有自己的性格，只有当技术和市场投缘时，才能擦出火花。

—《变量》—

在前几章里，我们从数字化赋能谈到了AI中台的构建，阐明了AI思维在行业中的应用主要是通过人工智能做出预测来影响相应的决策，实现业务结果的提升。这一切都离不开数据中台和AI中台的支撑，然后才能通过人工智能准确和稳定地预测各种行为和指标，在不断反馈、优化和迭代的过程中，形成一个良性的闭环，逐步提升各项业务的业绩。我们也分领域展示了人工智能落地的实践情况及具体的操作步骤，讲解如何使用人工智能进行用户行为分析、如何预测相应的指标，从而指导实际的业务决策，实现业务目标的提升。

而在这一章，我们一方面是要通过具体典型案例讲述人工智能在生产、供应和销售等各个环节中起到的升级和改造作用；另一方面，我们分析的案例囊括零售业、工业和金融业三大行业，每一个例子的讲解不会止步于是否利用了人工智能或者如何运用人工智能，还会进一步研讨利用了人工智能之后所能够达到的业务效果和影响。这章的内容会更加清晰地展示人工智能是如何在具体领域里展开运用的。

零售业AI实战

随着经济的波动发展以及人们生活方式的改变，传统零售业模式正在发生巨大的转变。整个零售市场的竞争环境变化急速、全球电子购物的兴起以及用户捉摸不定的情绪，均为零售业的发展前景带来变数。零售业的方方面面都贯穿了人工智能的应用。传统零售在长期的发展过程中积累了庞大的数据，通过人工智能可以消除数据孤岛，主动收集数据并把它转换为可利用的资源，从而提供更准确和更实时的预测，帮助人们做出更明智的决定。精准的预测可以帮助提高供应链管理水平，影响重大的促销主题，更合理地进行产品优化和创新，使得零售业的各个环节都能得到优化和提升。

图7-1是零售全链路流程的示意图，也是人工智能在零售领域落地实践涉及的范畴。在整个链路里，原材料经工厂加工生产为产品，产品通过线上线下两个渠道传递给用户。在线上渠道，产品一般会通过电商平台来展示，用户可以通过主动搜索或者其他社交渠道来了解这个产品的信息，并完成购买行为。在整个过程中，所产生的数据将为人工智能提供数据支撑。在线下渠道，产品通常由遍布在各地的门店销售给用户，线下的数据同样也可以应用于人工智能优化商业决策的过程中。

在传统的零售链路里，企业都是通过渠道将产品推给用户的，难以直接获得用户的反馈。这样容易导致信息的延误与失真，最终可能造成产品与用户需求的脱节和库存积压。而人工智能在零售领域落地之后，会从用户的角度出发思考问题，例如，人工智能根据数据分析，可以通过用户在搜索、社交、电商和线下渠道的行为来预测他们的需求和喜好，以此指导产品生产和营销。当人工智能成功落地并运用于整个产供销体系后，最终是可以实现以用户需求打通供应和生产过程的，长此以往，企业的零售链路会进入一个对市场需求敏感的良性循环。

虽然人工智能可以赋能产供销中的各个环节，但是这个赋能过程不是一蹴而就的。通常来说，我们需要先在一个单点上形成人工智能的优势性应用，再逐渐接入产供销的各个环节中。最终，人工智能的应用在各环节形成闭环。这时，数据中台和AI中台才能极大地发挥作用。如果企业的生产、供应和销售环节都可以通过人工智能大脑来决策，那么整个过程就能通过对用户端需求最精准的把握来控制。这样会使产供销的各个环节损耗最小，企业库存降到最低，也能最及时地满足用户的需求，整体的产能和效益将是最高的。通过这样的大闭环逐渐推进人工智能在全流程、全行业的打通，真正实现C2F（从用户到厂商的模式）的理想才是人工智能大脑最终的目标。

人工智能赋能零售，主要有三个方面：一是营销，即通过人工智能精准推荐产品、展示广告以及设计会员权益；二是供应，即通过智选商品和销售预测来优化供应链，降低库存；三是产品和舆情洞察，即通过人工智能洞察用户的反馈。下面我将从这三个方面展开，详细讲解人工智能在实际应用的案例。每一个案例都会介绍人工智能落地应用和取得的商业结果。

智慧营销

营销是指通过各种途径和方式将产品传播出去，它直接关系到产品的销量以及企业的盈利，所以零售的营销环节，是人工智能参与的重要环节。零售业的发展要以用户为核心，但对企业来说，用户的价值是存在差异性的，有低价值用户、中价值用户和高价值用户，而不论是哪一种价值用户，流失都是必然的。企业的资源又相对有限，不能将资源均等地用于这三种价值的用户的维护。高价值用户作为利润贡献的重点，对企业的生存和发展具有决定性作用，所以为了资源的合理有效分配，用于高价值用户维护的资源就应当较多。

区分用户价值并针对不同的价值群体，给他们提供恰当的服务和引导，能构建更加精准、有效的营销策略。比如说，高价值群体的营销重点在维持他们的忠客行为，同时进行追加销售和交叉销售；中价值群体的营销重点在追加销售和交叉销售，抓住促进消费的机会；低价值群体的营销重点在促销和提醒等，提升人均价值。

用户价值重在预测。所谓预测，不是直接使用历史上用户的购买记录，这样做意义不大，就比如某个用户这次虽买了某个品牌的洗衣机，但这并不意味着这个用户未来一定会持续在这个品牌消费。因为对于很多种商品来说，用户过去的价值跟将来的价值往往没有明显的相关性，用户过去的价值对企业来说仅仅起到了参考作用。而最佳的用户价值是预测性的价值，是要知道他将来对这个品牌来说价值是多少，这样企业才能进行更有效的运营。所以在零售业中，我们要重点来做的一件事情就是对用户的将来价值进行预测。

如图7-2，这是一幅用户价值预测示意图。用户的性别、年龄、爱好、学历、人生状态、购买行为和点击次数等数据，都可以作为输入，通过人工智能模型预测出用户价值。

接着，从用户的价值角度出发，对每个用户做差异化的预测，形成价值导向。如果无价值导向，就会造成“千人一面”的同质化经营现象，高价值用户流失大；价值导向能避免同质化运营，重点维护高价值的用户，降低流失用户里高价值用户的占比；同样，针对性的运营活动最终能使转化的人群里高价值用户占比居多。这样既降低了用户流失率，又提高了转化率，真正实现了为企业赋能。

智慧营销可以通过十分具有针对性的个性化推荐来实现。一直以来，大型超市会采用印刷宣传单的方式，向顾客宣传商品打折信息及促销信息等，这样既浪费时间又增加成本。在市场竞争越来越激烈的今天，如何让顾客有效快速地了解到所需商品的信息，是超市和顾客共同面临又急需解决的现实问题。而人工智能可以通过基于用户需求的个性化产品推荐体系，来调整商品展示方式，让不同的人看到契合自己喜好的商品及优惠信息，实现营销的“千人千面”，从而提升用户转化率。