出品|虎嗅智庫

頭圖|AI生成

晚上八點鐘，北京物美超市的生鮮區(qū)，店員已不再忙著給蔬菜貼折扣標(biāo)簽。取而代之的是，AI系統(tǒng)正自動為貨架上剩余的商品定價—西紅柿7折，菠菜不打折，鱈魚段8折……

不止動態(tài)出清，AI已經(jīng)深入在零售運營的方方面面。

8月14日，虎嗅智庫第51期 502 線上同行活動，多點數(shù)智AI產(chǎn)品專家宋楠結(jié)合自身在零售門店和供應(yīng)鏈的實踐，從物美超市動態(tài)出清實踐案例出發(fā)，系統(tǒng)分享了AI在補(bǔ)貨、出清、門店管理等零售運營中具體實踐和挑戰(zhàn)及應(yīng)對策略，涵蓋項目落地路徑、常見問題及解決方案、組織配套機(jī)制等多方面的內(nèi)容。

找到小而有價值的切入點

出清一直是零售業(yè)老大難問題。不同品類和業(yè)態(tài)的出清邏輯也不盡相同。比如葉菜類新鮮度驅(qū)動，需前置打折，耐儲品的保質(zhì)期長，則須結(jié)合促銷節(jié)點批量出清，超市業(yè)態(tài)，因為全品類協(xié)同，流程復(fù)雜，便利店的空間有限，會側(cè)重快消品出清。

聚焦到生鮮的出清就更難了。因為生鮮類商品保質(zhì)期短、損耗高，人工出清判斷往往依賴過往經(jīng)驗，基本采用“一刀切”式打折，比如晚上八點統(tǒng)一五折。但這種粗暴打折的做法不僅會損失毛利，也很難對商品進(jìn)行精細(xì)化管理。而且整個打折流程也很繁瑣，從巡店、審批到打印、貼標(biāo)全都依靠人工，耗時且低效。

盡管復(fù)雜，但生鮮出清卻是AI的理想切入點。作為“日清”場景，生鮮品類高頻且剛需，且已有過往POS、庫存、會員等體系沉淀下的大量數(shù)據(jù)，而且生鮮類商品雖然毛利薄，但只要流程有所改善，價值便能立竿見影。

“AI可落地的場景很多，找對切入點很重要，一定得從小切口切入，越想大而全，越難落地，出清就是一個小但很有價值的切入點。”宋楠強(qiáng)調(diào)。

因此，一年多前，多點數(shù)智攜手物美超市落地AI動態(tài)出清體系。基于歷史銷量、實時庫存、保質(zhì)期和銷售速率，再疊加行業(yè)經(jīng)驗，AI模型自動計算不同商品的最優(yōu)折扣，實時生成促銷單并同步到門店執(zhí)行。

智能AI出清：方案推理鏈路

該體系最初以肉品、葉菜、凈膛魚等日清商品，以及高客流門店進(jìn)行試點，用數(shù)據(jù)驗證效果。隨后小范圍應(yīng)用并收集反饋，復(fù)盤優(yōu)化，聚焦高優(yōu)問題，再逐步擴(kuò)大試點范圍，最終實現(xiàn)全面推廣，目前已覆蓋285家門店，并實現(xiàn)實時數(shù)據(jù)跟蹤。

物美AI出清的關(guān)鍵落地階段與步驟

借助AI動態(tài)出清體系，原本需要巡店、拍照、審批、打印、貼標(biāo)等復(fù)雜繁瑣的出清流程，現(xiàn)在只剩下“堆頭擺放”需要人工干預(yù)。同時，借助于這套體系，員工也從貼標(biāo)簽等簡單重復(fù)的工作中被解放出來，可以投入更多精力到服務(wù)顧客和優(yōu)化陳列等價值更高的工作中去。宋楠透露，目前AI的“幻覺率”控制在千分之二以內(nèi)，試點門店的整體損耗率下降超過三成。

數(shù)據(jù)是基礎(chǔ)，人是關(guān)鍵

當(dāng)然，AI在業(yè)務(wù)場景中的成功落地，不僅是技術(shù)與業(yè)務(wù)的結(jié)合，還需要從組織架構(gòu)到工作流程的深度重塑。宋楠結(jié)合過往服務(wù)項目，總結(jié)出AI 在零售場景落地以下的幾個關(guān)鍵要點：

首先，數(shù)據(jù)是AI的基礎(chǔ)，沒有干凈的數(shù)據(jù)，AI就難以避免"幻覺"，解決數(shù)據(jù)孤島比較高效的方法就是AI進(jìn)行原始數(shù)據(jù)理解，相比傳統(tǒng)算法依賴人工清洗，大模型能通過推理更好地理解異常數(shù)據(jù)和行業(yè)知識，也降低了數(shù)據(jù)準(zhǔn)備成本。

其次，要理解AI的邊界，不要神化 AI，要真正理解AI的原理。相比傳統(tǒng)算法，AI的優(yōu)勢在于不僅能理解業(yè)務(wù)數(shù)據(jù)，還能更好理解業(yè)務(wù)行業(yè)知識，但只有選對場景才能獲得十倍以上的效率提升；

再者，Agent的落地，還需要打破現(xiàn)有SOP，以模型為中心重構(gòu)流程，傳統(tǒng)SOP面向人，而 AI 需要圍繞模型重構(gòu)流程，讓AI分擔(dān)重復(fù)性工作；

特別值得注意的是，AI項目的落地需要業(yè)務(wù)團(tuán)隊的高度參與，只有將行業(yè)知識充分"喂"給AI，才能讓模型真正理解業(yè)務(wù)邏輯，而越理解業(yè)務(wù)邏輯和數(shù)據(jù)的人，也才會讓AI更容易落地；同時，AI agent 落地后，團(tuán)隊需從“人做事”轉(zhuǎn)向“人監(jiān)督 AI + AI 執(zhí)行”，組織架構(gòu)也須隨之調(diào)整。

在QA互動環(huán)節(jié)，聽眾的問題更是直指業(yè)務(wù)細(xì)節(jié)中的落地難點，以下僅列出部分精彩問答：

Q：短保商品的動態(tài)出清如何落地？

A：庫存估算上，可以以先進(jìn)先出為假設(shè)，按進(jìn)貨次數(shù)和銷售反推剩余可售量，然后將店里做得最好的員工對鮮度折損的估算，寫成自然語言規(guī)則，喂給模型。

同時結(jié)合庫存、損耗、實時銷售、剩余保質(zhì)期等數(shù)據(jù)，讓AI每30分鐘更新一次折扣策略，并通過模型不斷對比實際售罄結(jié)果與預(yù)測結(jié)果，持續(xù)校正學(xué)習(xí)。這樣的話，基本就能把讓AI出清策略做到店里最佳員工的 70～80 分的水平。

Q：圖片類的多模態(tài)數(shù)據(jù)的解析和分類處理？

A：目前多模態(tài)模型穩(wěn)定性仍低于大語言模型，復(fù)雜動作識別準(zhǔn)確率不高。如果要提升多圖類數(shù)據(jù)的準(zhǔn)確率，可以對每張圖單獨描述再匯總，也可以用多張圖按順序拼接后一次輸入。

現(xiàn)階段，多模態(tài)模型更適合在貨架缺貨巡檢場景等這種簡單有或無的二分類場景落地，但在帶時序的復(fù)雜動作識別，比如退貨流程合規(guī)檢測上，還需等待下一代模型升級。

Q：當(dāng)出現(xiàn)爆品、新品，AI怎么去幫助做補(bǔ)貨決策？

A：新品其實可以找過往“相似品”作為參照，先把業(yè)務(wù)專家類似預(yù)測的經(jīng)驗過程寫成提示詞給AI，結(jié)合相關(guān)數(shù)據(jù)讓AI給出決策參考，然后再根據(jù)首實際銷售數(shù)據(jù)滾動修正；

爆品則可以引入外部社媒抖音、小紅書等熱度數(shù)據(jù)，去發(fā)現(xiàn)搜索量、點擊率飆升的品類，同時綜合門店實時反饋、關(guān)聯(lián)品類銷量等數(shù)據(jù)，來做短期銷量跳躍預(yù)測，并把預(yù)測結(jié)果疊加到補(bǔ)貨模型中，從而讓模型給出靠譜的補(bǔ)貨決策參考。

結(jié)語

整場活動中，線上觀眾熱烈討論，不止以上問題，更提出補(bǔ)貨、門店運營、組織協(xié)同等多個關(guān)鍵業(yè)務(wù)問題，宋楠也一一給出深入解答。此外，也有來自知名TOP公司30+決策者們，比如華為、Lola Rose、蒙牛、傳音控股、廣為電器、都市麗人、嘀嗒、欣和等這些優(yōu)質(zhì)觀眾參與本場活動?，F(xiàn)場活動在交流實踐經(jīng)驗，探討業(yè)務(wù)合作等多種聲音下落下帷幕。

歡迎添加智庫小虎

加入虎嗅智庫AI創(chuàng)新落地實踐交流群，獲取獨家AI創(chuàng)新案例與洞察，實現(xiàn)AI落地快人一步

關(guān)于虎嗅智庫： 虎嗅智庫是一家聚焦企業(yè)數(shù)字化、AI創(chuàng)新實踐的新型研究服務(wù)機(jī)構(gòu)，為產(chǎn)業(yè)智能化進(jìn)程中的甲乙雙方，提供有洞察性的研究報告、案例評選，以及線上會議、線下活動與參訪服務(wù)，以支持企業(yè)高管在智能化、數(shù)字化方面的明智決策。 我們提供的核心價值： 及時與優(yōu)質(zhì)的洞察，了解技術(shù)、了解行業(yè)、了解同行與對手； 為決策者技術(shù)與產(chǎn)品戰(zhàn)略決策、產(chǎn)業(yè)規(guī)劃、解決方案選型提供重要參考； 幫助市場全面了解前沿科技及所影響產(chǎn)業(yè)的發(fā)展?fàn)顩r，還有未來趨勢。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4734700.html?f=wyxwapp