近十年来，中国消费品与零售行业经历了翻天覆地的变化。电子商务的崛起、新零售的兴起以及疫情的冲击，共同推动了行业的数字化转型，消费品与零售逐渐从传统的销售模式向更加智能化、个性化的服务转变。很多消费品与零售企业在过去数字化的建设过程中已经积累了大量的用户消费行为数据、商品数据、供应链数据等，为大模型的应用奠定了基础。对于消费品与零售行业来说，大模型能够助力零售行业实现从供应链管理到客户服务的端到端链条优化，提升消费品与零售行业的运营效率，减少自动化营销中的重复性任务，并推动个性化营销策略和创新产品理念的形成，为消费品与零售行业的发展注入新动能。沙丘智库长期跟踪调研大模型技术的发展，旨在帮助企业快速了解大模型最新、最全面的落地情况。通过研究消费品与零售行业的大模型落地实践，沙丘智库从中精选出5个具有代表性的案例（蒙牛、星巴克、波司登、雅戈尔、高露洁），供其他消费品与零售企业进行参考。在多个开源和闭源的通用大语言模型之上，蒙牛基于内部积累的领域知识，打造了多个垂直的领域模型，面向B端和C端提供服务。
面向C端消费者，蒙牛在其WOW小程序上打造了“AI营养师蒙蒙”，作为消费者身边的“营销健康专家”；面向B端（企业内部），基于各个领域小模型（管理模型、营销模型、供应链模型等）打造AI场景工厂，为员工赋能，激发员工生产力。
完整内容：蒙牛大模型应用实践
业务部门当前数据洞察的流程较长，需要提出数据需求给数据部门，数据产品部门对数据进行梳理后交给数据执行部门执行，执行后再将结果转交给业务部门，整个流程最快也需要2-3天。因此，星巴克探索NL2SQL，协助业务部门快速执行业务洞察。
完整内容：星巴克大模型应用探索
▎案例3：波司登基于“大模型+AIoT”的线下门店经营实践
服装行业线下门店缺少有效工具来捕捉和分析消费者行为，导致无法构建完整的转化率漏斗，难以实现精准营销和库存管理。
波司登通过在门店服装上安装芯片并结合大模型技术，实现了对线下门店顾客行为的精准分析。这种“AIOT+大模型”的解决方案，不仅提高了门店的转化率，还优化了库存管理和商品补货策略，使得决策过程更加数据驱动，显著提升了业绩和品牌价值。
完整内容：波司登基于“大模型+AIoT”的线下门店经营实践
在大模型和生成式AI的浪潮下，雅戈尔积极创新，依托数据中台实现的高质量数据存储和挖掘，在基于钉钉的“夸父办公”平台上线了“夸父有数”智能BI应用，实现了自然语言条件下的智能化数据分析及问答能力。
雅戈尔ChatBI实现了问答的任意组合，降低了获取数据的门槛，能在海量数据中快速发现规律、获取洞见，辅助经营决策；
为了提高数据的使用率，ChatBI让系统变得免培训，即时获得，例如原本搜索结果为三个数字，让其成为三个看板；数字增多后，成为表格形式；根据不同员工对“业绩”说法的不同，或为“有效金额”，或为“销售”，让系统自动理解同义名词，自动切换。
案例选自：《2024年生成式AI案例研究简报（6月）》
▎案例5：高露洁探索生成式AI驱动的数据分析机器人
高露洁正在试点一个生成式AI驱动的数据分析机器人，旨在实现数据民主化，加快数据洞察。通过将虚拟货架的数据分析与内容创建结合起来，该工具收集有关定价、库存水平、产品详情页内容、搜索位置、评级、评论、竞争对手分析的数据；员工可以对话询问机器人有关数据的问题，例如“薄荷美白牙膏的销售额是多少？”，还可以检索缺货数据，如产品层面的缺货频率和缺货持续时间。
案例选自：《2024年生成式AI案例研究简报（6月）》
粤ICP备14082021号
免费POC，
零成本试错
