30億GMV由AI驅(qū)動(dòng)， “孩子王” 做到了。

去年，僅會(huì)員營(yíng)銷一項(xiàng)，就憑借AI技術(shù)撬動(dòng)約30億GMV，直接占據(jù)整體百億營(yíng)收規(guī)模的近三成；而在直播、短視頻矩陣、私域運(yùn)營(yíng)等核心獲客場(chǎng)景中，AI更成了孩子王打破流量瓶頸、穩(wěn)定獲客的核心抓手。

怎么做到的？

上周，孩子王CTO王海龍老師做客混沌，具體、系統(tǒng)地拆解了核心方法論：用技術(shù)抹平能力差異、用數(shù)據(jù)放大單客價(jià)值、用AI重構(gòu)業(yè)務(wù)效率……

孩子王的AI實(shí)戰(zhàn)以母嬰賽道為載體，但絕不僅是一家企業(yè)的突圍之路，而是揭示了一些通用的增長(zhǎng)邏輯。其短視頻矩陣、店播、私域精準(zhǔn)運(yùn)營(yíng)等打法，更可直接遷移到所有重服務(wù)、重會(huì)員、重線下的行業(yè)。

除了可復(fù)用的成功實(shí)戰(zhàn)，王海龍老師也坦誠(chéng)分享了落地AI時(shí)踩過的坑，對(duì)想做AI轉(zhuǎn)型的企業(yè)極具參考價(jià)值。總之，這堂課是不可錯(cuò)過的實(shí)戰(zhàn)指南，相信能給所有在減量市場(chǎng)中尋找增量的企業(yè)帶來重要啟示。

以下是課程的內(nèi)容精選，本文僅占課程內(nèi)容的十分之一，完整版在混沌APP。

重新定義母嬰零售，如何減量市場(chǎng)跑出增量？

在正式探討數(shù)字化轉(zhuǎn)型之前，我想先聊聊“孩子王”的經(jīng)營(yíng)理念和出發(fā)點(diǎn)，這樣才能明白我們所做的動(dòng)作背后，究竟有著怎樣的邏輯。

孩子王的核心模式是大型數(shù)字化門店。這些店通常開在萬達(dá)、吾悅、龍湖等大型商場(chǎng)里，平均單店面積在三千到五千平米，個(gè)別特大店甚至能達(dá)到七八千平米。從準(zhǔn)媽媽懷孕開始，到孩子14歲，所有的衣食住行需求，我們的店都能一站式滿足。

面對(duì)下跌的出生率以及緊縮的市場(chǎng)容量，為什么孩子王的營(yíng)收依然能保持穩(wěn)步增長(zhǎng)？

答案就在于我們創(chuàng)業(yè)初期就確立的核心理念：“單客經(jīng)濟(jì)”。

我們?cè)氵^一筆賬：在二三線城市，一個(gè)有寶寶的家庭，一年在孩子身上的花費(fèi)至少在1萬元左右。

所以我們的目標(biāo)就是把這1萬塊錢背后的寶媽服務(wù)好，讓她把這一萬塊錢的預(yù)算都花在孩子王。這意味著，我們只要精準(zhǔn)服務(wù)好100萬個(gè)核心會(huì)員，百億量級(jí)的生意自然就出來了。

因此，我們所有的經(jīng)營(yíng)邏輯，都是圍繞“如何服務(wù)好寶媽的全生命周期”來展開的。

基于以上的經(jīng)營(yíng)邏輯，我們定義了一個(gè)特殊的角色——育兒顧問。他們區(qū)別于以往商場(chǎng)里的導(dǎo)購(gòu)員，相反，他們的職責(zé)是解決寶媽在養(yǎng)娃、育娃過程中遇到的各種專業(yè)痛點(diǎn)，在解決問題的過程中，順帶提供商品解決方案。

為了保證專業(yè)性，我們不僅在內(nèi)部投入重金培訓(xùn)，還要求育兒顧問必須考取國(guó)家認(rèn)證的營(yíng)養(yǎng)師等資質(zhì)才能上崗。在某種程度上，他們是半個(gè)“醫(yī)護(hù)人員”。正是這種強(qiáng)服務(wù)的屬性，才建立起用戶對(duì)我們的極度信任。

為什么要重金投入數(shù)字化？

行業(yè)里都在談數(shù)字化，但真正愿意重金投入且堅(jiān)持至今的企業(yè)并不多。孩子王從2015年開始重度投入數(shù)字化，每年保持1到2個(gè)億的資金投入，至今已堅(jiān)持了十年。

為什么我們要這么做？這里有兩個(gè)核心驅(qū)動(dòng)力：

1、解決員工服務(wù)能力大規(guī)模復(fù)制的挑戰(zhàn)

當(dāng)門店少的時(shí)候，我們可以靠線下面對(duì)面的考核來培訓(xùn)員工。但當(dāng)我們擁有上千家門店、上萬名員工時(shí)，如何保證每一名育兒顧問都能維持同樣的專業(yè)水準(zhǔn)？如果沒有數(shù)字化工具，這將是一件根本不可能完成的任務(wù)。

2、利用行業(yè)天然的“數(shù)據(jù)建模”優(yōu)勢(shì)

母嬰行業(yè)有一個(gè)非常好的特性——數(shù)據(jù)極易建模。

孩子在3歲之前的行為模式都是高度類似的。比如一罐奶粉喝多久，一包紙尿褲用幾天，幾個(gè)月會(huì)翻身，幾個(gè)月會(huì)長(zhǎng)牙……

有了這些行為特征，我們就能預(yù)判出用戶大概什么時(shí)候需要奶粉，什么時(shí)候需要零輔食，什么時(shí)候需要嬰兒車......

靠人工大腦去記上千萬會(huì)員的需求是不現(xiàn)實(shí)的，但數(shù)字化可以。通過模型我們便能在用戶最需要的時(shí)間點(diǎn)，送上最貼切的服務(wù)。

目前，孩子王服務(wù)的9600萬名會(huì)員，每一個(gè)人身上都有豐富的標(biāo)簽畫像。我們知道他們是誰，需要什么，偏好什么。有了這個(gè)堅(jiān)實(shí)的數(shù)字底座，我們才敢說在如今的AI時(shí)代，我們有能力去解決更深層次的服務(wù)效率問題。

因此，在接下來的部分，我會(huì)詳細(xì)拆解孩子王是如何利用這些數(shù)據(jù)資產(chǎn)，并結(jié)合AI新技術(shù)，去重構(gòu)我們的業(yè)務(wù)邏輯。

文章僅為課程1/10，請(qǐng)前往APP看課

企業(yè)落地AI前，先思考這三大底層邏輯

在引入AI時(shí)，我們的出發(fā)點(diǎn)永遠(yuǎn)是：這個(gè)技術(shù)到底解決了企業(yè)的什么問題？ 不是說現(xiàn)在“文生圖”火了，或者某個(gè)話題火了，我們就立刻跟風(fēng)。

目前，這種實(shí)戰(zhàn)導(dǎo)向已經(jīng)拿到了階段性結(jié)果。去年孩子王百億規(guī)模的GMV中，有30%的生意完全由AI驅(qū)動(dòng)。關(guān)于在企業(yè)內(nèi)部落地AI，我們總結(jié)了三條底層的實(shí)踐邏輯：

一、尋找“大齒輪”場(chǎng)景。

必須讓AI進(jìn)入核心業(yè)務(wù)流程，才能產(chǎn)生真正的商業(yè)價(jià)值。不要去做那些純粹“炫技”的研發(fā)，也不要只局限于解決某一兩個(gè)崗位的重復(fù)性工作。

二、數(shù)據(jù)是企業(yè)真正的護(hù)城河。

在AI時(shí)代，模型易得，但用好難。不同企業(yè)拿到的結(jié)果之所以會(huì)天差地別，關(guān)鍵就在于你是否擁有核心的私有數(shù)據(jù)。只有把企業(yè)數(shù)據(jù)與模型結(jié)合，長(zhǎng)出來的才是屬于你自己的核心競(jìng)爭(zhēng)力。

三、培養(yǎng)“既懂技術(shù)、又懂業(yè)務(wù)”的AI架構(gòu)師。

這類人需要具備兩種視野：既要清楚目前AI能力的邊界在哪里，知道哪些事能做，哪些不能做；同時(shí)也要清楚企業(yè)當(dāng)前的業(yè)務(wù)痛點(diǎn)是什么。

通過AI訓(xùn)戰(zhàn)打造數(shù)字化銷冠

接下來我會(huì)結(jié)合孩子王近兩三年的實(shí)戰(zhàn)，分享我們是如何在“人、貨、場(chǎng)”各個(gè)環(huán)節(jié)落地AI場(chǎng)景的。

首先是訓(xùn)戰(zhàn)。

零售連鎖企業(yè)最大的痛點(diǎn)就是人多且能力分散。我們有上萬名員工，如何保證每一個(gè)育兒顧問都具備服務(wù)用戶的專業(yè)能力？

以前，我們靠數(shù)字化培訓(xùn)，把課程發(fā)下去讓大家在線學(xué)習(xí)，學(xué)完后參加考試。但實(shí)際效果是，我去巡店時(shí)曾親眼看到，員工電腦上播著課，但人已經(jīng)不知道干嘛去了。我們?cè)诤笈_(tái)看到的學(xué)習(xí)數(shù)據(jù)很“完美”，但員工究竟會(huì)不會(huì)，仍然是個(gè)問號(hào)。

于是在2024年，我們就借助AI Agent推出了“數(shù)字訓(xùn)戰(zhàn)官”。它的邏輯很簡(jiǎn)單，讓AI模擬成真實(shí)用戶，與育兒顧問進(jìn)行語音交互。

比如AI會(huì)說，“我家寶寶三歲了，你幫我推薦一款合適的奶粉?！彼鼤?huì)根據(jù)員工的回答，檢測(cè)預(yù)設(shè)的核心知識(shí)點(diǎn)或賣點(diǎn)是否講到位了。AI每次提的問題都不一樣，員工背答案還不行，必須得真懂。

這套系統(tǒng)的效率高到驚人。去年我們?nèi)觊_展了1200場(chǎng)訓(xùn)練，40萬人次參與，平均每名員工一年被考核了40多次。兩千多萬次對(duì)話、三百多萬次AI自動(dòng)打分，這種密度的抽檢，如果靠人工巡店督導(dǎo)，是根本不可能完成的任務(wù)。

在這個(gè)基礎(chǔ)上，我們還做了一個(gè)升級(jí)版，叫作“銷冠人腦蒸餾”。

很多企業(yè)的銷冠是“天生會(huì)賣”，你讓他總結(jié)方法論，他往往說不出來，這是很多企業(yè)的一大痛點(diǎn)。

于是我們就做了一個(gè)情景訓(xùn)練，讓AI去模擬客戶，跟銷冠進(jìn)行多輪對(duì)話，把銷冠在不同情境下的接待流程和話術(shù)完整記錄下來，再通過大模型進(jìn)行提煉，分發(fā)給全國(guó)的普通員工。這樣一來，我們就把銷冠的個(gè)人能力轉(zhuǎn)化成了企業(yè)的組織能力。

文章僅為課程1/10，請(qǐng)前往APP看課

打造螞蟻雄兵 構(gòu)建短視頻流量矩陣

過去，孩子王主要依賴線下商場(chǎng)的自然客流做轉(zhuǎn)化?，F(xiàn)在情況變了，用戶的時(shí)間大量被線上占據(jù)。但問題是，在公域平臺(tái)上，跟MCN機(jī)構(gòu)合作或投流的成本越來越高，這很難成為企業(yè)的常規(guī)能力。

于是我們的策略是發(fā)揮“螞蟻雄兵”的優(yōu)勢(shì)，通過員工矩陣來搞流量。

短視頻平臺(tái)有一個(gè)基礎(chǔ)流量分發(fā)邏輯：每條視頻發(fā)出后，默認(rèn)會(huì)給300到500次的播放量?；谶@個(gè)邏輯，如果我讓一萬名員工每人注冊(cè)一個(gè)賬號(hào)，每天發(fā)一條視頻，企業(yè)每天就能穩(wěn)穩(wěn)獲得保底300萬到500萬的播放量。如果其中產(chǎn)生了幾條爆款，那就是意外之喜。

這個(gè)邏輯聽起來簡(jiǎn)單，但真正落地時(shí)“步步是坑”。

首先是賬號(hào)管理。一萬多名員工，每個(gè)人的抖音、小紅書賬號(hào)是什么？怎么保證填寫的賬號(hào)是準(zhǔn)確的？只要員工敲錯(cuò)一個(gè)標(biāo)點(diǎn)符號(hào)，后臺(tái)就無法抓取數(shù)據(jù)。

解決了賬號(hào)問題后，更核心的是內(nèi)容控制。在短視頻矩陣的運(yùn)營(yíng)中，如何讓全國(guó)上萬名員工“步調(diào)一致、集中爆發(fā)”，是一個(gè)巨大的挑戰(zhàn)。

以“二月二龍?zhí)ь^”這類節(jié)氣營(yíng)銷為例。我們希望全國(guó)幾萬個(gè)賬號(hào)能同時(shí)發(fā)布相關(guān)主題的內(nèi)容，從而在短時(shí)間內(nèi)形成聲量突破。為了實(shí)現(xiàn)這一目標(biāo)，我們特意設(shè)計(jì)了一套營(yíng)銷日歷，由總部的同學(xué)提前規(guī)劃好全月的檔期和主題。

檔期建好后，下一步就是做內(nèi)容了。起初，我們嘗試用總部的素材做“混剪”，用AI工具輔助生成大量視頻分發(fā)給一線。結(jié)果發(fā)現(xiàn)這些視頻發(fā)到公域平臺(tái)上幾乎沒有流量。原因很簡(jiǎn)單：平臺(tái)有查重機(jī)制。內(nèi)容高度重復(fù)的視頻會(huì)被判定為低質(zhì)量，不予推流。

我們的目的是拿流量，而不是為了發(fā)視頻而發(fā)視頻。所以，對(duì)抗平臺(tái)規(guī)則是行不通的。既然平臺(tái)鼓勵(lì)原創(chuàng)，那我們的策略就轉(zhuǎn)變?yōu)椤翱偛慷?biāo)準(zhǔn)，一線拍素材”。

為了不讓員工“瞎發(fā)揮”，我們每天將任務(wù)傻瓜式地下發(fā)到內(nèi)部管理軟件上，例如今天拍哪個(gè)品、哪幾個(gè)分鏡、每個(gè)分鏡的內(nèi)容是什么，都寫得清清楚楚。

而且我們發(fā)現(xiàn)，對(duì)于有些員工來說，僅有文字說明是不夠的，于是我們還加上了“樣例”。比如要拍門店招牌，我們不僅告訴他拍什么，還會(huì)展示樣例視頻，告訴他離多遠(yuǎn)拍、什么角度拍。員工不需要?jiǎng)幽X思考創(chuàng)作，只需要照貓畫虎，拍出自家門店的真實(shí)場(chǎng)景即可。

素材拍好后，接下來的剪輯、配音、字幕和轉(zhuǎn)場(chǎng)等，全交給總部的AI合成系統(tǒng)。

在發(fā)布環(huán)節(jié)，我們也總結(jié)出了經(jīng)驗(yàn)，不要搞“一鍵代發(fā)”，以前我們也嘗試過代發(fā)工具，但很快就被平臺(tái)風(fēng)控識(shí)別，導(dǎo)致賬號(hào)權(quán)重下降甚至被封號(hào)。我們現(xiàn)在的做法是“順應(yīng)規(guī)則”，讓員工手動(dòng)發(fā)布，但通過我們內(nèi)部的系統(tǒng)盡可能簡(jiǎn)化流程。

視頻發(fā)布后，系統(tǒng)不僅能實(shí)時(shí)監(jiān)控誰完成了任務(wù)，還能自動(dòng)爬取視頻鏈接，回收播放量、點(diǎn)贊量等核心數(shù)據(jù)。

坦白說，通過這種方式產(chǎn)出的視頻，質(zhì)量可能只有70分，肯定比不上專業(yè)的MCN機(jī)構(gòu)。但我們的矩陣邏輯不是追求單條爆款，而是追求穩(wěn)定的下限。只要這1萬個(gè)視頻都能正常發(fā)出去，每條保底拿到幾百次播放，我的目標(biāo)就完成了。

這套模式跑通后，我們不僅帶動(dòng)了內(nèi)部一萬多名員工，還納入了外部三萬多名寶媽（KOC），形成了一個(gè)龐大的傳播網(wǎng)絡(luò)。

更令人驚喜的是，這套矩陣意外地變成了一款“廣告產(chǎn)品”，很多品牌都想付費(fèi)跟我們合作。

這套打法的核心邏輯就是把復(fù)雜的決策和工具研發(fā)留給總部，讓員工只做最簡(jiǎn)單且必須由他來完成的操作。

對(duì)于想要嘗試矩陣營(yíng)銷的企業(yè)來說，這套方案的門檻其實(shí)并不高。它真正需要的是你有一群能執(zhí)行的員工、有一定數(shù)量的賬號(hào)，以及一個(gè)懂節(jié)奏的營(yíng)銷規(guī)劃師。只要跑通這個(gè)閉環(huán)，短視頻矩陣營(yíng)銷就能成為企業(yè)低成本獲取流量的利器。

直播：“虛實(shí)結(jié)合激活店播潛能

在公域運(yùn)營(yíng)中，除了視頻，另一大核心場(chǎng)景就是直播。我們最理想的狀態(tài)是每一家店都做店播。

挑戰(zhàn)也隨之而來：如何讓上萬名一線員工都學(xué)會(huì)直播？而且零售行業(yè)的員工流動(dòng)率普遍較高，今年費(fèi)力教會(huì)了一批，明年可能就走了一半。如果單純依靠人力培訓(xùn)，這套模式很難持續(xù)。我們先后也嘗試過幾種方案：

第一階段：AI數(shù)字人直播

數(shù)字人直播技術(shù)雖然成熟，但極易被判定為“低質(zhì)量直播”，進(jìn)而被平臺(tái)封禁。

所謂的“低質(zhì)量”，主要源于兩個(gè)問題：一是內(nèi)容重復(fù)，傳統(tǒng)的數(shù)字人直播往往是拿著一段預(yù)錄視頻循環(huán)播放；二是缺乏互動(dòng)，無法實(shí)時(shí)回答彈幕。

為了解決這兩大痛點(diǎn)，我們接入了大模型。先是利用大模型極強(qiáng)的文案生成能力，為數(shù)字人準(zhǔn)備了長(zhǎng)達(dá)16小時(shí)的不重復(fù)口播稿；同時(shí)打通彈幕抓取技術(shù)，將用戶問題實(shí)時(shí)投喂給模型，轉(zhuǎn)換成語音后再播出。雖然有十幾秒的延遲，但基本實(shí)現(xiàn)了實(shí)時(shí)互動(dòng)。

我們這套方案在“本地生活”領(lǐng)域跑得還不錯(cuò)，但隨著規(guī)模的擴(kuò)大，卻遭到了同行的舉報(bào)。因?yàn)槲覀兊臄?shù)字人可以做到16個(gè)小時(shí)“日不落”式的直播，擠壓到了其他小商家的生存空間，最終由于平臺(tái)規(guī)則的壓力，我們轉(zhuǎn)而去尋求更穩(wěn)妥的替代方案。

第二階段：場(chǎng)景直播

我們目前找到的一套行之有效的替代方案是“場(chǎng)景直播”。以孩子王的“童樂園”為例。童樂園是一個(gè)真實(shí)場(chǎng)景，有小朋友在玩耍，有育兒顧問帶隊(duì)做活動(dòng)，這是非常有說服力的內(nèi)容。

所以我們就直接在童樂園里架一臺(tái)手機(jī)，直播現(xiàn)場(chǎng)實(shí)景，每天早上一開園就自動(dòng)運(yùn)行，完全不需要人工盯著。而且因?yàn)樗钦鎸?shí)場(chǎng)景，平臺(tái)也不會(huì)封禁。

至于口播話術(shù)、聲音以及互動(dòng)回復(fù)，仍然由我們之前的AI模型來做。

直播帶來的數(shù)據(jù)反饋也非?？捎^，在不投流的情況下，一個(gè)直播間一天能帶動(dòng)兩三千的銷售額；如果每天都播的話，算下來一年就是近百萬的流水，這就相當(dāng)于一個(gè)“銷冠”的產(chǎn)出了。

第三階段：AI提詞器賦能真人直播

盡管無人直播很省心，但平臺(tái)最鼓勵(lì)的始終還是真人出鏡。后來我們就想，怎么才能盡可能地讓員工零門檻直播，誰上來都能播？在調(diào)研中我就發(fā)現(xiàn)，員工不想播、不敢播最本質(zhì)的原因有兩個(gè)：

一是不知道說什么，二是就算告訴他說什么，他也背不下來稿子。

針對(duì)這個(gè)痛點(diǎn)，我們開發(fā)了一款“懸浮提詞器”的工具，而且還把它和內(nèi)部的商品系統(tǒng)打通了。當(dāng)員工直播賣某款產(chǎn)品時(shí)，點(diǎn)開提詞器，AI會(huì)自動(dòng)生成一段“銷冠”級(jí)別的主播話術(shù)，你念到哪，進(jìn)度條就自動(dòng)跟到哪。這樣一來，我們就解決了門店員工直播能力從0到1的問題。

這種“虛實(shí)結(jié)合”的打法，既保證了直播間的時(shí)長(zhǎng)和質(zhì)量，又通過真人出鏡提升了賬號(hào)在平臺(tái)算法中的權(quán)重，從而獲得持續(xù)推流。

而且這套打法不僅適用于母嬰行業(yè)，在餐飲、美業(yè)、4S店等類似的場(chǎng)景也同樣通用。

文章僅為課程1/10，請(qǐng)前往APP看課

AI實(shí)現(xiàn)私域精準(zhǔn)營(yíng)銷

我們目前在企業(yè)微信私域里擁有約1000萬活躍會(huì)員，分布在一萬名員工手中，平均每人要維護(hù)1000個(gè)會(huì)員。面對(duì)這么大一座“金礦”，怎么才能把它挖好？

我們的策略就是“數(shù)據(jù)驅(qū)動(dòng)的精準(zhǔn)服務(wù)”。

在私域里，最忌諱的就是無差別群發(fā)。因此，我們會(huì)通過標(biāo)簽和算法，幫員工找出“今日高轉(zhuǎn)化機(jī)會(huì)”。

比如，某員工今天要發(fā)的是適合一歲寶寶的產(chǎn)品，那么他就只發(fā)給那些有一歲寶寶的用戶；再比如，1000個(gè)會(huì)員里只有15個(gè)人對(duì)某款洗衣液感興趣，那么我們就只讓員工給這15個(gè)人發(fā)信息。至于這15個(gè)人是誰、為什么選他們，由總部的數(shù)字化團(tuán)隊(duì)通過算法搞定，員工只需要執(zhí)行。

為了提升執(zhí)行效率，我們還推動(dòng)了企業(yè)微信的功能優(yōu)化。以前發(fā)15個(gè)人需要點(diǎn)15次，效率極低；現(xiàn)在我們實(shí)現(xiàn)了“一鍵執(zhí)行”，員工點(diǎn)一下，精準(zhǔn)的內(nèi)容就能瞬間發(fā)給所有目標(biāo)會(huì)員。整套流程測(cè)算下來，只需要15秒。

發(fā)出去之后，數(shù)據(jù)閉環(huán)同樣重要。我們會(huì)實(shí)時(shí)記錄會(huì)員的瀏覽數(shù)據(jù)并反饋給員工：誰看了、看了幾次、沒下單的原因可能是什么。如果一個(gè)會(huì)員連續(xù)瀏覽了三次還沒買，員工就可以有針對(duì)性地進(jìn)行二次溝通，甚至發(fā)一個(gè)定向優(yōu)惠券，轉(zhuǎn)化成功率會(huì)大幅提升。

在社群方面，我們提倡的是“人以群分”，按寶寶的生肖或月齡精準(zhǔn)建群。每個(gè)群也都對(duì)應(yīng)一套極其精細(xì)的運(yùn)營(yíng)計(jì)劃：從早安問候、孕育知識(shí)分享，到下午茶互動(dòng)、睡前故事等。

如果完全依靠人工去執(zhí)行這套標(biāo)準(zhǔn)，挑戰(zhàn)是巨大的。

但現(xiàn)在有了AI之后，員工只需要負(fù)責(zé)在線下開發(fā)新客戶并拉群，剩下的日常運(yùn)營(yíng)，都由AI按照sop嚴(yán)格執(zhí)行就可以了。

隨著AI能力的提升，我們還在原有社群的基礎(chǔ)上升級(jí)了“一客一群”的專屬服務(wù)。這個(gè)靈感是來自購(gòu)買新能源車的體驗(yàn)，你買車時(shí)，銷售會(huì)把你拉進(jìn)一個(gè)多對(duì)一的服務(wù)群，里面有上牌、保險(xiǎn)、售后等各個(gè)環(huán)節(jié)的專家。這種體驗(yàn)非常好，但母嬰行業(yè)的客單價(jià)很難支撐如此高的人力投入。

而通過AI，我們實(shí)現(xiàn)了這種低成本的VIP體驗(yàn)。在“專屬服務(wù)群”里，除了寶媽和真實(shí)的育兒顧問，其他的角色如“孕育專家”、“商品福利官”等全是AI。寶媽問育兒?jiǎn)栴}，專家回復(fù)；問優(yōu)惠活動(dòng)，福利官響應(yīng)；甚至上傳一張B超單，多模態(tài)AI也能實(shí)時(shí)給出解讀。

總結(jié)下來，在社群運(yùn)營(yíng)階段有幾個(gè)關(guān)鍵步驟需要注意：

用企微而不是個(gè)微，這樣能保證員工在離職后不會(huì)帶走企業(yè)的會(huì)員資產(chǎn)；

沉淀企業(yè)的專屬知識(shí)庫(kù)；

建立人機(jī)協(xié)同的極致，拒絕大模型盲目兜底，AI回答不了的問題，交給人工，不要讓AI幻覺影響了企業(yè)形象。

AI如何撬動(dòng)了30億的銷量？

孩子王去年約100億的營(yíng)收中，有30億是完全通過AI會(huì)員營(yíng)銷實(shí)現(xiàn)的，整個(gè)過程基本不需要人工干預(yù)。這究竟是怎么做到的呢？

過去我們是基于已有的數(shù)據(jù)基建來手動(dòng)撈群，比如哪個(gè)孕婦要生了，哪個(gè)小朋友要過幾歲生日了，我們先給客戶建群，然后再基于用戶的特質(zhì)來做精細(xì)化營(yíng)銷方案。但它的問題是工作量大，以及不夠精細(xì)。

2024年，我們嘗試用AIAgent重構(gòu)了營(yíng)銷流程：

1、自動(dòng)撈群：不僅解放了人力，而且還比人工撈得更細(xì)。比如它能精準(zhǔn)區(qū)分出過1歲生日和過5歲生日的孩子，并匹配完全不同的方案。

2、智能策劃：AI根據(jù)客群特征自動(dòng)匹配營(yíng)銷主題、選品和促銷資源。

3、自動(dòng)定價(jià)：在設(shè)定的保底毛利范圍內(nèi)，AI可以根據(jù)數(shù)據(jù)反饋，自主決定是采取“199減20”還是“199減30”的最優(yōu)策略。

當(dāng)我們通過AI精準(zhǔn)撈出上百個(gè)細(xì)分客群后，接下來的挑戰(zhàn)是：誰來為這一百多個(gè)主題營(yíng)銷撰寫文案、設(shè)計(jì)海報(bào)？

是我們的“素材智能體”，而且它生成的圖文素材還能做到“免審直發(fā)”。在行業(yè)內(nèi)，純大模型生成的圖文通常需要人工復(fù)核，因?yàn)槟呐轮挥?%的“幻覺”概率，對(duì)品牌來說也是災(zāi)難，但我們通過技術(shù)手段保證了生成內(nèi)容的100%可控。

可以說，從撈取客群、制定營(yíng)銷主題、自動(dòng)定價(jià)，到生成素材、搭建活動(dòng)落地頁(yè)，最后通過短信、APP或企業(yè)微信進(jìn)行智能分配觸達(dá)，營(yíng)銷的全流程都由不同的AI智能體協(xié)作完成。甚至最后的數(shù)據(jù)復(fù)盤反饋，也都交給了智能體來完成，進(jìn)而實(shí)現(xiàn)了整套系統(tǒng)的自我進(jìn)化。

而要想真正落地這套系統(tǒng)，它需要幾個(gè)前提：

企業(yè)要有基本的數(shù)字化能力，要有訂單數(shù)據(jù)、會(huì)員數(shù)據(jù)，才能讓AI打標(biāo)簽；

要有觸達(dá)用戶的渠道，例如手機(jī)號(hào)或企微好友；

人工調(diào)教Agent，從而提升AI的精準(zhǔn)度。

此外，在零售行業(yè)，一家店的生意好壞往往70%取決于店總的能力。

怎么才能把店總的能力都提升上來？為此，我們打造了一個(gè)叫做“莫斯MOSS”的店總助手，核心邏輯是把金牌門店店總的決策思維、經(jīng)營(yíng)理念提煉出來，訓(xùn)練成智能體。

目前，它處于“輔助駕駛”階段。每天早上，它會(huì)抓取門店數(shù)據(jù)，告訴店總今天最該關(guān)注哪幾件事：是該補(bǔ)貨了，還是某項(xiàng)履約率異常了？接著給出幾個(gè)經(jīng)營(yíng)方案供店總選擇，選定后它自動(dòng)去執(zhí)行發(fā)券、派單等后續(xù)動(dòng)作。

我預(yù)判兩三年后，這套系統(tǒng)會(huì)進(jìn)化到“自動(dòng)駕駛”階段。屆時(shí)，店總甚至不再需要極豐富的行業(yè)經(jīng)驗(yàn)，只要執(zhí)行力夠強(qiáng)，像“手腳”一樣配合智能體的“大腦”去排兵布陣，就能保證每家門店的經(jīng)營(yíng)水平維持在80分以上。

此外，我們還在同步推進(jìn)“員工助手”。邏輯是一脈相承的，讓AI每天提醒育兒顧問，今天有哪幾個(gè)優(yōu)質(zhì)會(huì)員該復(fù)購(gòu)奶粉了，溝通話術(shù)怎么寫，優(yōu)惠券怎么配。通過AI抹平人的經(jīng)驗(yàn)差異，讓每一位員工都能像資深專家一樣服務(wù)好手中那一千名會(huì)員。

文章僅為課程1/10，請(qǐng)前往APP看課

如何解決企業(yè)AI落地的痛點(diǎn)？

在深入探討了AI在企業(yè)里的實(shí)戰(zhàn)應(yīng)用后，我們有必要審視這些應(yīng)用背后的底層邏輯，以及在落地過程中必須直面的痛點(diǎn)與挑戰(zhàn)。

1、打造企業(yè)的“AI底座”

首先在技術(shù)架構(gòu)上，就像以前我們做數(shù)據(jù)中臺(tái)、業(yè)務(wù)中臺(tái)一樣，AI時(shí)代，企業(yè)也需要著手打造一個(gè)統(tǒng)一的技術(shù)底座，即“AI中臺(tái)”。

只有建立統(tǒng)一的底座，才能讓不同場(chǎng)景下的知識(shí)、內(nèi)容和模型能力實(shí)現(xiàn)共用。這是企業(yè)在推進(jìn)AI轉(zhuǎn)型時(shí)必須具備的全局視野。

2、數(shù)字化基礎(chǔ)薄弱的應(yīng)對(duì)方案

很多人擔(dān)心，如果企業(yè)的數(shù)字化基礎(chǔ)比較薄弱，是不是就不能做AI了？

當(dāng)然不是。孩子王有很多AI方面的嘗試，在起步階段對(duì)數(shù)字化并沒有太強(qiáng)的依賴。比如視頻矩陣，它更多是基于業(yè)務(wù)流程的重構(gòu)。很多數(shù)字化基礎(chǔ)和知識(shí)庫(kù)，是在“做”的過程中不斷積累沉淀出來的。如果你不啟動(dòng)，基礎(chǔ)就永遠(yuǎn)是零。

我建議先從那些依賴度低、切入點(diǎn)小的場(chǎng)景入手，用AI的方式先跑起來。

3、尋找“大齒輪”場(chǎng)景

孩子王每年在數(shù)字化上投入過億，邏輯是什么？我是不是也要花這么多錢？怎么才能把錢花到位？

事實(shí)上，我們要找跟企業(yè)核心業(yè)務(wù)最相關(guān)的“大齒輪”。我們之所以重度投入“店總助手”和“員工助手”，是因?yàn)槲覀冇幸蝗f名員工，哪怕AI只幫他們提升10%的效率，換算下來就是一千個(gè)人的人效增長(zhǎng)。

再比如我們的AI會(huì)員營(yíng)銷，每年能帶來幾個(gè)億的增量GMV，這種利潤(rùn)完全可以打平數(shù)字化成本。所以，做AI一定要找大杠桿。

4、設(shè)定好AI的風(fēng)險(xiǎn)底線

以最近爆火的小龍蝦為例，你到底要給它多少?zèng)Q策權(quán)？

能否把決策權(quán)交給AI，取決于你的“防線”建得穩(wěn)不穩(wěn)。比如AI定價(jià)，只要你設(shè)定好了保底毛利和風(fēng)險(xiǎn)底線，在這個(gè)范圍內(nèi)讓智能體去自我進(jìn)化，風(fēng)險(xiǎn)就是可控的。如果你做好了安全防護(hù)，就應(yīng)該放心大膽地放權(quán)；如果沒有這層底線，那就要謹(jǐn)慎決定。

最后，大家要有一個(gè)意識(shí)，我們從來不把數(shù)字化部門定義為成本部門，相反，它必須是“利潤(rùn)中心”。

老板愿意花錢在數(shù)字化上，并不是因?yàn)樗菙?shù)字化愛好者，而是因?yàn)槲覀兠磕甓寄苣贸鲆环菘闪炕馁~單，證明這些投入賺回了錢。

所以，數(shù)字化團(tuán)隊(duì)必須在業(yè)務(wù)中去挖掘價(jià)值，讓公司看到，數(shù)字化不是在“花錢求生存”，而是在“投錢換增長(zhǎng)”。

避坑指南

除了前面提到的成功實(shí)戰(zhàn)，我還想分享一些孩子王沒做成的項(xiàng)目和踩過的坑，這些經(jīng)驗(yàn)或許對(duì)大家更具參考價(jià)值。

1、讓子彈先飛一會(huì)

現(xiàn)在的自媒體為了流量，往往把新技術(shù)說得神乎其神，很容易讓企業(yè)產(chǎn)生焦慮。但對(duì)于我們來說，不一定要非常激進(jìn)地去跟進(jìn)。

比如2023年6月，我們就發(fā)布了國(guó)內(nèi)首個(gè)母嬰垂直大模型。我們確實(shí)享受了一段時(shí)間的技術(shù)紅利，但半年后，大模型廠商的能力全線提了上來，人家一發(fā)布就是我們的天花板。

所以，千萬不要在大模型廠商的主干道上投入過多的底層研發(fā)。我們應(yīng)該死磕大模型“看不見”的細(xì)分業(yè)務(wù)場(chǎng)景，比如店總?cè)绾谓?jīng)營(yíng)、員工如何促單，這些垂直賽道的業(yè)務(wù)邏輯是大廠不會(huì)輕易殺進(jìn)來的，這才是企業(yè)真正的核心競(jìng)爭(zhēng)力。

2、組織重構(gòu)

AI落地的最大挑戰(zhàn)不在工具，而在組織，為此我們做了非常多的嘗試。首先我們要清楚，AI時(shí)代，組織到底需要怎樣的人？

首先就是“既懂技術(shù)、又懂業(yè)務(wù)”的AI架構(gòu)師，具體的解法就是讓懂技術(shù)的人去學(xué)業(yè)務(wù)，讓做業(yè)務(wù)的人去學(xué)技術(shù)。在孩子王，我們會(huì)讓技術(shù)人員去門店輪崗三個(gè)月，真正當(dāng)一次店長(zhǎng)，回來他才知道痛點(diǎn)在哪。

而為了讓做業(yè)務(wù)的去學(xué)技術(shù)，我們還獨(dú)創(chuàng)了“AIBP”的崗位。我們把高階技術(shù)人員派駐到各個(gè)業(yè)務(wù)部門，像HRBP一樣坐在業(yè)務(wù)堆里開會(huì)，甚至背同樣的KPI。

其次我們要解決的是，AI時(shí)代該如何重塑組織？很多員工對(duì)AI有防備心理，擔(dān)心自己被替代。我認(rèn)識(shí)一家代運(yùn)營(yíng)公司，員工私下用AI干活卻跟老板說AI不成熟，就是怕效率提升后自己丟了飯碗。

可以肯定，我們的組織未來一定會(huì)成為人機(jī)協(xié)同的組織。

因此，我們的解法是，把“普通運(yùn)營(yíng)”重塑為“AI訓(xùn)練師”，讓員工負(fù)責(zé)調(diào)教和監(jiān)督智能體，把腦子里的知識(shí)、思考、經(jīng)驗(yàn)訓(xùn)練給AI，這樣一來，不僅能提高效率，更讓你從傳統(tǒng)運(yùn)營(yíng)進(jìn)階為AI時(shí)代的新物種，身價(jià)倍增。

3.工具選擇

最后，關(guān)于工具如何選，我建議大家根據(jù)企業(yè)規(guī)模分三步走：

小型企業(yè)：擁抱成熟SaaS。直接選行業(yè)內(nèi)標(biāo)準(zhǔn)化的SaaS工具，成本低、門檻低，能滿足共性需求。

中型企業(yè)：SaaS+定制化。當(dāng)企業(yè)有了獨(dú)門秘籍，通用的SaaS就兜不住了。這時(shí)可以采購(gòu)支持二次開發(fā)的SaaS，做一些匹配自身核心模式的定制。

大型企業(yè)：自主研發(fā)。規(guī)模大了以后，各家SaaS數(shù)據(jù)不通，為了把能力串聯(lián)起來，大型企業(yè)必須組建研發(fā)團(tuán)隊(duì)，量身定制自己的數(shù)字化和AI底座。

總之，AI的價(jià)值不僅在于技術(shù)先進(jìn)，更在于它能否在復(fù)雜的組織土壤里扎下根。技術(shù)底座交給大廠，場(chǎng)景深耕留給自已，通過人機(jī)協(xié)同的方式提升經(jīng)營(yíng)水平，這才是企業(yè)在AI時(shí)代可持續(xù)發(fā)展的路徑。

文章僅為課程1/10，請(qǐng)前往APP看課