跳转到主要内容

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点

头图:现场拍摄
作者:虎嗅智库

“AI让洞察飞轮越转越快,每天都能生成报告,但要决定未来3–6个月到底该开发什么产品,却还是很难。”

波司登AI应用总监刘婧在虎嗅智库的一场闭门会上的这句话,揭开了企业AI落地中一个越来越明显的矛盾,AI让消费者洞察越来越容易获得,企业却未必更容易做出决策,更不用说把洞察变成增长。

过去,品牌主要通过进店行为、搜索关键词和人群标签理解消费者。这并不意味着消费者意图更加明确,而是复杂需求被压缩成了几个便于识别和经营的信号,品牌再据此匹配商品与内容。

如今,越来越多消费者开始通过对话式AI表达和筛选需求。他们提供的不再只是一个关键词,而可能是一段包含使用场景、情绪诉求和限制条件的模糊描述,再由AI帮助翻译、筛选,甚至完成下单。

对品牌而言,问题也随之改变,读懂消费者只是第一步。一个模糊需求还要被转化为经营信号,进入产品、内容和门店的具体工作流,最终才能落到可以验证的收入、毛利或效率指标上。从消费者的一句模糊表达,到企业可以核算的一笔增长,中间究竟卡在哪?

围绕这一问题,虎嗅智库近期邀请森马、波司登、特赞、自然堂、贝泰妮、Tims、林里LINLEE、联华华商、交个朋友等十余家企业的决策者,进行了一场持续三个小时的闭门研讨。讨论最终落在三个层面:AI识别出的消费者需求是否真实;洞察如何进入工作流并转化为行动;以及企业如何区分效率改善与真实增量,算清AI带来的增长。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
图:本次会议主题

一、AI正在读懂消费者,但”读懂”不等于”做对”

过去,企业理解消费者,往往依赖问卷、用户标签、购买记录和社媒声量。现在AI让这些信息可以被更快地处理,也让企业有机会进一步推断行为背后的动机。特赞FDE 副总裁、业务VP lirs 分享了一个某国际食品品牌落地的案例。

结合企业历史CMI报告、CDP标签,以及社交媒体上的消费者内容,特赞利用AI生成了6000+ 个可对话的消费者Persona,并进一步将他们聚类为典型人群。这些Persona并非真实用户,而是基于真实数据形成、可以持续调用和校验的消费者模型。

这一技术基于特赞自研的主观世界模型,通过表达-叙事-认知-行为的四层数据,模拟真实人的行为和决策逻辑。过去,品牌可能知道一个用户经常健身、打卡,却很难判断他为什么这么做。在主观世界模型下,则可以有效推理出人的心理动机,他是否希望自己的坚持被看见?是否更在意过程,而不只是结果?人群聚类之后,AI进一步比较不同Persona在某具体的消费场景下的动机。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
图:特赞梳理的主观世界模型

当然,这并不意味着AI已经准确读懂了每个人。它提供的是一条可解释、可讨论的推断路径,品牌团队仍要参与判断,真人测试也仍是验证创意的重要环节。AI让洞察更容易被调用,但不能替代企业对洞察的判断。

不过,杭州联华华商CIO沈铮提供了另一重视角,AI可以从已有数据中挖掘动机,但前提是数据覆盖了企业真正重要的消费者。

社媒上的活跃用户未必是传统超市最重要的客群。联华华商相当一部分消费者是成熟家庭用户。这些人不一定活跃在小红书,却可能是门店稳定的消费群体。对联华华商而言,如果只分析社媒声量,就可能把一部分真正重要的消费者排除在外。沈铮更倾向于让总部人员走进门店,通过面对面访谈收集顾客反馈,再用AI整理语音、归纳原因。

此外,自然堂 AI 搜索负责人贾雯雯分享的案例则体现出了AI 搜索里最贵的一类错误-用品牌的语言,去接用户的需求。

一款婴童护理产品,9、10 月本是旺季,转化一直起不来。第一轮归因给了三条,大促刚开始消费者在等价格、商品卡销量不如竞品、社媒声量弱于竞品。三条都成立,但没有一条能对应到具体动作,因为销量不可能一夜追上竞品,声量也不能。

再往下钻一层,问题才露出来。这款产品内部有”婴儿油”、”精华油露”、”润肤油”等多种叫法,而消费者更习惯搜的是”抚触油”。在 AI 里问”婴儿油推荐”,答案排第一的全是抚触油。AI 早就把两者当成同一件事。

品牌语言是内部共识的产物。但用户不会按产品名搜索,只会按自己的问题搜索。

品牌后续的调整也很直接,在意图词里把用户语言补进去,商品详情页的产品名称也对应做调整,让 AI 和消费者在同一个词上遇到这个产品,半个月后,数据开始上涨。

“做GEO的起点,是弄清消费者到底在搜什么,而不是让 AI 接受品牌想宣传的名字。入口错了,后面每一步都在放大这个错误。”贾雯雯说。

以上这几个案例共同划出了AI洞察的三道边界,样本是否覆盖真实客群,品牌与消费者是否使用同一套语言,以及从行为到动机的推断能否通过真人测试和经营结果校验。

二、进入工作流后,真正的卡点在哪儿?

发现问题只是第一步。判断AI是否真正进入业务,可以看它走到了哪一层,是接手了一个具体任务,还是沉淀了一个团队的能力,又或者改变了跨岗位的协作方式。这三层,对应三种不同的落地难度。

第一层是任务。森马AI应用专家林建霞分享了一个并不复杂的案例,设计师需要为图片逐张填写款号、整理素材,技术团队早已判断这类工作可以自动化,但业务现场长期靠人工处理。森马最终的方案很简单—设计师把图片拖进表格,系统自动识别、关联信息、批量下载。

一个很轻的工程化调整,解决的却是高频、重复、长期存在的负担。对不少企业而言,AI有效落地的第一步,未必是改造核心业务系统,而是先清理这些不起眼、却长期存在的摩擦点。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
图:森马分享PPT截图

第二层是能力。波司登AI应用总监刘婧提到,品牌每年会与约3—5位国际级设计师合作,希望借助AI把这些设计师参与产品开发时的方法和经验沉淀下来,将不同创新品类的风格与审美偏好训练集成到自研平台,辅助评价与决策。但她也坦言,下一步仍要找到真正适合的产品、用户和场景。

这一层比第一层难,任务可以标准化,经验却很难。AI要复制的不是一个人的动作,而是人做判断的依据。

第三层是协作。联华华商的AI已经进入更长的跨岗位链条,每天识别出门店经营数据异常后,先把异常翻译成门店和品类负责人听得懂的具体问题,通过企业微信分发;门店回复后,系统归纳内容,对没回复或答非所问的继续追问,并标记问题。

需要说明,这套机制目前走完的是”异常识别—任务分发—回复追问”,还没证明问题处理能稳定改善门店经营。它的阶段性价值,是把每件商品每天每店海量的颗粒状待办,转成有明确指令、有责任人、有反馈记录的任务链。

森马解决的是一个岗位的效率,波司登想抬高的是一个团队的上限,联华尝试改变的是跨岗位的信息传递和任务分配。三层走下来,判断AI有没有真正进入业务的标准也就清楚了,不是部署了多少工具,而是原来的工作方式有没有变。

三、AI已经能给答案,为什么增长账还是算不清?

但问题在于,单个环节变快,不代表整条业务链路都会变快。假设一条业务链涉及十个工种,其中三个因AI提效,第四个工种就可能成为新的瓶颈。设计、审核、供应链彼此衔接,下游若不调整,整体流程未必更快。工具可以优化一个岗位,却不能自动重组岗位关系,这也是不少AI项目难以扩大的原因。

当然,流程改不动,也不完全是技术问题。业务部门本身背负经营压力,很难抽出时间重新梳理流程;而流程一旦变化,还可能触及岗位分工和既有利益。很多事情并非不知道该怎么做,而是部门之间存在边界,任何一方都很难单独推动。

AI可以把任务发出去,却不能保证接收任务的人愿意改变原来的工作方式。也正因为AI的效果取决于多个岗位是否同步改变,项目价值才很难归因,最终销售增长究竟来自模型、流程调整,还是业务团队本身?这让ROI成为企业AI规模化的另一道门槛。

曼达斯克营销事业部总经理林忠鑫从线上内容经营角度,给了一种更直接的算账方式。交个朋友观察到,抖音的流量逻辑在变,直播逐渐成为承接转化的”中台”,短视频成为获取流量的前台。相应地,企业要处理的原创素材从每天约2000条涨到约1万条,仅靠加编导和投放人员很难撑住。

为此,曼达斯克把创意获取、内容生成、批量上传、投放前测和数据归因接进同一套工作流,并用AI降低明星素材成本—过去星图拍一条明星短视频约3万—5万元,在选品和授权流程不变的前提下,AI方案把一个月5条的成本压到约1万元,单条约2000元。但这笔账首先证明的是生产成本下降,而不是增长已经发生。短视频能否带来更高的种草效率、直播转化和新品成交,仍要看后续投放数据。

所以,AI省下多少时间,只是一笔效率账,它有没有帮助企业做出更好的决策、取得更好的经营结果,才是增长账。

当AI应用从单点工具走向业务流程,难题也随之变化。项目能否扩大,不再只取决于技术能否实现,还取决于谁来调整岗位关系、推动流程改变,并为结果负责。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
图:虎嗅智库线下闭门会研讨现场

四、组织如何接住AI带来的变化?

会场内多位嘉宾都提到,当AI开始进入培训、考核和岗位调整,技术部门已经无法独立推进,HR和业务负责人必须更早参与。

丽人丽妆AI内容负责人蒋嫣分享了自己的经历。最初,她尝试以FDE方式推进AI应用,直接找运营部门沟通、开发小工具,但效果并不理想,原因是技术方案没有真正切中运营的工作需求。

后来人力部门加入,组织了公司规模较大的培训和比赛,让各部门核心运营岗位参与。员工有了学习和实践的动力,也开始把工具带回自己的团队。像素材命名这样的上下游协作规范,也需要人力部门协调推动。蒋嫣认为,员工经验沉淀同样需要KPI和激励机制,否则很难要求员工主动把个人经验转化为组织资产。

林里LINLEE联合创始人陈旭安则强调,管理层需要先帮助员工建立对AI的正确认识。他曾亲自组织多轮沟通,试图消除团队对AI的”神化”和”妖魔化”,但效果有限。他坦言2026年的重点是”悟道”和让员工”用起来”,一方面尝试设置数字员工制度,将部门创造的数字员工纳入组织管理;另一方面由HR牵头,在各部门寻找AI增长官,让真正会用工具的人带动更多同事。

不过,培训和激励只能解决员工愿不愿意使用的问题。当AI进一步触及岗位分工和流程重塑,仍然需要一把手推动,因为这已经超出了技术部门能够独立协调的范围。

组织分工的变化还会向外传导。商派科技联合创始人计三勇把企业客户分成三类:头部企业IT能力强,正用AI补齐部分内部系统;以外资企业为主的本地IT团队,在规划、监管之外仍需服务商深度参与;缺少IT能力的中小企业,更依赖外部服务商提供完整服务。

在他看来,AI不会让服务商失去市场,但会改变企业采购软件的方式—随着头部企业把内部能力逐步Agent化,外部产品也要拆成可调用的模块,与企业内部Agent协同。未来服务商出售的,可能不再是一整套软件,而是一组能接入企业AI系统的业务能力。

结语

回到以上几个案例,不难看出,AI可以从消费者行为中推断需求,也可以发现品牌语言与搜索意图之间的错位,甚至把数千条经营异常分发到具体岗位。但从一个信号被识别,到产品、内容或门店动作真正改变,企业仍要完成三次转换,把数据转换为判断,把判断转换为有责任人的任务,再把任务结果转换为可验证的经营指标。

这场闭门研讨没有给出一套关于AI增长的标准答案,却让另一件事变得更清楚,当答案的生产成本不断下降,企业真正稀缺的能力,正在变成定义问题、做出取舍、组织行动并承担结果。模型可以生成建议,却不能替企业决定哪些信号值得下注,也不能自动消除部门边界和利益阻力。

因此,下一阶段企业之间的AI差距,可能不再取决于部署了多少Agent,而取决于闭环转动得有多快能否及时发现偏差,能否推动流程改变,又能否用经营结果修正下一次判断。

AI会越来越懂消费者,但增长仍然只会发生在组织愿意为一个判断投入资源、改变动作,并接受结果检验的那一刻。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点
欢迎扫码添加”智库小虎”,加入虎嗅AI社群,参与后续闭门研讨,获取更多AI落地案例

「虎嗅智库线下闭门会」 是虎嗅智库举办的小规模、高密度的深度闭门研讨会,我们定邀头部企业AI决策者及落地业务负责人,聚焦真实AI落地案例,解剖失败与成功的分界,凝练可复用的判断框架。每期报名审核参与,目前已举办30余期,拆解数百个一线案例,形成逾百条落地共识。

文章来源于网络。发布者:海外网,转转请注明出处:https://www.haiwai.org.cn/2026/1117/6635.shtml

赞 (0)
海外网的头像海外网
上一篇 2026年11月17日 下午12:08
下一篇 2026年11月17日 下午12:09

相关推荐

  • DeepSeek开源Agent架构,想让人少给AI打工

    出品|虎嗅科技组 作者|黄天媛 编辑|苗正卿 头图|视觉中国 文锋又开源了。 10月31日晚,DeepSeek Harness团队公开了Super-agent的架构设计,并开源研究原型,探索让Personal Agent更自主地参与日常工作。目前,公开原型主要面向单个GitHub仓库,可选择接入飞书,部分设计尚未实现。 这次他想解决的,是让AI在没人@、下指令的情况,自己发现Bug,并主动在后台尝试复现、定位和修复,再提交代码修改请求,等待人审查。 它可以持续关注工作群消息,跨平台协作、并行推进多个复杂工作,减少人类在多个会话之间的协调负担,甚至24小时运行。 在看完整个架构文章之后,有一点需要先明确一点。 DeepSeek这次并没有提出全新的理论或是一个全新的技术路线。Super-agent提供的是一种系统的创新。它把经典计算机系统思想应用到了Agent系统当中,比如多Agent分工、事件触发、异步执行等等。 它解决的是,当AI能干的活越来越多,人被迫在不同任务之间来回切换,越来越像AI的项目经理的当下,而人的注意力反而成为了harness的瓶颈。 解放人脑现在成为了一个更重要的问题,而他们想从工程学上解决这个问题。 DeepSeek这套Agent架构,有什么不同? 要让AI持续参与工作,需要回答四个问题。 第一个问题:同时有多件事,怎么一起干? 假设团队同时提出三个需求:修复一…

    2026年11月2日
    5600
  • 三车全部中招!百万尊界V800刹车踏板断裂,江淮汽车盘中跌停!尊界回应:为已交付用户提供免费升级选择

    10月8日,国庆假期后首个交易日,江淮汽车盘中跌停,报24.72元/股,跌幅10.01%,成交额超36亿元,市值缩水约62亿元。 这场资本波动的直接触发因素,是一起与刹车踏板有关的测试事件。 三台新车,同一位置断裂。 10月8日上午,汽车垂直平台懂车帝发布测试视频。视频显示,三台全新尊界V800在封闭场地进行100km/h至0的紧急制动测试时,刹车踏板支架均发生断裂。第一台车在第3次制动时断裂,第二台车在第4次制动时断裂,为验证是否为偶发问题而专门购入的第三台车仅行驶3公里,在第2脚全力制动时踏板即发生断裂。 断裂后,踏板从脚底消失,车辆完全丧失脚刹能力,测试员仅能依靠按住P挡应急减速。制动距离从正常状态下的约38米延长至约140米。三台车辆断裂位置和断口形态基本一致。 从技术层面看,懂车帝在拆解分析中指出,尊界V800制动踏板中心距支架转轴约130mm,转轴区域仅设一层立板支撑;相比之下,采用同材质、同供应商的其他车型在该位置设有2至3层加强立板。此外,断裂支架的应力集中区域存在熔接痕,料厚和加强筋设计偏弱,可能导致塑料件局部强度不足。 传感器数据显示,第三台车断裂瞬间的踏板力读数为1612牛。根据2026年1月1日起实施的GB 21670—2025《乘用车制动系统技术要求及试验方法》,乘用车制动踏板总成需承受2000牛静态载荷并保持5秒不失效。这意味着断裂时的踏板力低于国标要求…

    2026年10月9日
    38400
  • 一年前我们选中的20个年轻人,踩中了今年的吸金赛道

    头图 | AI生成 去年11月,虎嗅 FM 创新节的舞台上,我们发布了第一份”30岁以下 AI 领军人物”榜单,20个年轻人第一次被集中放在一起。当时有人问,一份榜单,凭什么把年龄线画在30岁。 一年过去,这个问题有了更具体的答案。 在过去一年,我们并没有一直盯着这份名单,但每隔一段时间,就会有上榜者相关的消息传来:有人在春晚的舞台上亮了相,有人拿到了巨头递来的支票,有人把产品交到了第一批用户手里,有人的估值获得了巨大提升。 所以在今年的榜单启动中,我们决定先把去年的20个人重新看一遍。他们在这一年里走到了哪里,而这一年,又为什么值得被记录下来。 具身智能进入商业化落地之年 先说姜哲源。 1998年出生,从清华园一路读到博士,中途辍学创业,做的是人形机器人。过去一年,松延动力在技术、产品、商业化与生态合作、场景落地等多个维度都取得了不可忽视的进展。 松延动力 创始人 姜哲源(图源:视觉中国) 9月8日,松延动力正式发布具身智能子品牌 Scalabot,推出覆盖空间智能、世界模型与行动智能的 HERON 模型体系,并同步发布首个世界模型 HERON-World Model。这标志着松延动力从机器人本体向”本体+具身大脑”的全栈能力迈出关键一步。 在产品线上,今年4月,松延动力推出了全球首款支持眼神实时交互的仿生机器人”小月&…

    2026年10月9日
    15900
  • RIO母公司将花10亿,买20万只橡木桶

    花10亿买20万只橡木桶,百润股份押注这批威士忌五年后有人买单。 11月11日,RIO(锐澳)母公司百润股份(002568.SZ)披露定增预案修订稿。公司拟向不超过35名特定对象,募资不超过13.05亿元,加码威士忌业务。 其中,11.4亿元将投向麦芽威士忌桶陈扩能(10亿元将采购20万只雪莉橡木桶);1.65亿元将用于四川邛崃建设研发检测中心。 水芙蓉/摄 产能利用率不到22%被问询 建陈酿库、买木桶,这家鸡尾酒龙头对威士忌并非临时起意,而是将其定位为“重点布局的新增长曲线”。 据公开信息,百润股份十年前开始计划布局烈酒业务,2019年启动四川成都崃州蒸馏厂奠基仪式;2021年旗下崃州蒸馏厂建成投产后首次灌桶,2023年开始,金酒、伏特加、崃州、百利得等产品相继上市。 资本层面,2020年公司募资10.06亿元,用于烈酒(威士忌)陈酿熟成项目。次年又发行了11.28亿元可转债,投向麦芽威士忌陈酿熟成项目,加上最新披露的信息,三轮募资总额超34亿元。 需要注意的是,筹备数年、花费几十亿,威士忌业务究竟给百润股份带来多少营收?公司至今还未单独披露过,这也受到监管部门的关注。 今年8月,深交所因这笔13.05亿元的威士忌定增方案向百润股份下发问询函,直指其烈酒产品2025年产能利用率仅21.65%,产销率仅46%,在利用率都较低的情况下,要求公司说明募资的必要性、财务真实性。 百润股份…

    2026年11月13日
    1800
  • 美国Q3经济表现强于预期,通胀反弹考验美联储

    美国经济在第三季度(Q3)加快增长,但强劲的GDP数据并未消除市场对经济前景的担忧。 美国商务部当地时间10月29日公布的最新数据显示,美国第三季度国内生产总值(GDP)按年率计算增长3.4%,增速较第二季度的2.2%明显加快,也高于市场预期。 不过,经济增长的同时,通胀压力再度上升,消费者支出增速放缓,储蓄率降至近4年来的低位。在人工智能投资持续提供增长动力的背景下,美国经济仍面临通胀、消费与货币政策之间的多重考验。 这份报告是下周中期选举前发布的最后一份美国经济报告。随着总统特朗普及共和党人进入竞选最后阶段,他们正集中传递最后的竞选信息。 经济活动仍具韧性 美国商务部公布的数据显示,第三季度美国GDP按年率计算增长3.4%,高于经济学家此前预期的3.0%,也超过今年第一季度2.5%的增速。第二季度经济增速为2.2%。 第三季度增速回升,表明美国经济活动仍具有一定韧性。尽管面临能源成本上涨、融资条件收紧等压力,经济增长尚未出现明显失速。 人工智能相关投资是支撑美国经济增长的重要因素之一。近年来,美国大型企业持续投入资金建设人工智能数据中心,并采购运行相关系统所需的芯片和其他基础设施。第三季度,企业对人工智能基础设施的投资需求依然旺盛,表明这一领域仍在为经济活动提供动力。 就业市场也展现出一定韧性。尽管招聘增速有所放缓,美国就业岗位数量仍在增加,失业率维持在历史相对较低的水平。不过…

    2026年11月1日
    4500

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注

联系我们

400-800-8888

在线咨询: QQ交谈

邮件:admin@example.com

工作时间:周一至周五,9:30-18:30,节假日休息

关注微信