大模型如何赋能零售？蒙牛、星巴克、波司登等5家零售企业大模型实践

近十年，中国消费品与零售行业的变化，用“翻天覆地”来形容毫不为过。电商的崛起、新零售的试水，再到疫情这只“黑天鹅”的催化，数字化转型几乎成了零售企业的必答题。从传统的柜台交易，到如今越来越智能、个性化的服务体系，整个行业的面貌已然大不相同。很多企业在过去几年的数字化建设中，已经沉淀了大量用户行为数据、商品数据和供应链数据——这些正是大模型落地的天然燃料。大模型能做的事远不止聊天机器人：从供应链的端到端优化，到客户服务的自动化，再到个性化营销和创新产品的推动，它正在给整个行业注入新的动能。

沙丘智库一直持续跟踪大模型的落地动态，这次我们从消费品与零售行业中精选出5个最具代表性的实践案例——

案例1：蒙牛大模型应用实践

在多个开源和闭源的通用大语言模型基础上，蒙牛利用内部积累的领域知识，搭建了多个垂直领域的模型，同时服务B端和C端。

面向C端消费者，蒙牛在其WOW小程序中推出了“AI营养师蒙蒙”，定位为消费者身边的营养健康助手。面向企业内部，则基于管理、营销、供应链等不同领域的小模型，打造了一个“AI场景工厂”，帮助员工提升效率。

完整内容：蒙牛大模型应用实践

案例2：星巴克大模型应用探索

在传统模式下，业务部门要是想做点数据洞察，流程很长：先把需求提给数据部门，数据产品经理梳理一番，再转给执行团队，做完分析再反馈给业务——快则2-3天。为了缩短这个周期，星巴克开始探索NL2SQL，让业务人员可以直接用自然语言查询数据，快速获得洞察。

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

服装行业线下门店一直有个痛点：缺少有效手段捕捉和分析消费者在店内的行为，导致转化率漏斗断档，精准营销和库存管理都难以落地。波司登的做法是，在门店服装上植入芯片，再结合大模型技术，实现了对顾客行为的精准分析。这个“AIoT+大模型”的组合拳，不仅让门店转化率有了明显提升，还优化了库存管理和补货策略，让决策真正变得数据驱动，业绩和品牌价值都得到了增强。

完整内容：波司登基于“大模型+AIoT”的线下门店经营实践

案例4：雅戈尔ChatBI应用实践

在大模型和生成式AI的浪潮下，雅戈尔积极尝试革新。依托数据中台积累的高质量数据，他们在钉钉的“夸父办公”平台上线了“夸父有数”——一个智能BI应用，实现用自然语言进行数据分析和问答。这套系统最大的亮点在于，可以自由组合问题，大大降低了数据获取的门槛，让业务人员在海量数据中快速发现规律、获取洞见。更贴心的是，系统几乎不需要培训：比如原本搜索结果只显示三个数字，系统能自动生成三个看板；当数字增多，又自动切换为表格形式。不同员工对“业绩”的说法五花八门，系统也能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，目标是实现数据民主化，加速洞察。这个工具把虚拟货架的数据分析和内容创建整合到一起，能收集定价、库存水平、产品详情页内容、搜索位置、评分评论、竞争对手分析等全方位数据。员工可以直接用自然语言提问，比如“薄荷美白牙膏的销售额是多少？”，还能检索缺货数据——比如产品层面的缺货频率和持续时间。

案例选自：《2024年生成式AI案例研究简报（6月）》