首页 > 资讯 > 中顺洁柔CIO杨森林：决策AI实战，不生成图文，只生成利润

中顺洁柔CIO杨森林：决策AI实战，不生成图文，只生成利润

泰然健康网
2025-07-11 10:33

这几年的AI热潮里，生成式AI显然得到了更多关注。相较而言，决策式AI的叙事有点低调。相比于看得见的图文、视频生成结果，决策式AI的成果更多藏在我们看不到的地方。

比如一盒平平无奇的纸巾，从工厂生产出来再历经仓储、运输、经销、售卖、结账成交，最终来到你的手里，整个环节里，哪一条运输路线是最优选择？在哪些超市上架更容易被目标消费者买到？在上海应该怎样定价？在四川攀枝花又该怎么定价？

小到业务流的细节决策，大到企业的年度战略规划，都有决策式AI发挥的空间。

“生成式AI是文科生，擅长创意工作和局部提效；而决策式AI是理科生，擅长精准决策”，杨森林跟我们解释。

他不仅是纸业龙头中顺洁柔的CIO，更是决策式AI领域的实战专家，全景式负责中顺洁柔的数字化转型，既负责战略制定，也亲自抠落地细节。借助一套决策式AI赋能线下零售，他帮助公司实现净利润3位数增长。

AI浪潮汹涌，但实打实带来利润增长的案例并不多见。

-其他企业仍停留在AIGC内容生成阶段，洁柔是如何将AI融入公司大大小小决策中的？

-除了降本增效，还能怎样发挥出AI的价值？

-IT主导的企业数字化转型，对人的能力有什么要求？

在这次对话中，杨森林向我们详细分享了中顺洁柔应用决策式AI的最新成果以及背后的业务思考。

以下是对话原文，经整理。

TopDigital：请您为我们介绍一下中顺洁柔目前数字化转型的成果

杨森林：中顺洁柔作为拥有 47 年发展历程、上市 13 年的生活用纸头部企业，被业内人士誉为 “纸茅”。不过，作为民营企业，我们在当前的经济环境中面临着巨大挑战。

转型并非主动选择，而是时代所迫。过去我们在增量市场积累的经验与方法，在如今的缩量环境中已然失效。如果存在其他可行路径或持续盈利空间，我们也不愿轻易转型，但现实是，当前民营企业处境艰难，约 90% 的企业正经历负增长。

市场环境已发生剧变：渠道、用户、流量呈现高度分散的态势。当消费者至少可以通过八个渠道获取商品时，满足其个性化、本质化的需求成为时代主流。只有把握这一点，才能明确数字化转型的核心目标 —— 并非单纯的降本增效，而是驱动业务规模增长，实现可持续发展。基于此，我们将转型路径确定为：以数据决策为核心。

过往企业制胜的关键，要么凭借 “四肢发达”（单点突破能力），要么依靠 “头脑聪明”（卓越管理）。但由于我们基础相对薄弱，因此选择聚焦智能决策能力建设。我们遵循 “二八定律”（20% 的核心人才贡献 80% 的业绩），通过算法构建 “智能大脑”，复制核心人才 70%-80% 的决策能力，以此指导 80% 的执行层人员，实现全局效率优化。

先来看转型效果：首战聚焦营销领域。2025 年上半年，我们在线下借助 “智慧零售” 模式，实现了大幅度增长—— 产品该铺向哪些区域？消费者购买的动因是什么？如何定价更为合理？这些问题都依靠数据决策来解决。

营销领域探索出路径后，下一步便是供应链环节。供应链的核心在于：先提升效率，再通过效率优化来降低成本，而非本末倒置。需要解决的核心问题是：如何实现货物配送的最优化与最高效？这是我们今年的重点布局方向。

仅仅具备卖货和送货的能力还不够，还需要具备精准算账的能力。第三个关键板块是财经领域，因此今年除了继续在营销数字化方面投入，重点是全面推进供应链数字化和财经数字化的迭代升级。一切工作的核心依然是围绕数据决策，构建真正的数字治理能力。

根据当前的进展判断，预计再经过两年时间，我们有望宣告中顺洁柔的数字化转型取得全面成功，其核心标志将体现在财报数据、销售额以及利润结构的实质性改善上。

TopDigital：您刚才提到，洁柔的目标并非单纯降本提效，而是扩大生意规模，这背后的考虑是什么？

杨森林：当资金有限时，比如仅有十块钱，单纯追求降本提效的意义并不大。即便成本降低 30%，也只能节省三块钱。但如果资金规模达到 1000 块，成本降低 1% 就能节省十块钱，这时候降本的意义就截然不同了。我们之所以优先选择扩大规模，是因为当下企业面临的最大生存压力，在于无法实现规模化成长，导致销售额和利润难以提升。许多企业选择通过裁员、内部整改等方式维持现状，但这并非长久之计。我们的策略是主动出击，抢占市场份额，推动生意规模扩张。只有在大规模生意的基础上再推进降本，才能实现可观的收益。

TopDigital：在扩大规模过程中，如何衡量成本投入？

杨森林：我们并非完全放弃后端建设，包括供应链、财经、生产制造、市场和产品策划等，而是让这些板块配合销售端协同推进。以供应链为例，核心目标是实现产销平衡 —— 后端产能需匹配市场需求，但不能过度追求效率而导致生产过剩、库存积压。我们的策略是，后端只需准确预测销售需求的六成到七成即可，超出这个范围反而会造成资源浪费。尽管目前供应链效率、产能以及财经算账效率等仍有提升空间，但我们优先选择以 “先实现盈利” 为首要目标。

TopDigital：您刚才提到，公司在转型过程中是分部门、有次序地推进的，先从营销开始，然后是供应链，最后是财务。这种从前端到后端的推进顺序，是否与您最初提到的先扩规模的目标有关呢？

杨森林：是的，我们的转型推进确实经过系统性规划，但并非将其变为完全流程化的机械操作。我们的思路十分清晰 —— 以营销作为切入点，以其为核心倒推整个业务流程，同时始终坚持以销售业绩为导向。

具体而言，首先聚焦营销板块及与其关联性最强的两大部门：供应链、市场与产品策划，这些部门将率先启动转型。随后推进财经部门，最后才是整个工厂的变革。在这一过程中，流程优化与数据治理会同步开展，最终构建一套数字化的指标体系与数据决策机制。整个转型周期预计需四到五年，目标是让公司管理层养成基于数据决策的习惯，而非依赖直觉判断。我们的推进方式是分层次、协同联动的，而非像流水线般机械执行。

TopDigital：关于营销维度，您在中提到过，主要是在经销商和渠道选择上进行了AI赋能和布局。除了这些，是否还有其他新的策略或打法可以和我们分享呢？比如在社媒、电商平台方面，是否有一些AI应用？

杨森林：首先需要明确，AI 只是工具。我们需清晰判断生意的核心增长点与利润来源：出海虽是重要策略，但短期内难以形成实际效益；电商发展迅猛，可多数大型企业在该领域利润微薄，甚至面临亏损。当前头部企业面临的最大竞争，来自小品牌的低价策略 —— 其极致的供应链效率与白牌模式，大型企业难以快速响应。因此，我们的核心利润来源仍在线下，线下渠道才是我们的护城河。

但我们也面临困境：经销商的进销存能力不足，当货物从仓库调拨至经销商仓库后，若经销商销售乏力，货物就会积压在门店，甚至导致门店倒闭。因此，我们需要解决核心问题：为何消费者进店后，未按我们设定的价格购买商品？消费者作为最终买单者，我们需要理解其需求本质 —— 他们偏爱拼多多或抖音，并非单纯追求低价，而是这些平台的内容更具吸引力，能精准展现产品卖点，激发冲动消费欲望。消费者愿意买单，本质上是被内容吸引，追求极致的质价比与性价比。基于这些洞察，我们构建了相应的营销策略。

TopDigital：这个策略具体是怎样的呢？

杨森林：整体而言，这是一套以 “人货场” 为核心的运营模型，其本质是以人为中心的数字化重构。

首先，我们采集了海量底层数据，并依托对生意逻辑的深度洞察与算法能力，通过技术团队的算法模拟，实现了人、货、场的全新动态匹配。目前，我们掌握着全国超 900 万个零售网点的数据，其中有效运营网点约 300 多万个；同时覆盖 13 亿人口的详细画像，每个人均对应 2200 个标签维度。借助这些数据支撑，我们能够精准定位目标用户群体，深度解析其消费特征与行为习惯。

其次，我们将产品卖点与用户群体进行精准匹配，从而锁定最适合产品销售的门店。以合肥为例，当地虽有 1.6 万余个零售网点，但我们的业务员仅几十人，难以全面覆盖。通过算法筛选高潜力网点，我们实际覆盖量不足 2000 家，却实现了 70% 的业绩增长。2025 年上半年，我们在全国 300 万个零售网点中，精准识别出 7.9 万家高潜力网点，带动业绩与利润实现双增长。

业绩的显著提升印证了策略的有效性。我们的模型始终围绕生意增长逻辑设计，尽管架构复杂却成效显著。由于不同城市的人群需求与市场特性存在差异，模型会通过动态算法生成多套适配方案，以灵活响应不同市场的实际需求。

TopDigital：今年年初以来，从Deepseek的出现，到manus甚至人形机器人的技术进展，这些对洁柔的数字化转型带来了怎样的影响？

杨森林：大家对 AI 存在认知误区，生成式 AI 只是自然语言大模型的一种应用形态，它更像是 “文科生”，擅长对话交互与内容生成，却无法精准决策或替代人工决策。其核心价值在于提升效率，比如快速生成文案、替代重复性工作。当前 AI 技术仍处于发展初期，尽管未来潜力巨大，但需要正确引导与培育。

对洁柔而言，生成式 AI 并未带来实质性冲击，因为我们聚焦的是决策式 AI——这种以算法为驱动的技术能直接赋能生意增长。生成式 AI 在补全知识库方面具有辅助作用，但其应用领域与决策式 AI 截然不同。决策式 AI 可直接产出业务效果，而生成式 AI 仍处于探索阶段，尚未达到让企业效率显著提升的成熟度。目前生成式 AI 在搜索引擎和智能客服等场景较为成熟，基于对其发展方向的认可，我们采取 “双线布局” 策略：一手抓生成式 AI 的局部提效应用，一手深化决策式 AI 的业务赋能，现阶段生成式 AI 主要在特定领域发挥效率优化作用。

TopDigital：具体是哪些局部领域应用了生成式AI技术？

杨森林：以我们布局的智能客服（即 IT 服务台）为例。过去，实施和运维团队有 34 人，日常工作中常接到求助电话，比如 “张三帮我提交订单”“小王看看表单为啥提交不了” 等。如今，我们部署了基于 DBC 搭建的 AI 智能客服系统替代人工，员工直接与智能客服交互即可。这套系统的知识库不仅涵盖企业内部知识体系，还能自动查询互联网知识库补充外部信息。通过这一升级，我们将实施团队从 34 人精简至 10 人，服务效率反而显著提升 —— 因为智能客服不存在人工可能出现的知识盲区，能更精准地响应需求。

TopDigital：在这个过程中，成本降低了多少？有没有具体计算过？

杨森林：以发票报销与核销工作为例，过去我们配备了 40 人专门负责。如今，通过 AI 系统自动扫描发票，依据预设规则流程审核合规性并完成核销。我们将人力从 40 人精简至十余人，但这并非简单裁员，而是将富余人员调配至其他岗位。客观来说，这些工作原本或许就无需如此多人力。不过鉴于当前 AI 技术尚未完全成熟，仍需人工对 AI 处理结果进行复核。从成本层面看，这相当于节省了 30 个年薪 15 万元的人力成本，经济效益相当可观。

TopDigital：那决策AI的具体应用是怎样的？

杨森林：在宏观决策层面，过去我们主要依靠经验做判断，但经验往往会随着市场变化而过时。如今消费者的购物渠道丰富多元，每个渠道都有独立的政策和价格体系，仅靠人力已难以精准把握全局。现在，我们通过海量数据洞察市场规律并辅助决策。以营销为例，中顺洁柔在校园市场表现突出，我们会通过算法模拟不同策略的实施效果，直接为管理层生成可行性方案，高层决策时只需审核拍板即可，大幅简化了决策流程。

在中观与微观管理层面，小到产品发货的线路规划、车辆调度、快递公司选择及仓储地点布局等细节，都引入了决策 AI 系统，实现了成本的显著优化。例如，今年我们的发货成本从 1 亿元降至 9000 万元，直接节省了 1000 万元的运营开支。

从宏观到微观的决策体系是一体化的：数据决策在各个细分场景中积累的成效，会逐步提升管理层对 AI 决策的认可度；而高层的信任又会反过来推动数据决策系统的迭代升级。需要说明的是，数据决策并非万能，仍需要高层从战略高度进行 “大方向” 把控，重点审查是否存在系统性偏差，并结合行业经验与人性化考量，最终形成最优策略方案。

TopDigital：能否分享一个关于人性纠偏的具体案例？

杨森林：以我们之前为卫生巾品牌朵蕾蜜开拓西安线下渠道为例。

起初，我们基于数据生成方案，选择了人口密度高、流量大且财富属性突出的区域布局，但实际推广效果不佳。深入调研后发现，这些区域多为老年人聚居地，并非我们的核心目标群体 —— 他们的子女普遍不在此居住。这表明初始数据未能充分考虑人口流动性与实际居住结构。

优化策略时我们发现，西安约 10% 的土地面积（1000 平方公里）内，聚集了 62% 的目标消费群体，而该区域的核心门店仅 1000 家。进一步明确 21-39 岁女性为最适配产品的客群后，我们集中资源深耕这部分区域与人群，最终实现业务突破 —— 朵蕾蜜在西安卫生巾品类的市场占有率提升至 30%。

TopDigital：所以是数据精准度的问题？

杨森林：其实不然，过分纠结数据精准度反而会陷入误区 ——我们不需要追求过细的颗粒度，IT 系统的作用不是指导业务精确到 “某超市某货架上货” 或 “具体定价几分钱”，否则就会偏离核心目标。况且从现实来看，仅以货架陈列策略为例，目前行业尚未积累足够的货架数据支撑精细化分析。

风险与机遇向来并存：当数据预测过度追求 “绝对准确” 时，往往在屏蔽风险的同时，也会过滤掉潜在机遇。以定价决策为例，我们要求 AI 预测的成功率达到 60% 即可，剩余 40% 的空间则交由业务员灵活发挥。

TopDigital：六成的准确度，是行业普遍的共识吗？

杨森林：并非如此，这其实是我们认知中最关键的盈利点。所以无论是数据决策还是决策 AI，本质上都是由人来驾驭技术，而非让 AI 主导人类。我们不应否定成熟的经验体系，而是要让技术为其提供辅助。

TopDigital：人驾驭的部分，具体是指什么？

杨森林：以洁柔 “极致柔软” 系列产品为例，其目标用户聚焦鼻炎人群，产品采用无菌设计，能避免对鼻炎患者造成刺激。最初我们以统一价格体系铺货，发现华南地区销量表现突出，但华东尤其是山东地区的业务员并未完全沿用这套定价，而是通过降价促销的方式调整策略。

为什么？因为不同地域的人生活习惯不同，华南的消费者更精致，还有竞品在当地的心智渗透率等等其他影响，这都是数据体系之外的因素，也是我们可以灵活处理的地方。

TopDigital：关于决策AI，它本身可能也有一些劣势，比如学习新场景不如生成式AI快，灵活性和适应动态环境的能力不足。您怎么看待？

杨森林：决策 AI 的落地门槛确实很高。首先，对人才的综合素质要求极高，需要具备极强的市场洞察能力，能够快速捕捉行业规律与发展趋势。其次，核心技术壁垒深厚，涉及麦肯锡 MECE 原则、神经网络算法、博弈论模型及贝叶斯理论等基础技术与方法论。若缺乏这些技术积淀，决策 AI 将停留在表面应用，难以深入业务内核。此外，必须精通业务全流程细节 —— 我不仅主导算法设计，还与财务副总裁一同实地走访门店，深入了解铺货各环节操作逻辑。只有精准把握业务每个细节，才能设计出贴合实战的算法模型。否则，设计出的工具将与业务需求脱节，被业务端认为实用性差、精准度低。尽管门槛重重，但在当前竞争环境下，企业别无选择，必须突破这些瓶颈才能实现突围。

注：文章来源于TopDigital，撰稿常韵，审核罗若楠。

PS，见实最近几大安排，欢迎一起.

1.看前沿大厂如何从全域拿到大增长；

2.聊行业的硬核增长新玩法；

3.;聊线索获取-高价低频的服务建流量获取与转化体系；

4.，24号，北京一起；

5.见实发布鞋服/教培/美妆个护/大健康四大行业私域调研报告，欢迎加入见实会员领取（点击下方按钮）

↘私域服务对接