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
相关知识
医疗保健行业的混合磁带:CIO和CTO的声音
中鹰黑森林(2024年中鹰黑森林)首页网站
2025年东森健康自然美AI科技美业全健康新品战略发布会双城绽耀!
从元气森林、钟薛高、茶π:新消费品牌的4种增长策略
直面元气森林,喜茶不能输的代糖战争
元气森林向左,可口可乐向右,“可乐”大战一触即发?
基于sklearn随机森林算法探究肥胖的成因(一)
【图像生成技术】人工智能在医疗健康领域的应用实例:图像生成技术的革新实践
可口可乐为何死磕元气森林?
专访AWS生成式AI全球副总裁:生成式AI正逐渐从“炒作”转向实际价值
网址: 中顺洁柔CIO杨森林:决策AI实战,不生成图文,只生成利润 https://m.trfsz.com/newsview1536715.html