AI+BI赋能零售介绍.docxVIP

AI+BI赋能零售：

重塑消费零售的未来

CHAPTER1

AI的适配场景

“AI焦虑”

技术迭代不可预测，投入产出失衡恐惧，竞争加剧战略迷失，数据质量合规风险

是什么？行业风向头部企业国家引导

是什么？

行业风向

头部企业

国家引导

德勤

德勤

怎么干？怎么学？英特尔88%的企业在一定程度或很大程度上将

怎么干？

怎么学？

英特尔

88%的企业在一定程度或很大程度上将AI技术应用于需求预测，87%应用于人力资源服务，84%应用于IT问题解决。

这些应用虽能直接提升日常运营效率，但尚未形成跨职能的全面协同效应

有没有方案？

有没有方案？

能不能XXX？

能不能XXX？

国家部署专项行动无AI，不好意思上台头部企业全面开卷

2024年以来，

AI消费领域重点政策与会议内容梳理

从宏观背景来看，

从宏观背景来看，当前正处于经济转型升级和内需提振的关键时期，“人工智能+”作为新质生产力的重要驱动力，正在深度重塑消费体系，成为提振内需、促进消费升级的重要抓手。

从“百行千模”到范式变革

第四波AI浪潮核心驱动下大预言模型应运而生

近年来，通过在大规模语料库上对Transformer模型进行顶训练，研究者们提出了在自然语言处理（NLP）任务中表现突出的预训练语言模型（PLM）并发现随着参数规模的扩大，模型会进化出上下文学习等新型特殊能力，为区分不同参数规模下的语言模型，大语言模型应运而生，

参数规模扩大预训练语言模型大语言模型LargeLanguageModelTransform模型

参数规模扩大

预训练语言模型

大语言模型

LargeLanguageModel

Pre-trainingLanguageModel

“百行千模”

OpenAI所发布的ChatGPT和GPT-4是大模型发展的两大重要里程碑：ChatGPT通过将人类生成的对话引入训练数据，使A具备了与人类同频顺畅交流的能力，而

GPT-4则将文本输入扩展到多模态信号

“范式变革

“范式变革”

大模型和预训练让人工智能完成跃迁，诱发了技术质变

大模型和预训练让人工智能完成跃迁，诱发了技术质变

2012以前机器学习时代

单一领域数据集劳动密集型，数据标注

2021OpenAl:ChatGPT2023

DeepSeekGoogle:GPT-1OpenAI:GPT-2OpenAI:GPT-32012-2017年以前深度学习时代超级海量数据跨领域知识的“基础模型”Meta:OPT-IML

DeepSeek

Google:GPT-1

OpenAI:GPT-2

OpenAI:GPT-3

2012-2017年以前深度学习时代

超级海量数据跨领域知识的“基础模型”

2017年以后

2017年以后大模型时代“涌现”

以Transformer为框架无监督、多模态、泛化

OpenAI:WebGPTGoogle:GLaM

2022

OpenAl:GPT-4Meta:LLaMA

Google:Bard腾讯：混元

百度：文心一言

大模型与行业应用融合

基础大模型作为技术基座，行业大模型满足特定场景需求

行业大模型-专用行业引擎基础大模型-通用技术基座

行业大模型-专用行业引擎

行业需求和应用场景丰富

行业需求和应用场景丰富

计算感知更专业

计算

感知

更专

业

行业经验反哺

可对海量数据进行处理

可对海量数据进行处理

提升感知类任务性能

研

行业大模型基础大模型发

行业大模型

基础大模型

消费者行为分析产品设计优化市场趋势预测

运

营

精准用户画像构建全渠道营销合规供应链风险预警

财

务

成本控制

促销活动动态定价库存周转率优化

认知

场景适配

场景

适配

强大分析生成能力，实现消费者数据精准洞察具有强大的理解能力、决策

强大分析生成能力，实现消费者数据精准洞察

具有强大的理解能力、决策

智能客服问答能力，支持多轮对话推荐

能力和生成能力

多维交叉利润分析

通用性强--

专业性欠佳-- 开发成本高--

大量的数据和参数进行模式匹配，在多个任务和领域上表

成本较低

成本

较低

客户服务会员服务售后服务提供持续生命力

客户服务

会员服务

售后服务

提供持续生命力

快消品产业新品研发市场研究在解决特定场景专业问题时准确度低，难以实现商用

快消品产业

新品研发