数智化增长 AI如何重塑线下生意？.docxVIP

数智化增长

AI如何重塑线下生意？

基于中顺洁柔实战案例，聚焦人机协同的差异化价值

为什么必须拥抱数智化？

缩量时代，增长是唯一的目标

为什么必须拥抱数智化？

思维火花依据地图厂商底层数据分析，截止至2025年1月，中国线下零售网点超过301万+，2024年新开门店93万+约31.0%，闭店数量95万+约31.5%；

闭店率27.0%40万+超市类：门店总量

闭店率27.0%

40万+

超市类：门店总量149万+

闭店率36.0%54万+

闭店率36.0%

54万+

便利店类：门店总量151万+

机会与痛点并存

影响收入扰动收入1、门店的数量3、门店的利润

影响收入扰动收入

1、门店的数量

3、门店的利润

2、门店的动销

4、门店的库存

影响收入促进收入

如何高效判断门店动销情况？如何判断门店容量？

门店分类主观性强

01缺乏客观科学的分类标准：依赖人工经验（VPO二维分类），缺乏客观数据模型，易受人为操作影响。

01

门店深耕的三大痛点

门店深耕的三大痛点

02无法准确识别门店风险：线下闭店率33%导致经销商保守，品牌线下增长停滞，市场覆盖率下降。

02

资源分配抵消

03快消品行业破局最大的阻碍

03

无法高效定位门店价值：资源平铺导致浪费，高潜力门店未获重点投入，ROI不达预期。

如何实现增长？

其实生意的本质就是人货场的匹配

为什么消费者进到店里不能以我们想卖给他/她的价格买走那个商品？

人场货

选对的人在对的场选对的货

（目标客群）（城市+商圈+环境）（赛道+品牌+产品）

决策AI的核心：博弈论+神经网络+贝叶斯+MECE

传统经验决策VS算法智能决策

智能算法决策的一致性

高度一致，输入相同则输出相同，

在数据完备、模型正确的领域，预测和决策精度远超人类

智能算法决策的速度

极快（毫秒/秒级）、超大规模、永不疲劳极快，可7x24小时不间断运行

人机协同

智能算法决策的依据

数据、算法、数学模型，越来越精准，

复制和部署算法的边际成本几乎为零

智能算法决策

二者最理想的关系是人机协同，让AI处理大量重复性数据分析，为人提供洞察和建议，最终由人类进行综合判断和负责。

传统经验决策的一致性

受情绪、疲劳、偏见影响，不同人或不同时间决策可能不同

传统经验决策的速度

传统经验决策的依据直觉、有限理性、情感依赖于个人经验，经验难以传承

传统经验决策的依据

直觉、有限理性、情感

依赖于个人经验，经验难以传承

传统经验决策

增长核心策略：智能选品、精准选店、精准选人

假设要拓展市场怎么选市场？机会在哪？

?14亿用户

?上千种喜好

?八大人群

?上百种消费习惯

用户画像模型?月收入1千-年薪百万

用户画像模型

?

...目标客户

...

潜力门店模型?34个省级

潜力门店模型

?34个省级

?399个地级市

?3059个县级

?300万+网点,数百种网点类型

?

...

铺货模型?数十万个品牌

铺货模型

?数十万个品牌

?上百万个SKU

?覆盖N种人群

?适合数百种网点售卖

?精准匹配...

?

精准匹配

价费模型

价费

模型

匹配合理的价格、利润，搭配货品组合及营销活动吸引客户购买

核心策略：精准选店（场的优化）

2024至2025年全国存活门店：362W+门店闭店：121W+门店，闭店率：33%新增门店：118W+门店

高潜力门店：29W+，占比：8%常规门店：280W+，占比：77%高风险门店：53W+，占比：15%

高

高

潜

业绩增长潜力大、

市场前景好的门店，

通常需要重点投入

资源。

平均单店单日客流：960人次

平均单店覆盖居民：1,395人

闭店率：4%

常

常

规

表现稳定、符合预

期但无明显突出亮

点的门店，保持正

常运营即可。

平均单店单日客流：574人次

平均单店覆盖居民：761人

闭店率：34%

高

高

危

经营风险较高、可

能面临亏损或关停

的门店，需及时调

整或优化策略。

平均单店单日