．AI 和高級分析如何助力消費品公司成長

AI for Marketing＆Growth #1 - 

Predictive Analytics in Marketing

來源： 亿欧网

頗具價值的商業洞察，埋藏在品牌的海量數據當中。透過大規模使用人工智慧和高級分析，消費品公司可以將這些數據，轉化為商業洞察，然後分享至整個組織——從產品設計到供應鏈，再到行銷和銷售。

在消費品行業的市場爭奪戰中，大型消費品公司近期四面楚歌，挑戰一方面來自於行動敏捷的小眾品牌，另一方面來自傳統零售商和線上零售商，後者充分利用數據優勢，和與消費者的直接互動，來大力推廣自有品牌或替代品牌。

不過，大型消費品公司有多種反擊的方式，其一就是使用人工智慧和高級分析，將自身的數據轉，化為頗具價值的商業洞察（參閱「小眾消費崛起，大品牌如何絕地反擊？」）。

為瞭解消費品公司，採用人工智慧和高級分析的價值、影響和挑戰，BCG與谷歌公司攜手開展了一項研究。在研究過程中，我們採訪了來自25家大中型消費品公司，和五個小眾品牌的高管，以及全球約百名業內專家。

我們發現，透過大規模使用人工智慧和高級分析，消費品公司可以做出更具前瞻性的需求預測，更符合當地需求的產品組合，還能為消費者提供個性化的服務和體驗，提升行銷和推廣的投資回報率，縮短創新週期，從而實現超過10％的營收成長。

但對大多數大型消費品公司而言，要想充分釋放這一價值，依然困難重重。雖然幾乎所有受訪企業，都已著手在核心業務中，嘗試應用人工智慧和高級分析，但沒有一家企業推廣過，哪怕一項應用。

它們列舉了許多組織結構上的障礙，諸如高管層在支持力度上謹小慎微、數據管理不善、缺少分類法（即商定的數據框架）、團隊分散，以及未能充分預測出人工智慧和高級分析，將對工作崗位和工作方式帶來的影響。

誠然，企業想從人工智慧和高級分析等工具中獲益，就需要持續不斷的協同努力，攻克各類難關。消費品公司還應精準發力，聚焦三到五項高度優先發展的領域，而非全面鋪開。

讓人工智慧和高級分析落地

消費品公司擁有更多機會接觸海量資訊，從傳統企業數據（從財務和營運部門獲取）到消費者數據（尤其是在線上消費行為），再到合作夥伴數據（一般透過工作小組、零售商、商業洞察合作夥伴或其他方），甚至包括感測器和物聯網（IoT）生成的數據。

然而到目前為止，消費品公司既沒有將這些數據，視為一種需要保護和培養的策略資產，也沒有對這些數據加以運用，為企業創造實際效益。

借助人工智慧和高級分析技術，企業可以從這些數據中，獲得可行的商業洞察。人工智慧和高級分析技術，最顯著的應用是預測，比如預測新產品的需求水平、行銷活動的效果，以及新消費趨勢的萌芽。

經過調研，我們找出了企業可以利用人工智慧和高級分析，促進業務發展的應用場景，大約有三十種之多，涉及消費品公司的所有職能部門，從行銷和洞察到營運、銷售和支持部門。這些場景還可用於，促進如個性化助手和推薦引擎等，創新服務的發展。

我們在這三十種應用場景中，挑選出十種，代表了人工智慧和高級分析技術，能夠為消費品公司帶來的最大成長機會。如果大規模推廣，銷售額有望成長10％以上（參閱圖1）。

1．根據單品庫存（SKU）和地區差異，對現有產品和新產品進行需求預測

2．評估投資回報率，用以預測廣告和促銷支出，對銷售產生的影響

3．數據驅動促銷，辨識合適的零售門市店或銷售點，根據店面水準，採用恰當的促銷宣傳活動，爭取市場佔有率最大化

4．根據每一家商店的營運情況優化產品配搭

5．針對產品開發的趨勢預測

6．縮短研發和測試的時間（經由計算機模擬）

7．靈活的、本地化、個性化定價和促銷

8．精準行銷

9．個性化定制消費者互動

10．人工智慧驅動的診斷和推薦服務

值得注意的是，這些應用（包括趨勢預測）與具備以下特點的行業，最為息息相關：產品上市週期短（如化妝品行業）；採用動態定價，並且需要與零售商頻繁協商，來有效促銷的行業（在食品和飲料行業中比較少見）。

雖然甄別最有效的人工智慧和高級分析應用相對容易，但在整個組織中，部署這些應用，卻是大多數消費品公司無法完成的任務。在我們研究的三十家消費品公司中，所有都已著手實施，至少一項人工智慧和高級分析應用，其中一半開始試水四種或更多的應用（參閱圖2）。但是沒有一家公司能做到在整個組織中，推廣哪怕一項應用。

大規模推廣，障礙重重

大多數受訪的消費品公司高管均表示：擴大人工智慧和高級分析技術的應用規模，並確保為內部所接受，是高管們目前探討的一個關鍵議題。此外，他們還列舉出一些挑戰。即使只推廣一種應用也非常困難，因為這需要大量的投資，以及整個組織的管理合作。

企業通常需要在特定國家，或者為特定品牌的具體應用，建構小型的概念驗證（PoC）。然而，如果企業想要大規模部署概念驗證，通常需要多方面的努力：

發展人工智慧和高級分析技術，當它們足夠強大時，便可以在整個企業內部進行全球部署；開發數據，鞏固數據品質，統一跨國家、跨品牌的分類法；現有的IT系統可能由於無法支持，新的人工智慧和高級分析技術而變得冗餘，或者說當前的IT系統，要在顯著調整後，才能提供或接收應用程序中的數據。

其它需要關注的領域還包括現有的業務流程、管理規則和崗位職責描述，因為人工智慧和高級分析，將改變目前的決策流程，自動執行手動任務和計算，並且改變大量員工和經理的日常職責。

最後，人才和技能也是企業不容忽視的問題，因為建構和維護人工智慧和高級分析應用，需要一個強大的人才庫（數據科學家、數據工程師和數據分析師）。消費品公司至少需要在一定程度上，提升這方面的能力，以避免完全依賴第三方供應商。

鑒於以上困難，要想在消費品公司內，有效推廣人工智慧和高級分析，必須掃清以下六個明顯的障礙：

1缺乏遠見

企業沒有充分評估人工智慧和高級分析，可以為企業創造的效益，相應的獎勵也不夠吸引人；高管人員也沒有得到充分的培訓，限制了他們的投資意願。

2主次不分

這會引發「 概念驗證爆炸」，讓企業的努力付諸東流。企業與不同供應商展開多項小型測試，但沒有執行任何後續操作，也沒有將必要的努力，投入到工業化、擴大規模和推廣應用當中。

3人才缺口

辨識、延攬和留住英才（數據科學家、數據工程師和數據分析師等）絕非易事，由此導致企業對外部供應商過度依賴，難以把控執行情況。與此同時，企業多次嘗試發展本地人才，但往往缺乏群聚效應。

4數據管控不足

企業的數據管理、數據品質或數據所有權流程缺位，也沒有統一（跨部門、跨國家）的數據分類法，來推動人工智慧和高級分析的大規模應用。

5低估影響力

這類企業誤判了變革管理，以及發展相關技能，所需的投資水準。企業無法完全預測出，人工智慧和高級分析，對現有業務流程、決策流程、管理例程，以及員工日常工作和所需技能的影響。

6對市場差異考慮不足

企業往往忽略了不同市場，在數位生態系統、數據可用性、通路特徵和供應商能力上有所差異。企業也未意識到，在不同市場中，市場需求、優先事項，和限制因素也各有不同。

擂響戰鼓，開啓徵程

推廣人工智慧和高級分析應用，並建構相應能力，通常需要兩到三年的時間（參閱圖3）。在新徵程開啓之前，消費品公司需採取一系列舉措，來避開常見的障礙，並確保此策略快速實施。

1縮小範圍，精準發力

消費品公司需要重點發展幾項應用。若同時啓動十到十五個項目，很可能會一直陷入概念驗證階段。部分原因在於，負責這些項目的高級經理們的注意力，過於分散。

事實上，那些專注於少數機會（具有最大可行性，和潛在影響的機會）的公司，更有可能完成大規模推廣。例如，一家全球化的時尚品牌，聚焦於兩個重點領域：與消費者開展個性化互動，和門市店的個性化產品配搭能力。

這使該品牌能夠在數據科學，和IT資源方面精準投資，同時確保了公司高層的充分參與，使項目取得成功。

2獲得高管層的支持

在發起任何應用之前，消費品公司需要確保，它們可以獲得相應的推動力。高層管理人員（一般指國家層面或品牌層面的總經理或更高級別）應該秉持開放的態度——在部門或地區發起和試用新應用，而高級業務主管，應投入20％到30％的時間，來把控大局。

消費品公司也應該著力確保，協助落實應用場景的本地團隊，保持熱情，因為提供端到端的人工智慧，和高級分析解決方案，會加重他們的工作負擔，而且在這個過程中，也會顛覆企業固有的工作習慣。

3自建還是購買？

許多供應商提供了，可以解決特定問題的人工智慧和高級分析軟體，這些軟體是現成或半定制的。雖然現成的解決方案，具有速度優勢，但代價卻是放棄知識產權。

現成的方案，不具有定制解決方案的某些功能，亦不具備公司自行研發解決方案，所能收穫的內部認知。

消費品公司應盡早確定，最適合採用現成軟體的領域，以及最適合自行開發解決方案的領域（只要他們擁有知識產權，也可與合作夥伴聯手）。

這些決策應基於流程的重要程度，以及公司相比供應商的數據優勢（參閱「自主開發還是購買？巧解人工智慧難題」）。例如，一家化妝品公司，選擇打造一套定制方案，用於在具體環境下，預測特定品類的市場趨勢。得益於自主研發，這家公司能夠完全掌控這一工具，甚至有朝一日，可將其轉化為競爭優勢。

4滿足市場的具體需求

消費者行為、數位生態系統，和獲取數據資產的通路，在各主要市場中的演變截然不同。企業需要盡早應對，市場的具體限制或要求，否則在設計和實施階段，可能會有停滯不前的風險。

5厲兵秣馬，未雨綢繆

大規模部署人工智慧和高級分析解決方案，通常需要企業建構全新的技術環境（反饋、儲存和維護算法）、適應當前的生態系統（如替換營運等關鍵職能部門現有的專家系統）、統一數據結構和分類法。

在原型階段不必採取這些行動，但若企業不希望在首個試點應用成功後，面對全盤推翻重來的局面，就應該厲兵秣馬、未雨綢繆。比如，雖然在對需求預測解決方案，進行原型設計之前，清理和建構全球單品庫存（SKU）數據庫並非必要，但初步擬定統一的分類標準，來定義相關產品是很重要的。

6乘風破浪，革故鼎新

系統地引進人工智慧和高級分析解決方案，給現有的決策流程帶來了挑戰，在某些情況下，可以大大縮減，甚至完全省去完成某些任務所需的時間。

例如，一家奢侈品公司發現，高效的需求預測引擎，將其供應鏈部門，用於計劃日常需求的時間，縮減了60％至80％。為了避免組織阻力，公司需提前與員工進行有效的溝通，明確解釋人工智慧和高級分析，會帶來的影響，並讓團隊瞭解這些應用，將給他們的工作崗位和工作方式，帶來哪些變化。

部署人工智慧和高級分析應用，可以在短期內獲得顯著效益，然而於消費品公司而言，更廣泛的機慧在於這些應用，將幫助公司把消費者，置於營運模式的中心。

借助人工智慧和高級分析，消費品公司可以將與消費者相關的數據，轉化為商業洞察，然後將商業洞察分享到整個組織——從產品設計到供應鏈，再到行銷和銷售。

要實現這一目標，僅僅對人工智慧和高級分析進行投資是不夠的，企業還需要大刀闊斧地，改造整個組織的工作方式，從董事會層面的決策到車間營運。

這是一個漫長的過程，但消費品公司可以將目標，聚焦於少數應用，力求精準出擊、穩扎穩打，並且從始至終、堅定不移地推廣這些應用，以此打響全面應用人工智慧和高級分析的新徵程。363190130

按此回今日3S Market新聞首頁

AKD 寰楚專業級全系列監控設備