JOTO
Contact us
← AI 智库
营销增长

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点

2026 年 11 月 16 日

本文基于虎嗅智库闭门研讨会,梳理企业AI落地中从消费者洞察到真实增长的三大卡点:AI识别的需求是否真实、洞察如何进入工作流并转化为行动、企业如何区分效率改善与真实增量。案例涵盖波司登、特赞、自然堂、联华华商等十余家企业实践,揭示AI价值兑现依赖组织判断、流程适配与跨岗位协同,而非单纯技术部署。

AI读懂消费者,但“读懂”不等于“做对”

“AI让洞察飞轮越转越快,每天都能生成报告,但要决定未来3–6个月到底该开发什么产品,却还是很难。”波司登AI应用总监刘婧在虎嗅智库的一场闭门会上的这句话,揭开了企业AI落地中一个越来越明显的矛盾,AI让消费者洞察越来越容易获得,企业却未必更容易做出决策,更不用说把洞察变成增长。

过去,品牌主要通过进店行为、搜索关键词和人群标签理解消费者。这并不意味着消费者意图更加明确,而是复杂需求被压缩成了几个便于识别和经营的信号,品牌再据此匹配商品与内容。

如今,越来越多消费者开始通过对话式AI表达和筛选需求。他们提供的不再只是一个关键词,而可能是一段包含使用场景、情绪诉求和限制条件的模糊描述,再由AI帮助翻译、筛选,甚至完成下单。

对品牌而言,问题也随之改变,读懂消费者只是第一步。一个模糊需求还要被转化为经营信号,进入产品、内容和门店的具体工作流,最终才能落到可以验证的收入、毛利或效率指标上。“从消费者的一句模糊表达,到企业可以核算的一笔增长,中间究竟卡在哪?”

围绕这一问题,虎嗅智库近期邀请森马、波司登、特赞、自然堂、贝泰妮、Tims、林里LINLEE、联华华商、交个朋友(曼达斯克)等十余家企业的决策者,进行了一场持续三个小时的闭门研讨。讨论最终落在三个层面:AI识别出的消费者需求是否真实;洞察如何进入工作流并转化为行动;以及企业如何区分效率改善与真实增量,算清AI带来的增长。

本次会议主题
图:本次会议主题

进入工作流后,真正的卡点在哪儿?

发现问题只是第一步。判断AI是否真正进入业务,可以看它走到了哪一层,是接手了一个具体任务,还是沉淀了一个团队的能力,又或者改变了跨岗位的协作方式。这三层,对应三种不同的落地难度。

第一层是任务。森马AI应用专家林建霞分享了一个并不复杂的案例,设计师需要为图片逐张填写款号、整理素材,技术团队早已判断这类工作可以自动化,但业务现场长期靠人工处理。森马最终的方案很简单—设计师把图片拖进表格,系统自动识别、关联信息、批量下载。

一个很轻的工程化调整,解决的却是高频、重复、长期存在的负担。对不少企业而言,AI有效落地的第一步,未必是改造核心业务系统,而是先清理这些不起眼、却长期存在的摩擦点。

森马分享PPT截图
图:森马分享PPT截图

第二层是能力。波司登AI应用总监刘婧提到,品牌每年会与约3—5位国际级设计师合作,希望借助AI把这些设计师参与产品开发时的方法和经验沉淀下来,将不同创新品类的风格与审美偏好训练集成到自研平台,辅助评价与决策。但她也坦言,下一步仍要找到真正适合的产品、用户和场景。

这一层比第一层难,任务可以标准化,经验却很难。AI要复制的不是一个人的动作,而是人做判断的依据。

第三层是协作。联华华商的AI已经进入更长的跨岗位链条,每天识别出门店经营数据异常后,先把异常翻译成门店和品类负责人听得懂的具体问题,通过企业微信分发;门店回复后,系统归纳内容,对没回复或答非所问的继续追问,并标记问题。

需要说明,这套机制目前走完的是"异常识别—任务分发—回复追问",还没证明问题处理能稳定改善门店经营。它的阶段性价值,是把每件商品每天每店海量的颗粒状待办,转成有明确指令、有责任人、有反馈记录的任务链。

森马解决的是一个岗位的效率,波司登想抬高的是一个团队的上限,联华尝试改变的是跨岗位的信息传递和任务分配。三层走下来,判断AI有没有真正进入业务的标准也就清楚了,不是部署了多少工具,而是原来的工作方式有没有变。

AI已经能给答案,为什么增长账还是算不清?

但问题在于,单个环节变快,不代表整条业务链路都会变快。假设一条业务链涉及十个工种,其中三个因AI提效,第四个工种就可能成为新的瓶颈。设计、审核、供应链彼此衔接,下游若不调整,整体流程未必更快。工具可以优化一个岗位,却不能自动重组岗位关系,这也是不少AI项目难以扩大的原因。

AI可以把任务发出去,却不能保证接收任务的人愿意改变原来的工作方式。也正因为AI的效果取决于多个岗位是否同步改变,项目价值才很难归因,最终销售增长究竟来自模型、流程调整,还是业务团队本身?这让ROI成为企业AI规模化的另一道门槛。

曼达斯克营销事业部总经理林忠鑫从线上内容经营角度,给了一种更直接的算账方式。交个朋友观察到,抖音的流量逻辑在变,直播逐渐成为承接转化的“中台”,短视频成为获取流量的前台。相应地,企业要处理的原创素材从每天约2000条涨到约1万条,仅靠加编导和投放人员很难撑住。

为此,曼达斯克把创意获取、内容生成、批量上传、投放前测和数据归因接进同一套工作流,并用AI降低明星素材成本—过去星图拍一条明星短视频约3万—5万元,在选品和授权流程不变的前提下,AI方案把一个月5条的成本压到约1万元,单条约2000元。但这笔账首先证明的是生产成本下降,而不是增长已经发生。短视频能否带来更高的种草效率、直播转化和新品成交,仍要看后续投放数据。

所以,AI省下多少时间,只是一笔效率账,它有没有帮助企业做出更好的决策、取得更好的经营结果,才是增长账。

当AI应用从单点工具走向业务流程,难题也随之变化。项目能否扩大,不再只取决于技术能否实现,还取决于谁来调整岗位关系、推动流程改变,并为结果负责。

组织如何接住AI带来的变化?

会场内多位嘉宾都提到,当AI开始进入培训、考核和岗位调整,技术部门已经无法独立推进,HR和业务负责人必须更早参与。

丽人丽妆AI内容负责人蒋嫣分享了自己的经历。最初,她尝试以FDE方式推进AI应用,直接找运营部门沟通、开发小工具,但效果并不理想,原因是技术方案没有真正切中运营的工作需求。

后来人力部门加入,组织了公司规模较大的培训和比赛,让各部门核心运营岗位参与。员工有了学习和实践的动力,也开始把工具带回自己的团队。像素材命名这样的上下游协作规范,也需要人力部门协调推动。蒋嫣认为,员工经验沉淀同样需要KPI和激励机制,否则很难要求员工主动把个人经验转化为组织资产。

林里LINLEE联合创始人陈旭安则强调,管理层需要先帮助员工建立对AI的正确认识。他曾亲自组织多轮沟通,试图消除团队对AI的“神化”和“妖魔化”,但效果有限。他坦言2026年的重点是“悟道”和让员工“用起来”,一方面尝试设置数字员工制度,将部门创造的数字员工纳入组织管理;另一方面由HR牵头,在各部门寻找AI增长官,让真正会用工具的人带动更多同事。

组织分工的变化还会向外传导。商派科技联合创始人计三勇把企业客户分成三类:头部企业IT能力强,正用AI补齐部分内部系统;以外资企业为主的本地IT团队,在规划、监管之外仍需服务商深度参与;缺少IT能力的中小企业,更依赖外部服务商提供完整服务。

AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 3

在他看来,AI不会让服务商失去市场,但会改变企业采购软件的方式—随着头部企业把内部能力逐步Agent化,外部产品也要拆成可调用的模块,与企业内部Agent协同。未来服务商出售的,可能不再是一整套软件,而是一组能接入企业AI系统的业务能力。

从信号识别到经营结果,企业仍需完成三次转换

回到以上几个案例,不难看出,AI可以从消费者行为中推断需求,也可以发现品牌语言与搜索意图之间的错位,甚至把数千条经营异常分发到具体岗位。但从一个信号被识别,到产品、内容或门店动作真正改变,企业仍要完成三次转换,把数据转换为判断,把判断转换为有责任人的任务,再把任务结果转换为可验证的经营指标。

这场闭门研讨没有给出一套关于AI增长的标准答案,却让另一件事变得更清楚,当答案的生产成本不断下降,企业真正稀缺的能力,正在变成定义问题、做出取舍、组织行动并承担结果。模型可以生成建议,却不能替企业决定哪些信号值得下注,也不能自动消除部门边界和利益阻力。

因此,下一阶段企业之间的AI差距,可能不再取决于部署了多少Agent,而取决于闭环转动得有多快能否及时发现偏差,能否推动流程改变,又能否用经营结果修正下一次判断。AI会越来越懂消费者,但增长仍然只会发生在组织愿意为一个判断投入资源、改变动作,并接受结果检验的那一刻。

虎嗅智库线下闭门会研讨现场
图:虎嗅智库线下闭门会研讨现场
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 5
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 6
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 7
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 8
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 9
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 10
AI能帮企业看见用户需求,但想要真正创造增长,还有这三个卡点 配图 11

JOTO 企业落地观察

  • 企业部署AI消费者洞察系统时,需警惕“数据覆盖偏差”风险:若仅依赖社媒声量等易得数据源,可能系统性遗漏成熟家庭等沉默客群。真正有效的消费者模型必须融合门店访谈、交易流水等离线数据,形成动静结合的数据闭环。
  • 智能体工程中,“品牌语言”与“用户语言”的语义对齐是关键瓶颈。自然堂案例表明,当AI搜索未对齐用户真实意图词(如“抚触油”),再强的模型也无法触发转化。这类系统需内置动态意图词挖掘与AB测试机制,而非仅依赖静态词表。
  • RAG知识工程若仅聚焦文档向量化,易陷入“技术正确但业务失效”陷阱。特赞的主观世界模型启示:企业知识库需结构化存储“动机-行为-场景”三元组,使RAG检索结果可直接支撑产品决策,而非仅返回相似文本片段。
  • AI安全治理在此类场景中体现为“判断权归属”问题:当AI生成6000+ Persona并推荐人群策略,企业必须明确定义真人验证节点与否决机制。未经业务校验的AI推断,本质上是黑箱风险,而非生产力提升。

立即咨询 JOTO

JOTO 提供覆盖企业智能体规划与搭建、AI 平台私有化部署、RAG 知识工程、AI 安全治理、FDE 驻场共创及持续运营优化的全周期 AI 落地服务,帮助企业把验证中的 AI 能力转化为安全、可控、可持续迭代的生产力。 联系 JOTO 获取 AI 落地咨询

想把这些做法用到你的业务里?

留下你的场景和痛点,我们帮你判断从哪一步开始。

联系我们
Contact Us

Start your enterprise AI rollout

Tell us your industry, team, and current pain points. We'll get back to you within one business day to help you decide what to tackle first, what data to prepare, and which platform fits.

WeChat
Scan to add us for a 1:1 chat
JOTO WeChat consultation QR code

Tell us what you need

Once we receive your details, we'll be in touch within one business day.