学过市场营销的同学大多听过世界知名零售连锁企业沃尔玛的“啤酒+尿布”营销案例。沃尔玛对顾客的购物行为进行了“购物篮分析”，意外发现，“啤酒”与“尿布”两件看上去毫无关系的商品，会经常同时出现在年轻父亲的购物篮中。沃尔玛的市场调查员和分析师进一步实际调查分析，在美国有婴儿的家庭中，一般是母亲照看婴儿，父亲去超市买尿布，而他们往往会顺便为自己购买啤酒。于是沃尔玛将尿布和啤酒摆放在一起实现了双增长。

这个故事的真假暂且不论，它实际要说明的是在当下的市场环境下，数据会说话，企业只有利用好AI、高级分析等技术把数据还原为现象，才能找到真正服务的方向。

小品牌、传统零售、新零售等都涌进消费品市场企图瓜分一杯羹，谁最先储备起最大的数据库，最先将数据还原为需求本质，谁才是这锅羹真正的掌勺人。

颇具价值的商业洞察埋藏在品牌的海量数据当中。通过大规模使用人工智能和高级分析，消费品公司可以将这些数据转化为商业洞察，然后分享至整个组织——从产品设计到供应链，再到营销和销售。

在消费品行业的市场争夺战中，大型消费品公司近期四面楚歌，挑战一方面来自于行动敏捷的小众品牌，另一方面来自传统零售商和线上零售商，后者充分利用数据优势和与消费者的直接互动来大力推广自有品牌或替代品牌。不过，大型消费品公司有多种反击的方式，其一就是使用人工智能和高级分析将自身的数据转化为颇具价值的商业洞察。

为了解消费品公司采用人工智能和高级分析的价值、影响和挑战，BCG与谷歌公司携手开展了一项研究。在研究过程中，我们采访了来自25家大中型消费品公司和五个小众品牌的高管，以及全球约百名业内专家。我们发现，通过大规模使用人工智能和高级分析，消费品公司可以做出更具前瞻性的需求预测，更符合当地需求的产品组合，还能为消费者提供个性化的服务和体验，提升营销和推广的投资回报率，缩短创新周期，从而实现超过10％的营收增长。

但对大多数大型消费品公司而言，要想充分释放这一价值依然困难重重。虽然几乎所有受访企业都已着手在核心业务中尝试应用人工智能和高级分析，但没有一家企业推广过哪怕一项应用。它们列举了许多组织结构上的障碍，诸如高管层在支持力度上谨小慎微、数据管理不善、缺少分类法（即商定的数据框架）、团队分散以及未能充分预测出人工智能和高级分析将对工作岗位和工作方式带来的影响。

诚然，企业想从人工智能和高级分析等工具中获益，就需要持续不断的协同努力，攻克各类难关。消费品公司还应精准发力，聚焦三到五项高度优先发展的领域，而非全面铺开。

让人工智能和高级分析落地

消费品公司拥有更多机会接触海量信息，从传统企业数据（从财务和运营部门获取）到消费者数据（尤其是在线消费行为），再到合作伙伴数据（一般通过工作小组、零售商、商业洞察合作伙伴或其他方），甚至包括传感器和物联网（IoT）生成的数据。然而到目前为止，消费品公司既没有将这些数据视为一种需要保护和培养的战略资产，也没有对这些数据加以运用，为企业创造实际效益。

借助人工智能和高级分析技术，企业可以从这些数据中获得可行的商业洞察。人工智能和高级分析技术最显著的应用是预测，比如预测新产品的需求水平、营销活动的效果以及新消费趋势的萌芽。

经过调研，我们找出了企业可以利用人工智能和高级分析促进业务发展的应用场景，大约有三十种之多，涉及消费品公司的所有职能部门，从营销和洞察到运营、销售和支持部门。这些场景还可用于促进如个性化助手和推荐引擎等创新服务的发展。

我们在这三十种应用场景中挑选出十种，代表了人工智能和高级分析技术能够为消费品公司带来的最大增长机遇。如果大规模推广，销售额有望增长10％以上。

人工智能十大应用场景

1.根据单品库存(SKU)和地区差异对现有产品和新产品进行需求预测

2.评估投资回报率，用以预测广告和促销支出对销售产生的影响

3.数据驱动促销，识别合适的零售门店或销售点，根据店面水平采用恰当的促销宣传活动，争取市场份额最大化

4.根据每一家商店的运营情况优化产品配搭

5.针对产品开发的趋势预测

6.缩短研发和测试的时间（经由计算机模拟）

7.灵活的、本地化、个性化定价和促销

8.精准营销

9.个性化定制消费者互动

10.人工智能驱动的诊断和推荐服务

值得注意的是，这些应用（包括趋势预测）与具备以下特点的行业最为息息相关：产品上市周期短（如化妆品行业）；采用动态定价并且需要与零售商频繁协商来有效促销的行业（在食品和饮料行业中比较少见）。

虽然甄别最有效的人工智能和高级分析应用相对容易，但在整个组织中部署这些应用却是大多数消费品公司无法完成的任务。在我们研究的三十家消费品公司中，所有都已着手实施至少一项人工智能和高级分析应用，其中一半开始试水四种或更多的应用（参阅图2）。但是没有一家公司能做到在整个组织中推广哪怕一项应用。

大部分消费公司已开启人工智能征程

大规模推广，障碍重重

大多数受访的消费品公司高管均表示：扩大人工智能和高级分析技术的应用规模，并确保为内部所接受是高管们目前探讨的一个关键议题。此外，他们还列举出一些挑战。即使只推广一种应用也非常困难，因为这需要大量的投资以及整个组织的管理合作。

企业通常需要在特定国家或者为特定品牌的具体应用构建小型的概念验证（PoC）。然而，如果企业想要大规模部署概念验证，通常需要多方面的努力：发展人工智能和高级分析技术，当它们足够强大时，便可以在整个企业内部进行全球部署；开发数据，巩固数据质量，统一跨国家、跨品牌的分类法；现有的IT系统可能由于无法支持新的人工智能和高级分析技术而变得冗余，或者说当前的IT系统要在显著调整后才能提供或接收应用程序中的数据。

其它需要关注的领域还包括现有的业务流程、管理规则和岗位职责描述，因为人工智能和高级分析将改变目前的决策流程，自动执行手动任务和计算，并且改变大量员工和经理的日常职责。最后，人才和技能也是企业不容忽视的问题，因为构建和维护人工智能和高级分析应用需要一个强大的人才库（数据科学家、数据工程师和数据分析师）。消费品公司至少需要在一定程度上提升这方面的能力，以避免完全依赖第三方供应商。

鉴于以上困难，要想在消费品公司内有效推广人工智能和高级分析，必须扫清以下六个明显的障碍：

1缺乏远见

企业没有充分评估人工智能和高级分析可以为企业创造的效益，相应的奖励也不够吸引人；高管人员也没有得到充分的培训，限制了他们的投资意愿。

2主次不分

这会引发“ 概念验证爆炸”，让企业的努力付诸东流。企业与不同供应商展开多项小型测试，但没有执行任何后续操作，也没有将必要的努力投入到工业化、扩大规模和推广应用当中。

3人才缺口

识别、延揽和留住英才（数据科学家、数据工程师和数据分析师等）绝非易事，由此导致企业对外部供应商过度依赖，难以把控执行情况。与此同时，企业多次尝试发展本地人才，但往往缺乏群聚效应。

4数据管控不足

企业的数据管理、数据质量或数据所有权流程缺位，也没有统一（跨部门、跨国家）的数据分类法来推动人工智能和高级分析的大规模应用。

5低估影响力

这类企业误判了变革管理以及发展相关技能所需的投资水平。企业无法完全预测出人工智能和高级分析对现有业务流程、决策流程、管理例程以及员工日常工作和所需技能的影响。

6对市场差异考虑不足

企业往往忽略了不同市场在数字生态系统、数据可用性、渠道特征和供应商能力上有所差异。企业也未意识到，在不同市场中，市场需求、优先事项和制约因素也各有不同。

擂响战鼓，开启征程

推广人工智能和高级分析应用并构建相应能力通常需要两到三年的时间（参阅图3）。在新征程开启之前，消费品公司需采取一系列举措来避开常见的障碍并确保此战略快速实施。

人工智能和高级分析应用的典型流程

1缩小范围，精准发力

消费品公司需要重点发展几项应用。若同时启动十到十五个项目，很可能会一直陷入概念验证阶段。部分原因在于，负责这些项目的高级经理们的注意力过于分散。事实上，那些专注于少数机会（具有最大可行性和潜在影响的机会）的公司更有可能完成大规模推广。例如，一家全球化的时尚品牌聚焦于两个重点领域：与消费者开展个性化互动和门店的个性化产品配搭能力。这使该品牌能够在数据科学和IT资源方面精准投资，同时确保了公司高层的充分参与，使项目取得成功。

2获得高管层的支持

在发起任何应用之前，消费品公司需要确保它们可以获得相应的推动力。高层管理人员（一般指国家层面或品牌层面的总经理或更高级别）应该秉持开放的态度——在部门或地区发起和试用新应用，而高级业务主管应投入20％到30％的时间来把控大局。消费品公司也应该着力确保协助落实应用场景的本地团队保持热情，因为提供端到端的人工智能和高级分析解决方案会加重他们的工作负担，而且在这个过程中也会颠覆企业固有的工作习惯。

3自建还是购买？

许多供应商提供了可以解决特定问题的人工智能和高级分析软件，这些软件是现成或半定制的。虽然现成的解决方案具有速度优势，但代价却是放弃知识产权。现成的方案不具有定制解决方案的某些功能，亦不具备公司自行研发解决方案所能收获的内部认知。消费品公司应尽早确定最适合采用现成软件的领域以及最适合自行开发解决方案的领域（只要他们拥有知识产权，也可与合作伙伴联手）。这些决策应基于流程的重要程度以及公司相比供应商的数据优势（参阅“自主开发还是购买？巧解人工智能难题”）。例如，一家化妆品公司选择打造一套定制方案，用于在具体环境下预测特定品类的市场趋势。得益于自主研发，这家公司能够完全掌控这一工具，甚至有朝一日可将其转化为竞争优势。

4满足市场的具体需求

消费者行为、数字生态系统和获取数据资产的渠道在各主要市场中的演变截然不同。企业需要尽早应对市场的具体限制或要求，否则在设计和实施阶段可能会有停滞不前的风险。

5厉兵秣马，未雨绸缪

大规模部署人工智能和高级分析解决方案通常需要企业构建全新的技术环境（反馈、存储和维护算法）、适应当前的生态系统（如替换运营等关键职能部门现有的专家系统）、统一数据结构和分类法。在原型阶段不必采取这些行动，但若企业不希望在首个试点应用成功后，面对全盘推翻重来的局面，就应该厉兵秣马、未雨绸缪。比如，虽然在对需求预测解决方案进行原型设计之前，清理和构建全球单品库存（SKU）数据库并非必要，但初步拟定统一的分类标准来定义相关产品是很重要的。

6乘风破浪，革故鼎新

系统地引进人工智能和高级分析解决方案给现有的决策流程带来了挑战，在某些情况下可以大大缩减甚至完全省去完成某些任务所需的时间。例如，一家奢侈品公司发现，高效的需求预测引擎将其供应链部门用于计划日常需求的时间缩减了60％至80％。为了避免组织阻力，公司需提前与员工进行有效的沟通，明确解释人工智能和高级分析会带来的影响，并让团队了解这些应用将给他们的工作岗位和工作方式带来哪些变化。

部署人工智能和高级分析应用可以在短期内获得显著效益，然而于消费品公司而言，更广泛的机遇在于这些应用将帮助公司把消费者置于运营模式的中心。借助人工智能和高级分析，消费品公司可以将与消费者相关的数据转化为商业洞察，然后将商业洞察分享到整个组织——从产品设计到供应链，再到营销和销售。

要实现这一目标，仅仅对人工智能和高级分析进行投资是不够的，企业还需要大刀阔斧地改造整个组织的工作方式，从董事会层面的决策到车间运营。这是一个漫长的过程，但消费品公司可以将目标聚焦于少数应用，力求精准出击、稳扎稳打，并且从始至终、坚定不移地推广这些应用，以此打响全面应用人工智能和高级分析的新征程。