导读：品牌商和零售商目前都在做2024年的规划，本次分享基于爱分析过往的研究，带来消费品零售行业2024年宏观趋势和方向，以及如何落地大模型和数据技术。

分享嘉宾｜张扬 爱分析联合创始人兼首席分析师

内容来源于爱分析网络研讨会，如获取专家完整版视频实录和课件，请在爱分析公众号内回复【大模型+消费品零售】领取资料

01 零售宏观情况

1.1 消费增长：维持“谨慎乐观”

零售行业2023年基本上维持“谨慎乐观”的态度。

第一，从零售总额角度，就刚过去的双十一为例， GMV 比较差，全网约1.1万亿左右，比去年涨了2%。虽然1-10月社会消费品零售总额增涨比较多，大约6.9%，但里面航空和酒店增长突出，其他细分类别增速不显著。如果剔除这两个项目，实际上看典型案例双十一的时候只有2%，更接近真实的水平；

第二，从消费者信心角度，不管是银行存储，还是看实际的消费者信心指数，都比较差；

第三，直播和奥莱等低价渠道大幅增长。今年双十一虽然总增速只有2%，但是直播是20%；

第四，企业利润修复目标达成，今年绝大部分的品牌零售企业的利润基本上能到 2019 年的水平。最好的是餐饮和旅游。但收入正增长的也就一半，绝大部分是零增长或者负增长。

1.2 消费品零售企业IT预算投向

消费品零售企业目前都在做2024年数字化预算。2023年预算是明显下降的，尤其是2023年上半年预算释放的特别少，下半年有回暖。9月份开始恢复，11月、12月相对较好，在持续释放预算。2024年企业用户虽然利润恢复了，但是实际上愿意投在IT上的绝对金额相比2023年变化不是特别大，基本持平。

从IT技术角度，2024年预算投向的方向第一个是大模型。大模型落地是企业最近做规划时，能看到落地特别明显，而且落地的节奏比较稳健。其实2023年绝大部分企业在做数字化的预算和规划的时候，没有大模型这块。虽然今年有些企业释放了大模型的预算，但是第一个预算比较少，第二个是把其他类别的预算通过调项目换到大模型。但2024 年能很明确的看到企业的规划里边在写大模型要落地的一些场景。另外一个预算投向的方向就是数据。数据一直是这两三年我们服务企业用户的过程当中一个比较大的主题方向。

从品牌价值链角度，第一个比较重要的投向是经销渠道。从2023年开始，绝大部分的品牌商在把预算投往线下的渠道，因为线上的增长比较低，且线上的分销渠道比较多，利润比较难控制。所以线下如何去精细化的管理经销渠道，是绝大部分企业从2023年和2024年比较重心的一个方向。第二个比较重要的投向是跟门店相关，原来的投向主要是关于店面SOP管理，现在门店的投向更多偏向导购的赋能和导购的SOP执行。第三个核投向核心是在供应链本身上，这里面包括最核心的一项就是全渠道的库存。

02 大模型落地前瞻规划

整个大模型落地的路径可分为四个环节：探索可研、全盘规划、试点速赢、全面推广，现在大部分比较前沿的企业用户是在全盘规划这个阶段。基于四个环节，我们推荐大家一些可落地的方向。

探索可研场景的核心价值是能够把整个大模型落地的路跑通。所以正常来讲应该选的场景有以下几点，第一个成本可控，第二个是验证的速度要比较快，第三个能够覆盖的内部终端用户比较多，因为只有内部的终端用户对大模型有足够强的概念，后面推出试点速赢的场景，整体业务部门的支持会更顺畅。

从探索可研的角度来讲，我们看到绝大部分优选的第一个落地的场景都是在知识库。首先就是成本比较可控，知识库是搭建过程当中预算可控的一个场景。其次知识库从初始的搭建到上线，基本上能控制在月级别，而且很迅速的能看到一些结果。最后就是服务的用户比较多，就过去的知识库，比方说客服有客服的知识库，财务有财务的知识库，不同的部门、不同的岗位、不同的BU都有自己不同的知识库，所以这些知识库其实能够渗透的潜在用户场景是比较多的。同样去对比的话，不管是文案还是图片，虽然成本都比较低，但是覆盖的用户会比较少。

试点速赢这个场景最推荐的是数据分析。原因如下：

第一，数据分析是面向决策层去争取预算的时候最有效的场景，因为在做管理层驾驶舱的时候，基本上都是先从数据服务管理层开始。比如对话式BI，第一步实际落地就是管理层可以通过自然语言的交互取差不多四五百个指标，取这些指标的过程当中实际的准确率差不多能做到90%的级别。且数据分析能让管理层直接看出比较好的业务收益。

第二，数据分析的全流程是都能够用到大模型，数据分析包括三个点，第一个点是意图理解，第二点是取数，第三个点是做下钻的分析，这三个点刚好都能用到大模型。

所以如果是新上线要跑通业务，我们推荐的就是知识库，如果是要做一些内部业务收益比较高的场景的话，我们推荐的就是数据分析。

03 数据技术落地前瞻规划

在过去3-5年的过程当中，不管是金融、零售，央国企，基本上决策层对用数的认知已经很深了。用数核心在组织内部正常来讲一共是三层，第一层是管理层，也就是领导驾驶舱，第二层是各个业务部门的head，第三层是一线的员工。这三层基本上是落地的过程当中逐渐的去渗透的过程。

所有数字化建设的终极目标一定是创造数字化收入，这是所有企业决策者最关心的问题，也是数据部门作为一个组织长期存在的价值。所以实际落地的时候，我们建议的路径其实是从三步走。

第一步是服务经营决策，经营决策的话基本上是围绕组织架构里面第一层和第二层去做，所以这里面映射出来的就是领导层的驾驶舱如何做，业务部门的head的驾驶舱如何做。背后都是指标中台的体系去支撑，这个也是当前做的比较多的。第二步是支撑各个业务场景，这个时候就不只是提供一些报表，更多的是各个业务部门的业务系统、业务流程，及自身做的经营分析，怎么样把当前的数据中台或指标中台里面的核心的数据能用到里面。第三步是做到业务模式创新，可以创造数字化收入。

如果细化这个过程，需要先做经营分析，即面向领导层的决策平台，其次要做指标体系建设、数据体系建设，延伸到业务系统升级，再到新业务的探索。整个过程当中，比较核心的是持续运营，持续运营是导致绝大部分企业内部数字化或者数据类的平台落地的最终效果不好的最核心原因。因为相对来说前面的数据平台，数据标准，数据组织流程有各种各样的案例，能够去参考。优质的运营案例在行业内很稀缺。

我们看到很多在企业用户内部落地的真实场景里面，最后落地效果不好，绝大部分是运营的问题。所以从今年开始我们也能明确的感受到，有很多企业用户提出来的需求不再是单纯的建设问题，而都是建设加运营问题，在整个项目达成KPI的角度上来讲会越来越重要。运营本质上是怎么把平台用好的过程，而且这个过程当中更多的是怎么样能够让企业用户内部自己的员工具备真实的用数的能力的一个过程。所以用数据的运营，我们觉得是2024年企业用户越来越会关心的一个话题。

毕业于清华大学及香港中文大学，杭州市金融科技创新项目应用案例专家评委，原投中集团副总裁。十余年金融行业从业经验，在爱分析媒体平台发文超过500篇，有很深的行业影响力。