虎嗅注：2024年4月28日，由虎嗅智庫舉辦的大鯨AI峰會·零售消費專場在杭州舉辦，會議邀請了來自快消、電商及出海、鞋服等零售消費領域的15+AI應用領先企業決策者，深度分享他們的AI落地實踐與思考。封面來源：叮咚買菜；編輯整理：南仔。

“賣菜”看似是一個簡單的零售動作，實際上背后卻有著先進的底層技術支持。

4月28號的大鯨AI峰會·零售消費專場。虎嗅邀請到了叮咚買菜CTO蔣旭，在演講中，他提到了生鮮零售供應鏈面臨著諸多挑戰。生鮮商品易損耗，控水能力要求極高；同時，從供應商到消費者，整個鏈路長且復雜，如何保證各環節精準咬合，成為業務的核心問題。此外，前置倉模式雖然靠近消費者，具有靈活性強的特點，但相對庫存較淺，對管理提出了更高要求。面對這些挑戰，叮咚買菜選擇通過AI技術來優化和提升業務效率。

以下是虎嗅整理的演講實錄：

蔣旭 叮咚買菜 CTO

今天我將從多個方面給大家講一講，為什么一個賣菜的還需要用AI？

首先叮咚買菜肯定有很多用戶已經在用了。叮咚買菜作為一家生鮮零售企業，致力于將田間地頭的農產品、自有工廠生產的自有品牌商品以及品牌商生產的食品，通過全鏈路冷鏈系統，從源頭直接送到消費者手中。這一過程中，叮咚買菜構建了從農場、基地、供應商到城市分選中心，再到前置倉，最終通過騎手送達消費者的完整業務鏈條。

那么如何保證商品的新鮮？冷鏈是一個非常關鍵的能力，我們實現了一整套全鏈路的冷鏈。其次是我們通過前置倉這種模式，做到離消費者更近，也實現了即時零售的功能。最終還有個效率問題，我們用智能調度把這些單聚在一起，通過更高的訂單密度來實現更高的履約效率。

我要重點跟大家分享兩個業務數據。第一個就是叮咚買菜庫存的周轉，尤其生鮮周轉只控制在了兩天，這應該是業界領先的一個數字。

第二個，在高達60%以上的生鮮占比情況下，我們端到端的全鏈路損耗能夠控制在1.5%（2024年7月數據），這也是技術部門針對供應鏈各個環節細節，多年來不斷優化的結果。

說到前置倉，這里我也稍微解釋一下，有很多人會說前置倉的模式跑不通。但隨著叮咚買菜把前置倉模式跑通，我們會認為前置倉它本質上是一個分布式的冷鏈系統，也是實現生鮮供應鏈的一個非常高效的一個方法。它的好處首先在于靠近消費者，使得整個冷鏈配送的效率會非常的高。第二個是庫存周轉快、商品的新鮮度好。叮咚買菜整個前置倉所有的庫存能控制在五天以內。這個是傳統零售很難做到的。

當然它也有它的難點，難點之一在于有的倉面積很小，這意味著它的庫存淺，容錯率很低。就是稍微多一件或少一件商品，業績就會差別很大。另一個難點就是倉數很多，比如我們目前有一千多個倉，每個倉約有4000個品，這就意味著我有400萬的組合。要把幾百萬的組合每天都管得很好，這個計算量是人力做不了的。所以這也是為什么我們一定需要系統去做這件事情。

“前置倉模式”這個詞已經不能用來定義叮咚買菜了，叮咚買菜是基于前置倉的形式打造了一套數字化的生鮮供應鏈能力。核心其實就兩點，一個是我們叫做全鏈路的數字化，我需要把所有的環節都把它數字化掉；第二個就是數據算法驅動，用算法去管每天400萬的組合。未來就隨著生成AI的應用，我們也會全面的把整個數字化的應用系統給進行重構，更加高效，也更加富有人性。

我們能夠做到全程溯源準確的庫存，也是很多線下零售商好奇的一點。這一點看上去很簡單，但是極其難。關鍵是我們的人、貨、倉、運，所有的要素都已經進行了線上化。

全鏈路透明化的背后，是我們對整個過程全部建立了完整的數字指標體系。尤其是除了結果指標之外，我們還建立了很多過程指標。舉個例子，有一個商品的售賣期是五天，那么我們會設置可售期是三天，第三天早上的七點鐘，就會算這個品還有多少？如果我發現這個品多了，那么就要做臨期促銷。通過這些非常關鍵性的指標，我們能夠做到分鐘級實時的處理。

叮咚買菜數字化有個經驗，在此想要分享給各位——實驗驅動和快速迭代。指的是我們把整個數字化系統建成一個大的實驗平臺，平臺上每天有上百個實驗在跑，以快速迭代試錯，里面有成功的也有失敗的，對實驗跑出來結果好的，我們就繼續大力推廣。

最后說下AI， AI在叮咚有三個發展階段。20年開始全面的推行機器學習，從23年到24年，進入深度模型了。在24年下半年開始，逐漸上大模型，今年則是全面重構。

AI的應用目前有以下幾個方向。第一個是搜索推薦，推薦里面不僅是轉化，我們要考慮多樣性和新穎性。因為對于即時零售這個業務來說，它的品寬至關重要。就是一個人買的越寬，他對于平臺的粘性越高。所以針對不同的目標，我需要有不同的參數進行調整。

第二塊也是比較重的就是商品和用戶運營。本質上運營這件事情就是我要施加一個動作，我想知道這個動作的ROI。如何準確評估運營動作的ROI及因果歸因，特別是對于那些無法直接實驗的場景，如定價策略，需依賴觀測性數據進行反事實推斷，構建爭議模型以估算因果結果。其次，建立無偏的量價模型也頗為復雜，需剔除活動、天氣、備貨等多重干擾因素。再者，商品間的可替代性和關聯性分析，需借助知識圖譜等工具深入探究。

第三個方向是預測和調撥。就叮咚這個業務本質上它全是預測驅動的。我們每天都會算今天會有多少單，每個品在每個倉會賣多少。但這件事情也是一個非常復雜的事情，就是不同的品類和不同的場景，它會表現出極大的差異性。

所以，在AI趨勢下，我們的核心應用就是在消費者側、供應鏈側和內部運營側。

那么，在消費者側，叮咚買菜正積極推動兩大交互方式的革新：一是全面推廣對話式交互，尤其是針對老年用戶群體，通過語音交互降低數字使用門檻，實現更便捷的服務體驗。另外支持多媒體交互，也能進一步豐富用戶互動形式。

二是在推薦系統方面，叮咚買菜正實現從單一行為推薦向行為加知識的融合推薦轉變。過往，公司的AI應用主要依賴于用戶行為數據，而知識元素的應用相對匱乏。然而，隨著AI技術的發展，模型中蘊含了海量世界知識，叮咚買菜正積極探索如何有效抽取并利用這些知識，以優化推薦效果。

以對話式AI助手為例，叮咚買菜打造了一站式的飲食智能管家，涵蓋商品咨詢、健康飲食建議、食譜推薦等多重功能。在購物過程中，用戶選定商品后，AI助手還能提供商品特性、烹飪輔助等信息。售后環節，AI助手更能及時提醒商品過期等關鍵信息，全方位提升用戶體驗。

此外，叮咚買菜在首頁、分類頁及商品詳情頁等關鍵觸點，均部署了AI助手，根據用戶隱私設置提供個性化推薦。針對地區性商品，AI助手還能深入解析商品問題、特性及烹飪方法，為用戶帶來更加貼心、精準的購物指導。

在供應鏈領域，叮咚買菜正運用多模態技術攻克賬實相符的難題，包括監控證照、種子、物流等關鍵環節，確保商品質量符合標準，并通過用戶評價解析反饋，持續優化服務。確保線上數據與物理世界的一致性。

同時，叮咚買菜在內容管理、成本優化、辦公行政及食品研發等多方面，廣泛應用了LLM/Agent技術，以幫助內部運營提效。

本文來自虎嗅，原文鏈接：https://www.huxiu.com/article/4297458.html?f=wyxwapp