CPG与零售领域AI：领先企业如何构筑竞争优势

的AI：赢家如何后来居上 消费品论坛与波士顿咨询集团的合作 由 Mai-Britt Poulsen、Nicolas de Bellefonds、Yotam Ariav、Nate Shenck 和 Arnaud Bassoulet 撰写 秉持“通过更好的商业创造更美好的生活”的愿景，消费品论坛（CGF）是唯一一个由CEO领导、联合零售商和制造商、旨在推动消费品行业积极变革的全球性组织。 我们正身处一个由技术驱动、充满复杂性的变革与颠覆时代——规模越大，变革的效应越显著。为了领导企业走向成功，公司需要一位能够弥合雄心与成果之间鸿沟的伙伴。BCG正是为此时刻而生。我们凭借超过60年的深厚领域知识积淀，带来战略清晰度，确保领导者做出正确抉择。我们将此与由我们的专家团队塑造和运用的应用型人工智能相结合，与您的团队并肩作战，共同大规模实现变革性影响。结果如何？更高的回报、能力的转移以及持久的变革。我们就是BCG。 基于独特的、植根于竞争前合作的模式，我们汇聚全球顶尖公司，共同应对可持续发展、人权、食品安全和产品数据等共同挑战。我们的全球网络为洞察、最佳实践以及致力于维护消费者信任、实现更大影响力并支持可持续发展的蓬勃社区，提供了无与伦比的可及性。 通过跨区域合作与关键利益相关者的协作，我们助力企业面向未来，塑造更美好的未来——为了人民，为了地球，为了产业。以更优商业，创造更美生活。 CGF反映了该行业的巨大多样性，代表来自70个国家的380多家零售商、制造商和服务提供商。我们的会员公司合计销售额达5.2万亿欧元，直接雇佣近100万人，价值链上估计还有9000万个工作岗位。 欲了解更多信息，请访问：www.theconsumergoodsforum.com 引言 消费品公司正面临一条更艰难的盈利增长之路。消费者更加注重价值，成本仍然波动不定，且跨渠道、跨品牌、跨场景的购买决策更难预测。人工智能通过改变消费者的搜索、比较、规划和决策方式，加剧了这种压力。它也为能够将其应用于最关键的商业决策的公司创造了新的优势路径。在快速消费品和零售领域，公司正在开展试点项目，测试智能代理，并将人工智能应用于从创新和营销到商品销售、补货和货架可用性的大部分职能。然而，很少有公司能够大规模地捕捉到实质性的价值。 虽然人工智能在支持职能和重置成本结构方面有几个应用机会，但我们认为对消费品公司而言，将人工智能应用于驱动增长具有最大的潜在影响。 为理解领导者如何看待这一转变，波士顿咨询集团（BCG）和消费品论坛（The Consumer Goods Forum）对39位消费品和零售行业的资深高管进行了调查。我们通过针对性的访谈以及BCG在帮助各公司设计和实施行业范围内的AI转型方面的经验，对调查结果进行了补充。 本报告考察了企业当前如何应用人工智能，为何许多企业未能充分实现价值捕获，以及领先企业为构建增长、生产力和竞争优势所采取的不同策略。虽然样本规模未必能代表整个行业格局，但收集到的观点为行业如何应对需求生成价值链中的人工智能转型提供了方向性见解。 下一次的竞争优势将不会来自于增加更多解决方案，也不会来自于构建更复杂的模型。它将来自于将人工智能更深入地应用于构建可持续优势的核心商业举措：更快的创新、更高保真度的需求感知、更本地化的商品组合，以及跨物理和数字渠道更好的执行。 现状：真实价值，分配不均 零售商正利用人工智能来指导定价和商品组合、改进需求预测、加强库存管理和补货、支持门店运营以及实现个性化营销。一个新的层面正在两个行业（或领域）中涌现：生成式引擎优化（GEO），它塑造了品牌和产品在人工智能赋能搜索、人工智能生成答案以及智能代理式商务（AI赋能助手帮助消费者发现、比较、选择和购买）中的呈现方式。（参见附表1。） CPG公司及零售商早已在产品推荐、定价和需求预测等领域运用分析和机器学习。变化之处在于，人工智能现在能够应对的工作范围。生成式人工智能（GenAI）和代理模型可以处理非结构化的消费者和需求信号，创建并测试概念，并在约束范围内协调行动。 CPG公司正将人工智能应用于从概念和产品配方制定，到营收增长管理、客户规划、数字货架以及品牌互动的各个环节。 迄今为止，企业行动最快的地方是经济账最清晰的地方。在CPG（快速消费品）领域，这种动向体现在需求与供应预测以及营收增长管理优化上。零售商在管理可用性、预测和运营方面取得了最显著的进步。在这些领域，数据相对丰富，决策发生频繁，财务影响可以更直接地衡量，并且人工智能可以嵌入到现有的商业节奏中。 在更具创造性、以增长为导向的活动中，如从想法到市场以及消费者参与，进展较为缓慢，因为这些活动的战略价值可能非常显著，但实现价值的具体路径却更难定义和规模化。 成熟度在各个行业间仍然参差不齐。大多数CPG公司尚未将实验转化为规模化。大约75%的受访者仍处于试点和探索阶段，只有18%正在扩大影响力。（参见附录2。） 图2 成熟期存在显著分散；CPG落后于零售商 先进玩家与探索者之间界限分明 零售 （各阶段受访者百分比，跨领域汇总） 我们的零售样本显示了一个两速世界：45%的企业正在扩大影响范围，而相当一部分（40%）才刚刚起步。最领先的企业并非将其精力均匀分配到整个企业中。相反，它们专注于那些最容易证明价值的举措，包括需求预测、补货、定价和运输优化。 并且，假设所有举措都大规模实施，零售商的基础点为180至360个。 （参见附录3。）这些价值可以直接转化为利润，或者公司可以将其再投资于更具竞争力的定价、更好的产品和服务以及更广泛的服务范围。由人工智能资助的改进可以创造一个飞轮效应，使参与者更具竞争力、更相关、更及时响应，进而可以驱动额外的增长。 对领导者而言，价值池是物质性的，并且可能会增长。BCG与客户合作推动个别项目规模化的经验表明，在需求价值链上规模化所有相关的AI项目，可为CPG公司带来220至350个基点的累积EBIT。 人工智能解决方案为高度竞争的消费行业创造了一种强大、灵活得多且更快的循环时间的方法，以反复追求更有利的平衡。 随着自主决策能力的成熟以及人工智能从决策支持转向工作流编排，CPG（快速消费品）企业和零售商的全面机遇规模有望扩大近1.7倍。这代表着在恰当的再投资之前，通过运用未来技术实现的规模化全面潜力。 部分挑战在于结构。在现实的商业环境中，人工智能改进了同时受季节性、供应限制、竞争对手行动和消费者需求影响的决策。这使得结果难以区分，并且难以在全面规模上复制经济效果。 开发部分下一价值池可能需要更强的基础能力。非竞争性人工智能领域的自愿、合法且治理得当的跨部门合作仍处于发展初期。被调查的高管们对于人工智能是否会为自愿合作创造机遇、加剧竞争，或其未来影响过于不确定而难以预测，意见不一。近期机遇或许在于探索自愿的、非竞争性的基础要素，以帮助人工智能赋能的互动更加可靠（例如，中立的产品-数据分类法、供应和库存信号定义，以及其他不涉及分享具有竞争敏感性的信息的标准）。 这就是飞行员陷阱变得真实的地方。飞行员可以在受控环境中成功运作，该环境使用选定数据、专门的团队、简化的工作流程和有限的集成。但在规模化后，同一举措必须处理实时数据、遗留系统、一线采用、治理要求以及跨职能权衡。 另一方面的挑战涉及价值差距。许多飞行员追踪活动、采用情况或解决方案的性能，但并未包含明确的基准或规模阈值。 测量仍然是薄弱环节。超过半数受访者表示，他们没有正式衡量消费者人工智能投资的回报率。（参见附录4。）被报告的最常见扩展障碍是，试点项目的经济效益未能转化为全面的投资回报率。 顶级回报率可达2倍至5倍，但其余者鲜有衡量 消费者（通用）人工智能计划的实际投资回报率（受访者百分比） 推荐CEO关注要点：当前六个关键问题 我们的研究发现为CEO和高管团队提出了六个问题。（参见附录5。）这些问题共同提供了一种实用方法，用以检验AI议程并识别将AI转化为需求价值链中增长、生产力和优势所需的举措。 第 5 号展品 人工智能转型中的六个关键问题 Q1：我们的投资是否与战略优先事项保持一致？ 在协驾驶模式下，人工智能强化了分析层：它整合需求信号、库存状态、客户订单、促销日历和供应约束；突出预测变化之处；并解释驱动因素。与此同时，规划团队仍需调整假设、核对结果，并决定下一步行动。在自动驾驶模式下，人工智能持续读取需求信号、库存状态、客户订单和供应约束。然后它可以刷新预测，并在约定的框架内触发分配和补货操作，同时人类参与其中以管理异常情况。 在许多公司中，人工智能的应用尚未针对领导者声称最重要的流程。近一半CPG（快速消费品）受访者将“从想法到市场”视为其最具战略性的流程，但只有11%已在创新领域部署了人工智能计划。零售商显示出类似的模式：46%的受访者将“从商品到品类”视为最具战略性的流程，但只有34%已在该领域显著扩展了人工智能的应用。 领导者将雄心拓展至富有创造力的前沿。 人工智能在生成性工作中具有巨大潜力，能够扩展团队可以探索的思想、选项和战略选择范围。 这种不匹配是可以理解的。早期的倡议往往集中于数据可用、流程不易碎片化、风险较易管理的领域。然而，随着时间的推移，这可能导致形成一系列易于启动但难以与未来的增长或生产力相联系的倡议。 例如，在创新方面，先进的消费品公司（CPGs）开始运用代理组合管理方法，通过多个视角来测试机遇：消费者需求、空白领域、品牌契合度、利润潜力、供应可行性、蚕食风险以及零售商相关性。其结果能够更快、更精准地判断某项创新是否值得投资、重塑、扩展或停止。 领导层的挑战在于，将一系列长期计划转变为专注的核心商业优先事项。成功者会在加速之前缩小议程范围。他们将人工智能聚焦于公司选定要赢得的少数核心商业流程上，例如更快的创新、更敏锐的需求感知、更好的可用性或更相关的商品组合。 公司需要考虑超越...的价值。 企业需求价值链的下一个前沿可能需要合法、有选择、自愿、促进竞争的合作。更优的补货、更智能的促销规划以及更相关的个性化都可以通过合法、自愿和适当监管的双边数据共享，以及更紧密连接的CPG、零售商和平台间协作方式来提升。 Q2：我们的雄心是否足够？我们又该如何衡量影响？ 测量应在第一天开始。正如我们的调查所示，试点陷阱确实存在。人工智能项目在技术上可能可行，但其规模经济效应则尚不明确。为避免落入该陷阱，在试点阶段，成功者会追踪那些将在规模化应用中持续有效的领先指标，在效果与效率衡量之间取得平衡。相关指标包括早期及时调整方向的项目比例、关键开发环节所节省的时间，以及人工智能正在强化创新漏斗质量的证据。 雄心壮志如移动的靶子。随着能力的成熟，价值池可能显著扩大，如上图所示。行业领导者需要考虑能力的提升速度、技术何时能从支持转向编排、人工智能如何解锁更多能产生增长的来源，以及价值可能如何取决于企业外部更优的连接。 雄心应超越当今的能力。 一位客户从一开始就将测量工作作为治理规范。在启动试点项目前，财务和业务团队共同制定并批准了一份完善的商业论证，其中包含了所涉价值、投资回报率（ROI）以及用于确认、减少或扩大潜在效益的关键绩效指标（KPI）。其独特之处在于现有基准的深度。各团队绘制了当前的工作流程图，量化了流程中时间和精力的分配情况，并将这些信息作为衡量预期改进的基准。这形成了一个信心循环：基准为测量工作提供了可信度，试点项目的证据完善了价值论证，而每个阶段门更新的进展则增强了可交付成果的信心。到试点项目结束时，领导者可以审视一份基于已验证潜力的修订版商业论证，从而为他们就应扩展什么以及在哪里扩展做出决策提供了更清晰的依据。 获胜者将雄心与未来18至24个月内其组织能够构建的能力相匹配，而不仅仅是与当前解决方案所能实现的目标相匹配。如果20%的改进在当前看来是可行的，领导者就应测试在接下来的18至24个月内，为实现30%至40%的改进，需要做出哪些数据、工作流程和运营模式上的改变。 更高比例的倡议应从副驾