大家下午好！因为我很少出现在公共场合，所以可能需要先花一点时间为大家介绍一下有赞。
我们定义自己为一家商家服务公司和零售科技公司，我们的使命是帮助每一位重视产品和服务的商家成功。
有赞的绝大部分客户都是品牌零售商，尤其是线下门店商家，一小部分客户是类似自媒体、达人这样可以帮助零售商带货的群体。
我们目前在中国服务了接近10万户商家，几百万个门店，每年帮助商家触达6亿消费者，一年有1000多亿的线上GMV和接近3000亿的线下GMV。
我们主要做3件事情：
第一，帮助商家在社交网络上通过内容营销获得更多的增量客户，并且转化为可以持续深度运营的私域客户资产；
第二，我们也针对私域顾客的重复购买和社群分销提供智能化、自动化的运营系统，帮助商家建立长期、可持续的“以消费者为核心”的经营模式；
第三，有一部分品牌零售商的门店系统比较老，无法和线上联动，或者品牌零售商需要全场景实时互动。针对这些情况有赞还提供一些线下系统，包括线下收银、点单、会员充值等服务。
我们有7个产品，这些产品的逻辑非常简单：
商家通过社交网络和内容营销获得目标客户群的关注，导购在门店加好友，运营人员在CRM系统里对全网顾客进行洞察和分析，并得到AI给他的某些营销建议，系统或导购会将这些信息精准触达给客户，最终客户可能在小程序商城、社群团购、电商平台或门店完成体验和购买。
而当商家把客户拉回店内进行消费的时候，可以使用有赞的门店系统，帮助门店完成收银、进销存、储值、会员管理、店务管理等事项。
过去11年时间，我们研发和维护这7套完全适应移动互联网时代的全新数字化系统，大概花掉了超过30亿的费用。
我们最早做的一款产品叫微商城，用于帮助品牌零售商管理线上自营小程序商城的后台。
这款产品一共有超过6000个功能，打开界面你会发现有十几个一级导航，每个一级导航下面有10个二级导航，每个二级导航下面还有一堆三级导航。
当你去做一个优惠券设置的时候，需要非常繁复的操作，当然不止是我们的商城，包括今天大家去用天猫、京东的后台，复杂度都是一样的。
所以在过去的十几年里，我们除了做产品外还在思考一个难题：怎么让用户知道有这么多功能？怎么用运营思路将这些功能串起来？
这是一个非常大的挑战。
我们做了很多工作，去总结那些头部优秀引领者的实践，并汇集成各种素材，通过专门的客户成功部门去教学。
他们会远程展示、开展培训、提供咨询，甚至提供深度代运营，来帮助品牌零售商搞懂这么多的功能如何使用，帮助他们做好私域运营和消费者运营。
这件事我们投入了大量的精力和成本，做得很累，我们的品牌零售商也学得很累，因为运营思路的打开过程是很艰难的。
不过尽管这件事非常艰难并且进展缓慢，在过去的11年里我们始终在坚持、努力。
但是这个问题必须要解决，直到去年10月，一个做AIGC的朋友给我展示了他们如何理解用户需求、如何生成内容，突然让我意识到了AI可能是这个问题的解决方案。
过去一年，我花费了超过80%的精力在做AI，因为发现AI能够解决这个问题。
比如一个最简单的场景，你想知道店铺的实时经营数据，过去可能需要到数据中心里找到相关模块才能查看。
但现在我们在后台右上角放了一个AI助手，你可以问它最近的经营情况怎么样，助手就能直接提供一张经营情况报表，并对经营情况进行分析。
你可以通过与它对话，让它告诉你最近7天有多少访客，交易额怎么样，生意变好或变差的原因是什么。如果你想让生意更好，也可以让它基于数据提供一些具体的建议。
这些在过去需要通过培训、反复开会讨论才能弄清楚的事，现在AI可以直接告诉你。
AI还可以为你提供各种运营建议，比如发放优惠券、转化新客户、唤醒老客户。
如果你决定发放优惠券，AI会根据你的经营数据和店铺情况，为你推荐合适的优惠活动。它会建议你使用哪些商品进行打折，活动的有效期如何设置，是否需要设置门槛等等。
AI的这些建议都是基于对你店铺的深入了解和分析得出的。你可以根据AI的建议进行微调，比如调整折扣力度或优惠券的有效期。
这就赋予了经营者运营思路和运营方案。你不需要进行复杂的后台设置，只需要确定执行AI给出的方案，它会为你自动执行。这是一个非常简单的线上场景，但在我们运营自己的商城时，通常需要花费很多时间来完成这些任务。
例如设置优惠券可能需要半个小时到一个小时的时间，而分析数据和找到运营思路可能需要花费更长的时间。然而，通过与AI聊天，我可能只需要10分钟就能完成。
而且，这个聊天的过程并不需要你有太多的想法，AI会启发你。
在完成优惠券发放和活动后，AI会持续跟踪整个活动的实施效果，并帮助你进行复盘，它甚至可以自动扩展库存和调整价格。
如果你有一批货物需要清仓，你可以设置一个3折的促销活动。AI会帮你创建并执行这个活动，同时在整个过程中监督效果。当货物数量减少到100件时，AI会自动将折扣从3折改为6折。
当只剩下最后50件时，AI会停止打折。整个过程都可以由系统自动化完成和执行，期间还会自动化地产出在过程中所需要的推广文案等等。
在整个过程中，系统会实时为你生成数据报告，分析这次活动的效果，告诉你哪些地方做得好，哪些地方需要改进。如果你希望提升活动的效果，系统会提供一些新的策略，告诉你如何改进和优化。
相比简单的线上场景，线下场景其实会更复杂。
在线下场景中，导购是非常重要的一环。从用户到店开始，导购会在顾客到店试用/试穿、咨询、买单的时候添加客户微信为好友，甚至办理会员。
如果顾客只是试用加了微信而没有购买，导购就会在客户离店之后得到AI自动发送的提醒，比如通过推荐相关商品、赠送优惠券或礼品、推荐营销活动、直接给内部折扣等方式去激活用户。
导购可以使用AI来跟进自己的业绩和客户情况。例如，导购可以询问AI自己本月的业绩完成情况，AI会根据数据计算出导购的业绩状况。
如果导购的业绩不佳，AI会提供一些方案，例如从导购的3000个好友中找出30个高净值客户，并且这30个客户已经到了复购周期，AI会建议导购去联系他们。
AI甚至会建议导购使用哪种方式联系这些客户，比如发送优惠券或者商品推荐等。
作为导购的管理者，店长可以实时查看门店的业绩数据、导购的业绩排名，对每个导购的实时分佣进行计算。店长还可以要求AI分析所有导购的表现，找出表现最好的导购，并了解他做了哪些动作取得了这样的成绩。
这些动作可能是联系了更多的顾客，使用了更有效的沟通话术，成功推广了更多活动，或者推荐了某些商品。然后，AI会将最佳导购的策略反馈给店长，店长可以将这些策略培训给其他导购。
整个过程不需要人工操作，AI会自动完成并给出建议。
总部在智能化运营方面的需求更多，我会通过一个例子来说明。
如果你是一个食品零售品牌商，想在春节前做一个年货节活动。
过去大家通常是先将几个高管召集在一起召开策划会议，讨论今年春节年货节活动的方向。这一轮会议通常不会得出实质性的结果，因为大家所掌握的信息并不全面。
对于消费者的情况、竞争对手的情况、平台政策以及货盘准备情况，大家都不清楚。会议的结论往往是，大家回去收集相关信息，下个星期继续讨论。
一周后，大家再次开会，讨论今年的活动的方向是追求盈利还是销量。一旦确定了主要目标，负责系统和运营的同事们便开始忙碌起来，他们需要用2-3个星期的时间来设计SKU的折扣组合，以及推广的文案、设计和活动页面等。
方案确定后，还有一系列后台配置工作需要完成，例如针对天猫、京东、美团等平台的配置工作。每一步都需要细致入微的规划和执行，以确保活动的顺利进行。
而如果这场年货节活动持续一个星期，同时你在线下有300多家门店，通常需要四五十个财务人员工作一两周的时间，才能把这次活动的账算清楚。
因为每个企业的需求不同，市场上没有现成的数字化工具来帮助他们算账。
他们需要将所有平台、全渠道的数据录入到一个Excel中，并使用不同的公式来计算每个门店的业绩、导购的业绩、这个月的提成等。最终才能计算出这场活动到底有没有赚钱。
这就是目前大家做一次活动要做的事。
但是有了AI之后，我们不再需要召开前期的讨论会议，所有事项都可以自动执行。
我们可以直接向AI询问关于年货节活动的建议方案。AI会为我们提供具体的方案，包括针对老客户的促销活动、商品礼包的选择和折扣力度，以及如何将活动推送给顾客。
我们还可以通过对话方式调整方案，确定后系统将自动执行所有相关事项。活动结束后，系统会自动进行复盘并出具财务报告。
刚才描述的所有过程都可以通过AI来完成，不再需要反复开会和付出额外的人力成本，整个系统都是自动化、智能化的。
并且还可以对整个业绩阶段、整体营销活动、某次大促事件进行完整的复盘，过程执行和转化进行归因分析，帮助后续运营活动不断地迭代。
在这个过程中，有赞做的核心就是这么7-8件事。
首先，我们帮助大家自动生成营销图文，以便更好地宣传和推广。
其次，对你的经营情况进行分析，并自动化地提供运营策划的建议，然后自动生成商品，自动完成店铺和活动页面的装修，自动化地执行智能任务，比如补库存、调价、出实时报告、到了一定阶段给你提醒等等。
这些功能看起来并不复杂，但是把这些功能串起来，并且让AI真正能够生成这些东西其实并不是一件容易的事。为什么有赞可以做到？这其实和我们做的三件事有关：
第一件事是帮助商家快速理解有赞的系统，有哪些功能、需要怎么操作。
为此，我们把所有的产品功能、使用说明、客服帮助、以及内部客服培训资料作为基础训练语料和向量数据，当你跟智能助手对话的时候，AI会理解你的意图，然后在这个大数据里面寻找对应的答案，给你直接的目标功能和行动点。
这样大家就不用去点那么多复杂的导航，做复杂的操作了。
第二件事是根据商家的具体情况，结合行业最佳实践，像咨询顾问一样给出运营策划建议。
这部分是最难的，有赞能做这件事的原因在于过去11年我们服务了超过20万个商家和品牌商，我们有志向、也有底气做好这件事。
我们拥有专业的服务和运营团队，他们会持续关注新用户的使用情况，确保他们能够充分利用这套系统。对于商家来说，只有当他们的GMV达到一定的标准时，我们才会认为交付已经完成。
在交付完成后，我们的运营团队会撰写结案报告，详细记录商家的品牌信息、需求、我们采取的措施、哪些措施有效、哪些无效，以及后续如何持续优化。
我们有很多这样的结案报告，细致到如何设置优惠券、商品组合，如何针对老客户做营销策划方案等等。
除此之外，每隔2-3周，我们所有的运营同事还会聚在一起开会，针对头部最优秀的客户做总结，并输出成最佳实践案例手册。过去我们通过培训的方式，先培训有赞的工作人员，再去培训客户。
但现在我们把过去十几年积累的最佳实践素材灌输给机器，训练机器根据客户的不同情况、阶段和诉求，给出更精准的实践建议。所以现在我们的AI助手才能自动化地提出精准的运营思路建议。
这个过程难的不是技术，难的是积累这么多素材。
以最简单的设置优惠券为例，要训练针对不同商家提供更为精准的优惠券设置建议，可能需要超过2万个问答对的数据支持。
而我们的产品体系中，最大的一个产品包含了6000个功能，7个产品合计则有2万个功能。这些功能之间组合使用的思路，需要大量的素材和训练数据来完成。
我们做的第三件事，在商家采纳建议和方案之后，系统会自动化执行，而不需要再去做反复的设计和操作。
某种程度上，我们核心做的事情就是让我们的商家不需要去学习，就可以知道所有的系统功能怎么用，就可以拥有完整的运营思路，并且我们希望客户在使用过程中自己能够得到启发和成长。
经过过去1年，我们觉得有赞所提供的不仅仅是一个数字化软件，而是一个智能化的消费者运营系统。这个系统能够为商家提供全面的运营支持，帮助他们更好地理解消费者需求，提升运营效率。
因此，有赞不再仅仅是一家软件公司，更是智能化消费者运营系统的运营商。
过去一年让我们发生了非常大的变化，让我们和客户的互动也变得更多。这一年实际结果我可以给大家说两个数字，代表了有赞看到的一些好的反馈。
第一，到目前为止，新一代提供在线数字化软件能做到超过2亿美元收入还能盈利的公司可能只有有赞。中国做数字化软件和提供数字化系统的服务商们都比较苦，绝大部分不是没有盈利，是连销售加服务的毛利都还没有。
第二，在过去一年，有赞20-30%的头部玩家做到了70%的老顾客复购。
目前市场上大量头部优秀品牌的门店，复购率不到40%，每年有接近70%的客户流失，每年能依靠自然流量增加的客户可能只占20-30%，所以大部分企业要花大量成本做公域投放、营销，门店或者商场均是如此，这是过去的状态。
而这些做到了70%老顾客复购的商家们，他们针对老顾客执行了最新、最有效的运营动作，这是一个非常好的状态。
有赞的命运非常好，我们在11年前创立时正是微信起步的时期。在过去的11年中，我们成功踏上了微信的发展风口。
过去6-7年间，中国有数十万家品牌零售商拥有了数十万甚至上百万的微信好友，这种情况在中国以前从未出现过。这些商家不知道如何与好友互动，如何提高复购率，如何让他们帮忙分销。
因此，我们开发了一套智能化系统，帮助拥有大量好友的品牌零售商们更好地与老顾客互动，使老顾客的复购率达到70%，并占据生意的一半以上。
随着越来越多的品牌零售商加入这个行列，我们希望这个系统能够帮助商家更好地维护顾客关系，并对整个行业产生积极的影响。
来源：浪潮新消费