叮咚买菜CTO蒋旭：如何用AI打通生鲜零售的全链路？

虎嗅注：2024年4月28日，由虎嗅智库举办的大鲸AI峰会·零售消费专场在杭州举办，会议邀请了来自快消、电商及出海、鞋服等零售消费领域的15+AI应用领先企业决策者，深度分享他们的AI落地实践与思考。封面来源：叮咚买菜；编辑整理：南仔。

“卖菜”看似是一个简单的零售动作，实际上背后却有着先进的底层技术支持。

4月28号的大鲸AI峰会·零售消费专场。虎嗅邀请到了叮咚买菜CTO蒋旭，在演讲中，他提到了生鲜零售供应链面临着诸多挑战。生鲜商品易损耗，控水能力要求极高；同时，从供应商到消费者，整个链路长且复杂，如何保证各环节精准咬合，成为业务的核心问题。此外，前置仓模式虽然靠近消费者，具有灵活性强的特点，但相对库存较浅，对管理提出了更高要求。面对这些挑战，叮咚买菜选择通过AI技术来优化和提升业务效率。

以下是虎嗅整理的演讲实录：

蒋旭 叮咚买菜 CTO

今天我将从多个方面给大家讲一讲，为什么一个卖菜的还需要用AI？

首先叮咚买菜肯定有很多用户已经在用了。叮咚买菜作为一家生鲜零售企业，致力于将田间地头的农产品、自有工厂生产的自有品牌商品以及品牌商生产的食品，通过全链路冷链系统，从源头直接送到消费者手中。这一过程中，叮咚买菜构建了从农场、基地、供应商到城市分选中心，再到前置仓，最终通过骑手送达消费者的完整业务链条。

那么如何保证商品的新鲜？冷链是一个非常关键的能力，我们实现了一整套全链路的冷链。其次是我们通过前置仓这种模式，做到离消费者更近，也实现了即时零售的功能。最终还有个效率问题，我们用智能调度把这些单聚在一起，通过更高的订单密度来实现更高的履约效率。

我要重点跟大家分享两个业务数据。第一个就是叮咚买菜库存的周转，尤其生鲜周转只控制在了两天，这应该是业界领先的一个数字。

第二个，在高达60%以上的生鲜占比情况下，我们端到端的全链路损耗能够控制在1.5%（2024年7月数据），这也是技术部门针对供应链各个环节细节，多年来不断优化的结果。

说到前置仓，这里我也稍微解释一下，有很多人会说前置仓的模式跑不通。但随着叮咚买菜把前置仓模式跑通，我们会认为前置仓它本质上是一个分布式的冷链系统，也是实现生鲜供应链的一个非常高效的一个方法。它的好处首先在于靠近消费者，使得整个冷链配送的效率会非常的高。第二个是库存周转快、商品的新鲜度好。叮咚买菜整个前置仓所有的库存能控制在五天以内。这个是传统零售很难做到的。

当然它也有它的难点，难点之一在于有的仓面积很小，这意味着它的库存浅，容错率很低。就是稍微多一件或少一件商品，业绩就会差别很大。另一个难点就是仓数很多，比如我们目前有一千多个仓，每个仓约有4000个品，这就意味着我有400万的组合。要把几百万的组合每天都管得很好，这个计算量是人力做不了的。所以这也是为什么我们一定需要系统去做这件事情。

“前置仓模式”这个词已经不能用来定义叮咚买菜了，叮咚买菜是基于前置仓的形式打造了一套数字化的生鲜供应链能力。核心其实就两点，一个是我们叫做全链路的数字化，我需要把所有的环节都把它数字化掉；第二个就是数据算法驱动，用算法去管每天400万的组合。未来就随着生成AI的应用，我们也会全面的把整个数字化的应用系统给进行重构，更加高效，也更加富有人性。

我们能够做到全程溯源准确的库存，也是很多线下零售商好奇的一点。这一点看上去很简单，但是极其难。关键是我们的人、货、仓、运，所有的要素都已经进行了线上化。

全链路透明化的背后，是我们对整个过程全部建立了完整的数字指标体系。尤其是除了结果指标之外，我们还建立了很多过程指标。举个例子，有一个商品的售卖期是五天，那么我们会设置可售期是三天，第三天早上的七点钟，就会算这个品还有多少？如果我发现这个品多了，那么就要做临期促销。通过这些非常关键性的指标，我们能够做到分钟级实时的处理。

叮咚买菜数字化有个经验，在此想要分享给各位——实验驱动和快速迭代。指的是我们把整个数字化系统建成一个大的实验平台，平台上每天有上百个实验在跑，以快速迭代试错，里面有成功的也有失败的，对实验跑出来结果好的，我们就继续大力推广。

最后说下AI， AI在叮咚有三个发展阶段。20年开始全面的推行机器学习，从23年到24年，进入深度模型了。在24年下半年开始，逐渐上大模型，今年则是全面重构。

AI的应用目前有以下几个方向。第一个是搜索推荐，推荐里面不仅是转化，我们要考虑多样性和新颖性。因为对于即时零售这个业务来说，它的品宽至关重要。就是一个人买的越宽，他对于平台的粘性越高。所以针对不同的目标，我需要有不同的参数进行调整。

第二块也是比较重的就是商品和用户运营。本质上运营这件事情就是我要施加一个动作，我想知道这个动作的ROI。如何准确评估运营动作的ROI及因果归因，特别是对于那些无法直接实验的场景，如定价策略，需依赖观测性数据进行反事实推断，构建争议模型以估算因果结果。其次，建立无偏的量价模型也颇为复杂，需剔除活动、天气、备货等多重干扰因素。再者，商品间的可替代性和关联性分析，需借助知识图谱等工具深入探究。

第三个方向是预测和调拨。就叮咚这个业务本质上它全是预测驱动的。我们每天都会算今天会有多少单，每个品在每个仓会卖多少。但这件事情也是一个非常复杂的事情，就是不同的品类和不同的场景，它会表现出极大的差异性。

所以，在AI趋势下，我们的核心应用就是在消费者侧、供应链侧和内部运营侧。

那么，在消费者侧，叮咚买菜正积极推动两大交互方式的革新：一是全面推广对话式交互，尤其是针对老年用户群体，通过语音交互降低数字使用门槛，实现更便捷的服务体验。另外支持多媒体交互，也能进一步丰富用户互动形式。

二是在推荐系统方面，叮咚买菜正实现从单一行为推荐向行为加知识的融合推荐转变。过往，公司的AI应用主要依赖于用户行为数据，而知识元素的应用相对匮乏。然而，随着AI技术的发展，模型中蕴含了海量世界知识，叮咚买菜正积极探索如何有效抽取并利用这些知识，以优化推荐效果。

以对话式AI助手为例，叮咚买菜打造了一站式的饮食智能管家，涵盖商品咨询、健康饮食建议、食谱推荐等多重功能。在购物过程中，用户选定商品后，AI助手还能提供商品特性、烹饪辅助等信息。售后环节，AI助手更能及时提醒商品过期等关键信息，全方位提升用户体验。

此外，叮咚买菜在首页、分类页及商品详情页等关键触点，均部署了AI助手，根据用户隐私设置提供个性化推荐。针对地区性商品，AI助手还能深入解析商品问题、特性及烹饪方法，为用户带来更加贴心、精准的购物指导。

在供应链领域，叮咚买菜正运用多模态技术攻克账实相符的难题，包括监控证照、种子、物流等关键环节，确保商品质量符合标准，并通过用户评价解析反馈，持续优化服务。确保线上数据与物理世界的一致性。

同时，叮咚买菜在内容管理、成本优化、办公行政及食品研发等多方面，广泛应用了LLM/Agent技术，以帮助内部运营提效。

本文来自虎嗅，原文链接：https://www.huxiu.com/article/4297458.html?f=wyxwapp