作者 | 上官萍萍

編輯 | 梁秀傑、劉玉嬌

責編 | 韓瑋燁

從AI（人工智能）到BI（商業智能）我們還需要走多遠？無論是產業數字化還是數字產業化，各行各業都在加速拓展AI智能應用場景，而就目前來看，商業AI是企業數智化轉型的“最優解”，是數據發揮價值的最大生產力。

第31期火花談，睿和智庫創始人韓瑋燁對話瑞為技術高級副總裁張燦，探討數智技術如何驅動商業領域的創新發展。

AI數智化，成為不動產行業重塑的關鍵利器

不管是宏觀經濟周期性動蕩，還是受疫情、不動產市場供需結構性調整影響，近年來整個行業面臨重塑的難題，亟待註入新鮮活力。

韓瑋燁：從技術革新的視角，您是怎麼看待目前整個不動產行業發展面臨的問題，而AI數智化又能帶來哪些解決方案呢？

張燦：在整個不動產行業，它永恒關註四個問題：資產、資本、空間與流量。這四個問題涉及兩個層面，一個是資產與資本之間的互生關系，另一個是關於深度運營，即流量與空間的互動關系。目前，瑞為有一個綜合的解決方案，叫“數實融合”，即AI數智化，具體指的就是“數字孿生”和“數字伴隨”。

“數字孿生”又分為AI和BI。“數字伴隨”指的是CI+DI。AI就是人工智能，解決人不能完成的事情；BI指的是商業智能，解決人做不好的事；CI指的是客戶，它解決的是客戶體驗的問題，還有傳達效率的問題；DI就是數據智能，解決成本和費用的問題，也就是怎樣實現降本增效。由AI轉換到BI，由BI轉換到CI，由CI再到DI，最終形成數據的沉集，然後再把所有數據投喂給AI，形成一個完整的閉環，在這個解決方案當中，瑞為目前在AI、BI、CI、DI都有涉及。

實體商業的創新“密碼”，離不開「AI+BI」雙輪驅動

數智化的應用拓展方面，無論是商業空間智能化設備的升級加碼，還是人工智能對流量數據分析層級的提升，商業AI數智化的發展一直引領整個不動產行業的創新。

韓瑋燁：瞭解到“AI+BI”是瑞為技術目前主要戰略之一，那麼，今年線下商業環境以及市場需求端發生瞭哪些變化？對於我們產品的研發和創新帶來哪些影響？

張燦：我們可以承接上面第一個問題，從客流的流量和消費交易數據來看，2023年上半年整個實體商業消費指數信心都在恢復，但是消費購買力沒有突破，我們看到大量的人出行，去旅遊、去逛街，但是在實體商業內的銷售卻未達預期。

針對這個階段性的現象與問題深入研究後發現，以前我們把同時服務10萬人或者更多的消費者稱之為能力，而現在我們如何服務好每一位消費者，才是真正的能力。

首先，要瞭解我們的客戶是誰，以及他們的消費習慣和特點；並以此為基礎，再深入到體驗和服務；在體驗方面，盡可能縮短營銷與服務觸點的鏈條，使之更短、更簡潔、更有效，這樣才會有機會讓消費者在單位時間內產生更多、更有效的消費行為。

於此，數智化賦能正在進行兩個層面的努力：服務的增強和體驗的增強。通過我們DMT深度洞察客群，贏得服務窗口，利用QBOX極簡、極速營銷增強客戶體驗，長效黏住我們的消費者，最終形成從消費信心提震到消費指數提升的承接。

韓瑋燁：具體到購物中心或者社區商業的應用場景裡，怎樣去實現消費洞察和交易鏈條的縮短？

張燦：首先，多數購物中心更多的是通過市場調研，比如用抽樣調查的方式完成對消費者的跟蹤，這些方法存在嚴重的置後性，難於實現實時的流量轉化。利用DMT技術，能夠通過時空洞察實現客戶評價。從消費者進入購物中心開始，數字化陪伴關系及消費旅程，以及期間的關鍵節點和觸點服務，即可形成畫像和標簽並進行分層、評級。

在這個數字流量的基礎上，再利用QBOX工具盡量縮短整個營銷鏈。

簡單理解，就是我們把不屬於消費者需要花時間做的事情，用數據全部短路，將種草和拔草形成一個單一的渠道，縮短交易鏈條，並形成即時營銷。

韓瑋燁：上述技術在哪些企業做瞭應用，效果怎麼樣？這些新型數智化工具對於商管團隊的運營基礎以及硬件成本的投入上是否有更高的要求？

張燦：我們現在比較典型的應用一個是在華潤的歡樂頌項目，另外是在大悅城，效果都很好，都是行業的標桿、樣板。

關於落地層面，任何一款復雜的應用工具，都會對運營團隊有要求，但是隨著業務不斷優化，把更多的AI技術工具加入進來，讓業務流轉變得更精簡，中間環節更少，更自動化、人力耗費更少，團隊的運營效率自然就提升瞭。

成本管理也是如此。例如，在一個購物中心場景，流量的洞察不再需要敷設更多的傳感器，隻在算法植入、算力提升上做升級即可。在硬件的投入上，一臺全景攝像機完全可替換傳統4-5臺攝像機設備。經測算，硬件提升後的投入成本僅相當於原來的20%-30%。

而對於全場景的洞察是另外一個層面。例如，IOT設備的應用，涵蓋溫度、濕度、光照、聲音等一系列數據的采集，以及與流量表現的線性關系。瑞為會把它融合成一個企業大數據去做整合和分析，同時聯動第三方的數據進行碰撞，就會即時地瞭解在場景內外發生瞭什麼，商圈競爭者及行業內發生瞭什麼。在此基礎上進行綜合、智慧地決策。

韓瑋燁：在線上線下融合不可逆的情況下，線下實體商業需理順平衡線上和線下的邏輯關系。您認為，實體商業如何保證線下的人流和經營？

張燦：我們發現購物中心線上還是線下賣貨，其實是單選題。線下叫做場景式消費，線上叫做體驗式消費。

如何二者兼得，保障線上收益的同時線下流量不受損失是新的挑戰。目前我們與客戶嘗試這樣去做——即線上策展線下集結。

線上策展的重點是體驗和預售，也就是“種草”，不推薦線上帶貨。通過線上預售模式，在線下去做針對性的客流集結，即“拔草”。通過企業數據層面的整合與線上營銷大數據層面的碰撞關系，平衡線下流量與線上內容平臺的互生關系。

我們通常將線上內容平臺區分為PR與SP，以前擇一而選，現在需要全選。例如策劃一檔購物節，它本身就是IP屬性，建議PR，同時SP售券，券可分散到當期或以年卡、月卡、周卡的方式進行核銷，將爆點活動延長，讓消費持續升溫，這樣就能夠實現全營銷閉環。

韓瑋燁：目前國內大多數主流的購物中心基本也是線上線下同開，線上也能帶來一些營收，據您瞭解線上和線下平均的營收占比是怎樣的？

張燦：據我們的數據跟蹤，線上銷售和線下銷售的占比最多能做到1:10。唯一例外的是X泰，X泰較早就采取瞭線上線下合一的經營形式，因其與阿裡的特殊關系，其它企業較難模仿，很難做到如此比例。

我們觀察到，未來的趨勢仍是回歸線下。

過去三年，商業體會把資源按照2:8或者3:7的方式進行線上線下資源分配。線上標品為主，價格高度敏感，購物中心則是沖動型、體驗式的消費場景，價格敏感度相對較低。現今，無論從消費體驗，還是社交上，消費者都有意願回歸線下，而運營者要強化的是線上內容強體驗，線下即時營銷的便利消費場景。

韓瑋燁：與大型購物中心相比，社區商業是離消費者更近的消費場景，但社區商業往往體量很小，也不夠標準化，社區商業具有數智化的價值麼？

張燦：近些年，成都通過城市更新帶來的社區商業發展，是業內公認的標桿。我們觀摩瞭很多以城市更新為基礎的社區商業，是把老舊廠區或街道的底商收來統一運營管理，這兩種方式在我看來都非常成功。

當然，也有資方用最原始的方式進行經營管理，雖然成本較低看似穩妥，但收益低，回報難於提升。

在我看來，這樣的項目可參考購物中心的強管控、深度運營模式，通過最新的物聯網與大數據的方式盤活經營數據，深度分析、整合營銷，與商戶和顧客進行服務觸點的資源再利用，從而提升業績與收益，達成共贏。我們在這方面也在不停地創新與探索。

瑞為針對城市更新與社區商業的特性，提供瞭一款SAAS產品，名字叫“錢貫”，擁有“錢貫”的商戶可以將服務、產品和營銷活動，以LBS為基礎推送到消費者面前。所有消費者在以商戶為核心的600米內打開該應用，都能夠找到周邊的城市服務與消費熱點，可以訂閱服務，也可以送貨到傢。“錢貫”架起瞭社區商戶和社區住戶的橋梁，使社區商業真正做到“本地生活”與“快捷服務”的統一。

大模型給予行業未來巨大的想象空間

今年以來，人工智能大模型掀起瞭新一輪熱潮。相關數據顯示，截至今年5月底，中國10億參數規模以上的大模型已發佈79個。大模型浪潮帶動產品、服務、行業等多方位變革已是不爭的事實。

韓瑋燁：大模型的出現，會對不動產行業帶來哪些影響？從技術到應用落地，您認為在技術層面仍待解決的痛點有哪些？

張燦：這個問題的本質是如何從AI過渡到BI，怎麼把大模型放到企業經營場景內，它能切實解決什麼具體問題。終級命題，就是解決大模型與小場景，垂直領域和行業細分的邏輯關系。

我認為大模型對於不動產，會帶來三個層面的影響：

首先，開辟瞭人機交互的新途徑。以前完成人機交互靠編程，但是ChatGPT可以用自然語言溝通，這是劃時代的進步，具有裡程碑式的意義。

其次，它打破瞭知識的壁壘。個人對世界的認知都有局限，跨專業將會形成知識盲區，ChatGPT會通過大量的訓練，幫助我們克服知識儲備不足的限制，變得更有智慧。

再次，它可以解放生產力、降本增效，把人從大量繁重、繁瑣的工作中抽離出來，讓錯誤率更低，使效率更高。

瑞為在善用大模型的創新化場景中，主要聚焦於TOB和TOC兩個層面，TOB利用“數字員工”的模式解決本地知識決策的問題，實現基於企業本地數據的即時分析輸出與快速展示。TOC則利用“虛擬數字人”的策略，解決客戶服務中的觸點、效率、體驗等難題。

大模型牽引著未來科技和產業融合的發展趨勢，恰好也是中國現在不動產各個業態發展變化的核心需求。它從資本最開始進行項目選擇的時候，就要讓它介入進來，涉及到思路、思維和大數據方面的內容全部要記錄並錄入，這樣它會為決策者在項目選擇的時提供更寬、更專的場景化支持。

結語：隨著全球人工智能技術取得不斷突破，商業創新也由此前側重於服務的數字化，進入到數據服務與智能化並舉的數智化階段。

睿和智庫認為，當前是零售業和零售不動產重塑的關鍵時機，但是具體到應用層面，模型的能力與需求的匹配還有一段路程要走，企業需要選擇適合自己的AI數智化發展路線，讓大模型的能力得以落地，從而創造出更多的價值增量。