2020年北京部委央企及大型企業CIO年會于1月11日在北京開啟。大會邀請了約150位來自北京部委、央企和知名企業的信息高管出席，圍繞“數字化轉型的實踐落地”，共同探討數字經濟下政府部門和大型企業在政府職能轉變及企業業務變革方面的全新機遇，為企業數字化轉型出謀劃策。

以下是現場速記。

于斌平：大家下午好！很高興我們在這個辭舊迎新的時間來跟大家探討分享一些數字化的內容。

我是國美零售技術的負責人、技術副總裁，我之前長期負責國美在線的技術，大概工作有小十年，現在線上、與線下充分的融合，我現在主要負責零售和服務板塊的技術工作。

剛才聽了幾位嘉賓的分享，我也是深有感觸。作為零售行業，技術的責任是非常重的，公司給我們的任務技術的貢獻是什么？技術對業務的幫助是什么？技術帶給了公司什么？所以我們始終在探討，我們有差不多3000、4000人的研發團隊，也有一些跟其他友商的合作，所以我們始終在探討，在不同的階段，技術怎么去幫助公司，怎么去幫助消費者來提升我們的企業，提升我們的業務。

今天跟大家分享的主要是我們在數字化方面怎么去幫助我們服務能力的提升。這個圖大家都很熟悉了，零售的核心是人、貨、場。從有計算機開始，Pose機開始到現在的數字化、AI，零售的核心始終沒有變過，過去倒退20、30年，我們去商場買東西排隊，國美剛成立時萬人空巷去排隊買彩電。后來隨著技術發展、物質生活的豐富，慢慢的場開始多了起來，開始有連鎖店等。隨著互聯網技術的發展和人工智能的發展，我們大家拿起手機來也能買東西，所以“場”不斷的發展變化。過去從商場買東西演變成無處不在，比如今天會場的服務員倒水也是商品，承包會場費用是多少錢，也是商品化，這個商品不一定實時交易，可以通過各種方式的交易，商品是這樣的。

我們“場”的定義也發生了完全不同的變化。比如直播的網紅，我們知道幾個平臺很知道知名的幾個網紅，它本身是“場”，它又帶“貨”。在AI基礎驅動下，人和場發生了變化。怎么利用新技術來幫助企業，來幫助消費者更好順應趨勢，使企業提升自己。

我想我們很多人對國美的印象是家電的零售商，其實早都不是了。這三句話是我們近幾年轉型的核心，國家已經從家電零售商轉變成家生活整體方案提供商、家生活服務解決商、家生活供應鏈輸出商。如何理解這三句話？我們從之前單一賣商品，變成我們從零售的提供商變成服務的解決商跟整體方案的解決商。比如我們整體廚房、整體暖通、包括家裝，用戶從你的家推開門開始，從水電煤、家裝、暖通我們提供一套整體的解決方案。從經營商品到經營用戶。

我們利用互聯網和AI技術，從以電為基礎，線上與線下進行深度融合，全網線上、線下提供我們的安裝、維修、清洗等等各種各樣的服務。我們有一個實體公司叫“國美管家”是服務解決商的實體承擔公司。我們每年的活躍用戶數大概每年到6000萬、7000萬，這是非常活躍的，國美累計有兩億、三億的會員，除商品解決方案之外，我們在服務方面已經有6000萬、7000萬每年的活躍用戶。

除此之外，我們利用30來年的供應鏈服務。我們現在有1000多家輸出店，來幫助他們，這是我們主要的三個產品。

在人跟場上發生了非常大的變化，大家可以去體驗一下。除門店以外，剛才講線上、線下充分的融合，我們現在有三個端，傳統門店是一個端，線上國美APP是一個端，我們還有一個產品叫美店，它是社交的產品，線上、線下，美店是基礎端。同時輔助其他的比如平臺常用的小程序、公眾號等，包括大屏這些都是“場”的集中內容之一。

利用技術，再利用我們會員的基礎，利用我們剛才講的三個基礎產品，我們無處不在的在服務我們的會員。在這個服務過程中，我們會遇到很多問題，今天我重點講遇到問題的時候，如何利用技術提升解決這些問題。

首先看服務的能力。我們每個月有成百上千萬，大概有小一千萬的用戶評價，用戶的評價內容是什么？包括商品的質量、門店人員服務包括線上的服務、安裝的服務、配送的服務、維修的服務情況。

我順便給大家說一下，我們在線上買東西，大家可能習慣了評價，但是實際上我們在四五年前，應該是在2014年、2015年已經實現了在店里面買的東西或者說我們的配送和安裝、維修，進用戶家里以后，用戶是在店里買的，用戶也可以很方便的去評價我們的商品服務。

接著問題就來了，我們講企業給用戶提供滿意的服務，但是怎么才能讓用戶滿意呢？每個月上千萬的評價，這個評價如果用人工來看是看不過來的，我們以前試圖用人去做，根本做不過來，而且人力的處理，會把很極端的問題當做客訴處理，一般客訴差評看都不看就翻過去了。做企業管理我們知道，很多問題恰恰就是這種評價的三星、四星，可能用戶不斷的出現不滿，但還沒有到客訴的程度，這個時候怎么辦？我們怎么能用技術的方法去把大多數用戶包括抱怨或者不適用的整理出來，我們進而去改進，這是我們要做的第一個特點，我們要成為一個家服務的提供商，我們首先要改進我們的服務，知道消費者怎么說。

我們是怎么做的呢？我們的服務評價來自于很多方面。有線上的客服、電話、去門店投訴、微信投訴，管家評價是給門店和線下做的用戶評價平臺，用戶評價會有季積分，用戶也能高興他能吐槽了，我們進而做分析。剛才朱總講開源，我們實際也用了一些開源的方法，核心是NLP平臺，我們大概有100多人團隊做這個事情，核心是在做語義的分析，分析顧客在說什么。分析完之后，我們會歸納成幾個方面：觀點，是哪個責任團隊、門店還是哪個服務網點還是哪個負責人，會出一個剪裁結果。結果應用幾個方面，一個是沒有投訴，但是評價不好，影響它的派工、績效、獎懲措施。對公司來講，我們在哪些方面進行改進。

這個事情是怎么做的？這是技術圖。我們是把原來做人工分析的人，我們講人工智能上來之后，人是不是無用了？我們發現人工智能上來以后，一線人是有用的，我們來做標注，為什么做標注？因為我們要告訴計算機，它哪句話表達什么意思，這個標注做了以后，我們再給它做模型，計算機可以訓練、效果再上線，然后再上線、修改、做注，最后是結果輸出。

給大家舉一個例子，這個是我昨天做材料的時候是從系統里抽出來的。我們從觀點、緣由抽取，這是用戶寫的話“打膨脹螺絲才能掛上，機器有漏水，也修了”。我第一次看到這句話的意思，我沒明白用戶反應是好是壞，系統根據這個標注，它能判斷這個話用戶投訴是什么意思，核心意思就是機器有漏水。

我們看下面這句話，“安裝打膨脹螺絲才能掛上，機器有漏稅，也修了，哈，費用貌似還行”。這句話表達兩個意思，打膨脹螺絲才能掛上，機器還有漏水，第三個是對這個費用好像還是滿意的。系統分析出來的結果第一價格合理，第二是安裝有漏水。

再舉一個例子，這句話是去年11月7日用戶在店里買空調，11月8日送貨，沒有及時安裝，協商12號才安裝，由于空調旺季工人不夠用，下面描述付款了，第三個意思是門店人員沒告訴他。第一個是安裝完了，第二個是收錢了，第三個是沒人告訴他。這個事兒，我們后臺分析之后，我們管理層馬上做了改善，因為直接報表呈現了。但是我們看系統怎么分析的？投訴內容是安裝不及時、收取費用、未告知。但是這個是我們替系統做的，要非常智能處理的，因為收費是很正常的，只是客戶不理解，我們在服務改進時是要很方便的告訴客戶服務措施的，不管什么原因，安裝晚了，我們要對安裝人員做一定的處罰，系統處罰結果是對安裝維修團隊做了一定的處罰，剩下兩條收費和未告知不是安裝隊伍的責任。

這個工作我們大概做了小一年的時間，我們2014年、2015年上完評價和可視，2017年、2018年用大量用戶的評價和NLP的軟件進行改進服務。

這是架構平臺。我們有很多的業務系統也有評價的中臺，我們100多人團隊建立了NLP的分析平臺，這個數據的來源是我們從系統業務、評價系統抽出評價，調用NLP進行分析。最后的結果因為呈現出來的結果，各種人員要看，安裝團隊要看，這個結果清晰且典型。

這是NLP分析的結果，為什么給大家展示這個數字？如果對AI感興趣，這個數字還是比較難的，我們的觀點抽取召回率能達到92.52%，召回率是放多少樣本，回來多少個樣本是召回，最后都能達到90%多，基本90%的問題是我們可以去處理的，所以這個是我們剛才講的技術對業務的貢獻，我們這一個項目讓我們的服務提升了非常明顯的進步。

給大家分享第二個服務的案例，我們剛才講我們國美已經從零售商轉型到家生和整體方案的解決商，以前賣商品，現在是商品全生命周期的服務。怎么理解？因為現在的物聯網技術非常發達，這個商品賣到消費者手里以后，我們不是不管了，我們還得繼續管，我們國美智能有一鍵安裝，買了國美電器以后，到用戶家以后，一鍵智能配網，配網的好處是家電的故障和異常的信息，我們能收到進而幫助用戶。這個信息推過來以后，后臺會有分析，哪些是告警、哪些是壞了，有些告警我們會告訴客戶你要注意，比如冰箱、彩電過一兩年要清洗，有需要維修的上門維修，同時給用戶優惠券。所以這是一個從購買、到保養、到維修、到新件是全生命周期的服務。

我看了一些經典的案例，這是用戶實際收到的。這張圖片是收到哪里出了問題，第一個例子，空調不轉了，可能用戶還不知道，點確認鏈接可以直接確認，我們會有人聯系上門維修。我還看了更多的，冰箱門開的報警，它的報警很多人不注意，我們后臺收到消息以后，我們會給用戶發消息，用戶馬上會收到，哪里有問題會進行檢查，這個功能，用戶是非常歡迎的。

給大家分享第三個是我們在提升服務方面案例，我們叫視頻化的智能客服導購。很多朋友可能用過智能客服，但它只限于基本的問答。我昨天準備材料看到，智能客服能解決60%的咨詢問題，為什么能解決？這是一個商品咨詢的案例。我們在客服里，大概有40%-50%問題是用戶咨詢商品的，因為一些家電還是比較專業的，我給大家坦誠的分享，客服人員對商品信息未必很專業，他要大量處理其他信息，小姑娘未必很專業。這個時候更專業的是我們的機器人。

這里舉了一個例子，用戶要買一個冰箱，它不斷的連貫的問。我們很多機器人只能一問一答，你問第二句就不知道前面說什么問題了？我們叫做多輪任務可以不斷的問答，比如什么品牌、什么價位，為什么會這樣問？因為用戶的信息，我們早都有，他的瀏覽軌跡、購物行為我們做了明確的用戶畫像，用戶進來的時候，機器人已經知道他的喜好、價位，機器人推薦基本都是很精準的。

同時通過NLP智能分析的時候，我們的智能客服，一個是經典的NLP語義分析，第二個是千人千面的推薦，第三個跟我們的業務中臺結合起來，我們用多種技術來滿足用戶咨詢的場景。

我重復剛才說的這句話，很多企業的智能客服只是簡單的NLP一問一答，簡單理解意思從庫里抽取答案告訴你，他沒有做到用戶畫像回答什么，我們通過這兩點以后跟業務中臺結合起來，去做搜索、分析技術把用戶需要的結果分析出來。

這是我們的集成調度，對這個技術感興趣的朋友可以看一下，這是知識圖譜庫。

給大家分享的下一個是視頻導購服務。我們以前講不管千人千面也好都是機器人的，對于零售，我們認為人服務是要有溫度的，最好的結果是人直接服務，但是我們又沒有那么多人，人員又很貴，又未必很專業，所以我們線上、線下會有一個觸摸屏，國美APP有個按鈕叫咨詢專業的導購，這都是真人在服務。假如在店里，如果導購要忙或者某些柜臺，由于樣機有限，我們可以觸摸這個屏，線上看到機器人回答不滿意，看到商品介紹也不滿意，我們點個按鈕，后面會有專業的人員為我們服務。比如這個品牌洗衣機人員會專門與你溝通，溝通完以后，這個人可以直接幫你下單，如果不滿意可以再換一個。有些年齡大的顧客不會下單，我幫你下單你直接支付就行了，這個很方便。

剛才給大家分享的是AI驅動的幾個案例。我們在研究的有幾個方面：

第一個，是基于人體的客流統計。這個不算什么，但是它比較難的是這個攝象頭從這兒過去再換另外一個攝象頭就跟丟了，所以我們叫人體識別，不是人臉識別。同時要剔除掉店面人員、外賣人員，所以你要準確的算出來到底有多少人來，這是第一步，算出來沒什么用，只知道多少人來了。

第二步，算轉化。

第三步，用戶動作畫像。用戶去到柜臺沒買東西，去一定有意愿，但是沒有買東西，系統就要分析原因。

第二個，我們利用剛才講的智能客服知識庫，我們做了公用的庫。在門店里顧客過來如果不愿意跟人打交道，可以用機器人介紹。

其他的還做了用戶大屏，用戶在店里逛的無聊時，用戶可以掃碼玩游戲，搶紅包和券直接在店里消費。

還有一些快消的賣場做到自動化人臉識別，自動收銀，拿著東西直接走了。我們店里有實驗室，在一些快消品類里，這個產品比較受用戶歡迎。

今天因為時間的關系，給大家分享到這里，我們的核心理念是怎么用技術的方式，怎么用AI的技術方式去幫助我們企業的能力或者服務的能力提升，怎么去更好的服務到我們的消費者。

今天的分享就到這里，謝謝大家！

責任編輯：ct