广告
加载中

对话彭志强:留给产业互联网抢跑AI的时间不多了

胡镤心 2024-06-08 21:17
胡镤心 2024/06/08 21:17

邦小白快读

EN
全文速览

文章提供了企业增长的核心策略和紧迫行动点。

1. 极简增长战略:聚焦核心客户、核心需求、核心产品和核心销售系统,避免铺摊子,确保资源集中,实现10倍增长。

2. AI应用:AI作为核武器,能带来10倍效益或降低10倍成本,企业需在半年窗口期内转型升级,否则将边缘化。

3. 增长机会:中国仍有巨大市场空间,需从自身能力和视野出发,如通过增肌减脂(减无效投入,增核心实力)挖掘潜力。

客户需求与结果导向:强调实用性。

1. 客户追求高性价比解决方案而非工具,需考虑隐性组织成本(如8万元产品可能隐含100万内部成本)。

2. 按结果收费模式(如国联股份从销售增长分成、能耗管理从节省电费分成)更符合中国市场需求,提升销售效果。

3. 日常实践:AI需人工配合,避免盲目追求全自动化,一切基于算账(客户和自身成本效益平衡)。

文章强调了品牌营销和产品研发中的客户导向和趋势洞察。

1. 品牌营销:AI可革命性提升精准营销,如瑞幸通过AI标签化客户数据自动推送促销,18000家门店的匹配推荐依赖AI,降低成本并增强用户粘性。

2. 产品研发:需聚焦核心需求避免摊大饼,考虑客户隐性成本(如组织变革开销),打造高性价比解决方案,而非盲目AI化。

3. 消费趋势:中国消费者重结果而非工具,商业模式向按结果收费演进(如医疗领域120万药品按缓解率退款)。

用户行为观察与渠道建设:基于数据驱动。

1. 用户行为:产业互联网平台积累大量行业数据,如AI分析能预测趋势并指导营销,提升品牌渠道效率。

2. 品牌定价:从全产业链降本增效出发(如国联股份从上游延伸降低成本),实现利润分配,确保定价覆盖成本。

3. 产品开发启示:回归第一性原理,优先满足核心需求,避免过度扩张,案例显示无效增长战略导致2/3企业失败。

文章揭示了市场增长机会、风险提示和可学习商业模式。

1. 增长市场:中国仍有广阔空间,需在自身能力范围内探索(如k型分化图定位),从核心客户出发实现爆发性增长(基数小100%增长,基数大30-50%)。

2. 风险提示:AI窗口期仅半年,不及时行动将失去先发优势;无效增长战略(如摊大饼)导致财务失衡(研发投入与收入不成正比)。

3. 机会提示:按结果收费模式(如国联股份、能耗管理)可复制,带来高销售效果;VCPE行业14万亿去库存提供合作机遇。

事件应对与商业模式:强调算账逻辑。

1. 应对措施:增肌减脂(减无效脂肪,增核心实力),聚焦极简增长战略,避免隐性成本。

2. 最新商业模式:产业互联网平台从全产业链降本增效中分成(如数据如石油,AI开采价值),企服公司收益来自客户节省的分成。

3. 可学习点:AI应用需持续迭代(龟兔赛跑别睡觉),提供高性价比方案而非技术领先,案例显示人工加AI在周期内合理。

文章提供了产品生产需求、数字化启示和商业机会。

1. 产品生产需求:需考虑全产业链降本增效(如消除浪费和错配),AI可指导经营行为(预测趋势),提升效率。

2. 商业机会:产业互联网平台(如国联股份)帮助工厂数字化,从数据中挖掘价值(数据如石油),按结果分成模式(如云工厂销售增长分成)创造新收入。

3. 推进数字化启示:拉通产业链数据孤岛(产业互联网平台唯一能做到),用AI实现预测和自动化,如瑞幸案例展示AI优化生产匹配。

生产设计与电商启示:基于客户需求。

1. 设计需求:回归核心客户核心需求,避免过度扩张(如MES公司做交易可能摊大饼),确保高性价比解决方案。

2. 电商启示:产业数字化是投资重点,数据驱动可降低营销成本(如国联革命性延伸上游),工厂应抓住AI窗口期转型升级。

3. 机会提示:中国增长空间大,但需在视野内(如增肌减脂策略),案例显示企服公司改命带来10倍效益。

文章分析了行业趋势、新技术应用和客户痛点解决方案。

1. 行业发展趋势:AI是产业数字化胜负手,带来10倍效益或成本降低;企服公司需转型升级为AI应用公司,否则资本无人问津。

2. 新技术:AI作为核武器,可整合数据(如产业互联网平台拉通孤岛数据),实现预测和自动化(瑞幸案例)。

3. 客户痛点:客户隐性成本高(如组织变革开销),痛点在于结果导向需求;解决方案是极简增长战略(聚焦核心)和按结果收费模式。

解决方案与发展方向:强调实用路径。

1. 痛点应对:提供高性价比方案(如考虑交付和隐性成本),避免追求全AI化,一切基于算账。

2. 发展路径:持续进化能力(龟兔赛跑别睡觉),利用AI创造客户价值(如降本增效分成),案例显示窗口期仅半年需快速行动。

3. 趋势启示:产业互联网是金矿,数据驱动未来(如标普集团并购AI公司),服务商应抓住AI武装机会。

文章讨论了平台需求、问题、最新做法和运营管理。

1. 商业对平台需求:平台需解决全产业链浪费和错配(如数据孤岛),提供降本增效方案(客户要结果不是工具)。

2. 平台最新做法:整合AI开采数据价值(数据如石油),如国联股份从上游延伸降低成本;按结果收费模式(从分成中收益)提升吸引力。

3. 平台招商与运营:聚焦极简增长战略(核心客户等四要素),确保财务指标(NPS、复购)清晰;风险是AI窗口期短(半年内不行动丢先发优势)。

运营管理与风向规避:基于数据驱动。

1. 管理启示:拉通产业链数据(平台唯一能力),用AI指导经营(如预测营销组合),避免摊大饼(无效扩张)。

2. 风向规避:资本关注去库存(VCPE行业14万亿),平台需算账平衡(客户和自身成本),案例显示盲目增长导致失败。

3. 机会提示:产业互联网领先(有用户场景),应快速AI武装,如盛景嘉成投后活动推动可持续增长。

文章揭示了产业新动向、问题、政策启示和商业模式。

1. 产业新动向:AI成为产业数字化改命胜负手,带来10倍效益;产业互联网是存量经济关键解决方案(如消除浪费),数据驱动趋势(瑞幸AI标签化)。

2. 新问题:AI窗口期紧迫(仅半年),企业不及时转型边缘化;增长战略问题(2/3企业无效扩张)导致财务失衡。

3. 政策法规启示:VCPE行业14万亿去库存需政策支持;按结果收费模式(如医疗领域)可能影响法规制定。

商业模式与启示:基于案例和观点。

1. 商业模式:极简增长战略(从第一性原理出发)和按结果分成(如国联股份)成为主流;企服公司收益来自客户降本增效分成。

2. 启示:产业互联网平台(如盛景投资案例)是金矿,但需AI武装;研究者应关注数据整合(拉通孤岛)和AI预测应用。

3. 发展路径:中国增长空间多维(k型分化),政策建议聚焦共赢(客户实惠、企业利润、政府征税),案例显示窗口期紧迫。

返回默认

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

The article outlines core strategies for enterprise growth and urgent action points.

1. Minimalist Growth Strategy: Focus on core customers, core needs, core products, and core sales systems to avoid over-expansion, ensure resource concentration, and achieve 10x growth.

2. AI Application: AI acts as a game-changer, delivering 10x benefits or cost reductions. Companies must transform within a six-month window or risk marginalization.

3. Growth Opportunities: China still offers vast market potential. Companies should leverage their capabilities and perspectives, such as through "muscle-building and fat-reduction" (cutting ineffective investments, strengthening core competencies) to unlock potential.

Customer Needs and Results-Orientation: Emphasizes practicality.

1. Customers seek cost-effective solutions, not just tools, and must consider hidden organizational costs (e.g., a ¥80k product may incur ¥1M in internal costs).

2. Outcome-based pricing models (e.g., GL Share taking a cut of sales growth, energy management sharing saved electricity costs) better suit Chinese market demands and improve sales effectiveness.

3. Daily Practice: AI requires human collaboration; avoid blindly pursuing full automation. All decisions should be based on cost-benefit calculations (balancing customer and internal costs).

The article emphasizes customer orientation and trend insight in brand marketing and product R&D.

1. Brand Marketing: AI can revolutionize precision marketing. For example, Luckin Coffee uses AI to tag customer data and automatically push promotions; its 18,000 stores rely on AI for matching recommendations, reducing costs and enhancing user stickiness.

2. Product R&D: Focus on core needs to avoid over-expansion, consider hidden customer costs (e.g., organizational change expenses), and develop cost-effective solutions rather than blindly adopting AI.

3. Consumer Trends: Chinese consumers prioritize results over tools. Business models are evolving towards outcome-based pricing (e.g., refunds for drugs based on remission rates in healthcare).

User Behavior Observation and Channel Building: Data-driven approaches.

1. User Behavior: Industrial internet platforms accumulate vast industry data. AI analysis can predict trends and guide marketing, boosting brand channel efficiency.

2. Brand Pricing: Base pricing on cost reduction and efficiency gains across the entire industry chain (e.g., GL Share extending upstream to lower costs), ensuring profits are distributed and prices cover costs.

3. Product Development Insight: Return to first principles, prioritize core needs, avoid over-expansion. Cases show ineffective growth strategies cause two-thirds of companies to fail.

The article reveals market growth opportunities, risk warnings, and replicable business models.

1. Growth Markets: China still has vast potential. Explore within your capabilities (e.g., using K-shaped differentiation charts for positioning), starting from core customers for explosive growth (100% growth from small bases, 30-50% from large bases).

2. Risk Warnings: The AI window is only six months; delaying action risks losing first-mover advantage. Ineffective growth strategies (e.g., over-expansion) lead to financial imbalance (R&D investment disproportionate to revenue).

3. Opportunity Alerts: Outcome-based pricing models (e.g., GL Share, energy management) are replicable and yield high sales effectiveness. The VC/PE industry's ¥14 trillion inventory reduction offers collaboration opportunities.

Event Response and Business Models: Emphasizes cost-benefit logic.

1. Countermeasures: Implement "muscle-building and fat-reduction" (cut inefficiencies, strengthen core capabilities), focus on minimalist growth strategies, and avoid hidden costs.

2. Latest Business Models: Industrial internet platforms share in cost savings and efficiency gains across the value chain (data as oil, AI extracting value). Service firms earn revenue from a share of customer savings.

3. Learnings: AI applications require continuous iteration (don't sleep in the tortoise-and-hare race). Offer cost-effective solutions, not just technological superiority. Cases show human-AI collaboration is rational within cycles.

The article provides insights on production demands, digitalization, and business opportunities.

1. Production Demands: Consider cost reduction and efficiency gains across the entire industry chain (e.g., eliminating waste and mismatches). AI can guide operations (predicting trends) to enhance efficiency.

2. Business Opportunities: Industrial internet platforms (e.g., GL Share) help factories digitalize, extracting value from data (data as oil). Outcome-based revenue-sharing models (e.g., sharing sales growth with cloud factories) create new income streams.

3. Digitalization Insights: Connect data silos across the industry chain (a unique capability of industrial internet platforms), using AI for prediction and automation, as demonstrated by Luckin's AI-optimized production matching.

Production Design and E-commerce Insights: Customer-need driven.

1. Design Needs: Return to core customers and needs, avoid over-expansion (e.g., MES companies venturing into transactions may over-extend), ensuring cost-effective solutions.

2. E-commerce Insights: Industrial digitalization is a key investment area. Data-driven approaches can reduce marketing costs (e.g., GL Share's revolutionary upstream extension). Factories should seize the AI window for transformation.

3. Opportunity Alerts: China's growth space is large but must be explored within one's vision (e.g., muscle-building/fat-reduction strategy). Cases show service companies achieving 10x benefits through transformation.

The article analyzes industry trends, new technology applications, and customer pain point solutions.

1. Industry Trends: AI is the decisive factor in industrial digitalization, offering 10x benefits or cost reductions. Service firms must transform into AI application companies or risk investor disinterest.

2. New Technology: AI acts as a game-changer, integrating data (e.g., industrial platforms connecting siloed data) for prediction and automation (Luckin case).

3. Customer Pain Points: High hidden costs (e.g., organizational change expenses); the core pain point is results-oriented demand. Solutions include minimalist growth strategies (focus on core) and outcome-based pricing.

Solutions and Development Direction: Emphasizes practical paths.

1. Addressing Pain Points: Provide cost-effective solutions (considering delivery and hidden costs), avoid pursuing full AI automation; all decisions based on cost-benefit calculations.

2. Development Path: Continuously evolve capabilities (don't sleep in the race), leverage AI to create customer value (e.g., sharing cost savings), with cases showing a six-month window for rapid action.

3. Trend Insights: Industrial internet is a goldmine; data drives the future (e.g., S&P Global acquiring AI firms). Service providers should seize the AI arming opportunity.

The article discusses platform demands, challenges, latest practices, and operations management.

1. Business Demands on Platforms: Platforms must address waste and mismatches across the value chain (e.g., data silos), providing cost-reduction and efficiency solutions (customers want results, not tools).

2. Latest Platform Practices: Integrate AI to extract data value (data as oil), e.g., GL Share extending upstream to lower costs; outcome-based pricing models (revenue sharing) enhance attractiveness.

3. Platform Recruitment & Operations: Focus on minimalist growth strategy (core customers, etc.), ensure clear financial metrics (NPS, repurchase); risk lies in the short AI window (six-month inaction loses first-mover advantage).

Operations Management and Risk Avoidance: Data-driven.

1. Management Insight: Connect industry chain data (a platform's unique capability), use AI to guide operations (e.g., predicting marketing mixes), avoid over-expansion.

2. Risk Avoidance: Capital focuses on inventory reduction (VC/PE industry's ¥14 trillion); platforms must balance costs (customer and internal). Cases show盲目 growth leads to failure.

3. Opportunity Alert: Industrial internet leads (with user scenarios); rapidly arm with AI, as seen in Shengjing Jiacheng's post-investment activities driving sustainable growth.

The article reveals new industry movements, challenges, policy implications, and business models.

1. Industry Movements: AI is the decisive factor in industrial digital transformation, delivering 10x benefits. Industrial internet is key for the存量 economy (e.g., eliminating waste); data-driven trends evident (Luckin's AI tagging).

2. New Challenges: Urgent AI window (only six months); delayed transformation leads to marginalization. Growth strategy issues (2/3 of firms expanding inefficiently) cause financial imbalance.

3. Policy Implications: The VC/PE industry's ¥14 trillion inventory reduction requires policy support; outcome-based pricing models (e.g., in healthcare) may influence regulation.

Business Models and Insights: Case and perspective-based.

1. Business Models: Minimalist growth strategies (first principles-based) and outcome-based revenue sharing (e.g., GL Share) are becoming mainstream; service firms profit from sharing customer savings.

2. Insights: Industrial internet platforms (e.g., Shengjing investment case) are goldmines but require AI arming. Researchers should focus on data integration (connecting silos) and AI prediction applications.

3. Development Path: China's growth space is multidimensional (K-shaped differentiation); policy suggestions focus on win-win outcomes (customer savings, corporate profits, government taxes). Cases show the window of opportunity is紧迫.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

文丨胡镤心

【亿邦原创】商业世界从不缺提出问题的人,缺的是提供解法的人。

彭志强是那个总能提出解决方案的人。

他有一系列头衔:盛景网联董事长、盛景研究院院长、盛景嘉成创投创始合伙人,他管理VC股权投资基金规模超过130亿,投资了国联股份、完美世界、分众传媒、汇通达、沃尔德、致远互联等众多明星项目。

他更重视自己对中国产业互联网、产业数字化的长期观察、思考与参与。“我这些年都在埋头写书,把我对产业互联网、产业数字化的观察总结提炼出来。”

这是他倾注最多心血的领域。中国电子商务兴起20年,B2B电商也狂飙10年,2013年前后,产业互联网以“拼单集采”这一模式创新快速崛起,除了提供在线交易服务,还综合了物流、仓储、SaaS等服务,形成完整的履约交付平台。

2015年,SaaS企业也开始快速成长。这一模式2005年入华、2010年引发关注,十年前一些赛道开始出现优秀的头部企业,至今形成常见的标准化产品打底,定制服务增值的经营模式。

但在新的经济周期、新的资本路径、新的技术浪潮下,企业的估值逻辑与经营方式随之一变,过去的增长成为虚胖,过去的投入价值有限。彭志强并不避讳众多SaaS公司陷入泥潭、产业互联网被认为“贸易倒爷”这一现象。但也不会被市场情绪带偏,他依然相信国内增长空间巨大,产业互联网是一个金矿。

由此,他提出“极简增长战略”帮助创业者“逆天改命”。

极简增长战略主要解决公司一到五年的发展战略,源自于核心客户和核心需求。他提醒创业者,要不停地拷问自己:

核心客户是谁?

核心客户的核心需求是什么?

用什么核心产品来满足核心客户的核心需求?

核心销售系统怎么来完成核心产品的规模化销售?

企业的所有研发管理、产品管理、营销、供应链、人力资源、投资等通通围绕这四个核心,这才是真正的利出一孔。

AI在其中扮演了“核武器”的角色,给企业带来增加10倍效益或降低10倍成本的可能。这也是产业数字化企业“逆天改命”的主要工具,“‘改命’这个词用得比较重,但当前确实情况紧迫性,如果企业不能及时转型升级,可能很快就会被边缘化。而‘改命’的窗口期可能只剩半年。”彭志强认为。

近日,盛景嘉成创投联合金沙江创业投资,共同举办《企服公司如何借助AIGC实现不烧钱的爆发性增长》闭门研讨会,作为重点投后活动,旨在帮助被投企业实现可持续健康发展。会后,彭志强和亿邦动力交流了他对产业互联网现状与前景的分析,提出产业互联网公司改命的切入点和方法论,展望了未来几年产业数字化公司在中国的发展路径。

彭志强主要观点如下:

· VCPE行业的存量资产庞大,未清算基金管理规模达14万亿,比肩房地产,去库存将成为未来几年行业关注焦点。

· 客户要的是“结果”,不是“工具”,中国尤其突出和显著。

· AI是中国产业数字化公司改命的“胜负手”。

· AI作为本领更强大的数字化技术,为企服公司(产业互联网交易平台)创造10倍客户价值带来了新的可能,为客户或服务商自身带来10倍效益或仅需1/10的成本,“降本增效”的核武器。

· 极简增长战略是从“核心客户核心需求”出发,既是从第一性原理出发的本质之道,也离赚钱更近,内外部也更易形成共识与共同行动,是从顶层设计角度地“降本增效”。

01

“中国的增长空间还是很大,就看它在不在你的视野内”

亿邦动力:本次议程的主题是“不烧钱”和“爆发性增长”,这两个词在这两年都不常见了。爆发性增长的衡量标准是什么?

彭志强:每个企业的基数不一样,增幅也不一样。如果它的基数小,也就是100%增长;如果基数大,可能增长30%-50%。

当然我觉得所谓“爆发性增长”的最终衡量指标还是财务结果和管理指标,NPS怎么样、复购怎么样、增购怎么样等等,如果企业对这些东西都模模糊糊,以后不管是上市还是并购,都很难做。因为投资人可能不太懂你业务的独特性,但财务指标是全球通用的。

比如一家数字化公司,研发投入跟销售收入不成正比,这时候怎么办?要么就按照现在的销售收入砍研发,要么按照研发投入拼命做增长。所谓企业发展,归根结底就是算PEG、算growth、算PSG等这些数据。

亿邦动力:国内还有哪些增长空间?

彭志强:不同赛道的不同企业,增长逻辑肯定是不一样的。但我总体认为,中国的增长空间还是很大的,就看它在不在你原有的视野和能力范围里

对于企业发展,我有个k型分化图。你可以看看自己在k型分化的哪条线上。这是一点。

第二,我们希望大家意识到,之前的很多增长战略本身是有问题的

比如,企服公司给客户创造价值不够,但是老想加东西,摊子越铺越大,我觉得至少2/3企业的增长战略是这么定的,搞错了。

其实只要你把精准客户定位好,创造的客户价值足够大,中国有无数的水井可以打出水来。

增长空间是多维的、多种多样的,只不过看他在不在你的能力模型里,在不在你的视野范围内。

所以我们都希望创业公司回到第一性原理,看看你的核心客户、核心需求、核心产品跟核心销售系统到底是什么?

在此之前,企业还得先做一个动作——增肌减脂。

减脂是因为之前拿了很多VC的钱,干了很多不该干的事儿,这些都属于脂肪过多。所以先要减脂。

增肌就指把核心客户、核心需求定义到位,你还得拿出核心产品,通过核心销售系统获得10倍增长。

从这个角度看,我认为企服公司是有“改命”的空间和机会的。

02

“客户要的是一个高性价比的产品,而不是追求AI化”

亿邦动力:企服公司想给客户降本增效,不止依赖它自己的产品,还依赖客户的数字化程度,依赖互补品去创造价值。所以企服公司服务客户时,不止涉及到应用,可能还涉及到配套的组织、管理调整。这是一个更大的难点。

彭志强:其实回到核心问题,企服公司在满足客户的核心需求时,要考虑客户的组织变革,考虑相关的隐性成本。

你别光想着说,我就卖你8万元,我产品也不贵。客户为了把你这8万元的SaaS用好,内部组织成本可能得花100万,对吧?所以企服公司在卖产品时,要考虑自己的交付成本和客户的隐性成本,这才叫一个高性价比的解决方案。

亿邦动力:我们注意到,一些产业互联网公司用多个产品覆盖产业链多个环节。比如MES公司去做交易,B2B公司去做工厂数字化,这算不算摊子越铺越大?

彭志强:你可以有多个环节多个产品,只要是相关联的,比如国联就是顺着产业链一个环节一个环节往上游延伸,最后革命性地降低营销成本。所以你看,最终还是要回到算账上,你先算客户的账,再算自己的账。

产业互联网公司是站在全产业链上算账,看看全产业链能不能降本增效,然后把全产业链降本增效的成果,拿出来进行分配,再看你在里头分多少,你的成本是多少,收益能不能覆盖成本。

说白了,企服公司的收益,来自客户降本增效的分成,企服公司要记住这个道理。

亿邦动力:我们也看到一些企服公司在这方面的模式创新,比如国联股份,从云工厂的销售增长里去分成;还有能耗管理公司,从客户节省的电费里分成。都是从结果里分成,相比订阅模式,销售效果要好得多。

彭志强:对,因为中国人要看到结果。

不只是制造业领域,就算在医疗领域现在也出现这种模式。比如中国现在有治疗癌症的药,120万一针,中国消费者觉得贵,怎么办?你先花120万治疗,如果缓解率没有达到预期,给你退60万。在医疗这个刚需领域,很多药品都开始走向按结果收费的逻辑。

亿邦动力:那么AI在其中能起到什么作用?我们看到过去一年,AIGC的实践效果好像差强人意。不管是AI营销、AI客服、AI设计等探索,还是需要大量人工配合。

彭志强:人工加AI这件事,在一个周期之内,我们认为是合理的。

如果一些工作全部让AI来完成,成本会很高。我们还是从客户角度出发,客户想要的是一个高性价比的产品,而不是追求所谓的全AI化。一切都要回到算账,账算不平,全AI化、全自动化也没戏,这是我们很核心的判断。

AI之所以值得大家去关注,是因为它跑得太快了,现在一切还在发展过程中,你只要在路上,就有一定的先发优势。后面再出现很多变化,只要你龟兔赛跑的时候别睡觉,领先机会还是很大的。我指的是应用公司。

所以我觉得,企服公司保持持续的进化和迭代能力,提供一个真正高性价比的方案,而不是单纯追求所谓技术上的领先,这是一条比较切实可行的道路。

03

“产业互联网公司现在看似最困难、最迷茫,其实还是很领先的”

亿邦动力:去年很多投资人说不看产业互联网了,您觉得这个行业现在大概处于一个什么样的阶段?

彭志强:其实产业互联网公司还是一个很大的金矿,他们有大量行业数据,如果能借助AI发挥更大的商业价值,我相信这是一个很大的机会。

如果产业互联网公司不能用AI把自己武装起来,成为一家AI应用公司,我觉得资本市场上基本就无人问津了。

亿邦动力:对此你有什么就方向或者措施上的建议吗?

彭志强:首先产业互联网公司应该先把数据给拉通,产业链各个环节数据都是孤岛,而且这个行业过去、现在、未来的数据都存在产业互联网平台的系统里,只有他有能力拉通,别人做不到。

你把数据拉通了以后,用AI可以得出很多预测,可以指导企业的很多经营行为。这是主线条。

你看标普集团,都并购了AI数据公司,这是他们未来技术驱动发展的逻辑,而这种技术驱动的最终结果,就是全产业链降本增效。

我一直认为,产业互联网是中国进入存量经济后最关键的解决方案之一

我们的GDP增速在4%- 5%左右,在这个背景下,客户想要实惠、企业想有利润、政府要征税,怎么让几方共赢?就要解决产业链中间的各种浪费和错配。

怎么革命性地消除浪费和错配?数据和AI是主要武器。

比如我们注意到,瑞幸经常给客户发短信,给你发的促销是4.8折还是3折,给你推的是生椰拿铁还是美式,这些都不是随便发的。瑞幸给每个客户都打了n多标签,每条短信背后有数百组自动营销组合,而且瑞幸在全国开了18000家门店,这些营销、匹配、推荐都得靠AI来完成。

产业互联网平台更是这样,数据就是石油,他坐拥大片油田,但离开了AI,等于这块油田压根没开采出来。

产业数字化是我们的一个投资重点,我们在这个领域的研究也很深,所以我们判断这里是有大机会的。

我们说企服公司要“改命”,“改命”这个词比较重,就是因为这里有大机会,而且这种大机会属于能率先转型升级的企服公司、产业互联网公司,他们应该是第一波AI应用的最大受益者。

当然如果他不能及时转型升级,可能很快就会被边缘化。

亿邦动力:他们改命的窗口期有多久?

彭志强:产业互联网公司现在看似处于困难、迷茫期,其实他是领先别人的,他有用户有场景。说白了这是产业互联网平台花了十几年时间,花了几亿甚至十几亿资金,烧出来的先发优势。

但如果半年之内他不快速行动,他可能就把先发优势丢掉了,所以得赶紧再出发。

文章来源:亿邦动力

广告
微信
朋友圈

这么好看,分享一下?

朋友圈 分享

APP内打开

+1
+1
微信好友 朋友圈 新浪微博 QQ空间
关闭
收藏成功
发送
/140 0