【亿邦原创】8月29日，在2025百度云智大会上，顶新便利餐饮群整合营销副总裁游仁宏发表了演讲。他指出，业绩增长需要品牌与运营方法的结合，数据治理是AI模型落地的关键，发展AI不是为了取代人，而是为了提升人效和运营效率，从而更好地赋能品牌。
温馨提示：本文为速记初审稿，在不影响原意的基础上，由亿邦动力编辑整理。
以下为演讲实录：
大家好，我是顶新便利餐饮群整合营销副总裁游仁宏，负责德克士快餐和全家便利店的餐饮和零售业务。我们也在和百度云一见合作，做餐厅在合规性的有效性测试。比如，用AI来协助员工改善餐点制作工序与食品安全监测.
在场大部分人是IT出身，我本来是做业务的，从最先做广告，然后到运营，这几年才转到IT，赶上了浪潮。今天我分享的内容比较偏应用侧，主要关于从业务与运营的角度来看人与AI、数据的关系。
01
品牌VS运营：
双流合一才是增长王道
从业务角度看, 现今很多人都在讨论业绩增长，我认为其核心在于流量。以前有生产就有需求，那时候只要让大家知道你的品牌，在中央电视台打个广告，或开个街边店，就可以把业绩做起来。
大概在2010年后，开始发生变化。智能手机流行后，社交行为从线下转移至线上，比如微信红包。如今是人在哪里，流量在哪里，我们的业绩就在哪里。
最近几年，大数据流行和变化，MarTech（市场营销技术）改变，我们怎么去追踪人？前端业务都希望运用大数据模型。但如果你一开始就去跟老板提要从中后台建起，ROI压力都比较大。我的建议是，选一个对业绩增长有帮助的前台部分开始做。如企业微信私域或电商、外卖开始做，积累了短期成功经验后，有了数字化成果之后，再往中后台与大规模数据治理转。
关于流量这件事，在移动互联网时代，营销分为两个流派。一个是品牌流，比如蜜雪冰城的雪王，强调的是品牌的超级符号slogan。另外一个流派，比如瑞幸、滴滴打车，走的是运营流。它的理论基础是AARRR漏斗模型（用户获取Acquisition, 用户激活Activation,用户留存Retention,获得收益Revenue,用户推荐Referral）。
但这两个流派各有缺点。
如果用运营流的方法做抖音、淘天、京东，你就会知道，促销停止，业绩归零; 而品牌流的问题在于，如果品牌力不够强，跟平台算法博弈压力很大。而且开的店不够多，就没有人接触到你，你也不知道广告费对业绩有没有直接帮助。
通过这几年的实践，我的看法是，营销必须把品牌和运营结合。运营能帮助品牌取得大量数据，而品牌又能增强用户心智。我昨天还在听社交聆听social listening的数据累积，我们在做的事情，是如何将结构化数据和非结构化数据结合并加以利用，包括各个平台爬虫爬下来的一些客诉的非结构化数据。
我们做业绩时，会先将品牌作为核心锚点，再用运营来将品牌声量放大，这是我们的想法。
02
数据治理
AI落地的关键挑战
那这跟AI和数据有什么关系？
从搭建品牌，到做用户触点，会收集到大量用户数据，而这往往涉及跨平台数据。如何尽量将其累积到one data？关键在于要有一个共同的数据标准，对未来做AI也有很大帮助。
AI其实有一个挑战在于LLM（大语言模型Large Language Models）的积累和梳理，就是知识库。如果前期梳理时，没有将所有数据的口径拉齐，后期很难再做整个链路的打通，包括业绩和效率。
举一个具体的例子，如果我们不知道消费者是从哪个渠道知悉产品，尽管他最后下单购买，我们无法将触达用户到促成下单转化的链路串联起来，那两方数据是分离的，我们无法得知这两个动作是否出自同一个人。这也是为什么我们要将数据治理放在前端。
数据治理是最难的，它是一个脏活，有大量的脏数据，不把它清理好，后续建模是不可能的。
这也是为什么我在最开始提到要先把业绩做好，因为你在老板面前要有足够的credit（信誉）来干这件事，说你已经在其他地方成功过，不然老板总是会提ROI。我们现在为什么做百度，做POC，就是为了ROI，都搞不清楚它到底对效率的增长有多大。
数据治理之后，第二件事就是模型的建立。这件事的前提就是打通流程，如果你还是靠人做流程，实际上AI是没有办法去做模型的。
第三步是组织变革。最开始，亿邦动力首席知识官王超也提到，AI会取代原有岗位的人力。如果你把这个事实告诉员工，这件事是无法推行的。为什么？因为你做AI的目的是把原来的人干掉，对不对？这样谁会分享他的知识和经验。
三步走完之后，把它变成一个闭环，反哺、加持整个品牌，这是我们构建的一套方法论。
现在回过头来再说AI，在做业绩或企业时，它实际上是一个链条。Cursor创始人Michael Truell提到过，AI不是渐进式发展，而是跳跃式，它有可能跳一阵子，停在一个水平两三年不动。虽然，前阵子前谷歌CEO埃里克·施密特提出“旧金山共识”，这个共识的核心观点是，未来两到四年内，AI将会彻底改变世界，但我个人认为那是AI从业者的乐观预期。
我认为AI无法爆发性成长，这与我刚才提到的数据治理问题有关，这么多脏数据，没有人把它清干净。
第二，是我们有大量的工作流程无法数字化，还是依靠人力。比如商详页的设计与撰写。数字化的课不补完，根本没办法走下一步。
我们顶新集团，在全家便利店和德克士的经营上，过去一直在做“数字化补课”。我们把数字化基建，包括one data、one ID建好，从消费者到员工的ID达到一致性。第二步是把整个工作流程线上化，收集消费者数据。
03
AI不是取代人
而是提升人
零售业有一个挑战是订货，到底要订多少货合适。如果运用AI的话，有两个方法。
一是AIGC，一个是搜集旧数据建模。在订货上我们很少用到AIGC，因为它有幻觉问题（指AIGC模型生成内容时，可能产生不真实、不合理、不符合常识的信息）。而订货要求的是精确，所以我们做了一个“生意宝”。
我们的做法是，找优秀店长做访谈，对单店经营指标，比如销货收入进行归因分析，给出改善对策。
除了运营工作，我们也在使用AIGC做Marketing。第一步要先梳理流程，明确哪一段流程需要用到AIGC。做Marketing的挑战是预算少、事情多、效果难控，通常一个人同时负责几个类目。我们全家3500家店，负责所有商详页的只有半个同事，而不是一个。他根本没那么多时间把商详页做好，所以这个时候AI对他来说是一个很好的助力。我们会倾向培养年轻人，他们会比较容易接受AI。
我们7,000家店，大概有3,000多个加盟店长。这些加盟店长如果新开一家店，他想要什么样的门店设计图？比如德克士快餐的话，有的会说要马卡龙风。所以如何在品牌规范下给出在地化设计，这是我们的挑战。以前做图需要一到两天，现在用AIGC，大概30分钟就能出图。
未来，我们会发展AI代理，比如全家商品规划，或是运营督导。但你不能直接跟员工说，你要用AI取代他，不然他绝不会把他内在的经验体系分享给AI学习，这是完全违反人性的。
比如我在开头提到我们在和百度做POC食品安全规范，实际上就是取代食品安全员和督导，代替他们去监督工作人员的操作是否规范。
所以，在这种情况下如何和工作人员沟通？
你可以表达，数字化转型是为了提高工作效率。我们有7,000家店，但只有300个食安，其中150个在工厂。可以想象一个食安人员，要顾及多少店。他还要一个个检查门店的食品安全问题，比如每个门店的仓库是不是离地10公分，如何避免鼠患等等。食安人员非常忙，这么多店, 天天“抛家弃子”，每天“三过家门而不入”也做不完工作。所以实际上AI确实在帮助他。
当你用这种方式和他沟通，他才愿意把他的知识告诉你，去建LLM资料库，而且实际上我们的出发点也是为了提高工作效率。当我们的店从7,000家开到1 万家、15000家时，借助AI，门店督导人员、食品安全员的效率能显著提高。
我们的核心目的是发展一套内部实施方法论。我觉得最近几个月AI进步速度太快，几个月我觉得可以做出10亿级以下的小模型，或者说MoE（混合专家模型，是一种深度学习模型架构，主要由多个专家模型和一个基础大模型组成）。
要清楚地认知到，每个工作流程切分一个MoE来做。我们自己的做法是在每个工作流程中去找工作流，它最适合的一个小模型的代理商，然后跟他们一起打磨，一起成长，把参数调好。
我们做数字化转型的人的职责，就是在内部沟通中将AI的工作与优势“翻译”给公司员工，让他们理解AI是为了提效，而不是把这些员工给“干掉”。不管对商品规划、消费者洞察，还是运营工作来说，都是更好的趋势和助力。
二十几年前，我刚开始工作的时候，不论餐厅或便利店模式都照搬国外，但在AI浪潮下，中国已经站在了领先地位，很多东西要靠自己摸索，也很希望能跟大家一起成长，谢谢大家。
亿邦持续追踪报道该情报，如想了解更多与本文相关信息，请扫码关注作者微信。
文章来源：亿邦动力
