广告
加载中

1688产业智联总经理Steven:用AI破解供需错配难题

亿邦动力 2025-12-05 10:01
亿邦动力 2025/12/05 10:01

邦小白快读

EN
全文速览

本文重点介绍了1688如何用AI解决产业供需错配问题。

1. 核心痛点在于供需错配导致同质化低价竞争:需求方需求多样但核心诉求集中,供给方难全面覆盖。

2. 解决方案是“一低一高”:降低沟通成本让需求清晰表达,供给明确能力;提升差异化经营水平,提供不同产品和服务。

3. 实操干货包括推送合适商品:借助AI懂生意(如服装、食品行业逻辑不同)和懂用户(用户能力与需求差异),实现精准匹配。

4. 定制化制造:基于懂市场(消费趋势)、懂制造(生产可行性)和懂供应链(全链路协同),打造差异化商品。

5. 产业链确定性是关键:确保用户需求、研发方案、生产计划和市场回报可预期,企业可聚焦核心竞争力,通过短链化摆脱内卷。

文章针对品牌商提供了品牌建设和产品研发的启示。

1. 品牌营销可依托用户行为观察:需求端核心诉求集中,品牌需精准捕捉市场信号。

2. 产品研发方向:定制化生产响应消费趋势,如AI理解终端应用场景和价格期望。

3. 品牌差异化策略:避免同质化竞争,通过提供独特产品和服务提升价值。

4. 消费趋势洞察:AI分析用户行为数据,驱动品牌定位和上新周期。

5. 用户行为观察实例:B类客户决策逻辑异于C类,品牌需根据行业门道调整策略。

6. 品牌合作机会:与平台如1688协同,聚焦核心能力,外包非核心环节。

卖家可从本文学到增长机会和风险管控。

1. 机会提示:转向定制化生产或差异化服务,响应消费需求变化。

2. 风险提示:产业链断链导致交付延迟或成本上升,需确保需求、生产等确定性。

3. 可学习点:聚焦核心竞争力,如通过平台减少运营成本。

4. 最新商业模式:短链化,企业仅承担核心环节,其余外包协同。

5. 合作方式:与1688等平台合作共享资源,利用AI匹配商品。

6. 事件应对措施:降低沟通成本应对信息不对称风险,提升服务差异化。

工厂可获得生产和电商化的实用启示。

1. 产品生产需求:定制化要求懂制造(工艺限制、排产逻辑)和懂供应链(原料采购到履约)。

2. 设计需求灵感:基于市场洞察和用户应用场景创新产品。

3. 商业机会:作为生产力方参与定制化链路,捕获新增长点。

4. 推进数字化启示:利用1688 AI平台连接买家需求,提升生产确定性。

5. 电商应用:通过平台聚焦核心工艺,外包非优势环节,降低管理成本。

6. 启示案例:从标准品转向定制时,供应链管理需深度转变。

服务商关注行业痛点和解决技术方案。

1. 行业发展趋势:产业互联推动高效协同生态,能力互补。

2. 新技术应用:AI用于数据清洗和结构化处理,实现精准匹配。

3. 客户痛点:供需错配和信息不对称导致效率低下。

4. 解决方案:提供AI驱动的商品推送和定制化服务,支撑长链协同。

5. 未来方向:构建确定性服务如供应链打通,减少断链风险。

6. 服务创新:整合产业链Know-how,提供端到端衔接方案。

平台商可借鉴1688的运营策略和需求管理。

1. 商业对平台需求:企业需要平台连接长链和深链,解决信息不畅问题。

2. 平台最新做法:AI推送合适商品(懂生意和懂用户),支持定制化制造。

3. 平台招商策略:邀请工厂、买家等合作伙伴共建生态协同。

4. 运营管理:降低交易门槛,聚焦资源优化,确保确定性如交付周期。

5. 风向规避:通过高效协同减少断链风险,提升平台稳定性。

6. 平台启示:担当连接器角色,推动企业短链化聚焦核心。

研究者可分析产业新动向和创新模式。

1. 产业新动向:AI赋能产业链,催生短链化和协同生态趋势。

2. 新问题:供需错配和断链风险挑战产业稳定性。

3. 政策法规启示:需平台推动信息打通和确定性机制治理。

4. 商业模式创新:短链化重构产业关系,从线性模式转向网络化协作。

5. 研究价值点:确定性需求(用户洞察到市场回报)如何支撑高效匹配。

6. 案例启示:1688作为产业连接器模式,整合长链和深链能力。

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

This article examines how 1688 uses AI to address supply-demand mismatches in industrial sectors.

1. The core issue is homogeneous, low-price competition caused by supply-demand mismatches: buyers have diverse but concentrated core demands, while suppliers struggle to fully cover them.

2. The solution involves a 'dual approach': lowering communication costs to clarify demand and supply capabilities, while enhancing differentiated operations to offer varied products and services.

3. Practical insights include AI-driven product recommendations: leveraging AI to understand business logic (e.g., differences between apparel and food industries) and user needs (e.g., capability variations) for precise matching.

4. Customized manufacturing: combining market trends, production feasibility, and supply chain coordination to create differentiated goods.

5. Supply chain certainty is key: predictable demand, R&D plans, production schedules, and market returns enable firms to focus on core competencies and avoid internal competition through shortened chains.

The article offers insights for brands on building identity and product development.

1. Brand marketing can leverage user behavior analysis: concentrated core demands require brands to accurately capture market signals.

2. Product R&D direction: customized production responds to consumer trends, with AI interpreting end-use scenarios and price expectations.

3. Differentiation strategy: avoid homogeneous competition by offering unique products and services to enhance value.

4. Consumer trend insights: AI analyzes user behavior data to drive brand positioning and product launch cycles.

5. User behavior examples: B2B decision-making differs from B2C, requiring tailored strategies based on industry nuances.

6. Collaboration opportunities: partner with platforms like 1688 to focus on core strengths while outsourcing non-core functions.

Sellers can learn about growth opportunities and risk management from this article.

1. Opportunity alert: shift to customized production or differentiated services to meet evolving consumer demands.

2. Risk warning: supply chain disruptions cause delays or cost hikes, necessitating certainty in demand and production.

3. Key takeaway: focus on core competencies, such as reducing operational costs via platform integration.

4. Emerging business models: adopt shortened chains where firms handle only core tasks, outsourcing the rest.

5. Collaboration methods: partner with platforms like 1688 to share resources and leverage AI for product matching.

6. Contingency measures: lower communication costs to address information asymmetry and enhance service differentiation.

Factories gain practical insights into production and e-commerce transformation.

1. Production requirements: customization demands understanding manufacturing (e.g.,工艺 constraints, scheduling) and supply chains (from sourcing to fulfillment).

2. Design inspiration: innovate products based on market insights and user application scenarios.

3. Business opportunities: participate in customized supply chains as production partners to capture new growth areas.

4. Digitalization insights: use 1688’s AI platform to connect with buyer needs and improve production certainty.

5. E-commerce application: focus on core processes via platforms, outsourcing non-core tasks to reduce management costs.

6. Case study: transitioning from standard to custom products requires deep supply chain restructuring.

Service providers should note industry pain points and technical solutions.

1. Industry trend: industrial interconnectivity drives efficient, collaborative ecosystems with complementary capabilities.

2. Technology application: AI enables data cleaning and structuring for precise matching.

3. Client pain points: supply-demand mismatches and information asymmetry reduce efficiency.

4. Solution: offer AI-powered product recommendations and customization services to support long-chain coordination.

5. Future direction: build确定性 services like integrated supply chains to minimize disruption risks.

6. Service innovation: combine industry know-how to provide end-to-end solutions.

Platform operators can learn from 1688’s operational strategies and demand management.

1. Business needs: enterprises require platforms to connect long and deep chains, resolving information gaps.

2. Platform tactics: AI recommends suitable products (understanding business and users) and supports custom manufacturing.

3. Partnership strategy: invite factories, buyers, and others to co-build collaborative ecosystems.

4. Operations management: lower transaction barriers, optimize resources, and ensure certainty (e.g., delivery cycles).

5. Risk mitigation: enhance platform stability through efficient coordination to reduce chain disruptions.

6. Key insight: act as connectors to help firms shorten chains and focus on core activities.

Researchers can analyze new industry trends and innovative models.

1. Industry shift: AI empowers supply chains, spurring trends like shortened chains and collaborative ecosystems.

2. Emerging challenges: supply-demand mismatches and disruption risks threaten industrial stability.

3. Policy implications: platforms should promote information transparency and确定性 governance mechanisms.

4. Business model innovation: shortened chains reshape industry relations, shifting from linear to networked collaboration.

5. Research focus: how确定性 needs (from user insights to market returns) enable efficient matching.

6. Case insight: 1688’s role as an industrial connector integrates long and deep chain capabilities.

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.

【亿邦原创】12月3日,亿邦产业互联网年会在北京举行。1688产业智联总经理Steven在会上发表题为《懂生意的AI:1688的AI实践和探索》的演讲。

他表示,当前产业面临的核心痛点是供需错配,要解决这一问题,关键在于降低供需双方的沟通成本,同时提升经营的差异化水平。这需要平台打通从需求洞察、研发、生产到流通的长链路,让企业能够将有限资源聚焦于自身核心竞争力环节。

Steven表示,1688依托阿里巴巴强大的技术平台资源,并经过多年的产业深耕与生态积累,有责任也有决心担当起产业连接器的角色,推动构建高效协同、能力互补的产业互联生态。

以下为演讲全文,经亿邦动力整理。

我是1688的Steven,所在的部门叫产业智联。刚加入公司时,我记得第一周就有同事问我:“产业要怎么智联?”当时我确实没能答上来。这个问题其实取决于大家各自的立场:你来自哪里?你要去哪里?比如,如果你是做工厂的,那你对产业互联网的理解就会围绕工厂展开;如果你来自物流企业,那你的产业定义自然会以物流为核心。

经过这段时间的实践和思考,我对这个问题也有了一些自己的理解。所以今天,我想借此机会和大家一起分享一下:对于“产业互联网”这五个字,我们究竟是如何理解的。

首先,我们还是回溯一下1688的业务结构。大家通常理解1688是一个B2B交易平台。确实如此,我们的第一块业务是“供货”——也就是提供标准品,即已经生产出来的商品。除此之外,我们还有第二块业务,叫做“定制”,这是围绕尚未被生产出来的商品,根据终端市场的具体需求来驱动生产的,我们称之为“生产力供给”。

我们服务的目标客群,正如我PPT中所展示的那样,非常朴实——就是那些从事B2B高频小额采购的买家。他们都是实实在在做生意的人,而且是在比较艰难的环境中坚持做生意的人。

我们的愿景和价值主张也很简单:让生意没那么难。但这一目标需要分阶段、逐步推进。至少在现阶段,我们可以先努力降低做生意的门槛。围绕这一目标,我们已经投入了大量线上线下资源,既包括对新模式的探索与创新,也包括对既有模式的持续优化。

在加入1688之前,我一直在创业,因此对“卷”有非常强烈的切身感受。

首先,“卷”大致可以分为两种类型:一种是内卷——在这个时代,无论谁做生意、哪家公司,几乎都在全力以赴地向前奔跑;另一种是外卷,主要体现在价格和服务上的激烈竞争。

而“卷”的本质,其实就是同质化下的低价竞争:大家卖的是相似的产品,提供的是类似的服务,价格“没有最低,只有更低”。仔细想想,这种逻辑其实是自洽的——如果产品和服务高度趋同,自然就难以创造增量价值。

那么,这个问题该如何解决呢?

首先,我们需要看清这个行业的核心痛点。由于我们长期深耕交易平台,具备一个显著优势——拥有海量的数据,包括交易数据和用户行为数据。通过对这些数据的深入分析,我们得出了一个结论,也观察到一个普遍现象,这正是行业长期存在的痛点,可以用四个字来概括:供需错配。

如果看这张图,左边代表供给,右边代表需求。

从供给端来看,单个商家很难通过单一渠道全面满足所有需求——因为商品种类繁多,而每个渠道的运营成本和管理成本都很高。

从需求端来看,用户虽然看似提出了大量、多样化的要求,但实际上,其核心诉求往往集中在几个关键点上。

正因如此,供给与需求之间很容易出现错配,也就是我们常说的信息不对称。

要解决供需错配的问题,我们形成了两个核心思路,我将其概括为“一低一高”:

“低”,是指首先要降低供需双方的沟通成本——让需求方能够清晰、准确地表达自己需要什么;同时,也让供给方(无论是提供标准品的供货商,还是具备定制能力的生产力方)能够清楚地说明自己能生产什么、能提供什么。

“高”,则是指要提升整个生态的差异化经营水平。买卖双方本质上都是做生意的群体,只有通过提供不同的产品、打造差异化的服务,才能真正跳出前面提到的“卷”的困境,摆脱同质化竞争。

为了实现“一低一高”的目标,我们也有两个具体的解题方法。

第一,是推送合适的商品。当然,这里的“合适”并不是由我们单方面定义的——因为我们一边连接着海量的供货商,另一边连接着海量的需求方,而他们的需求与供给千差万别、高度分散。因此,“合适”必须基于对双方真实意图和能力的精准理解,才能实现有效匹配。

要实现“推送合适的商品”,关键在于做到两个“懂”。

第一个“懂”,是要懂生意。因为每个行业的生意逻辑确实不同。比如,做服装和做食品的商家,在商品结构、定价策略、上新周期等方面存在显著差异;而消费品与工业品之间的差别则更大——它们的采购周期、采购场景以及上下游产业链结构都截然不同。此外,B类客户和C类客户的决策逻辑也完全不同。

而1688恰恰覆盖了上述所有品类和客群。因此,若要真正实现“推送合适的商品”,我们就必须深入理解每一种生意背后的运作逻辑和行业门道。

第二个“懂”,是要懂用户。因为用户所处的行业不同,其自身的能力基础和实际需求也各不相同。以能力为例:假设你原本是做美妆生意的,后来发现家装市场机会不错,于是转向做家装。虽然销售渠道可能仍是同一个平台,但品类的切换会直接带来客群的变化,进而导致背后的运营逻辑、销售策略乃至供应链管理都发生显著转变。

要真正实现“懂生意”和“懂用户”,我们可以借助AI来构建这一能力——从原子级别对相关数据进行解构:将前面提到的用户行为数据、行业信息、交易记录等进行全面清洗与结构化处理,并在此基础上重新建立精准的关联,从而支撑更智能、更贴合实际场景的商品匹配与服务推荐。

第二个解题思路,是制造差异化的商品,也就是满足定制化需求。

这一模式背后匹配的是工厂与买家,其复杂度比标准品交易更高——因为它不仅涉及交易本身,还贯穿了从商品设计、生产到最终流通的完整链路。这条链路更长,涉及的环节更多,所需的行业Know-how也更为深入和多元。

因此,在“懂生意”和“懂用户”的基础上,还需要多出一重“懂”:要懂制造,要理解工厂的生产能力、工艺限制、排产逻辑,也要理解买家在定制场景下的真实意图和落地可行性。正因如此,这一过程所要求的知识维度更广、专业深度更深,整体也更加复杂。

要支撑定制化商品的差异化生产,我们需要做到三个“懂”:

第一个“懂”,是要懂市场——因为产品一旦生产出来,必须真正契合市场需求。这要求我们理解终端用户的消费趋势、应用场景以及对功能、价格、交付周期等维度的真实期待。

第二个“懂”,是要懂制造——即清楚生产这个产品的具体可行性:包括制造周期、成本结构、技术工艺是否成熟、产能是否可调度、质量是否可控等。只有深入了解工厂的实际能力边界,才能避免“纸上谈兵”式的定制需求。

第三个“懂”,是要懂供应链——因为一件定制商品从构想到交付,贯穿了研发、原材料采购、生产、仓储、物流等多个环节。背后的原料供应、库存管理、配送履约等,都需要通过信息的打通、流程的梳理和各节点的高效协同来实现。

无论是推送标准商品,还是推动定制化制造,其本质都是在撮合一个“链”——也就是将行业中不同角色(如买家、工厂、服务商)及其业务能力有机串联起来。区别仅在于链条的广度与复杂度:

● 撮合标准品交易,核心是“人、货、场”的匹配,聚焦于商品与买家的连接;

● 而撮合定制化制造,则需要串联起更长的产业链条,整合从需求洞察到最终交付的全链路能力。

谈到产业链,它具备三个关键属性:

第一,它是一个“长链”。完整的产业链贯穿从市场洞察、产品研发、生产制造、流通分销,一直到终端消费的全过程,环环相扣,缺一不可。

第二,它是一个“深链”。以1688为例,我们在流通环节就涉及大量复杂且细分的业务链路和场景需要打通。比如围绕一笔交易,不仅要完成订单本身,还需协同履约、仓储、配送等下游服务;同时,还要向上游延伸,连接到生产制造环节。这意味着在每一个节点内部,都存在多层、纵深的子链条,需要深度整合与高效协同。

在“长链”与“深链”的基础上,自然衍生出产业链的第三个属性:容易断链。

正因为产业链环节众多、参与角色复杂、业务特征各异,任何一个节点的信息不畅、能力缺失或协同失效,都可能导致整个链条中断。而这种断裂,往往带来交付延迟、成本上升甚至交易失败。

因此,行业和产业真正需要的,是确定性——包括:

● 确定性的用户需求,

● 确定性的研发方案,

● 确定性的生产计划,

● 以及最终可预期的、确定性的市场回报。

只有当这些关键环节具备足够的确定性,产业链才能稳定运转,供需匹配才能高效实现,企业也才能真正摆脱“卷”的困境,走向高质量、可持续的发展。

要实现这种确定性,就触及了产业互联的核心。

前面提到,产业链涉及众多角色——从需求方、设计研发、生产制造到流通履约等,环环相扣。如果整个产业真正能够高效连接起来,理论上需要一个关键角色或一个协同平台,来打通这条既长又深的链路。

而一旦实现有效连接,就会催生一个重要变化:更多企业将走向“短链化”。也就是说,企业在整条产业链中所需承担的环节和需自建的能力,理论上可以大幅缩短。他们不再需要“大而全”地覆盖所有职能,而是聚焦于自身最擅长的核心能力,其余部分通过产业协同来补足。

这种“短链化”的背后,必然带来整个产业协同关系的重构——从过去各自为战、信息割裂的线性模式,转向更紧密、更敏捷、更高效的网络化协作生态。

也就是说,过去企业往往需要从头做起——自己完成市场洞察、产品研发、生产制造,再到流通和销售,全流程亲力亲为。而现在,更高效的方式是:将那些投入产出比低、非核心的环节,交由能力更强、更具专业性和差异化的平台或合作伙伴来承担。

这样一来,企业自身就能更聚焦于其真正具备优势的核心竞争力环节,持续深耕、积累壁垒。而整个产业则通过这种专业化分工与高效协同,逐步形成一个有机连接、能力互补、价值共享的生态体系——这正是产业互联所追求的理想形态。

最后我想说,1688背靠阿里巴巴强大的技术平台资源,同时积累了多年的产业服务经验与生态沉淀,我们深感有责任、也有决心,成为这样的产业连接器。

在新的AI时代,我们希望推出更多能够连接产业、提供底层能力的产品,为整个行业赋能。明年,我们将陆续上线这些产品与服务。届时,诚挚期待与在座各位以及产业链上的各类生态合作伙伴携手,共同开启产业发展的新周期。

谢谢大家!

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