瓴羊是阿里巴巴旗下全资子公司，专注为企业提供高效智能的数
智化转型工具、数据与智能体（Agent）服务，其数智化产品覆
盖数据采集、治理、分析全生命周期，同时提供数智营销、智能
客服等场景化解决方案，以及数据集寻 - 买 - 管 - 用与合规保障
等服务。瓴羊致力于通过 Data × Al，助力企业挖掘数据价值、
提升智能决策能力，加速数智化转型。
一财商学院成立于 2023 年 6 月 6 日，由上海文广集团 (SMG)
旗下第一财经战略投资成立。围绕企业数字化升级，一财商学院
提供覆盖其全平台经营、全链路运营、全生命周期、全组织学习
的 4F 知识服务体系。目前通过建立“产业互联网和消费互联网融
合”、“企业战略规划及组织升级”两大研究中心，展开数据策略、
培训咨询、运营陪跑等业务，推动企业与数字平台 (B2P) 的共振
和成长。
102 个增长实例 数智化增长领头羊｜ 2025 版
范龙祥 ｜ 长安汽车营销数字官，集团智慧营销中心副总经理
现在大家都在说 AI，如果没有基础，AI 没法实现。数据是基础，AI 是技术，如果没有
基础技术，就是空中楼阁。像瓴羊这样，对我们传统车企赋能的一个企业，是我们非
常需要的。
朋新宇 ｜ 瓴羊 CEO
未来，我们会看到 AI 不仅仅是改变我们的工作方式，还会深层次地改变组织形式。围
绕“营销——客服——决策”这个全链路，Agent 参与的环节会与来越多，未来会出现很
多擅长使用 Agent 的超级个体和超级岗位，以及“人和 Agent”协同配合的超级公司。从
DaaS 服务到 AI Agent，瓴羊一直在解决的不仅仅是企业的效率问题，更是要提升效果，
创造价值。
刘润 ｜ 润米咨询创始人
瓴羊让我在细微之处感受到 AI 的力量，填单、识别、外呼、跟进，让客服的工作变得
没有那么枯燥和繁琐。下一次打开淘宝的客服页面，我或许会想到屏幕对面的客服正
像优雅的乐队指挥，调动这几个、几十个客服 Agent。我们见惯了 CEO 们大谈 AI 战略，
但是 AI 可以如此真切地改变着普通人的工作。
江南春 ｜ 分众传媒董事长
广告既是文学也是数学。既要有文学的，大家凭着常识感知，觉得这个广告是有效的。
同时这个媒体又要以数学的方式阐释它的有效性，今天瓴羊就很好地解释了这个链路。
王大鹏 ｜ 复星旅文 AI+ 总经理、首席技术专家
如何围绕用户的需求构建服务体系，以及 AI 在其中将扮演怎样的角色——这是一个极
具挑战性，同时也非常值得深入思考的命题。瓴羊自身的产品与服务体系还在不断更
新迭代，至少在文旅这个行业范畴内，我们会携手走出一条非常不一样的道路。
黄磊 ｜ 一财商学院院长
AI 的终极意义并非工具迭代或岗位替代，而是对整个商业组织形式的彻底颠覆。未来
的企业将不再是传统意义上的层级结构，而是由“人类战略家”与“AI Agent”协同构成的
动态智能网络。因此，未来的竞争将是企业和个体领导的“人机协同网络”与对手网络的
竞争。卓越的企业，也应该是优雅地调和人类创造力与 AI 效率的“协同架构师”。
102 个增长实例 数智化增长领头羊｜ 2025 版
目
录
C
O
N
T
E
N
T
S
客服场景
分析场景
01
02
复星旅文：用 Agent 服务 800 万游客，打造“千人千面”的度假体验
千寻位置：AI 客服正式上岗，回答准确率超 80%
长城汽车：构建一站式客服平台，客服支撑效能飙升 50%
海信：订单操作节约最少 3 分钟 / 单，Agent 大幅为客服提效
南方航空：每天几百个工单跑在线上，大幅提升跨部门协作效率
圣迪乐：一枚 AI 鸡蛋打破农牧数字化困局，五年营收增长 300%
雀巢中国：10+ 业务单元、100+ 线上店，减少 8 成运营工作量
视易云策：一周上线“AI 问策”，让 KTV 简单看数、智能问数
某咖啡连锁品牌：万家门店杯量数据，分析 Agent 一手掌握
海亮集团：数据驱动“看到 - 知道 - 做到”，打造集团级智能决策中枢
某能源集团：数据赋能户用光伏建站全流程，提效高达 50%
盈德气体：用数字化生产“空气”，组织、业务全面提效
ZOLOZ：全球化 AI × BI 方案，强化跨境交易风险实时管控
07
11
15
18
22
27
31
34
37
40
44
47
50
Data × AI：助力企业挖掘数据价值、提升智能决策能力，加速数智化转型04
营销场景 03
54
58
62
66
69
72
结语76
福田汽车：从存量市场找增量，用 AI 持续激活超 600 万保客
腾势汽车：AI 助力门店潜客邀约效率提升 90%，N+0 快速交付
森马：潜客浓度提升 169%，AI 重构户外广告价值
沁园：AI 破解增长难题， 亿曝光人次高效转化
购商云汇：秒级洞察数据效果，上万家 B 端厂商扩大产销规模
大家保险：沉淀可视化数据资产，解决投保人和保险代理人双端难题
汽车行业
汽车行业
服饰行业
家电行业
互联网
金融行业
文旅行业
互联网
汽车行业
家电行业
交通行业
畜牧养殖
零售行业
文娱行业
连锁餐饮
通用行业
能源行业
能源行业
跨境支付
04
102 个增长实例 数智化增长领头羊｜ 2025 版102 个增长实例 数智化增长领头羊｜ 2025 版
助力企业挖掘数据价值，提升智能决策能力，
加速数智化转型
Data × AI：
企业 场景
电商
阿里生态
应用
... ...
汽车
Ag ent
Data × AI
Sa aS
企业数据 模型数据 数据治理 可信空间
公共数据 行业数据 数据流通
智能营销Agent
户外投放Agent 智能客服 Agent
数据分析 Agent
05
102 个增长实例 数智化增长领头羊｜ 2025 版102 个增长实例 数智化增长领头羊｜ 2025 版
企业 场景
通用大模型 领域模型
三方生态
应用
... ...
金融 互联网
Ag ent
Data × AI
生产
管理
知识
管理 人力
服务
生活
服务
通义
DeepSeek
ChatGPT
OCR识别
表征模型
搜索模型
Sa aS
智能客服 Agent
智能埋点Agent
客户运营Agent
数据分析 Agent
06
102 个增长实例 数智化增长领头羊｜ 2025 版
客服场景
01
CUSTOMER SERVICE USE CASES
客服 Agent
超级 Agent
Agent 技能
超级电销专家超级客服专家
商品导购 Agent
退换货 Agent
售后补发 Agent
催派、催发 Agent
外呼服务 Agent
销售任务规划 Agent
线索清洗 Agent
销售策略 Agent
到店邀约 Agent
入职离职 Agent
假期考勤 Agent
福利薪酬 Agent
物品申领 Agent
IT 维修 Agent
超级企业服务专家
瓴羊客服 Agent 是一款多模态、自主规划、自主决策、自主进化的 Agent。
借助它，仅在物流催发这一个场景，需要客服参与的环节从过去的 22 个，
减少到 1 个。
- 让客服不止是客服
07
102 个增长实例 数智化增长领头羊｜ 2025 版
复星旅游文化集团是全球领先的综合性旅游休闲度假集团之一。作为大型跨国企业，复星旅文业务遍布全球
40 多个国家和地区，运营的度假村和酒店超 70 家。拥有 Club Med 地中海俱乐部、三亚·亚特兰蒂斯、太仓
阿尔卑斯、丽江阿美泽等知名文旅品牌，产品业态涵盖冰雪主题、阳光沙滩、城市近郊度假等多元体验。
旅游产品决策复杂，涉及地点、时间和个性化服务。AI 智能体可以记录下所有
产品的全量信息，把我们的产品和服务系统化且贴合客户需求地介绍给客户，从而降
低客户的决策门槛。在瓴羊 AgentOne 平台上构建各种各样的业务智能体，满足企
业个性化智能体定制的需求。
文旅行业 | 度假区 | 会员运营 | 客服 | 精准营销
—— 王大鹏，复星旅文 AI+ 总经理、首席技术专家
用 Agent 服务 800 万游客，打造“千人千面”的度假体验
AI 以智能驱动体验与效率，持续构建营收增长飞轮。
复星旅文：
AI 问答平均响应时间 服务可用性 游前 - 游中 - 游后管理
全旅程秒< >
相关产品
业务挑战
文旅场景复杂，用户对服务
的实时性要求高
用户对个性化体验的需求
持续升级
旺季服务资源不足，淡季
人力闲置
01 02 03
%
08
102 个增长实例 数智化增长领头羊｜ 2025 版
AI 7×24 小时响应游客需求，提供全旅程智能服务
下单
触点
用户
旅程
小程序 小程序 小程序 小程序My Club Med
了
解
度
假
村
详
情
查
询
预
订
政
策
线
上
预
订
取
消
预
订
规
划
游
玩
行
程
查
看
出
行
天
气
导
航
度
假
村
路
线
行
前
注
意
事
项
度
假
村
内
活
动
推
荐
会
员
权
益
推
荐
游
玩
日
历
生
成
周
边
景
点
了
解
服
务
事
项
提
醒
一
键
吐
槽
失
物
查
询
客
房
服
务
活
动
预
订
床
品
周
边
文
创
周
边
乐
园
周
边
其
他
周
边
复游会 亚特 O2O 太仓阿尔卑斯
预定
预定前 入住前 - 游前行程 游中行程 周边到店入住
活动 二销（产品＋服务） 周边
随着 OTA 平台的兴起，用户可以通过 App 或网站自由预订，旅行的自主性增强了，但服务流程却被拆散：
行前要在不同平台比价、筛选；到达度假区后，又必须重新对接现场客服；行程结束后，反馈与权益又回到
其他渠道。线上与线下系统没有打通，信息和服务脱节，客户体验被割裂，运营也难以实现高效协同与规模
化提升。
AI 是复星旅文基于瓴羊 AgentOne 和阿里通义千问大模型构建的全场景 AI 度假智能体，针对文旅行业
服务过程中长期存在的需求分散、入口不统一、服务链路断裂等问题，通过整合游前、游中、游后全流程场景，
为客户提供全链路、全场景的个性化服务。
游前阶段：AI 通过分析游客历史行为与偏好，提供个性化的行程规划建议，包括房间选择、活动安排及
餐饮预订等环节。
游中阶段：游客可通过手机端与 AI 互动，实时获取导览信息（如表演时间、排队时长），及二销产品的
个性化推荐。还可实时响应服务请求，秒级创建报修工单并即时分派至一线服务人员。
游后阶段：AI 通过收集体验反馈，基于用户行为精准推荐下次行程。并通过积分变动通知、权益到期提醒、
专属优惠领取等方式维系会员粘性，同时有效唤醒“休眠”用户，并促进复购。
AI 打通游前、游中、游后的全链路服务场景，提供 7×24 小时即时响应能力，覆盖行程规划、入住办理、
活动预约、问题反馈、离店关怀等多个触点。在提升客户满意度和服务效率的同时，有效承接了人工客服标准化、
重复类工作，使其能够专注于为客户提供更具温度的服务。
01 全链路服务：一个入口满足整段旅程所需
02 个性化推荐：从“人找服务”到“服务找人”
传统文旅项目过度依赖门票收入，游客二次消费占比低是行业普遍痛点。
AI 基于 AgentOne 构建覆盖“售前 - 售中 - 售后”全流程的智能推荐与营销体系。该系统通过对客户偏好、
历史订单及实时行为的持续追踪，动态生成个性化产品与内容推荐，替代传统依赖人工经验或静态标签的营
销方式，有效支持了一销与二销的业务转化。
09
102 个增长实例 数智化增长领头羊｜ 2025 版
在一销阶段，系统通过OTA平台和直销渠道吸引新客，通过会员的忠粉体系维系老客。针对旅游产品信息量大、
用户决策复杂的特点，为客户提供全量的信息说明与个性化匹配，显著降低新客决策门槛。
在二销阶段，变被动服务为主动挖掘用户需求。AI 改变了传统被动响应模式，当游客在度假区内产生消
费需求时，不再依赖自行查找或人工问询，而是通过自然交互方式向 AI 表达需求意图（如“需要用餐推荐”）。
系统基于用户画像和实时场景数据，在度假区内动态推荐匹配度高的产品与服务，实现从“等客户提问”到“帮
客户发现”的服务模式转变，有效促进消费转化。
该体系通过自动化推荐与精准内容触达，显著提高了营销效率，降低了人力培训与获客成本，同时提升了客
单价与复购率，形成数据驱动的闭环营销链路。
03 统一会员平台：拓展全场景价值链
与传统景区观光“一次性消费”不同，休闲度假的核心在于客户生命周期价值（CLV）。度假目的地不仅提供一
张门票或一晚房间，更通过高品质、多元化、持续创新的内容，成为家庭承载美好回忆、反复造访的度假胜地。
也正因如此，度假业务需要打通全场景触点，延伸客户关系与价值链。
复星旅文依托 AgentOne，搭建以“复游会”为核心的忠实会员体系。通过精准识别用户在不同触点的实时状态
与历史偏好，对旗下多元度假资源进行智能化组合与匹配，形成高度个性化的度假产品，将分散的度假资源
转化为可被精准配置的个性化方案，为用户提供定制化体验。
复星旅文将 AI 接入统一会员平台，通过整合客户跨度假区（如亚特兰蒂斯、Club Med）、多业态（酒店、
乐园、雪场等）以及全场景（预订、游玩、售后）的行为数据与权益资产，打通跨品牌、跨区域、跨平台的
服务链路，实现会员流量、数据、服务与权益的高效协同与循环利用。
通过这一体系，复星旅文逐步建立起以数据驱动为核心的全场景服务价值链。它不仅提升了服务响应效率与
客户黏性，也实现了跨品牌、跨区域资源的贯通与复用，为会员运营与业务增长提供了可持续的底层支持。
Agent 驱动的智能推荐与转化体系，推动一销 / 二销转化
智能
客服
业务
系统
服务入口
TCS 系统 太仓智能处理中台 My Club Med 会员中台
全渠道全域用户之声接入，挖掘客户问题 & 识别客户需求
服务承接 KPI 衡量服务要素标准
4 个小程序
一销
产品
一销
产品
营运
接口
会员画
像接口
二销
产品
二销
产品
活动
接口
其他会员
信息
工单
接口 其他
会员
权益
客服
接口
AI 客服 服务品质问题咨询 完结标准人工客服 服务效率工单服务 解决 SLA公众号
10
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
复星旅文以“度假让生活更美好”为使命，致力于引领度假生活，智造全球领先的家庭休闲度假生态系统。在
度假村这一体验主场，AI 承担着智能服务陪伴的角色，通过千人千面、随需响应的全程服务，实现了从“人管
人”到“人找服务”，再到“服务找人”的深刻跃迁。AI 正是这场变革的起点，推动度假体验向更加智能、贴
合与高效的方向持续演进。
用户游前、中、后的需求分散，缺乏统一服务入口
线上线下渠道分离，信息滞后，服务响应慢
营销推送泛化，匹配度低且缺乏温度，体验不佳
·
·
·
·
·
·
7×24 小时实时响应，全旅程智能服务
深度打通度假区各业务系统，实时获取用户数据
突破传统标签式推荐，提供专属的一对一个性化导购
BEFORE AFTER
11
102 个增长实例 数智化增长领头羊｜ 2025 版
千寻位置成立于 2015 年，是一家时空智能科技公司，为 B、C、G 三端提供高精度地理信息定位软硬件服务。
简言之，能用得到高精度定位的地方，就有千寻位置的产品和客户。比如在汽车、无人机、农机、手机等终端上，
均有搭载千寻位置定位组件服务，主要B端客户有华为智驾、高德地图、哈啰单车等，C端用户以户外场景为主。
跟瓴羊一起共创的 AI 小千是我们的“1 号 AI 员工”，2025 年有一个目标，在公司内部孵
化出 8 个及以上的 AI 员工。千寻肯定会持续走这条路：让碳基员工和硅基员工共生。
互联网 ｜ 地理信息 ｜ 客服 ｜ 销售 ｜ 信息管理
—— 连辉，千寻位置数字化中心资深 IT 工程师
AI 客服正式上岗，回答准确率超 80%
001 号数字员工 AI 小千，解放一半人工客服接待工作。
千寻位置：
AI 回答准确率超过 人工客服接待量减少 全天候在线
80 50 7 × 24% h%
相关产品
业务挑战
企业用人成本高、培训周期长、
流动性大
地理信息行业 SKU 众多，知
识点复杂，人工客服学习成本
高、效率低
客服工作时间有限，无法全
天候在线
01 02 03
12
102 个增长实例 数智化增长领头羊｜ 2025 版
千寻位置应用行业众多、产品序列复杂，产品 SKU 也相当丰富，全公司所有产品的语雀知识库文档高达几
十万字，加上高精度定位软硬件的产品知识又十分艰深晦涩，行业学习门槛高，外行人无法直接上手。
千寻位置 C 端客户的进线咨询也存在鲜明的特点：咨询问题共性弱、具体应用场景复杂、客户需求迫切，甚
至会“在线等”。
这不仅要求客服即时响应，还要保证回复准确性。即便是真人客服，也需要时间适应。
因此，就像对待普通员工一样，千寻位置也要“考核”AI 小千是否“称职”：她要经历 30 天“试用期”，结束前还
要通过两项关键“绩效考核”——AI 回答准确率、AI 回答完备率（不转接人工客服、能自主解决问题的概率）。
这意味着AI小千不光是要能随时回复、听懂客户的问题，还需要对公司业务有深刻的理解，答得准确、答得聪明。
一个月后，AI 小千成功“转正”，一致通过了千寻位置客服和数字化团队的考核。试用期期间，AI 小千表现也
十分亮眼：
一方面是超高的学习效率。以真人客服的标准作为参考，在千寻位置，一个客服人员在上岗前至少需要培训
7 天，要想完全掌握知识库、顺利进行日常接待，至少需要 3 个月。
AI 小千只需要 1-2 分钟就能学完以往人类客服员工 1 天才能消化的内容，几十万字的语雀知识文档只要 1 天
就能掌握。依托于瓴羊 Quick Service 能力，效率提升百倍。
另一方面 AI 小千既“听得懂”，也“答得上来”。千寻位置采取数字化客服工具 + 少量人工客服的组合搭配，前
者是降低客服成本，后者是为客户的“疑难杂症”兜底，或是满足客户的“转人工”需求。
但传统数字化客服工具回答客户提问的逻辑大多是“关键词匹配”：获取提问关键词 - 模糊匹配关键词 - 做出回
复，并不能完全理解客户诉求，极易导致客户体验差、客服沟通效率低、知识库问答内容匹配不上。AI 小千
基于通义千问大模型的语义理解能力，基本可以规避“已读乱回”和“听不懂”的情况。
01 AI 客服 2 分钟上岗，回答准确率超过 80%
02 销售、客服、资料管理员，AI 小千一人分饰三角
AI 小千还能打通售前、售后全流程，协助维护知识库——既是销售，也是客服，还是资料管理员。
+ +
销售 客服 知识管理员
商机抓取：AI 小千对话接入 CRM
→ 判断并引导客户留下客资
收集一手客户反馈
内容识别与分类：
Agent 标注（知识点）/
无档案 / 闲聊
导购：嵌入北斗商城模块
→ 推荐 / 讲解 / 功能 PK
省去“中间商赚差价”
13
102 个增长实例 数智化增长领头羊｜ 2025 版
其中“售前销售”的功能，是通过将 AI 小千对话接入 CRM（客户关系管理系统）实现的。
有些客户第一次试图了解千寻位置业务和产品，就是在 C 端客服场景下。此时客户需求尚不明确，但是如果
客户提出求购产品的需求，AI 小千能够第一时间回复产品相关资料，判断并引导客户留下客资，避免线索遗漏。
自“商机抓取”功能上线以来，已经有多条真实客户线索商机通过 AI 小千进入千寻位置 CRM 系统，并且已经
有业务同事在跟进。此外，在千寻位置官网的北斗商城模块，AI 小千还会向对商品感兴趣的客户推送相关商
品链接，进行产品讲解，为客户提供商品对比 PK 功能。就像商场导购员一样，引导客户选择合适的产品，完
成下单。
售后方面的咨询，主要来自 C 端散客。
他们中大部分是已经从经销商处购买千寻位置产品的客户，遇到了售后、使用问题，希望得到客服帮助。这
种情况下，AI 小千可以跳过中间经销商直接对接用户，既收集了一手客户反馈，又省去了以往“中间商赚差价”
环节，对未来优化客户收入结构有所帮助。
“资料管理员”的工作，集成在 AI 小千后台。
每一次 AI 小千与客户的对话，都在后台形成留存记录，被分为“Agent 标注”“无档案”“闲聊”，分别代表由 AI
小千标注的知识点、没有找到匹配知识点和闲聊内容，以便客服团队实时监测、判断 AI 小千回答是否正确，
进行二次打标确认和知识库补充。
03 不是替代人类工作，而是升级
和真人客服同事相比，AI 小千能够一人完成 3 种工作，也能 7 × 24h 在线，并且不受负面情绪影响，稳定输
出高准确率回答。
那么这是不是意味着 AI 小千可以替代人的工作了？
千寻位置认为“不是替代，而是升级。”
AI 小千上线以来，不需要人工介入的回答完备率超过 50%——这意味着有 50% 的人工客服接待工作被解放
了出来，减轻了真人客服的接线压力。真人客服员工转而可以协助训练 AI 员工，或者满足客户进一步的需求。
训练监督 AI 小千｜知识库维护打标｜
反哺优化产品
超级客服部
个 AI 小千1
+
围绕 AI 小千的“超级客服部”
3个协同员工
7 × 24h 在线
AI 回答完备率 50%
解放一半人工客服工作
14
102 个增长实例 数智化增长领头羊｜ 2025 版
原本，千寻位置客户成功部 10 位客服人员都需要在线回复客户提问，目前已经有 3 位开始将工作重心转移到
AI 小千知识库维护和打标，腾出精力去沉淀、总结，反哺产品。
这与千寻位置对 AI 小千的规划一脉相承——系统不再止步于被动响应，而是主动预判需求，让客服从“问题修复”
转向“价值创造”。
04 结语
在整个 AI 小千合作中，瓴羊为千寻位置客服团队提供了集成在钉钉内的 AI 小千后台，无缝接入集团钉钉日
常办公场景，形成一套系统、多种功能模块。既满足了客服人员即时查看 AI 小千动态的需求，也减少了多系
统冗余的繁琐流程。
通过打通瓴羊和千寻位置内部系统，瓴羊成为客户和千寻位置中间的有力桥梁，使得 AI 小千可以充分调用通
义千问大模型能力，Quick Service 语音识别、即时消息、协同工单能力，帮助千寻位置完成经营需求。
人工客服上岗前至少培训 7天，最多 3个月
客户咨询问题复杂，客服工作繁重
客服仅有 8小时在线，无法满足其他时段咨询需求
·
·
·
·
·
·
AI 小千 1 - 2 分钟学会，回答准确率超过 80%
AI 回答完备率超过 50%，解放一半人工客服接待工作
7 × 24h 在线
BEFORE AFTER
15
102 个增长实例 数智化增长领头羊｜ 2025 版
长城汽车成立于 1990 年，是一家全球化智能科技公司，业务包括汽车及零部件设计、研发、生产、销售和服
务，旗下拥有哈弗、魏牌、欧拉、坦克及长城皮卡。
我们一直在探寻客服智能化的方法。这次与瓴羊的合作，使我们客服的工作效率大大提升，
同时也让我们深刻了解到未来业务优化的方向，为长城汽车打造更智能、更高效的客户服
务体系提供了有力支持。
汽车行业 丨 智能客服 丨 知识库 丨 数据沉淀
—— 长城汽车数据负责人
构建一站式客服平台，客服支撑效能飙升 50%
用 1 个智能客服，轻松解决 14 万人的 IT 问题。
长城汽车：
一年承接咨询量 接起率 即时满意度
2 % %万 + 次
相关产品
业务挑战
业务咨询效率低，客服答疑
人手有限，还存在重复答疑
回答准确性无法保证，产品
知识库维护复杂，亟需升级
服务数据难统计，缺乏有效
的实时数据监测和分析手段
01 02 03
16
102 个增长实例 数智化增长领头羊｜ 2025 版
长城汽车作为国内大型企业集团，拥有超 14 万员工。在业务运营过程中，云资源管理部门以及桌面运维部门
需要处理几乎所有员工 IT 业务问题，加上无转人工服务，还会经常接收到重复问题，客服员工不堪重负，导
致答疑效率低下。
通过瓴羊 Quick Service 智能客服，长城汽车在企业内部搭建了统一的咨询渠道。一旦员工遇到问题，便可
迅速找到咨询入口，将问题反馈给机器人。机器人会自动对问题进行分类，简单问题前置处理，复杂、个性
的问题则无缝转交给人工客服。通过人机协同，高效解决了员工遇到的业务问题，从而显著提升集团员工的
工作体验。
为助力企业员工高效生产，长城汽车一直积极运用产品知识库作为重要效率工具。然而，随着集团业务的迅
猛发展和员工规模的不断扩大，传统知识库管理方式已难以满足企业日益增长的需求。知识库维护变得复杂
繁琐、内容错漏频发、版本更新滞后，这些问题不仅给企业员工在查询和使用知识库时带来了极大困扰，也
使更多咨询流向人工客服，严重影响企业内部的业务处理效率和员工的工作效率。
长城汽车引入瓴羊智能客服系统，通过灵活的渠道部署和高效整合知识库、机器人以及人工客服等支撑能力，
成功构建了一站式客服工作台。这一平台不仅实现了客服的轮班处理，确保全天候为客户提供高效服务，还
可以提供标准化服务，自动分析用户问题和需求，为员工提供更加精准的解决方案和推荐内容。
长城汽车的客服支撑效能得到了显著提升，整体增长 50%，客服人员的工作效率和员工满意度同样得到极大
提升。
01 搭建统一咨询渠道，客服效率提高 50%
02 实时监测服务数据，驱动业务正循环优化
由于缺乏统一的数据管理系统，长城汽车通常难以收集客户服务过程中的关键数据，也很难对服务质量评估
和量化，这导致企业难以了解员工的问题解决进度，无法及时识别和解决服务瓶颈。这种数据管理的缺失不
仅间接削弱了企业的运营效果，还可能对企业的长期发展和收益造成不可估量的负面影响。
超 14 万员工
瓴羊智能客服
全司统一
咨询入口
智能客服
自动回复
高效整合
知识库
长城汽车内部统一咨询渠道
服务器问题
如何解决？
办公软件系统
出错……
硬件设备故障如何
处理？
17
102 个增长实例 数智化增长领头羊｜ 2025 版
03 结语
长城汽车携手瓴羊，通过构建一站式智能客服平台，深度整合数据与业务系统，为超 14 万员工提供了高效、
统一、实用的服务入口，成功解决了咨询效率低、知识库维护复杂及数据统计难等痛点，提高了云资源管理
部门以及桌面运维部门人效，帮助各部门优化工作流程，助力长城汽车组织智能化、数字化升级。
客服工作繁重且重复，价值感弱
产品知识库复杂，准确性差、回复效率低
难以监控服务数据
·
·
·
·
·
·
客服机器人 1 年承接 2 万 + 次咨询量，解放业务人力
知识库高效整合提升准确性，客服效能提升 50%
即时满意度超过 94%
BEFORE AFTER
实时监测
客服动态
数据报表
分析服务
服务数据
反哺业务
服务数据
沉淀汇总
智能客服驱动长城云资源管理部门、桌面运维部门正向循环
针对这一问题，瓴羊智能客服为长城汽车提供了实时监测、数据报表分析等能力。赋能后，长城汽车不仅能
实时观测服务出现的突发问题，还可通过服务数据功能帮员工进行数据分析，形成服务数据沉淀汇总。而汇
总后的服务数据还可反哺业务，从而优化业务问题，使企业在正循环中向好发展。
以往简单、重复的客服工作如今不仅自动化提效明显，也做到了有数可看、有数可依。
18
102 个增长实例 数智化增长领头羊｜ 2025 版
海信作为中国家电行业的领军企业，多年来始终坚持“技术立企、稳健经营”的发展战略，旗下拥有海信、容声、
科龙等多个知名品牌，产品覆盖电视、空调、冰箱、洗衣机等全品类家电。
AI 技术不是取代人类，而是赋能人类。通过引入客服 Agent 系统，海信不仅提升了
服务效率和用户体验，更让客服人员从重复性劳动中解放出来，专注于更需要人性
化关怀的价值创造工作。
家电行业 丨 智能客服 丨 智能工单 丨 外呼助手
—— 董宇，海信电商客服负责人
订单操作节约最少 3 分钟 / 单，Agent 大幅为客服提效
客服借助智能工单、外呼助手解放部分工作，进入销售环节创造价值。
海信：
原本 3-5 分钟才能生成的工单 客服效率
一键完成 倍增
相关产品
业务挑战
内外部系统分散，
业务流程繁琐
客服培训成本高 客服工作中易产生情绪，
影响效率
01 02 03
19
102 个增长实例 数智化增长领头羊｜ 2025 版
以前，海信面临着诸多行业共性挑战：
1. 系统碎片化严重：客服人员需要同时在多个平台间切换操作，包括海信内部系统、阿里商家后台、物流查
询平台等，工作界面分散，效率低下。
2. 业务流程繁琐：处理一个简单的订单查询需要 3-5 分钟，客服需要手动在不同系统中复制粘贴订单号，查
询物流信息，再反馈给用户。这种重复性操作不仅耗时耗力，还容易因人为因素导致错误。
2025 年，海信与瓴羊合作，成为首批试点智能客服 Agent 系统的家电企业，Agent 系统为海信客服工作带
来了工作方式上的变化：
1. 智能工单处理，效率倍增。当用户提供订单号后，AI 自动调取物流数据，智能判断配送状态，甚至能识别
历史修改记录并提示客服确认。系统自动生成工单，将原本需要 3-5 分钟的操作缩短为“一键完成”，大大提
升了处理效率。
2. 外呼助手，提升沟通质量。针对传统外呼中的痛点，Agent 系统能够根据标准作业流程（SOP）生成标准
化话术，并根据用户语气实时调整沟通策略。当用户情绪焦急时，系统会提示安抚话术；当用户表现理性时，
则直接提供解决方案。这使得海信的外呼服务更加人性化和高效。
01 从 3-5 分钟到“一键完成”，客服效率倍增
02 Agent 为客服工作保驾护航，提升服务效果
正如其他行业的客服岗位一样，海信也在客服工作上遇到同样难题。
1. 情绪管理难题：客服人员在应对情绪激动的用户时，往往因紧张而遗漏关键信息，不仅客服会受到客户影响，
也影响问题解决效率和用户体验。
阿里商家
后台
瓴羊 Agent 系统
物流查询
平台
海信内部
系统
瓴羊 Agent 系统帮助客服节约时间
Before After
海信客服
海信客服
搜索单号：888888 搜索单号：888888
AI 自动调取数据
AI 智能判断订单状态
系统一键生成工单
搜索单号：888888搜索单号：888888
20
102 个增长实例 数智化增长领头羊｜ 2025 版
03 售前、售中、售后，Agent 探索更多场景应用
2024 年 1 月，海信成为家电行业首家获得天猫平台 SSKA 金旺旺商家称号的品牌，这是平台对其服务能力的
高度认可。虽然海信引入 AI Agent 的初衷并非削减成本，但客观上减少了对新客服人员的依赖，降低了培训
成本，同时让资深客服能够专注于更复杂的价值创造工作。
不仅如此，海信正在与瓴羊探讨 Agent 系统在更多场景中的应用：
在售前阶段，通过标签管理精准洞察用户需求偏好，结合催拍、催付等外呼能力，在合适时间用合适方式唤
醒用户购买意向。例如，当系统识别到用户曾购买电视，可能正需要空调或冰箱时，可自动推荐套购政策，
实现精准营销。
在售中阶段，优化发票审核流程和自动价保工具，将繁琐业务流程标准化、简单化、自动化，减少用户等待时间。
Agent 实时监控 用户咨询数据反哺服务
海信客服
瓴羊 Agent 能力帮助海信监控客服工作，提升服务效果
2. 培训成本高：新客服上岗需要长时间培训，特别是面对家电行业特有的技术性问题、补贴政策、售后流程
等复杂业务场景，培养一名合格的客服需要 3-6 个月时间，时间和人力成本高。
3. 数据价值未释放：海信积累了大量的用户咨询数据，但缺乏有效的分析工具，无法将这些数据转化为优化
服务的洞察和策略。
接入瓴羊客服 Agent 之后，海信从两个方面掌握客服工作动态、提升服务：
1. 实时预警与情绪干预。Agent 系统具备实时监控功能，能够识别客服沟通中的风险点，特别是在售后场景中，
用户情绪波动较大的情况下，系统会及时提醒客服人员调整沟通策略，必要时启动干预机制，防止问题升级。
2. 用户咨询数据反哺服务。过往用户咨询数据沉淀在瓴羊 Agent 系统中，支持海信能够迭代客服服务技巧，
将服务流程标准化、规范化。
识别沟通风险
提醒客服调整策略
实时预警
随时启动干预机制
沉淀用户咨询数据
迭代客服沟通技巧
优化服务 SOP
21
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
近年来，随着电商业务的快速发展和消费者需求的不断提升，海信深刻认识到客户服务已成为品牌差异化竞
争的关键领域。海信始终将用户价值创造作为企业核心目标，将用户满意度作为根本标准。通过与瓴羊客服
Agent 合作，海信不仅将一线客服从部分重复性强、价值感低的工作解放出来，降低了客服培训成本，也引
导客服在售前、售中、售后场景创造价值。
处理一个简单的订单查询需要 3-5 分钟，手动跳转
各个系统
培养一名合格客服需要 3-6 个月
客服易受客户情绪影响，拉低效率
·
·
·
·
·
·
系统自动生成工单“一键完成”，大大提升了处理效率
客服培训成本降低
Agent 实时预警与情绪干预，防止问题升级
BEFORE AFTER
在售后阶段，借助意图识别能力，在用户开口抱怨前优先识别并解决问题，强化共情能力，使客服与用户沟
通时不仅解决问题，更提供情感陪伴。
22
102 个增长实例 数智化增长领头羊｜ 2025 版
中国南方航空集团有限公司成立于 1987 年，是一家国有大型航空运输集团，是中国运输飞机最多、航线网络
最发达、年客运量最大的航空公司，多次位列“中国企业 500 强”，致力建设具有全球竞争力的世界一流航空
运输企业。
航空业是一个高投入的行业，想要高投入带来相应的回报，就要在流程和效率管
理上去做提升。在和瓴羊合作前，一个流程从开发到上线最快也要半个月时间。
和瓴羊合作后，现在流程开发、上线可能一天就搞定了，配置时间压缩至分钟级，
大大提高了开发的效率。
交通行业 丨 旅游出行 丨 客户服务 丨 工单管理
每天几百个工单跑在线上，大幅提升跨部门协作效率
一个旅客需求，十万南航人线上接力完成。
南方航空：
线上工单日均
数百个
相关产品
业务挑战
客户需求多样，流程繁杂
跨部门需求响应时间不确定、
服务质量不稳定
流程经常断链，无法实现
服务监督
01 02 03
工单流程开发、上线仅需
1天
—— 黄良杰，南航数科公司客户服务产品负责人
23
102 个增长实例 数智化增长领头羊｜ 2025 版
以特殊行李运输为例，一次非常规的行李运输，需要客户经理、机场场站和货运对接人紧密配合，不仅将自
己从跨部门沟通的任务中解放出来，还确保多个部门之间及时接力。
多个需求同时涌入，如果仅依靠“人”来做决策，很可能因为误判导致响应速度变得迟缓，或是因为单纯追求
处理速度影响服务质量。不同情境下的工作流程，要求并不一致。譬如，当旅客即将登机时，需要的是快速
处理，此时效率成为第一优先级，对于“定制航班”服务，服务质量则是第一优先级。
南航与瓴羊共同搭建工单中心后，不仅实现了线下业务流的线上化，而且通过智能派单功能，让任务处理变
得更聪明，通过数据流动来展现怎么做的、用了多长时间，能够责任到人。
通过一套工单系统，将客户经理、机场人员、运营、地服等多方角色串联在一个客服平台中，以便更好地服
务客户。
01 客户需求多样、情况复杂，工单实现业务流线上化
02 极简搭建、智能派单，工单系统迅速铺开应用
在工单中心出现前，创建一个工单流程并不容易：客户经理等业务人员在提报需求后，还需经历南航数科公
司评审调研、开发测试等步骤。当多个部门同时提出多个需求时，南航数科公司需要铺设大量项目经理、技
术人员跟进。全程耗时、费人。但在工单中心上线后，工单创建变得简单快捷了：创建过程从敲代码变成了“拖
拉拽”。一旦各部门确定了业务流程，南航数科公司就可以迅速搭建工单。
南航工单流程
24
102 个增长实例 数智化增长领头羊｜ 2025 版
03 沉淀业务数据，持续提高组织管理效率
随着每个流程的数据量提升，南航数科可以为单个业务创造考核标准。在工单中心上线之前，客户经理的跨
部门沟通往往在系统外进行，各环节员工的处理时效难以以数据的方式呈现，各场站的服务标准也不统一。
而现在，管理人员对比不同区域的数据，可以发现某地区场站的服务短板，从而采取对应的改善措施，实现
异地服务的标准化。
其次，工单系统大量跑起来之后，可以通过积累满意度、完结率等数据，逐渐生成大数据能力，让智能化分
单越来越精准。随着工单流程逐步应用到各个细分的工作场景，工单中心将持续助力南航实现全场景下的效
率提升。随着工单中心沉淀更多数据，将在大模型上有更多的应用场景。
南航智能派单流程
在创建工单流程时，创建人不仅可以通过会员等级、航班时间等字段信息来决定任务的优先级，还可以自主
选择规则分配和算法分配，来实现工单的智能分派。
比如在算法分配中，如果在工单流程中设置了处理效能优先，系统会根据员工往期的平均处理时长、完结率
和被催量等标签综合判断工单应该分派给哪位员工。如果设置了服务品质优先，则可以根据满意度、质检平
均分、转交量和历史工单重开量等数据来综合考量。同时，这些数据标签可以由工单创建人自由排序，从而
实现多种可选的智能分单模式。
极简的工单配置过程，让工单应用范围得以迅速拓展，也让南航数科公司成为企业内部工单自动化场景的交
付中心。
25
102 个增长实例 数智化增长领头羊｜ 2025 版
大数据能力
南航全场景效率
大模型更多应用场景
南航工单数据，沉淀产生更多价值
04 结语
在通过数字化改革创新服务旅客出行方面，南航创造了很多国内第一：第一家推出电子客票，第一家推出网
上订座服务，第一家推出电子登机牌。数字化加持下，更方便的购票流程、更简易的值机手续，是乘客能直
观感受到的服务体验，但在他们看不见的地方，是工单流转从重视“量”转向重视“处理质量”的改变，是一家航
司对时效、处理过程、处理结果闭环把控，是智能客服业务齿轮的紧密咬合推动一台庞大机器高速运转的结果。
响应时间不确定
服务质量不稳定
业务经常断链，无法实现服务监督
·
·
·
·
·
·
根据优先级智能排序、分配
智能派单让任务处理更聪明
可为单个业务创造考核标准，实现服务标准化
BEFORE AFTER
南航工单中心
满意度
完结率
工单周期
其他数据
26
102 个增长实例 数智化增长领头羊｜ 2025 版
分析场景
02
DATA ANALYSIS USE CASES
瓴羊分析 Agent ，是阿里巴巴首个数据分析 Agent，运行在 Quick
BI，由问数、解读和报告三大核心 Agent 组成的“超级数据分析师”，
可以帮助用户快速获取数据、解读数据和输出洞察报告。
分析 Agent - 让人人都能拥有超级数据分析师
信息找人 组织互动 行动驱动
发现 Agent - 串联信息，主动发现
多元信息融合分析 全面深刻的业务洞见
自由编辑、周期更新
报告 Agent - 整合多元信息的数据报告
NL2SQL 可视化表达 归因分析
问数 Agent - 一句话，帮你取数
问数结果解读 报表解读 自定义解读
解读 Agent - 更深数据理解与总结搭建 Agent - 极致高效数据报表构建
创建图表 辅助分析 一键美化
27
102 个增长实例 数智化增长领头羊｜ 2025 版
圣迪乐作为铁骑力士集团旗下的高端鸡蛋品牌，从2001年诞生之初就一直坚守元/枚以上的中高端价格带，
2020 年以来，虽然圣迪乐蛋鸡养殖规模不断扩大，但并没有出现因为供大于求，导致价格下调的情况。相反，
五年来圣迪乐营收增长超过 300%，持续占据以山姆、沃尔玛为代表的商超渠道高端鸡蛋市场份额第一。
农牧行业数字化的特点就是非标业务众多、数据口径不一致。圣迪乐通过瓴羊 Quick
BI，在农牧行业搭建起一条数据的高速公路，来支撑从生产到销售各个环节的效率优化。
畜牧养殖 丨 数字化转型 | AI 养殖 | 高效协作
—— 熊峰，铁骑力士数字化中心总监
一枚 AI 鸡蛋打破农牧数字化困局，五年营收增长 300%
从鸡舍到货架，圣迪乐搭建农牧行业的数据高速公路。
圣迪乐：
五年营收增长 养殖人效提升 数据分析效率提升
300 12 80倍 %超 %
相关产品
业务挑战
鸡蛋价格下探，饲料成本上升，
养殖端利润承压
农产品同质化严重、标准体系
不完善
中国鸡蛋行业长期处于
“有品类、无品牌”的状态
01 02 03
28
102 个增长实例 数智化增长领头羊｜ 2025 版
在农牧产业走向数字化的过程中，因养殖场和销售渠道分散，存在两大关于数据的难点：数据采集滞后，农
产品从养殖场到餐桌，中间经历着从饲料配比到加工流通多个环节，信息化水平参差不齐，部分环节依然在
依赖人工计数；数据价值沉淀不足，不同部门之间数据不互通，大量潜在数据价值未被激活。
圣迪乐作为养殖规模在千万只以上的蛋企，很早就实现了规模化养殖，通过在各个环节布局自动化设备来进
行标准化生产，将养殖人效从一人只能养 5-8 千只提升至一人可养 8-10 万只。为在自动化的基础上进一步提
高生产效率，圣迪乐通过部署 IoT（物联网）设备，实现了养殖和加工环节的数据联网。
此外，圣迪乐还投入大量的硬件设备和网络设备确保偏远地区养殖基地系统网络的畅通，实现数据应联尽联。
数据基座搭建完备后，挑战则转向了如何挖掘更多用数场景，以及如何通过数据提升养殖和加工效率，其中
科学养殖和问题溯源是两大关键步骤：
在养殖环节，圣迪乐通过瓴羊 Quick BI 打造养殖驾驶舱，实时监控鸡舍的温度、湿度、二氧化碳、光照等关
键环境数据并及时调节，提高产蛋效率。
在加工环节，圣迪乐利用 Quick BI 构建蛋品车间大数据平台，实时监测转化率、次品率、脏蛋率等指标，通
过指标的异动来实现问题的快速溯源。例如，脏蛋率指标异常可以追溯到蛋鸡的肠胃健康问题，从而及时采
取医疗措施，降低蛋品损耗。
01 全链路数据采集，养殖人效提升 12 倍
鸡蛋全流程的数据监测
02 动态数据驱动 T+1 决策，协同效率提升 80%
鸡蛋是短保、易损的生鲜产品，很难做到品质统一，难点集中在履约效率上。尤其在流通环节，要实现从生
产到货架的及时精准投放，并确保在保质期内售出，关键在于提升产、运、销的高效协作，决策效率是核心。
黄曲霉素
农药残留
重金属含量
水源监测
…...
天气、风力
风速、风向
雨量、气压
…...
空气温湿度数据分析
鸡舍温湿度数据分析
光照数据分析
二氧化碳数据分析
…...
脏蛋率
次品率
克重
…...
退货率
转化率
区域销售数据
运输时长
…...
饲料水源 室外环境 鸡舍环境 加工环节 流通环节
29
102 个增长实例 数智化增长领头羊｜ 2025 版
03 降低用数门槛，400 张报表激活一线数据力
信息化基础薄弱是农牧行业区别于其他行业的特点，这种情况不仅体现在设备上，也体现在部分人员的信息
化水平上，例如部分偏远地区的一线养殖人员不会使用电脑，整理和使用数据更无从谈起。
圣迪乐将培训体系作为数字化转型的关键，主要包括了挖掘和培养两种方式：一是从各业务部门抽调骨干担
任数字化负责人，带动部门转型；二是由这些复合型人才担任内训师，以点带面开展系统培训，提升整体信
息化水平；三是鼓励一线员工用 Quick BI 制作可视化报表（如产供销盈亏报表），实现数据对经营过程的实
时洞察与赋能。
通过 Quick BI，部分一线业务人员不仅学会了自己开发报表，还成为了开发工程师，在帮助别人开发报表。
如今铁骑力士在 Quick BI 上已经开发了 400 多张可视化报表，报表的使用人数超过了 1000 人次。
通过降低数据分析的门槛，可以激活一线人员使用数据的积极性，迅速挖掘不同的用数场景，让数据成为各
个业务环节的生产力引擎。
Quick BI 驱动圣迪乐各环节效率提升
在数字化转型前，铁骑力士因系统割裂和数据口径不一导致决策缓慢，如一项简单的财务统计，因不同事业
部财务系统不同和大量人工操作，需要耗时几天才完成。
转型过程中，集团以数据一致性和规范性为主要着力点，统一各业务系统及数据标准，打通数据通路，为快
速决策打好基础。
以销售环节为例，圣迪乐通过 Quick BI 自动形成每天的渠道销售报表，实现了 T+1 看数据。相比以前统计数
据需要下载 Excel 表格，再形成 PPT 向管理层做汇报，数据分析效率提升了约 80%。生产和库存调配也变得
更及时。
以某二三线城市的商超为例，以前圣迪乐的鸡蛋运往该商超的货架要 5-6 天，再等商超上架 2-3 天，摆放 5-6
天，保质期已经所剩无几。当这些数据和退货率能够实现及时追踪后，圣迪乐反向优化各环节效率，大幅缩
短物流与上架时间，最终该渠道退货率降至 5% 以下，订货量也实现了快速增长。
优化前：流程长、效率低
运输环节
5-6 天
上架环节
2-3 天
摆放待售
5-6 天
剩余保质期
非常短
退货率高
优化后：数据驱动、高效协同
数据实时追踪
监控各环节效率
反向
优化 物流与上架时间
大幅缩短
货架可用保质期
显著延长
退货率降至
5% 以下
订货量
快速增长
数字化转型 数据赋能
30
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
一个企业的数字化转型进程可以分为三个阶段：数字化、信息化和智能化。数字化代表了全链条的数据采集
和沉淀，信息化代表数据已经改变了企业的业务形态。在将数据决策融入到企业的方方面面后，圣迪乐的下
一个目标是智能化。
流通履约效率低，品质统一难保障
系统割裂数据不通，决策效率受限
人员设备基础弱，数据应用难度大
·
·
·
·
·
·
·
全链条数据采集，打通从饲料到流通各环节
实现 T+1 级决策响应，人效提升超 12 倍
渠道退货率降至 5% 以下
降低一线用数门槛，培养业务侧数字化人才
BEFORE AFTER
31
102 个增长实例 数智化增长领头羊｜ 2025 版
雀巢公司成立于 1866 年，总部位于瑞士韦威，是全球知名的食品饮料公司。雀巢中国旗下有多个品牌、上百
家线上店铺，拥有超过 万名员工。雀巢在中国销售的产品中，90% 以上在本地生产，还通过太太乐、徐福记、
豪吉等本地品牌为消费者提供产品。
雀巢是一家非常在乎数字化的公司。瓴羊优先帮我们解决的是整个线上销售链路的数据
治理，通过一套雀巢的 ECBI 系统，实现了在雀巢集团内部线上销售渠道所有数据的自
动化采集，实现了比较大的改变和提升。
零售行业 丨 大品牌 丨 数据管理 丨 看数取数 丨 分析决策
—— 陈继丰，雀巢中国数字中心大数据负责人
10+ 业务单元、100+ 线上店，减少 8 成运营工作量
瓴羊分析 Agent 帮全球品牌构建统一的数据看板。
雀巢中国：
看 10+BU、100+ 渠道数据 数据汇总频率 运营工作量减少
1 30 1 80天 天 %个平台
相关产品
业务挑战
子品牌、BU 众多，数据难以
统一治理
数据汇总依靠人工，效率低 数据分析滞后，准确性和
时效性不足
01 02 03
32
102 个增长实例 数智化增长领头羊｜ 2025 版
雀巢中国旗下有多个品牌、上百家线上店铺——包括雀巢咖啡、怡养、脆脆鲨、能恩、太太乐、巴黎水、启赋、
徐福记等，横跨咖啡、零食、宠物、饮料等不同细分市场。多品牌战略下，雀巢中国共设立十多个 BU，每一
个 BU 就像一个独立的公司，以保障业务的灵活性，使其可以在快速变化的市场上，即时做出反应。
这十多个 BU 都有不同的运营方法和经营指标，这给雀巢中国进行整体经营提出了难题。各 BU 手动从多家
第三方服务商摘录数据，运营团队再筛选关键数据上报总部。这一流程数据收集分散，缺乏结构化统一管理
和存储，导致数据汇总分析滞后、准确性和时效性不足，难以满足雀巢中国整体运营需求。
为了解决这一问题，雀巢中国着手构建统一的数据汇总和分析平台，以解决快速、统一看数难题。通过引入瓴羊，
雀巢数据部门 Digital Hub 成功实现了多业务线数据的统一看数，为公司提供了一个全面、实时的业务视图。
这一改变不仅提高了数据分析的效率和质量，还为雀巢中国的经营决策提供了强有力的数据支持。
01 10 多个 BU、10 多套指标，统一到一个业务视图
02 从月更提速到次日更，即时数据支撑决策
2024 年 10 月以前，雀巢中国一直沿用着过去的数据分析方式。通过日、周、月，由各 BU 对应多家 TP 服务
商手工摘录部分结果数据，并通过 Excel 形式每月上报一次，各 BU 运营团队根据收集的手工数据再选择关
键字段上报总部，数据的收集较为分散，且未形成结构化的存储及管理。不仅如此，每个月上报一次的频率，
也导致业务反馈存在滞后性。一个可以链接全公司业务的 BI 平台，解决从 CEO 到 BEO 看数之难，成为当务
之急。
雀巢线上线下业务十分成熟，考虑到电商本身的“数据原生”特质，雀巢中国成立 Digital Hub 后，将电商场景
作为切入口，率先建立 EC BI（电商 BI）。
雀巢 Digital Hub 承接多个业务线、BU 的数据需求
33
102 个增长实例 数智化增长领头羊｜ 2025 版
03 结语
在雀巢数字化过程中，CEO 能够及时了解业务情况，各个 BU 之间的 BEO 也可以通过其他 BU 的业务变化，
洞察业务机会。对于全球化大公司来说，多个品牌事业部独立运作已是常态，不过如何从数据的维度实现全
公司数据资产统一管理，全公司数据动态即时查看，雀巢的案例值得借鉴。借助瓴羊分析 Agent 能力，雀巢
打通了线上线下、货架电商等多个维度，自动化即时获知数据变化，不仅有效减轻了员工日常工作量，还有
力地支持管理层优化决策。
全球大品牌拥有多个事业部，数据渠道多、量大
数据统计分析依赖人工，效率低
数据汇总“一月一更”，滞后导致决策延迟
·
·
·
·
·
·
10 多个 BU 运营的 100 多个渠道接入 1 个平台
统一指标体系、标准化分析方式、固定看数框架，
大幅提升看数效率
数据汇总频率提升至 T+1
BEFORE AFTER
雀巢数据收集与分析的演变过程
借助瓴羊的数据分析技术和能力，雀巢中国将十多个 BU 运营的 100 多个渠道接入到 EC BI 平台上，通过统
一的指标体系，标准化分析方式，固定看数的框架，大幅提升看数效率。平台接入、自动分析替代人工采集、
筛选、汇报，节省了 80% 的日常工作量。不仅如此，数据汇总从过去的“一月一更”，大幅提升到“T+1”次日更。
34
102 个增长实例 数智化增长领头羊｜ 2025 版
视易云策是一家 KTV 娱乐行业数智化经营管理解决方案供应商，为 A 股上市公司星网锐捷全资子公司，成立
25 年来服务超过 50000 家 KTV，全国每 10 块点歌屏就有 6 块来自视易云策。视易云策为 KTV 门店提供全
业务一体化方案，包括包厢内的点歌、餐饮点单系统，门店后台收银管理系统等。
瓴羊分析 Agent 报表能力很强大，我们只需要做一些基础的数据清洗以及接入，就可
以快速地使用通用工具以非常低的门槛搭建报表，嵌入到我们业务系统当中去。像是给
KTV 门店管理人员配了一个贴身助理、一个非常厉害的数据分析师。
文娱行业 丨 数字化系统 丨 数据看板 丨 数据分析
—— 高昕晨，视易云策产品经理
一周上线“AI 问策”，让 KTV 简单看数、智能问数
店长、服务员就像身边跟了一个厉害的数据分析师。
视易云策：
生成全年数据 KTV 单店节约人力 门店一年节约综合成本
1 2-3 20-30名 万小时
相关产品
业务挑战
KTV 出现多种新形态，行业竞
争激烈
门店迫切需要降本增效 服务人员数字化水平
参差不齐
01 02 03
35
102 个增长实例 数智化增长领头羊｜ 2025 版
在 KTV 经营场景下，实际涉及的数据维度非常多。就拿一份果盘、一瓶啤酒来说，定价、套餐如何配置，直
接影响活动营销成本和利润率。此外还有 KTV 行业重点关注的待客批数（单位时间内接待的消费批次量）、
客单（分为洋酒客单、啤酒客单、打碟客单等）、渠道（美团、抖音、自来客、营销经理）等细分维度。
比如导出单一门店全年数据就需要 4 个人花费一周时间，缺点十分明显：1. 效率低；2. 导出数据并非实时数据，
数据滞后；3. 无法保证准确度；4. 预警不到位。某门店甚至因此在促销活动中亏损十几万元。
视易云策管理系统升级了基于瓴羊分析 Agent 的“AI 问策”功能之后，用户进入视易云策微信服务号商家后，
即可通过对话式语音 / 文字交互调取数据。以往 4 个人用一周才能拉出的门店年度数据表，现在只需要一个
小时，并且精准度较高，导出数据效率大幅提升。
01 啤酒、包厢、套餐等全年数据，1 小时精准导出
02 嵌入现有系统，“AI 问策”一个月上线
以往传统 KTV 管理系统解决方案中，数据分析一直是基础功能，有一套标准模版。不过维度、周期无法灵活
选取，KTV 客户只能被动使用已经提供给他们的功能，而无法进行如某类酒水 SKU、同环比对比的特殊维度
分析。如果客户有更多数据需求，就只能寻求专业财务人员帮助或者使用第三方专业数据分析工具。
2025 年初，视易云策一位 KTV 客户认为现有系统中数据功能已经无法满足需求，于是把系统数据导出后，
单独采购了瓴羊智能数据分析服务，重新制作个性化数据表。
视易云策了解情况后，与瓴羊展开了深度合作。视易云策仅需完成基础数据清洗以及接入，就可以快速使用
通用化工具搭建报表，门槛较低。
一个月后，嵌入了分析 Agent 的视易云策数字化系统迅速上线，已推送给数百个大客户试点，试用后反馈效
果较好。相比老报表，新报表数据维度更清晰，而且数据维度都是客户自己想要看到的个性化数据项，真正
实现了“千店千报表”。
KTV 消费种类 KTV 消费渠道
洋酒 其他啤酒 餐食 打碟 美团
抖音
自来客
营销经理
KTV 重点
关注数据
待客批数
客单
KTV 门店 SKU 众多，数据维度丰富
36
102 个增长实例 数智化增长领头羊｜ 2025 版
03 总部、财务、店长一张表，数据分层、实时、精准
连锁化、品牌化趋势下，KTV 总部 + 地方分店管理模式十分普遍，总部需要看到门店每天的经营动态，但是
异地管理无法日日到店，只能线上监测；店长管理门店大多靠经验，服务人员数字化水平参差不齐，门店推
进数字化要依靠老板 - 店长 - 员工层层带教，效率很低。通过嵌入式安全管控能力和全局参数，分析 Agent
可以支持视易云策针对每个员工权限范围提供数据，保证经营数据安全，帮助 KTV 做好管理：
对于总部的老板和投资人，他们可以在总部大屏或定制报表中实时看到营业额、投资回本进度等核心数据，
提供投资策略评估。
对于财务，以前每一家 KTV 门店都需要设一个财务的岗位，现在财务只需要在总部就可以同时管理到下面所
有门店。
对于门店店长，以前他们需要下面的销售统一整理报表，开周会听取汇报，现在通过基于“超级数据分析师”
的“AI 问策”，随时随地可以了解门店酒水销售情况、包厢开房率、客群增长情况。
老板、投资人 财务 门店店长
TV
04 结语
随着大模型能力深入越来越多像 KTV 一样的垂直场景，AI 也将从行业数据中学会更多知识，变得更“接地气”、
实用。然而从业人员数字化能力较弱、行业数字化渗透率较低的远远不止是 KTV 行业，KTV 只是其中一个典
型样本。无论线上经济还是以 KTV 休闲娱乐场所为代表的线下实体经济，AI、Agent 能力都将覆盖千行百业，
成为不可或缺的增长 buff。
服务人员数字化水平参差不齐，看数难
4个人拉全年数据需要一周，用数难
传统数据模版固定，数据项无法调整
·
·
·
·
·
·
总部、财务、店长随时看数，一键问数
1 小时生成全年数据，生成报告
数据维度随心选，“千店千报表”
BEFORE AFTER
营业额
投资回本进度
手机门店 1 门店 2 门店 3 门店 4
一块大屏看核心数据 一张表管所有门店 一部手机看实时数据
酒水
销售
包厢
开房率
客群
增长
KTV 总部、财务、店长随时看数据
37
102 个增长实例 数智化增长领头羊｜ 2025 版
本案例谈及企业是国内头部咖啡连锁品牌，已突破万家门店，拥有数以亿计的消费者。早在成立之初，该品
牌就十分重视数字化，充分利用移动互联网和大数据技术的新零售模式，用一条“数据线”连接供应链、营销活
动、订单、配送等各个节点。
数据对我们来说，不仅是经营结果，也是已经被验证有效的业务知识的沉淀。我们与瓴羊合作主要看重两个
方面：第一是阿里通义千问大模型比较领先，第二是瓴羊在行业数字化积累了很多经验，并且会根据我们的
痛点提供定制化解决方案。
连锁餐饮 丨 数据分析 丨 归因 丨 报告 丨 解读
—— 某咖啡连锁品牌大数据产品设计负责人
万家门店杯量数据，分析 Agent 一手掌握
分析 Agent 生成一份数据解读报告仅需几十秒。
某咖啡连锁品牌：
产出一篇数据分析报告 迅速上线内部分析 Agent
3 几十秒 30天
相关产品
业务挑战
门店规模庞大，数据指标复杂 核心杯量数据起伏不定，难以
定位原因
为实现精细化运营，业务端
数据需求激增
01 02 03
天
38
102 个增长实例 数智化增长领头羊｜ 2025 版
数据显示，该品牌一杯咖啡全流程经历了线下新品广告曝光、社群私域、小程序 App 下单、门店扫码自提等
诸多环节，一杯咖啡背后有几千个数据指标，每天产生的数据量高达几十亿。
为了处理分析这些数据，品牌内部自研了多个数据产品，接入了第三方工具，组建了包括数据分析师、数据
人员在内的专业数据分析团队，来处理繁重的数据工作。
以前，数据分析团队为了及时获知当天门店经营数据，数据人员在营业时间结束后开始“跑数”；分析师团队
手动汇总数据至线下模板、拆解分析，依靠业务经验提炼洞察总结，撰写产出增长日报；业务管理层每天查
看前一天经营日报。在这个过程中，企业内部存在 2 个核心痛点：
1. 数据不实时，数据指标不完整、不一致。当日数据要次日才能看到，导致业务管理层无法实时看数，也就
无法掌握实时情况。
2.数据不易用。业务部门各自负责板块不同，也会产生各种各样的数据需求，一张传统数据看板远远无法满足。
业务人员想要更灵活地使用数据工具，做简单的自助分析。
接入瓴羊分析 Agent 能力后，该品牌在一个月内上线了内部分析 Agent 工具，服务内部看数、用数需求。首先，
以往业务无法实时看到的门店杯量，制作、配送压单情况，可以在 Quick BI 数据看板中显示一致、精准的即
时数据，在异常情况下，分析 Agent 会给出数据预警，业务就能及时知晓。
其次，针对异常预警，分析 Agent 可以智能分析归因。例如某区域门店杯量下降，业务侧可以获知今天杯量
上升 / 下降的原因——是当地天气降温，还是当周营销活动效果不佳。针对固定节点和实时变化，比如立秋、
七夕，预测未来可能的杯量变化，为业务调整经营策略提供参考。
01 实时监测杯量数据，预警异常、智能归因
02 几十秒生成一份数据解读报告，助力业务复盘
目前该品牌业务部门十分强调精细化运营，业务人员智能分析需求大幅增加。他们期望内部有更智能的分析
该品牌内部分析 Agent 三大功能
金奖豆 该品牌开发的分析 Agent 可提供：
燕麦奶
小程序下单
中杯
少甜
门店自提 ……
热
今日门店杯量
某门店制作进度
某区域热饮销量
提升 50%
……
该区域杯量大幅增长
某门店配送逾期
某区域今日大降温
某营销活动效果好
实时数据
异常预警
智能归因
39
102 个增长实例 数智化增长领头羊｜ 2025 版
产出一份营销 IP 活动效果分析报告，从 2-3 天减少到几十秒
03 结语
这个突破万店、每天产生几十亿数据的超级咖啡连锁品牌，从诞生之日起就是一家成长在互联网大数据上的
公司。进入 AI 时代，像这样数字化“底子”极强的现代企业组织，在引入瓴羊 Agent 能力之后，将凭借 Data
× AI 发挥出更大的作用。从降本增效开始，一步步走向具体业务，甚至线下实体经营。
数据不实时，数据指标不完整、不一致
数据报表不易用
业务端智能分析需求激增，分析师出具报告周期
2-3 天，无法满足需求
·
·
·
·
·
·
各渠道实时单量，制作、配送压单情况一目了然
核心指标异动将会给到业务预警，并分析可能原因
几十秒生成一份分析报告，极大提升效率
BEFORE AFTER
产品，帮助他们从大量数据中做好预测、归因，给出诊断建议和报告。以往一份报告需要专业的数据分析师
花费数天时间完成。针对这一需求，该品牌与瓴羊共同开发了数据解读报告功能，提效明显。
以一份营销 IP 活动的效果分析报告为例，之前数据分析师从数据准备、指标定义、计算，再到报告撰写呈现，
大概需要 2 到 3 天时间。目前使用分析 Agent 选取指标、筛选条件，再交互调整归因参数，只需要几十秒就
能生成一份完整报告，极大提高了分析效率。
整体上，无论是数据分析的速度、准确度，还是报告产出效率，都大幅提升。数据分析结果能够帮助业务更
好地进行人货匹配、备货补货、优化排班，助力门店经营。
接下来，该品牌计划上线“对话式问数”功能，用户可以在对话框内语音或文字输入一句话指令，即可获取想
要的数据报告，看数据的门槛将会进一步降低。
业务人员
业务人员
数据分析师
2-3 天
几十秒
提需排队
数据准备
指标定义
报告撰写
营销 IP 活动效果
分析报告
营销 IP 活动效果
分析报告
计算
﹙手机端﹚
分析
Agent
Before
After
40
102 个增长实例 数智化增长领头羊｜ 2025 版
海亮集团成立于 1989 年，产业聚焦教育事业、有色材料智造、生态农业三大核心领域，是一家全球化布局的
综合性企业集团，业务覆盖 12 个国家和地区，服务超 28 万在校师生、数万名产业工人及零售员工。
数字化转型是海亮集团战略规划的重要组成部分，也是未来高质量发展的核心力量。海
亮大脑与 Quick BI 的协同，不仅解决了数据孤岛问题，更通过“看到 - 知道 - 做到”闭环，
让数据真正成为业务决策的“智能大脑”。未来，我们将持续深化数据驱动，以 AI 能力赋
能三大核心产业的全链路升级。
通用行业 丨 数据治理 丨 数据可视化 丨 企业数字化
—— 海亮集团数字化负责人
数据驱动“看到 - 知道 - 做到”，打造集团级智能决策中枢
动态、实时、真实数据，为 AI 大模型落地应用提供条件。
海亮集团：
数据产品 数据消费次数 员工覆盖
4200 190 95万 ++ %
相关产品
业务挑战
教育、制造、农业三大业务系
统独立，数据割裂难“看到”
数据统计依赖人工导出、整理，
业务部门用数需要等待，分析
滞后难“知道”
人岗匹配、库存优化等场景
缺乏 AI 分析支撑，智能缺失
难“做到”
01 02 03
41
102 个增长实例 数智化增长领头羊｜ 2025 版
海亮大脑 × Quick BI 构建了三个“看到 - 知道 - 做到” 闭环：以“数据知识处理 +AI 分析 + 业务流程 AI 化”核心
能力，联合 Quick BI 的数据可视化与自助分析功能，海亮集团从三大场景切入，实现数据价值从 “可见” 到 “可
用” 再到 “可决策” 的飞跃。
在海亮集团，人资管理覆盖制造端产业工人、教育端教职工、农业端零售员工等多类型群体，此前员工数据
分散在 10 余个系统，“员工类型”“组织归属”等字段口径不一，数据重复 / 缺失率达 25%，跨区域调岗、师资
配置全凭经验。
通过与瓴羊合作共建海亮大脑，海亮集团实现了“看到 - 知道 - 做到”闭环：
1. 看到：整合 10+ 系统数据，构建集团级“员工一人一档”，覆盖基础信息、技能证书、历史绩效等 20+ 维度，
数据准确率从 75% 提升至 98%；
2. 知道：Quick BI 搭建“人效分析看板”，自动关联利润、成本等业务数据，梳理“人效 - 利润”“技能 - 岗位”等
逻辑关系（如制造端工人负荷与产能的关联模型）；
3.做到：AI自动分析人效、技能匹配度，实时推荐调岗方案。例如教育板块根据教职工匹配度数据优化师资配置，
学生满意度提升 15%；制造基地跨厂区调派工人响应速度提升 70%。
人资管理使用该功能后，海亮集团人岗匹配率提升 20%，人资考核效率提高 40%，支撑 220 余个国内外基地
的高效人才调配。
01 人资管理从“经验调岗”到“数据匹配”，人效提升 30%
02 营销分析从“等待 2 天”到“即时消费”，数据响应提速 90%
以往，市场部要分析促销 ROI、客户分层等数据，需要 IT 跨 CRM、门店系统导出数据并手工整理，耗时需要
2 天，数据滞后严重影响活动复盘。
海亮大脑联合瓴羊 Quick BI 打造了“自助数据消费”模式，实现了第二个“看到 - 知道 - 做到”闭环：
海亮制造
海亮教育
海亮健康
海亮集团所有员工实现“一人一档”
制造端产业工人
教育端教职工
农业端零售员工
海亮集团“一人一档”
姓名：xxx
员工类型：xxx
组织归属：xxx
……
42
102 个增长实例 数智化增长领头羊｜ 2025 版
03 仓储物流从“人工看数”到“智能控本”，库存成本下降 18%
制造板块仓储管理长期依赖人工盘点，库存数据仅体现表面数量，滞销 / 缺货规律难挖掘，库存成本居高不下。
通过海亮大脑“数据治理 +AI 挖掘”双轮驱动，实现了第三个“看到 - 知道 - 做到”闭环：
1. 看到：制定集团统一物料主数据规范（编码规则、必选字段），清洗 20 万 + 历史数据，打通 11 个业务系统，
实现“一次录入、全系统同步”；
2. 知道：Quick BI 结合 AI 算法，自动分析库存周转率、滞销周期等数据，建立“补货 - 销售”关联模型；
3. 做到：AI 实时推荐补货量与仓储策略。例如某铜箔工厂通过分析库存数据，将滞销品占比从 12% 降至 5%，
库存成本下降 18%。
据海亮统计，仓储物流场景铺开使用后，库存周转率提升了 25%，仓储物流管理标准化率达 90%。
1. 看到：对接 CRM、门店等系统，实时同步促销订单、客户行为等数据，通过 Quick BI 看板直观呈现；
2. 知道：内置“促销 ROI 分析模型”，自动计算投入产出比、客户复购率等核心指标，支持“拖拉拽”式自助分析；
3. 做到：业务人员无需依赖 IT，即时完成数据消费。例如某农业板块市场团队通过实时分析促销数据，快速
调整活动策略，单场活动 ROI 提升 25%。
截至目前，海亮全集团数据消费次数超 190 万次，业务端数据使用门槛降低 80%，营销决策效率提升 90%。
海亮集团主数据中心接入 11 个业务系统、AI 大模型
海亮集团主数据中心
接入互通
实时同步
三大业务板块
11 个业务系统
干净、统一、实时数据
反哺数据优化
AI 大模型
基于
统一数据规范
统一治理标准
43
102 个增长实例 数智化增长领头羊｜ 2025 版
03 结语
从人资管理到人效提升，从营销分析到库存优化，海亮集团通过将海亮大脑与 Quick BI 深度融合，构建了“数
据消费 - 资产建设 - 业务升级”的良性循环。未来，海亮将以“智能决策中枢”为定位，持续拓展财务经营分析、
IT 流程 AI 化等场景，推动集团数字化从“支撑业务”向“引领创新”跨越。
教育、制造、农业三大业务有超 239 个系统，数
据分散无法形成统一视图
业务部门需等待 24 小时以上才能获取人效、库存
等关键指标
经常出现“人等岗” 或 “货压仓” 等低效问题
·
·
·
·
·
·
整合 10+ 系统数据，数据准确率从 75% 提升至 98%
业务人员无需依赖 IT，即时数据消费 190 万次
库存周转率提升了 25%，仓储物流管理标准化率达
90%
BEFORE AFTER
44
102 个增长实例 数智化增长领头羊｜ 2025 版
本案例谈及企业是国内户用光伏市占率领先企业，是头部能源企业旗下绿色能源板块综合能源服务公司。该
企业专注于打造集投资、开发、建设、运管、售电一体化的综合能源服务平台。截至目前，已在全国累计建
站超百万座。
制造业数据架构需要更新迭代，指数级增长的数据也必然需要进一步建立统一的数据标准，未来我们还将进
一步深化数据治理，打造以数据中台为核心的业务数字化体系，沉淀真实可信的数据资产。
能源行业 丨 轻资产 丨 数据看板 丨 业务数字化
—— 某能源集团 CDO
数据赋能户用光伏建站全流程，提效高达 50%
Quick BI 统一管理企业内外 6 种角色，将业务数字化、线上化。
某能源集团：
生成复杂业务报表 光伏建站全流程提效 内部沉淀业务报表
1 50 700% + 张
相关产品
业务挑战
光伏行业仅停留在信息化，
远未达到数字化
业绩增长迅猛，新增大量数据
需求
数据庞杂，治理工作量大
01 02 03
小时
45
102 个增长实例 数智化增长领头羊｜ 2025 版
户用光伏指的是民用光伏发电，建立一个电站需要经过超长的审批流程，时间周期长达 2-3 个月。其中涵盖
沟通潜在客户、签订电站合同、建设电站、产生发电量、发电量并网消纳等数十个环节。
这一过程中积累了大量的数据，这些数据中有些是敏感数据（如平均建站周期、建站成本），有些是通用数据（如
某区域内光伏板库存、供应链发货动态）。为了让对应的人看对应的数据，让他们把数据更高效地利用起来，
该企业引入瓴羊Quick BI智能数据分析师，归纳看数、取数的6种典型用户身份，并赋予他们不同层级的权限：
1. 管理层驾驶舱看数：高管及以上层级管理者最关心的是核心指标，比如一个月全司建设电站数量，平均建
站成本、建站周期，总发电量等。通过 Quick BI 驾驶舱、数据大屏，100 多个一级指标和实时数据一目了然。
2. 企业员工报表智能取数：日常制作业务报表时，员工对数据的使用需求量大、频次高。未使用 Quick BI 的
同行企业，用传统方式搭建报表需要 2 天；而该企业员工制作一张业务报表只需要 1-2 个小时，效率大幅提升。
3. 代理商：涉及电站建设前期潜客触达、建站后信息上传，Quick BI 的经营参谋、数据看板能力、驾驶舱（代
理商版）能够有效管理代理商，帮助该企业建立统一的数据池。
4. 运维人员：关注核心指标预警，如电站是否出现故障、发电量是否正常、是否需要 48 小时内到达站点维修。
5. 农户：借助数据大屏，农户发电量、并网电量、消纳电量能够实时显示在农户电站终端。
6. 资方：向该企业收购电站的国企、央企，能够通过 Quick BI 看到单个电站发电量数据、电站审批文件等，
并将后者作为交易明细留存。
01 业务报表仅需 1 小时，6 个角色分别看数据
02 全流程审批大幅提效，节约人力、加强管理
户用光伏整个建站、运维流程串联多个角色，涵盖多个应用场景。户用光伏数据既是资产，也是决策本身。
在业务用数场景，该企业在电站建设流程上展开探索。
Quick BI 实现 6 种身份统一管理
Quick BI 智能数据分析师
整体情况？ 做表更快？ 到哪一环？ 哪里要修？ 发多少电？ 数据资产？
管理层 代理商企业员工 运维人员 农户 资方
46
102 个增长实例 数智化增长领头羊｜ 2025 版
03 结语
光伏行业与数据相伴相生，建站、运维、并网、消纳发电量，每一环节对数据都要求非常高，必须实时、准确、
可信。但就是这样一个行业，目前大多企业只停留在信息化阶段，远未达到真正的数字化水平。该企业使用
Quick BI 初步实现了业务可视化、业务数字化，用数据赋能业务提效。随着后期运维环节接入，该企业运维
App 百万用户数据也将接入 Quick BI 数据池。数据将成为最重的资产，也将成为行业龙头的财富密码。
数据庞杂，治理工作量大
看数据、用数据需求增加，同行 2天做一张表
可信数据资产缺失
·
·
·
·
·
·
多个环节汇入一张表，分为 6 个角色权限
1-2 小时即可搭建业务报表，效率大幅提升
数据、审批流程可作为交易明细留存
BEFORE AFTER
1. 电站建设全流程降本增效
从建站签约、建档，到发货、建设、并网等环节，全流程都需要数据的参与。通过使用 Quick BI 报表，该企
业能够掌握单个电站的建设周期、转化率、发电量等数据，明确每一环节所用时间、审批进度以及对应卡点，
并同时给代理商开设驾驶舱，让代理商对流程效率“心中有数”。在此基础上，该企业可以实时掌握超过阈值
的数据，定位可改善的业务流程，实现降本。
以农户签订建站合同报批环节为例，原本审核团队人员多达 40 人，审核报批文件时需要人工手动点开 PDF
文档，通过肉眼一一核实农户身份证、地址，效率极低。使用 Quick BI AI 智能审核工具后，审批环节整体提
效 50%，有效减少硬性人力成本，提升团队人效。
2. 全国数千家代理商统一管理
为了加速开拓业务，该企业光伏代理商数量众多，遍布全国，难以统一管理。
在代理商工单流程中，Quick BI 可以针对超预期的工单进行预警提示。比如光伏板、支架从仓库发货的时间
超期 7 天，已经影响到后端电站组建安装周期，此时系统会以可视化的形式提示这一预警信息，从而提醒相
关代理商和管理者。
户用光伏电站建设流程
户用光伏建站全流程，Quick BI 一目了然
建设周期、审批进度、转化率、发电量……
建设 并网建档 发货建站签约
47
102 个增长实例 数智化增长领头羊｜ 2025 版
盈德气体成立于 2001 年，是国内领先的独立工业气体生产商，在海内外已经建成超过 160 处生产设施，拥
有 3500 多名员工。其产品包括氧、氮、氩、氢在内的工业气体，为冶金、化工、电子、半导体、医疗健康
等国计民生行业，提供了发展助力。
我们内部把数字化比喻成“高速发展换车轮”。业务规模已经达到了 200 多亿，再更换、
整合系统，其实是一件难度不小的事情。与瓴羊的合作，对我们整个成本优化效率提升
非常大。
能源行业 | 工业气体 丨 数据治理 丨 数据分析 丨 企业数字化
—— 李劲宝，盈德气体数字化与流程总监
用数字化生产“空气”，组织、业务全面提效
瓴羊数据治理分析，为 AI 法务、VR 生产监测探索提供有力支持。
盈德气体：
审批节点减少 财务月结时间缩短约 供应商协同覆盖率提升约
1/3 50 40% %
相关产品
业务挑战
工业气体生产制造工序复杂，
环节众多
多种业态各有不同，难以建设
统一的数据标准体系、平台
企业跨系统看数据，不够便利
01 02 03
48
102 个增长实例 数智化增长领头羊｜ 2025 版
为了配合公司业务高速发展，盈德气体在各个业务线、子公司都建立了自己的数字系统。虽然各个业务板块
的难题被解决了，但是数据处于不同的系统中，跨业务沟通不够便利。
因此，盈德气体启动了名为 A1（All in One）的数字化转型项目，A1 项目将盈德气体内部进行了横纵业务流
程整合。横向上，将销售到业务的全业务流程进行了整理。纵向上，对多个分子公司的业务流程进行了梳理。
盈德气体后续又以 Maxcompute+ Dataphin+Quick BI 为基础，建立盈德气体数据资产管理平台。瓴羊
Dataphin 帮助企业建立了一个高效的数据治理平台，使得数据管理和使用变得更加规范和高效；瓴羊 Quick
BI 则为企业提供了数据分析能力，助力管理层做出更加精准的决策。两者结合，不仅加速了盈德气体的数字
化进程，也为其实现了从“运用数字化工具”向“打造数字化生态”的转变提供了有力支持。
通过这次转型，盈德气体期望提升企业的管理效率和运营能力，同时也为其国际化发展铺平道路。新系统的
上线让业务流程得到了优化，协同效率和风险管控能力显著提升，并为决策提供了更精细的数据支持。审批
节点减少约 1/3，财务月结时间缩短约 50%，供应商协同覆盖率提升约 40%，顺利实现了“开着飞机换引擎”。
01 多系统整合为一，审批、财务、供应商提效明显
02 培养内部“数据分析师”，让业务真正用起来
要想挖掘公司数据价值，不能单单依靠 IT，要把业务人员发动起来并且深度参与到数据资产项目建设中。IT
部门和各个业务部门从盈德气体全局出发，快速达成一致，要在盈德气体内部做数字文化建设，培养懂业务
的数据人才。在盈德气体“开放、进步、尊重、担当”的企业价值观带领下，盈德气体内部开展了数据分析大赛，
以赛代练，培养业务数据分析师。
盈德气体内部从约 90 个应用场景筛选出近 40 个作品，通过各小组推荐，有 30 个作品进入初赛。之后通过
投票和评比，10 个作品进入决赛。最终有 83 位人员获得“数据人才”称号。通过大赛，盈德气体成功打造了
企业内部数字化文化，建设全员数字化。现在，在盈德气体内部 IT 用 Dataphin 进行数据资产管理，业务用
Quick BI 进行数据分析，既有配合又有分工。
数据治理 用好数据
数据管理 数据分析
数据规范 助力决策
盈德气体数据资产管理平台“数字化生态”
盈德气体数据资产管理平台
Maxcompute + +
49
102 个增长实例 数智化增长领头羊｜ 2025 版
03 AI 回归业务场景，数据创造价值
未来，盈德气体还将在数字化的基础上，寻找 AI、VR 等先进技术的落地场景，回归业务本身，为业务创造价值。
1. AI 协助法审：盈德气体建设一个气体生产工厂的投资规模较大，可达数亿。在落地过程中，盈德气体需要
和多方反复沟通，法务相关事宜也往往经历多次修改，不容有错。为此，盈德气体尝试引入 AI 协助审核，提
升效率、降低风险，为业务提供智能化的法律保障。
2. AI+AR 辅助检修：工业气体生产是一个复杂的过程，工业设备一旦上线生产，非必要不停机。同时，气体
生产的设备检修，也是一个高危工作。盈德气体尝试通过数据监测，加上 VR 设备进行远程维修。在不停工、
停产的情况下，工厂工程师通过佩戴 VR 眼镜，可以远程进行指导检修，快速排除故障，提升维修效率。
04 结语
盈德气体在过去几年，从数据资产建设开始，到成功打造企业数字化文化，从底层到顶层建设，企业数字化
逐步成熟，并开始了 AI 法务、VR 生产监测方向的探索。盈德气体和瓴羊的合作中，既有对 AI 的期待，也有
长期主义者的底气。在工业制造场景下，数据越来越重要，不仅是企业生产、经营过程的记录，更逐渐开始
扮演“生产原料”的角色，成为创造价值的关键要素。
业态众多，难以整合既有共同点又有差异的需求
业务线和子公司层层审批，流程繁琐
·
·
·
·
多个业务数据系统整合为一个高效的数据治理平台
审批节点减少约 1/3，财务月结时间缩短约 50%，
供应商协同覆盖率提升约 40%
BEFORE AFTER
在“Quick BI 数智生产力大赛”中，盈德气体的物流数据大屏获得二等奖，现已上架 Quick BI 模板库
50
102 个增长实例 数智化增长领头羊｜ 2025 版
ZOLOZ 作为一家国际领先数字化身份验证服务提供商，2019 年起持续致力于通过 AI 技术推进全球化的身份
验证及风险管理解决方案，核心专长涵盖数字身份核验（eKYC）、反洗钱（AML）合规支持与交易风险管理。
至今已服务覆盖中国香港、印尼、马来西亚等 25 个国家和地区、超 12 亿用户，并获得 Gartner 等多项专业
领域国际认证，服务诸如 TNGD、Lazada、Gcash、Dana 在内的国际客户。
Quick BI 的多地区部署和实时预警功能，让我们能快速响应全球市场波动，保障客户
业务连续性。
跨境支付 | 风险管理 | 实时监控
—— 杨敬伟，ZOLOZ 国际研发负责人
全球化 AI × BI 方案，强化跨境交易风险实时管控
Quick BI 多区域部署，支持 25 国数据合规与实时分析。
ZOLOZ：
数据分析成本下降 全球企业客户已接入 Quick BI 看板每日活跃用户数
80 1000500+% 家超 超
相关产品
业务挑战
跨境交易数据合规多样、
服务洞察滞后
多地区协作效率低 日均亿级身份验证请求的实
时风控，数据量大
01 02 03
51
102 个增长实例 数智化增长领头羊｜ 2025 版
跨境交易复杂的清算流程、多样的监管标准和信息共享壁垒，正让风险管理成为全球企业在跨境运营中的一
大挑战。
作为服务覆盖全球 25 个国家和地区的身份认证服务提供商，蚂蚁数科旗下的安全科技品牌 ZOLOZ 在全球数
据分析与风控管理方面面临多重难题：
首先，日均超亿次的身份验证请求使得手工统计难以实时掌握服务稳定性、算法效果和用户体验等关键运营
指标，服务洞察存在显著滞后；其次，由于不同国家和地区对数据存储、安全与处理的合规要求不一，必须
构建能够支持本地化部署的数据分析体系，以满足多样化的合规需求；此外，服务商、客户和员工遍布多国，
需建立统一的数据语言环境和操作体验，确保全球用户在跨区域协作中获得一致、高效的服务支持。
为解决上述痛点，ZOLOZ 联合瓴羊 Quick BI，借助其全球化部署能力与灵活高效的数据分析平台，快速构建
全球一致性强、合规性高、体验友好的数据分析体系。共同打造一套面向国际市场的 AI × BI 风控分析解决方
案，以智能化的数据分析能力，为全球跨境交易提供强有力的风控支持。
01 多地区合规部署，服务覆盖 25 个国家和地区
02 一键构建全球统一看板，数据分析成本下降超 80%
Quick BI 以其自由灵活的可视化分析能力，有效支持了 ZOLOZ 的全球风控运营。该平台通过无缝连接
ZOLOZ 多个系统的调用日志，实现了一键集成数据集，并借助拖拽式可视化组件，帮助业务人员快速构建监
控看板，全面掌握业务全链路的运行状况，从而实现更深层次的业务洞察。
以身份验证业务为例，Quick BI 发挥了关键作用：它支持构建漏斗模型（监控调用 - 响应 - 完成率），以评
估服务整体表现；通过分析调用量与成功率趋势图，迅速定位波动及异常原因；结合失败状态与日志码进行
深度分析，可精准追踪诸如网络延迟、转人工比等影响服务的关键节点，精准定位问题源；从而为研发和运
营团队提供坚实的数据依据，指引服务优化与迭代方向，高效制定优化策略。
ZOLOZ 联合瓴羊 Quick BI 打造 AI × BI 风控分析解决方案
日均超亿次的
身份验证请求
不同国家和地区
对数据处理的
合规要求不一
服务商、客户和员工
来自不同国家
面向国际市场的
AI × BI 风控分析解决方案
需实时掌握算法效果、
用户体验等关键指标
需构建能支持本地部署的
数据分析体系
需建立统一的数据语言环
节和操作体验
52
102 个增长实例 数智化增长领头羊｜ 2025 版
验证为何失败？
调用为何异常？
03 多语言 + 时区适配，全球协作无缝协同
04 结语
Quick BI 具备强大的多区域合规部署能力，目前已在新加坡、中国香港、印尼、马来西亚等多个地区实现了
多区域、多 AZ 架构部署。这一架构充分贴合 ZOLOZ 在东南亚及其他国际市场的合规性要求，有效满足不同
国家和地区对数据主权与隐私保护的严格规范，同时保障了系统的高可用性与优质访问性能。
此外，Quick BI 全面适配国际化操作体验，提供多语言界面、国际化图表组件及灵活时区切换等功能，极大
便利了 ZOLOZ 分布在全球的员工与合作伙伴。用户可实现“开箱即用”，显著降低了培训与适应成本，有力支
持了跨国家、跨地区的高效协同与运营。
通过全球合规部署与实时数据分析，ZOLOZ 借助 Quick BI 深度融合运营全链路，显著提升企业跨境风险管
控能力与协同效率，实现多区域数据整合与智能预警，使数据分析成本降超 80%，高效保障全球业务连续性
与决策敏捷性，赋能企业在复杂国际环境中稳健增长。
在 Quick BI 的加持下，ZOLOZ 已实现数据分析标准化与日常运营深度融合。目前，全球已有超过 1000 家企
业客户的数据接入了 Quick BI 看板，每日活跃用户数超过 500 人，覆盖全球服务商及 ZOLOZ 内部业务人员。
这一举措不仅使数据分析成本整体降低超 80%，也显著提升了决策速度和运营效率。
数据分散难整合，合规多样难统一
跨区协作效率低，人工分析成本高
·
·
·
·
多区域合规部署，实现跨国家、地区的高效协同
数据分析标准化与日常运营深度融合，快速掌握业务
全链路的运营情况
BEFORE AFTER
Quick BI 支持构建的身份验证漏斗模型、图表
优化验证服务
监控调用次数
响应次数
完成率身份验证
53
102 个增长实例 数智化增长领头羊｜ 2025 版
营销场景
03
瓴羊营销 Agent 由灵感创意、营销策划、素材创作、媒介投放与结案分
析五大子 Agent 组成，运行在瓴羊 Quick Audience、天攻智投等营销
产品上，助力品牌实现“从灵感到落地”的全营销链路智能化，帮助企业
建立起一个“AI + 人”的超级市场部。
营销 Agent - 让营销更准、更快、更动人
MARKETING USE CASES
媒介投放 Agent - 精准狙击手
投放组合优化 高匹配人群及场景优选
线上线下协同 全渠道触达高效化
营销策划 Agent - 策略军师团
全场景覆盖 预算分配
消费者及竞品洞察 品效最大化协同
主题 / 人群 / 机制匹配
素材创作 Agent - 创意流水线
商品卖点解析 图文 / 海报生成
创意灵感启发 内容快速复用
营销日历 热点 / 竞品 / 节点实时知晓
营销创意捕捉 营销灵感生成 场景脚本生成
灵感创意 Agent - 脑洞永动机
结案分析 Agent - 复盘分析师
小时级洞察 结案报告生成
转化漏斗 / ROI 优化建议 策略迭代支撑
54
102 个增长实例 数智化增长领头羊｜ 2025 版
福田汽车成立于 1996 年，是隶属于北京汽车集团旗下的商用车品牌，拥有品种齐全、规模庞大的商用车产品
线。福田汽车连续 19 年拿下国内商用车销量第一、连续 13 年海外出口商用车销量第一，2021 年成为中国汽
车工业史上首个销量突破千万辆的商用车企。
现在的物流行业强调的是 TCO（Total Cost of Ownership，整体成本）全生命周期的
完整解决方案。在瓴羊能力支持下，配合着福田汽车整个后市场的生态服务，客户的
TCO 用车成本得到了大幅的降低。
汽车行业 丨 用户管理 丨精准营销 丨 线索转化
—— 施登荣，福田汽车后市场生态事业部、北京智科车联科技有限公司副总经理
从存量市场找增量，用 AI 持续激活超 600 万保客
从 600 万商用车保客中捞出增换购、促返厂需求，实现精细化运营。
福田汽车：
电话外呼的拨通转化率提升 保客活动短信点击线索转化率超 保客线索挖掘成本降至
30 12 80% 元%
相关产品
业务挑战
商用车存量市场竞争加剧 保客（即老客）换车频率高、
需求确定，但易流失
数据系统不互通，大量数据
难以产生价值
01 02 03
55
102 个增长实例 数智化增长领头羊｜ 2025 版
福田汽车数据显示，目前有 600 万保客（即存量车主），保客换车频率高、存在着巨大的潜在需求，不过大
多客户购车后即“流失”。
借助瓴羊Quick Audience，福田汽车整合线上私域（福田e家App、小程序、车队管理系统、呼叫中心、短信），
线下经销商系统、服务商系统、车联网数据等，将定保提醒、故障预警、零部件更换、服务活动等信息及时
触达客户，提升客户用车价值感，挽回正在流失或即将流失用户。
比如 2024 上半年“国三换国六”政策发布，福田汽车为驾驶“国三”排放标准车辆的客户提供置换优惠活动，刺
激保客换购“国六”车型。
基于瓴羊能力，福田汽车快速地将保客信息进行清洗筛选，将电话外呼的拨通转化率提升 30% 以上。短信点
击过某保客活动的客户，平均线索转化率超过 12%；以欧曼重卡某车型为例，活动有效期内的保客线索挖掘
成本低至 80 元左右，投放成本大幅降低。
另一方面，福田汽车用户不像家用车用户一样重视保养，首保之后的再次返厂保养率极低。
比如快递运输车司机几乎不会停工保养，对成本非常敏感。福田汽车会先分辨故障情况优先级，再给出返厂
建议。若出现严重问题则及时通知客户处理，无故障情况下则适当放宽保养时限，降低客户的过度保养 / 欠
保养焦虑。使用 Quick Audience 后，福田旗下某品牌某门店的售后服务由被动转为主动，返厂率提升显著。
01 联动车联网数据，拉动保客买车换车、保养维修
02 精准触达真实车主，提升品牌粘性
福田汽车有六成客户为 40 岁以上的货车司机，工作生活不分家，同时有线下社交需求；四成为 40 岁以下货
车司机，对社交圈子的需求更强。因此，用户关怀行为能够给福田汽车客户带来非常强的价值获得感。
线上私域
瓴羊
线下体系
福田 e 家 App
线下经销商系统
小程序
服务商系统车队管理系统
车联网数据
呼叫中心
短信
短信、电话提醒 下一步
增换购优惠
定保提醒
故障预警
零部件更换
服务活动
车主
返厂保养
返厂维修
购买、置换
车辆
福田汽车通过精准营销拉动增换购、促返厂
56
102 个增长实例 数智化增长领头羊｜ 2025 版
03 打通近 20 个系统，真正开始用数据
为满足国家对商用车的数据联网监管要求，福田汽车早在 2013 年就自主研发了车联网监控云平台，开始推进
数字化。但数据分散在多套价值链业务系统，员工不会用、不爱用。并且当前 270 万台在线联网车辆、600
万 + 保客每天都会产生超过 130 亿条数据，数据非常庞杂但难以产生价值。
福田汽车引入瓴羊 Dataphin，将分散在近 20 个系统中的客户数据、产品数据、客户用车行为数据，进行数
据清洗、数据治理、数据开发，形成统一的数据资源中心、数据资源目录。从数据资产成果上看，福田汽车
全面搭建了“人 - 车 - 路 - 货”数据标签体系，关联超 1000 万数据资产，依托车联网数据应用，为车辆服务提
供了敏捷支撑。
基于有价值的数据，福田汽车开发的客户用车系统也为客户带来了实际效果。比如福田汽车车队管理系统目
前已经能够通过实时监控能耗数据、车辆驾驶行为，使客户能耗成本下降 3-5%，客户用车安全事故率下降
10% 左右。
带有“福田汽车”标识的短信内容，客户点击打开率高达 %，相比零售品牌平均水平（万分之几）高出百倍，
这说明福田客户对品牌有着更强的认同感。
结合瓴羊 Quick Audience 埋点采集工具，福田汽车通过自营用户社区“福田 e 家”App、小程序、官网，引导
用户注册会员、绑定车辆、车主认证、新车晒图，官方发送节日、生日用户关怀，设置“车友家宴”等线下活动，
提升客户体验，增加客户的品牌粘性。
高粘性、高依赖度、高信任的客户基础，有利于福田汽车进一步进行调研问卷、收集用户诉求，获取有效消
费者反馈，回溯上游产品升级。
福田 e 家 App、小程序、官网
车主
生日关怀注册会员
绑定车辆 新车晒图车主认证 节日祝福
福田汽车用户运营体系
57
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
通过与瓴羊合作，福田汽车不仅解决了数据孤岛问题，更实现了保客运营的精细化、自动化与智能化。未来
福田汽车将继续探索车联网数据在内部价值链数字化应用、合作伙伴供应商数字化、生态伙伴数据共享平台、
生态伙伴保险风控平台等生态应用，深化数据资产价值。在存量竞争时代，数据驱动正成为商车企的核心竞
争力。
人工难以挖掘海量保客数据价值，无法识别
增换购、售后需求
业务营销侧线索营销成本高
数据系统林立、落后且不互通
·
·
·
·
·
·
电话外呼的拨通转化率提升 30%+，短信点击过
某活动的客户平均线索转化率超 12%
保客线索挖掘成本降至 80 元左右
打通近 20 个数据系统，构建“人 - 车 - 路 - 货”数
据标签体系
BEFORE AFTER
福田汽车“人 - 车 - 路 - 货”数据标签体系
58
102 个增长实例 数智化增长领头羊｜ 2025 版
腾势汽车是比亚迪集团旗下的高端汽车品牌。在过去几年里，腾势汽车先后经历了品牌焕新、从组织革新到
数据贯通的数字化转型。其首代新能源 MPV 产品腾势 D9，上市第二年即拿下中国全品类 MPV 销量冠军。
结合瓴羊智能营销工具 Quick Audience，我们可以为不同阶段、不同诉求的用户，精
准提供 ta 需要的信息，让用户跟品牌之间的接触更有温度。
汽车行业 丨 用户运营 丨 精准营销
—— 仲海鳗，比亚迪集团、腾势销售事业部总经理助理
AI 助力门店潜客邀约效率提升 90%，N+0 快速交付
数据、业务、系统“三流合一”，产销协同、销售转化效率齐提升。
腾势汽车：
门店潜客邀约效率提升 预约试驾率提升 购车下订转化率提升
80 21 23% %%
相关产品
业务挑战
传统经销商模式导致用户数
据断层，缺乏直接用户触达
营销仍以销售为导向，未转向
用户运营
数据未打通，各业务流与系
统流之间协同不足
01 02 03
59
102 个增长实例 数智化增长领头羊｜ 2025 版
汽车，是高客单、重体验的大宗商品。即使消费者已经在线上获取相关信息，最终决策仍依赖线下体验。因此，
“到店”和“试驾”是推动成交的关键——只有用户到店，销售才能通过面对面服务实现有效转化。
腾势在销售过程中也遇到传统汽车销售痛点：往往仅掌握潜在客户的电话信息，缺乏用户画像、车型偏好与
决策阶段等关键数据，难以把握推进成交的最佳时机。
这导致腾势销售端面临诸多挑战：1. 需要更高效地将用户引导到店；2. 需要根据个性化需求精准推荐不同技
术卖点的新能源汽车；3. 以低打扰方式重新唤回用户。
2024 年，腾势汽车与阿里巴巴全资子公司瓴羊合作共建数字营销平台，在销售邀约前自动筛选潜客，依据用
户阶段、偏好及城市等信息进行初步分层。销售期间可直接在 CDP（客户数据平台）查看用户全生命周期数据，
并基于其喜好推送相关权益，提升邀约成功率。用户到店后，销售还可通过与销售 App 打通的 CDP 平台查
看用户画像，精准匹配产品卖点与服务。
整个过程最关键的是最小化的用户打扰，仅在用户需要时介入。借助 Quick Audience，腾势可以根据用户行
为轨迹，分阶段、分诉求以站内信或短信进行精准营销，让沟通更有温度。
销售与营销效率的提升得益于数字营销平台提供了更清晰的用户画像与需求洞察，使销售沟通更高效，触达
更及时，显著优化了购车体验。
01 用数据摸透用户需求：购车下订转化率提升了 23%
02 产销协同：更快的提车时间、更少的到店次数
新能源汽车的快速发展推动了产品多样化，但也给生产端和销售端的协同带来了挑战。
一辆整车涉及两万多个零部件，汽车厂商通常会先制作生产周期较长的零部件，接到订单后，再向供应商下
其余零部件的采购单，将半成品组装成整车，以此平衡交付速度与库存风险。然而，在数字化转型之前，有
限的数据难以支撑精准生产预测，预生产准确率仅能达到 30%-40%。
转化类 关怀类 服务监督类
腾势的营销内容覆盖邀请前、到店时和离店全流程
用户浏览、搜索过腾势 N9 车
型的相关内容后，可能会收到
该车型的发布会或试驾提醒
生日、提车纪念日、保养
提醒等
在试驾、到店、接待等互动后，
用户会收到一条受邀评价服务
体验的短信
60
102 个增长实例 数智化增长领头羊｜ 2025 版
一般来说，从接到订单到发出整车，传统国产车厂商至少需要 N+3 天，进口车则长达 N+6 天。而腾势汽车
通过使用瓴羊智能营销工具 Quick Audience，可以将精准度提高至 90%，做到 N+1 甚至 N+0 的快速交付。
汽车生产周期能极大缩短，主要在于订单系统线上化后，数据中台可以基于用户线上线下等互动行为，完成
对预生产零部件的预判。小到一颗螺丝钉的生产，都有“据”可循。
此外，腾势汽车结合比亚迪集团的优势，将新车上牌、金融、保险，及远程验车功能做深度捆绑和开发，让
用户线上看车、线下试车后，就可以直接到店提车。销售库存的协同，也让腾势汽车实现了“全国一盘货”，通
过邻近城市的库存调度，极大缩短了提车周期。长期来看，交付效率提高，也将伴随成本下降。
03 产品矩阵支撑：数据、业务、系统“三流合一”
无论是产销协同，还是销售转化效率提升，都基于数据流、业务流和系统流的贯通。唯有将分散的数据规整
进一个池子里，品牌才有做出准确决策、精细化运营用户的可能。
当汽车大模型加速到来，阿里云的通义大模型和智能算力结合瓴羊智能营销工具 Quick Audience，帮助腾势
汽车品牌重构外部用户体验和内部运营效率。
譬如瓴羊的产品矩阵，就围绕着腾势汽车业务流的各个环节，提供了数据采集、整合开发、应用分析等支撑：
在前端数据采集层面，帮助腾势获取自有 App 以及小程序等私域数据；在数据治理层面，Dataphin 整合了
来自各业务系统和线下环节的用户数据，形成数据池，并通过 OneID 体系梳理出一套口径统一的用户标签；
在数据应用层，Quick Audience 基于用户画像数据，提供了精细化用户分层的可能。
售前环节，结合阿里生态数据生成面向人群的个性化海报和视频投放到新媒体平台，实现千人千面的内容呈现；
售后环节，大模型强大的泛化能力更好理解舆情数据，帮助品牌快速改善。
营销 Agent 并未颠覆腾势汽车的工作模式，却带来了效率的提升。过去销售依赖线下粗放运营，如今借助
Quick Audience，人群标签从不足 30 个扩展至近 500 个，并新增“用户兴趣”维度，实现精细分层，数据口
径混乱、用户画像模糊的问题得以解决。此外，发布会等线下活动的复盘现在仅一小时即可自动生成触达、
试驾申请等关键数据，为高层提供即时的决策支持。
VS
Quick Audience 推动腾势汽车产销协同
使用 前 使用 后
90%
预生产精准度
生产周期：传统国产车厂商至
少需要 N+3 天，进口车则长达
N+6 天
生产周期：N+1，甚至 N+0 天
预生产精准度
30-40%
61
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
今年，腾势汽车已开放经销商加盟模式，且有意下探二、三级市场——相比原来经营主体单一、管理简单的
直营体系，更复杂的经营体系、更多元的人群，意味着更高的数据治理难度。而腾势汽车在数据中台开发前期，
已经建立起一套数据标准，为未来更多数据汇入打下了坚实基础。
线索转化效率低，到店成本高
海量保客数据未有效利用，营销精准度不足
流失线索缺乏有效触达策略，资源浪费严重
·
·
·
·
·
·
门店潜客邀约效率提升 80%
预约试驾率提升 21%
购车下订转化率提升了 23%
BEFORE AFTER
瓴羊产品矩阵，如何围绕腾势业务流提供数据支撑
62
102 个增长实例 数智化增长领头羊｜ 2025 版
森马是中国领先的时尚服饰品牌，覆盖男女装、童装等多品类，全国门店超数千家，年销售额达百亿规模。
森马以“年轻力”为核心，致力于为年轻消费者提供高性价比的时尚产品，拥有的两大自主品牌森马（semir）
和巴拉巴拉（balabala）是国内休闲服和童装领域的领军品牌。
瓴羊天攻智投帮助我们实现了从人群圈选到点位投放的全链路数字化，真正做到了品效
合一。
服饰行业 | 户外广告 | 地铁营销 | 数字化投放 | 潜客转化
—— 胡翔舟，森马品牌事业部总经理
潜客浓度提升 169%，AI 重构户外广告价值
数字化圈选 + 高浓度点位投放，森马打开地媒营销新思路。
森马：
曝光量 潜客自然分布浓度提升 到店转化潜客占比近
560 169 50% %万超
相关产品
业务挑战
高潜人群难定位，触达精准度不足 线下曝光难以有效转化为消费行为
01 02
/ 森马户外广告投放 /
63
102 个增长实例 数智化增长领头羊｜ 2025 版
面对服饰行业竞争加剧与消费者需求分化，森马依托天攻智投 DMP 能力，结合历史消费数据与场景偏好，
构建了三层潜客筛选模型：一是通过行业标签，圈定关注羽绒服品类的消费人群；二是基于品牌标签，抓取
森马相似品牌的受众；三是深度绑定张新成、陈都灵、徐志胜等代言人的粉丝群体。
通过多维度标签交叉，森马不仅精准锁定了高价值潜客人群，更确保了人群覆盖广度，从而为后续场景化触
达奠定基础。
投后，森马通过瓴羊天攻智投对每个城市的曝光人群做了进一步分析，发现 18-39 岁年龄段人群 TGI（Target
Group Index，目标群体指数）偏好属性较强，主要为社会中坚力量群体，具备轻奢消费力。在育儿属性上，
曝光人群的有孩属性较为突出；家庭结构上，三口之家特性显著。
线上应用偏好上，曝光人群热衷于旅游住宿、购物比价、出行导航、社交通讯等领域；线下场所偏好特征中，
曝光人群在文体办公用品、培训机构、数码电子、交通、服装等均展现出较强的 TGI 偏好度。这些特征与森
马所追求的高净值目标受众群体高度一致，有望大幅提升转化率。
01 多维标签精准圈选，潜客浓度提升 169%
02 借势地铁媒体多节点动态覆盖，深化品牌记忆
城市地铁场景具备高频、低干扰的曝光特点，并且其客流群体以公司职员等白领人群为主，受教育程度较高，
更倾向于理性消费与品质消费，与森马的目标受众高度契合。因此，森马将目光投向了地铁媒体，并选择杭州、
西安、武汉这三大城市作为推广重点区域。
为最大化广告投放价值，森马在地铁点位筛选上优选潜客浓度较高的站点，如汉江桥、龙翔桥、武林广场等。
这些站点的潜客浓度基本都在 9% 以上，意味着基于潜客制定的点位投放策略行之有效，实现了人群与场景、
内容的精准匹配。
同时，森马还充分利用地铁进站、换乘、出站等节点进行广告投放，这种多节点的动态覆盖方式，能够在受
众心中产生连续性的品牌记忆，持续深化品牌印象。
站内多节点动态覆盖，提升森马广告投放效果
打造品牌第一印象
推广曝光超 560 万线下客群
潜力浓度达到 %
潜客自然分布浓度提升了 169%
人流交汇点，
高强度重复曝光
换乘进站口 出站口
64
102 个增长实例 数智化增长领头羊｜ 2025 版
在传统营销链路中，由于缺乏精准数据分析能力，品牌常面临目标人群定位模糊、投放策略调整滞后等问题，
导致营销投入难以实现回报最大化。而在此次营销活动中，森马借助瓴羊天攻智投，以数据驱动重构户外广
告价值，在引流、转化等方面实现显著突破。
1. 门店引流效率革新：在广告触达用户中，超 7 万人实现到店转化，这一群体占据门店总客流量的近 50%，
较投放前提升近一倍。更值得注意的是潜客群体的响应差异：广告触达潜客的进店转化率较非潜客群体高出
68%，进一步凸显广告精准投放价值。
2. 线上行为路径激活：户外广告的价值不仅限于线下门店引导。数据显示，投放城市中的广告曝光用户在电
商行为转化力上（包括搜索、浏览、收藏、加购、下单等）是未曝光用户的 倍，品牌搜索指数则是未曝
光用户的 倍，这意味着户外广告投放能够有效促进用户行为转化。同时，相较非潜客人群，曝光潜客群
体的搜索和行动转化均表现更佳，说明潜客对广告更加敏感，行动上的反馈也更加积极。
3. 数字资产结构化沉淀：本次投放创造了双重增量价值，在超过 560 万的总曝光人群中，有将近 80% 为森
马首次触达的新客群体；而在 44 万精准行业潜客中，有一半为新增可运营资产。通过瓴羊的数据回流机制，
包括曝光全量人群及潜客人群在内的线下行为数据，已完整接入品牌数据银行，从而为后续的精准复购营销
建立数据基础。
此外，在营销后链路的数据利用上，瓴羊天攻智投还根据本次广告投放表现，为森马提供了后续投放策略建议。
一是在人群策略上，森马可尝试纳入本次表现较好的泛 TA 人群（Target Audience，目标受众）进行目标人
群扩充，比如 Z 世代、职场白领、美妆护肤等高潜转化人群；二是在城市策略上，森马可从目前的三大城市
拓展至南昌、南京等品牌力强的城市，或者是北京、深圳等潜客浓度高的城市，覆盖更多增量市场。
曝光数据回流 , 供森马线上二次运营
03 线下 + 线上双激活， 打造长效转化的全链路营销闭环
最终，凭借精准的潜客圈选和高浓度的点位覆盖，森马本次营销活动成效显著，推广曝光超 560 万线下客群，
潜客浓度达到 %，相比投放城市潜客自然分布浓度提升了 169%。
线下营销数据
认知
购买
兴趣
忠诚
沉淀户外曝光数据 洞察优化
A. 认知
I. 兴趣 L. 忠诚P. 购买
电商域内再营销
注：回流算法会考虑投放时长、播放频次、轮播数等因素
发展期 成熟期 瓶颈期
曝光人群
65
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
此次地铁营销活动的成功，印证了数字营销在品牌传播过程中的不可替代性——通过瓴羊天攻智投，森马不
仅能够高效触达目标客群，更能实现从品牌曝光到生意增长的闭环。对于服饰品牌而言，森马的实践揭示了
一条关键路径：以数据驱动场景选择，以内容激活用户行为，以闭环沉淀长效资产，这或将成为行业突破同
质化竞争的新引擎。
目标人群定位模糊、投放策略调整滞后
缺乏精准数据分析能力，投放效果难以量化
转化链路断裂，营销资源浪费
·
·
·
·
·
·
曝光量超 560 万
潜客自然分布浓度提升了 169%
到店转化潜客占比近 50%
BEFORE AFTER
66
102 个增长实例 数智化增长领头羊｜ 2025 版
沁园成立于 1998 年，专业从事研发、生产、销售净水设备、饮水设备、商用水处理设备等系列涉水家电产品，
致力于为家庭提供健康饮水解决方案，一直致力于通过技术和服务引领国内净水行业的发展。
在数字化快速发展的今天，全域营销正成为品牌增长的新引擎。借助瓴羊天攻智投平台
算法，我们优选户外资源进行组合投放，既拉动了沁园的线上转化，也为线下门店带来
了更多客流，提升了沁园的品牌影响力。
家电行业 | 全域营销 | 户外广告 | 品牌增长
—— 沁园品牌运营总监
AI 破解增长难题， 亿曝光人次高效转化
从线上到线下，从种草到收割，全域营销成为品牌增长新引擎。
沁园：
曝光潜客浓度提升至 线上商铺成交转化率提升 曝光搜索进店贡献
119 27 40% %%
相关产品
业务挑战
传统营销效能下降，品牌曝光
率和市场渗透率不足
品牌目标受众定位模糊，难以
精准触达，广告投放效果受限
线上流量成本高，线下难以满
足多种体验需求，引流、促转
效率低
01 02 03
67
102 个增长实例 数智化增长领头羊｜ 2025 版
AI 破解增长难题， 亿曝光人次高效转化
广告投放，事实上就是品牌与用户的对话。只有找到能够与品牌真正对话的目标受众，才能实现品牌的生意
促转。因此，想要确定广告投放的户外场景，首要任务便是找到品牌的 TA 人群。
基于这一点，投放前，沁园通过瓴羊天攻户外 DMP 和阿里妈妈 DMP 达摩盘对人群进行多维度组合，精准且
全面地完成潜客目标用户选择，囊括了品牌人群、类目行为活跃人群、跨类目人群、关键词搜索人群及线上
房屋交易装修、家电商城 App 与线下家装家电场所到访偏好人群。
针对 TA 人群特性，沁园在目标城市下，将户外广告投放场所定位于家居商场、家装建材城、家电商城、新开
楼盘小区、十年以上小区等，以更加贴合目标受众的日常生活，有效提升品牌曝光度和市场渗透率。
为扩大受众到店引流概率，沁园还在投放场所周边的 200m 范围内，进行了社区 AI 大屏投放，引导周边小区
用户关注，以促进品牌近场引流。除社区 AI 大屏外，面对楼宇电梯资源，沁园还利用瓴羊数据平台，计算了
目标城市全量资源的 TA 覆盖度，进一步排序优选头部资源点位。
随后，沁园将目标场景和目标 TA 用户覆盖优选资源包组合，生成最终资源排期，精准高效地触达目标客群，
从而实现线上、线下 TA 群体从种草到收割的全流程无缝衔接，使广告投放效果最大化。
经过数据分析发现，本次曝光社会中间力量人群特征突出，主要集中在 30-39 岁年龄阶段群体，且曝光人群
在轻奢、小资层面的 TGI 均大于 1，消费能力显著。
可以说，此次广告投放不仅与品牌想要触达的目标人群高度一致，而且还能有效聚集潜在客群，为沁园线下
门店以及线上电商平台生意的蓄水种草提供了坚实的基础。
01 锁定 TA 人群，打造高效选点组合策略
沁园户外广告曝光人群标签
轻奢消费
普通消费
小资消费
有孩 无孩
三口之家
TGI
两口之家
TGI
三世同堂
TGI
预测消费能力（TGI）预测年龄段（TGI）
18-24 岁
30-34 岁
40-49 岁
25-29 岁
35-39 岁
50 岁及以上
预测是否有孩（TGI） 预测家庭结构（TGI）
68
102 个增长实例 数智化增长领头羊｜ 2025 版
02 全域营销效果显著，户外广告曝光人次破 亿
在阿里妈妈及瓴羊天攻智投的帮助下，沁园充分发挥媒体价值，多频次高曝光线下客群。数据显示，本次推
广曝光共计超 亿人次，曝光潜客浓度提升至 119%。同时，这也对线上商铺和线下品牌店铺均产生了不错
的转化效果。
1. 品牌竞品及行业活跃人群占比高达 30% 以上：通过户外广告的广泛覆盖，品牌成功吸引了大量竞争品牌的
目标人群，帮助品牌实现对竞品与行业人群的心智渗透抢占。
2. 助力线上商铺转化率提升：线下广告对曝光人群起到了提醒作用，可助力线上商铺转化提效。数据显示，
相较未被天攻曝光的人群，被天攻户外曝光过的人群表现出了更强的转化意愿，UV 点击率提升 28%，成交
转化率提升 27%，ROI 提升 27%，对后续线上广告投放具有显著正向影响且具备长期运营价值。
3.被户外曝光后流转至AIPL人群（认知、兴趣、购买、忠诚四类阶段人群）规模可观，O-AIPL流转率显著提升：
曝光人群中，90% 以上在投放前不属于品牌原有的 AIPL 人群，通过户外广告，品牌成功吸引了大量新增资产。
4. 投放期间品牌线下进店规模提升：户外广告曝光进店规模占品牌线下门店总进店人群的 40%，有效促进了
线下门店的客流量，增加进场客流量，为品牌线下生意转化提供更多潜力与助力。
沁园户外广告投放效果
03 结语
在本次户外广告投放策略的实施过程中，沁园凭借瓴羊天攻智投平台的精准算法与强大的数据分析能力，成
功跨越了定位 TA 人群与合理安排投放位置的两大难关，开启了品牌全域营销的新篇章。此次广告投放的成功，
不仅证明了全域营销策略的实效性，也为同行业其他品牌树立了可供参考的典范，能够为整个行业的创新与
发展提供源源不断的推动力。
线上流量成本高昂、品牌利润空间挤压
目标受众难以精准触达，广告投放效果受限
线上线下流程割裂，品牌生意转化遇阻
·
·
·
·
·
·
户外 DMP 高效选点，曝光人次超 亿
线上商铺 UV 点击率提升 28%，成交转化率提升 27%，
ROI 提升 27%
线下门店进场客流增加，因户外广告进店人群占比 40%
BEFORE AFTER
广告传播 主动搜索进店品牌印象 咨询 / 购买
XXX XXX
XXX 曝光搜索进店贡献：40%+
总搜索人数 总搜索进店 曝光搜索进店
门店引流效果评估：广告投放期间，观看广告并搜索进店贡献率近 40%
69
102 个增长实例 数智化增长领头羊｜ 2025 版
购商云汇成立于 2013 年，专注于为生产工厂、批发商、电商分销商等 B 端客户提供一体化供应链贸易服务。
业务覆盖服装、箱包等多个核心品类，已服务超 15000 家厂商和 314 万家采购商，是国内领先的贸易信息服
务平台。
瓴羊为购商云汇打造了秒级的数据洞察效果，不断提升 B 端用户的使用体验和价值。
通过构建全面的埋点监测体系，帮助我们挽回流失用户的同时，也激发了用户的多次
回购。
互联网 | B2B 电商平台 | 供应链服务 | 用户运营
—— 购商云汇大数据中心负责人
秒级洞察数据效果，上万家 B 端厂商扩大产销规模
营销 Agent 掌握全链路数据，实现用户全生命周期精准运营。
购商云汇：
覆盖用户 内容推荐 购车下订转化率提升
全周期 个性化 15024 家超
相关产品
业务挑战
未建立全面的 B 端用户行为监测体系，
数据支撑不足
缺乏有效的埋点监测手段，
用户持续流失
01 02
70
102 个增长实例 数智化增长领头羊｜ 2025 版
作为一站式贸易信息服务平台，购商云汇致力于为 B 端用户构建一个高效、可靠的数字贸易生态。平台汇聚
了服装、箱包等核心产业带的海量货源信息，通过深度整合供应链资源，为生产工厂、批发商及分销商提供
全链路服务，旨在帮助用户降低采购成本、提高经营效率，最终实现业务的持续稳定增长。
因此，在服务 B 端用户的过程中，购商云汇的核心关注点始终在于用户的成长度与活跃度。然而，由于未能
构建一套全面的用户行为监测与分析体系，购商云汇作为平台，虽然拥有庞大的用户基数和交易流水，但对
于用户如何活跃、因何成交、为何流失等关键行为，却无法进行详细且深度的分析。这导致运营策略往往基
于经验而非数据，难以实施精准有效的用户培育与价值挖掘。
为解决这一核心痛点，瓴羊 Quick Audience 团队深入购商云汇的业务一线，对其旗下的生意网、购途网、
衣衫汇等多个平台及电商工具进行了全面的产品矩阵梳理与核心业务流程摸底。在此基础上，团队量身落地
了一套端到端的埋点采集与数据整合方案。该方案不仅严格保证了数据的准确性与一致性，更极大地提升了
数据使用的时效性，使业务团队能够以前所未有的秒级速度实时感知数据变化，快速响应市场动态。
此外，为实现更深层的用户价值挖掘，购商云汇在瓴羊的技术赋能下，进一步构建了云端应用级日志采集分
析系统与运营营销平台。这一系统实现了从用户认知、兴趣、体验到交易乃至复购的全生命周期旅程覆盖。
通过精准洞察每一位用户的偏好与需求，平台能够自动触发个性化的内容推荐与权益激励，进一步实现客户
价值最大化，将数据资产真正转化为业务增长的核心驱动力。
01 秒级洞察数据变化，提升用户体验
02 全面埋点监测，挽回流失用户
购商云汇旗下不仅有生意网、购途网、衣衫汇等货源平台，还专门研发了电商工具用于连接货源平台与主流
电商之间的商品和订单流转。由于平台多、货源广、数据分散等问题，此前购商云汇并未能建立完善的埋点
监测，对用户的下单购买、下单转化等数据无法进行有效分析，难以输出针对性的运营策略，导致平台用户
的大量流失。
两步助力购商云汇深挖用户价值
数据实时化，
秒级洞察数据变化
运营自动化，
用户全周期生命管理
决策智能化，
精准洞察用户偏好
解决方案
瓴羊
瓴羊
实施两步走战略
第一步：数据基础建设；全面业务流
程摸底；部署统一埋点采集方案
第二步：系统能力升级；搭建云端应用
级日志采集分析系统与运营营销平台
71
102 个增长实例 数智化增长领头羊｜ 2025 版
在瓴羊 Quick Audience 的赋能下，购商云汇搭建了完善的埋点监测体系，通过分析用户在核心业务流转中的
各项数据指标，如下单转化、注册转化、活动参与转化等数据，找到流失用户群，并进行针对性的消息推送
和短信提醒，用各项优惠权益激发用户回购。
基于瓴羊 Quick Audience 搭建的数据分析平台，购商云汇运营团队能够快速定位即将流失或已经流失的用户
群体，并通过定向推送包括优惠券、新品通知、采购返利等在内的个性化权益内容，有效激发用户回购意愿。
例如，对 30 天未访问的“流失预警用户”，系统可自动触发短信 +APP 的组合触达策略，结合其历史采购偏好
提供专属货源推荐与限时优惠，显著提升用户回流率。
面向 B 端市场，平台的数据洞察和分析能力尤为关键，只有持续地为 B 端用户挖掘数据价值和应用潜力，才
能更好地扩大产销规模。在数据智能分析的价值指引下，未来，购商云汇将不断加速供应链与消费端的供应
效率，通过消费端数据推动产业带源头厂商数字化发展，打造“以销定产、产销协同”的数字化供应链新生态，
真正赋能源头厂商降本增效、扩大规模。
数据不全面，数据分析等待周期长
未建立全面的B端用户行为监测体系，数据
支撑不足
缺乏有效的埋点监测手段，用户持续流失
·
·
·
·
·
·
数据分析能力升级，秒级洞察数据变化
打通现有产品矩阵，驱动数据全场景、多流程覆盖
精准洞察用户偏好，实现用户全生命周期运营
BEFORE AFTER
针对购商云汇流失用户的解决方案瓴羊
推送专属权益内容：
新品抢先看、专属优惠券、
限时返利 ......
用户回流与回购
用户流失预警信号 用户流失
状态判断
多渠道自动触达：
APP 通知、短信、消息
中心提醒
制定针对性挽留策略
核心转化指
标分析
用户行为分
层与打标
全平台统一
埋点监测
数据洞察层
历史采购
偏好
匹配个性化
权益
不访问用户
（访问间隔延长）
高流失风险用户
（30 天未访问）
已流失用户
（90 天未访问）
72
102 个增长实例 数智化增长领头羊｜ 2025 版
大家保险集团是一家涵盖保险、资管、养老三大核心业务领域的综合性保险集团。以保险为主业，下设大家人寿、
大家财险、大家养老等保险子公司，在全国 31 个省（区、市）设有 60 家省级分公司、1000 余家地市县级分
支机构，累计为 4000 多万名客户提供风险保障、健康养老和财富管理一揽子服务，满足人民群众各年龄段、
各生活场景下的保险保障需求。
随着保险服务日益线上化，无论是面向 A 端代理人还是面向 C 端消费者，高效的数据管
理是推动保险行业被更广泛接受、理解和尝试的关键因素。目前，和瓴羊共建的数据体
系正支持我们多个业务团队更清晰、高效地分析指标，做出业务决策。
金融行业 | 保险 | 客户运营 | 代理人管理 | 数据可视化
—— 大家保险数据负责人
沉淀可视化数据资产，解决投保人和保险代理人双端难题
瓴羊营销 Agent 为数据采集建立标准，实现全域行为洞察。
大家保险：
集团应用端覆盖 员工每日通过 Quick Audience
平台展开工作
关键需求通过 Quick Audience 满足
90 100 80名超 %%
相关产品
业务挑战
用户数据分散多平台，对高价
值数据的识别、分析洞察不足
缺少过程归因分析，业务中断
环节难定位
代理人端数据体系不明确，
难以直接复用 C 端逻辑
01 02 03
73
102 个增长实例 数智化增长领头羊｜ 2025 版
如今，保险服务线上化率日渐提升，用户的终端行为和需求侧都产生了大量数据，这些数据散布在不同的平
台和设备上。保险企业面临的挑战在于如何高效地收集数据，保留有价值的信息，并通过深入分析，促进业
务发展，增强市场洞察力。同时，将无效或价值较低的数据进行筛选和剔除，以实现数据存储和管理成本的
最优化。
大家保险在 App、微信和小程序等平台上持续布局和更新，逐渐意识到数据埋点和采集对业务增长及市场洞
察的重要性。但由于缺乏统一的数据采集标准，大家保险曾遭遇效率低和采集数据价值不高的难题。
要深度发挥数据价值，首先要建立一套统一的数据规范。大家保险与瓴羊 Quick Audience 合作，推出了“集
团采集体系落实标准方案设计”，以标准化建设强化数据底层收集的规范性，积累更多高质量数据，并让数据
有效赋能业务。
由于保险产品与消费者之间存在固有的信息鸿沟，保险代理人需要持续追踪和满足消费者的具体需求，并提
供即时有效的个性化服务。为此，大家保险在夯实数据基础的同时，还依托瓴羊的分析 Agent，深入洞察客
户与代理人的行为及诉求，推动销售策略与团队管理的数字化创新。
01 打造统一数据底座，让数据“同声共气”
02 To C 客户：用数据归因，找到用户真正在意的体验
过去，对线上保险服务的数据分析主要集中在结果数据，缺少对过程原因的分析。由此带来的结果，是难以
识别业务中断或阻碍的具体环节。依赖于传统的报表和重复的 SQL 查询，不仅效率低，也无法满足现代业务
对时效性和灵活性的需求。
为确保线上化服务数据的完整性、及时性和准确性，大家保险与瓴羊合作，构建了面向 C 端客户的服务线上
化目标观测体系。该体系全面实时监测各渠道的注册情况、资讯分享、产品推广链路和点击率等数据，从而
为线上服务的优化提供精准的方向。
大家保险统一数据规范，让数据有效赋能业务
高价值数据
保留、使用
筛选
剔除
低价值数据
无效数据
瓴羊
大
家
保
险
数
据
池
统一数据规范
微信
小程序
APP
74
102 个增长实例 数智化增长领头羊｜ 2025 版
洞察根源
指导产品功能优化与迭代
最终目标：
提升线上服务使用率
大家保险
“线上服务使用率”
指标拆解
其次，对于重要指标，大家保险进行有效拆解，明确维度，保障业务监测的准确性。从业务视角来看，大家
保险对内部多个终端应用的价值评判主要包含“线上功能覆盖率”和“线上服务使用率”。其中，“线上服务使用率”
是指全流程服务总件数中，有多少是通过互联网线上平台服务功能使用完成的。换言之，是否有更多的服务
在线上平台完成，是“线上服务使用率”衡量的主要业务内容。
大家保险在瓴羊 Quick Audience 的能力协助下，将“线上服务使用率”指标拆解为：线上活跃用户数、线上服
务办理发起率、线上服务办理完成率。通过线上服务流程监控和使用体验评估，可以判断断点的可能性原因，
进而提升“办理完成率”。这些指标对于精准优化线上服务功能以及如何增减、迭代产品功能至关重要。
03 To 保险代理人：拆解代理人线上指标，用数据提升转化
除了面向 C 端用户的客户服务应用等，大家保险同时也有面向保险代理人的 App。
借助瓴羊数据采集能力，大家保险将“保费”和“增员”作为代理人 App 的数据核心目标，确定了以下三个主要
采集指标：新增代理人数与激活率、代理人留存率、人均发起件数与出单成功率。通过这些量化指标，可以
分析代理人对线上服务的贡献，并指导产品优化，助力业务人员增加出单量。
以春节期间大家保险举办的线上直播活动为例，该活动通过代理人向潜在客户和老客户发送邀约，利用瓴羊
Quick Audience 和自建数据体系实现了实时数据采集和可视化报告，轻松追踪不同地区代理人的渠道链接动
态，有效归因客户来源。通过分析这些数据，如直播流量、各地区邀约流量和观看质量，评估代理人成果。例如，
统计用户观看时长，以此作为活动奖品发放依据，极大提高了代理人的积极性。同时，对多场直播数据进行
沉淀和对比，分析不同效果背后的影响因素，为持续优化活动策略，提高活动转化率提供数据支持。
大家保险“线上服务使用率”指标拆解
线上活跃用户数 反映线上服务服务功
能的潜在激活情况
代表客户的使用意愿
揭示流程中断点
（如报错、交互复杂、
资料不全）
线上服务办理
发起率
线上服务办理
完成率
75
102 个增长实例 数智化增长领头羊｜ 2025 版
04 结语
大家保险集团与合作伙伴共同构建的数据体系已全面覆盖了集团 90% 的应用端，有效支撑了集团多个内部团
队在指标观测和分析方面的需求。每天超过 100 名内部员工使用 Quick Audience 平台来辅助业务运营。
数字化正在重新定义保险行业的商业模式。无论是面向 A 端代理人还是面向 C 端消费者，高效的数据管理是
推动保险行业被更广泛接受、理解和尝试的关键因素。
数据标准不一，数据资产沉淀困难
线上服务使用情况难以量化，客户流失原因不明
代理人线上贡献不清晰，增员与留存缺乏数据支撑
·
·
·
·
·
·
统一采集规范及落实标准，确保执行简易统一
精确识别流程断点，发现业务盲区，
推动产品持续改进
量化代理人对线上服务的贡献，优化工作流程，
提升出单率
BEFORE AFTER
76
102 个增长实例 数智化增长领头羊｜ 2025 版
结语
我们又一次站到了时代的拐点。来势汹汹的 AI 技术是大机遇，也是大挑战。有
的企业选择谨慎观望，更多企业选择大胆入局。毕竟面临历史性的契机，更快的
响应和更果断的行动，才是最好的回答。或许再过三五年，我们回顾 AI 技术带
来的商业变革时，会不禁感叹：勇敢的企业，先享受 AI。
在为企业提供 Agent 应用的过程中，我们发现，在纷繁多样的各种场景中，客服、
营销、分析三个场景，分别有着人力密度高、资金密度高、数据密度高的特点。
这也使得这三个场景，成为企业打造 Agent 能力的最佳场景。《102 个增长实例：
数智化增长领头羊》集合了企业在客服、营销、分析三个场景的 AI + SaaS 的最
佳实践案例。通过对最佳实践的深入分析，不难发现“大模型 × 好数据 × 强场
景”是企业级 Agent 的黄金公式。企业级 Agent，被认为是目前 AI 应用在企业落
地的最佳路径之一。《102 个增长实例》不仅仅是一本案例集，这也是企业在 AI
时代的一张地图、一本路书、一套攻略，瓴羊与企业一起，在时代的拐点，找到
最好的方向。
金
融
互
联
网
工
业
制
造
传
媒
能
源
食
品
酒
水
汽
车
服
装
服
饰
交
通
零
售
运
营
商
消
费
电
子
美
妆
个
护
地
产
政
府
部
门杭州市
数据资源管理局
杭州市余杭区
数据资源管理局
乳
业
他们都选择瓴羊
