人工智能
对零售业
的影响
五个步骤撬动零售
人工智能未来3100亿
美元增量价值
概述
零售业竞逐3100亿美元人工智能机遇
人工智能驱动的系统性转型正重塑零售业格局，带来超个性化体验与运营效率的跃迁式提升。
该技术不仅直接回应环境可持续性挑战、主动驾驭技术颠覆浪潮、深度影响客户期望，更推动
零售商对价值链进行端到端重构，从而在传统业务边界内外释放显著增量价值。零售商可借此
实现客户体验的升级、运营流程的精简及组织韧性的全面强化，最终在高度竞争的市场中构筑
可持续的增长飞轮。
过去一年，全球多数头部零售商已将人工智能提列为战略重点，并围绕高价值场景快速落地一
批关键用例。本报告基于对其中100个标杆用例的深度分析，并结合普华永道思略特最新行业
实践的综合验证，形成以下核心洞察：
• 若零售商能在全组织维度实现AI用例的工业化落地，其经营性利润率有望在2030年前实现 四
倍跃升；先行者虽面临更高的资本支出与风险敞口，但亦将获得显著的超额收益；
• 当AI在零售业完成广泛渗透及工业化应用，全球年度经营性利润预计于2030年前新增3100
亿美元，对应整体利润增幅约20%；其中，美国与欧洲等成熟市场将贡献该增量的主体 部
分；
• 从潜在价值贡献维度看，品牌与营销领域AI用例最具爆发性，核心驱动力源于客户洞察深 化、
体验优化及超个性化推荐的系统性升级；
• 销售与商业运营紧随其后，收益主要得益于商品组合规划精细化及动态定价策略的显著 优
化；
• 供应链、门店运营、产品开发及中后台支撑职能（IT、人力资源、财务、法务等）亦将全面
受益于人工智能技术的深度嵌入与能力重构。
所有零售商需明确人工智能在其整体战略中的定位，并决定采取先行者或快速跟进者路径。先
行者主要集中于电商平台及具备早期投资能力的精品零售业态；快速跟进者则多见于传统实体
零售，包括折扣零售商。
行业已普遍启动人工智能项目并锁定高优先级用例，但真正实现规模化落地、充分释放潜在价
值的企业仍属少数。为此，本报告提出五大关键步骤，旨在指导零售企业体系化兑现AI全量 价值。
第一章
人工智能对全球零售业的影响
零售业历来呈现“低利润率、高成本”的典型特征，因此对外部环境及地缘政治扰动、劳动力成
本上行以及消费需求的结构性变化高度敏感。与此同时，刚性需求属性确保了品类渗透率的持
续提升，市场规模因而保持稳健扩张。
依据渠道形态，零售行业可划分为电商与实体零售两大阵营，二者在运营逻辑上存在显著差异
（见图1）。电商模式凭借去门店化而享有较低的管理费用，却面临激烈竞争及物流挑战，包 括管
理高效的配送体系和退货处理；相反，实体零售则因多门店布局导致固定成本显著高企。全渠
道零售商致力于构建线上线下无缝体验，进一步抬升了运营复杂度。
通过人工智能重塑业务的零售商，有望在2030年前将经营
利润率提升至现有水平的四倍；为兑现这一潜能，企业必
须从渐进式优化转向颠覆式变革：不再局限于个别AI用
例，而是对商业模式与组织架构实施系统性再造，使人工
智能能力深度嵌入价值链的每一环节。”
Matthias Schlemmer博士，普华永道思略特合伙人
普华永道思略特 | 人工智能对零售业的影响 2
图1
电商与实体零售商的业务考量
电商 实体零售商
产品开发和采购 线上渠道客户反馈驱动产品开发；
供应商关系效率优化
线上线下全渠道客户反馈（如：
面对面市场调研） 驱动产品开
发；供应商关系效率优化
品牌和营销 以便利性与可达性为核心的虚拟
体验
接触实物的实体店购物体验
销售与商业运营 依托网站/应用程序的线上销售，
具备动态定价与全球化触达能力，
并通过个性化推荐实现交叉销售
与追加销售
线下门店销售（实体产品交互），
以固定价格策略深耕本地市场
供应链 集中式仓储，需构建高效物流体
系以支撑配送与退货
分布式库存，以区域枢纽及门店
网络为载体，需借助精准预测与
高效补货机制
门店运营 无实体门店运营，依托线上下单、
线下自提模式，实现数字化与线
下交互的融合
实体门店和选址，须人员培训、
视觉陈列与现场客户服务
支持职能部门
（包括IT、人力资源、法务、
合规和内审）
技术驱动型解决方案、IT基础
设施、网络安全及云服务体系
需要额外聚焦设施运维、门店安
防与能耗管理
资料来源：普华永道思略特分析
在创新维度，美国依旧处于全球零售前沿。以亚马逊为代表的电商巨头与沃尔玛等实体零售龙 头
持续在创新投入及风险承担方面领跑。若进一步审视全球版图，可发现AI应用呈现出显著的 区域
差异，尽管个别企业的表现未必完全符合总体趋势。
在AI用例实现规模化、工业化落地的基准情境下，我们的测算表明：至2030年，全球零售业可
新增经营性利润3100亿美元。区域贡献拆分如下：美国1650亿美元、中国250亿美元、欧洲700
亿美元，其余地区合计500亿美元；该增量以“零AI效应”情境下零售业%的复合年均增长 率为
基准假设。1
1 资料来源：HIS零售市场数据 (2024)，普华永道思略特分析
欧洲
全球
美国市场的巨大增量空间，可归因于其深厚的创业文化、充裕的资本供给，以及毗邻全球科技 巨
头的区位优势。企业持续对AI进行大规模投入，并在端到端价值链内实现规模化落地，从而 确立
了领先地位。
欧洲零售商普遍定位于快速跟进者角色，战略重心偏向渐进式优化。这一现象根源于相对保守 的
风险偏好、成长型资本投入不足，以及AI与运营体系的深度集成尚未完成。欧美差异进一步 验证
了“资本+执行”双轮驱动对AI赋能零售转型的战略重要性。
中国市场则由阿里巴巴、京东等科技巨头主导，电商扩张速度极快。得益于监管对数据隐私与 保
护相对灵活，新技术渗透与AI用例的全链路整合得以迅速推进。
其余地区受制于基础设施短板、消费偏好异质性与购买力分层，零售商战略重心聚焦于渠道可 达
性、商品多样化与价格可负担性，AI前沿创新尚未成为优先级议题。
图2
全球视角下，人工智能对零售业营业利润潜在提升的分布格局
亿美元
中国/新兴市场
500 亿美元世界其他地区
700 亿美元
1650 亿美元美国
3100 亿美元
资料来源：HIS零售市场数据 (2024)，普华永道思略特分析
250
第二章
人工智能在零售价值链中的价值
人工智能正在重塑整个零售行业，并蕴含巨大未来潜力，零售企业得以在整个价值链上发掘价值。
本研究甄选出100个最具前景的（生成式）人工智能用例，并以营业利润率3%的典型零售企业为基准，评 估这
些用例对利润表的贡献。每个用例均对应至零售商利润表的核心科目，由普华永道思略特的零售和科 技行业专
家及思想领袖，共同估算全面实施后的影响区间。研究发现，价值链不同环节可落地的用例数量 差异显著。在
得出上述结论时，专家综合考量了各用例对现有商业及运营模式的颠覆程度以及实施的可 行性。
若零售商能在全组织维度实现AI用例的工业化落地，通过增收节支，其经营性利润率有望由3%跃升至%，
实现四倍跃升。该增量主要源自价值链前端的品牌营销、销售及商业运营环节的客户触达型 用例。
需要指出的是，上述营业利润率提升以企业具备先发优势为前提；随着竞争对手的跟进，该优势可能出现 递减。
此外，该总体预测为理论值，其前提条件包括：对所有用例进行快速且高完成度的落地，配套必要 的投资与资源，
并将人工智能全面嵌入组织及日常流程。显而易见，尽早投资的商业动因极为迫切：一旦 其他市场参与者大规模
引入人工智能，成本降低所带来的红利将迅速让渡给终端消费者，企业由此获得的 领先优势亦将随之消散。
不同零售企业的商业模式存在差异，并非所有用例均适用于每一家企业。例如，纯电商企业无需实施与门 店运
营相关的用例；而传统实体零售商若尚未在交易层面采集客户数据，则难以有效落地与客户体验相关 的用例。
预计至2030年，仅有优先布局人工智能的企业能够部分完成上述规模化进程；电商领先企业，以及愿意早 期投
入的、具备创新基因或定位高端的连锁企业，采用速度将更为领先。
较较基基准准利利润润率率提提升升逾逾4倍倍
图3
零售业实现人工智能价值所带来的整体运营利润率潜力（仅展示主要用例）
基准运营
利润率
资料来源：普华永道思略特分析
运营利润
率潜力产品开发和
采购
品牌和营销
销售与
商业运营
供应链 门店运营
支持职能
部门
运营利润率的提升基于先发优势，随着
竞争对手跟进，增幅可能缩小；总体预
测为理论值，且假设全部用例迅速落地
自主供应商谈判 个性化推荐 上架/下架 配送路线优化 货架陈列图优化 IT软件开发和测试
供应商谈判准备 营销内容生成 动态店内定价 需求预测 劳动力规划 IT服务聊天机器人
产品开发 媒体预算优化
本地化商品组合
规划
仓储库存优化 视觉商品识别 自动化绩效评估
…
客服
交叉销售和追加
销售机会
… …
财务计划与分析
(FP&A)聊天机器人
… … …
产品开发和采购环节的人工智能价值
产品开发与采购对于塑造零售企业的竞争力、推动创新并满足客户需求至关重要。通过改进产 品
开发、提升供应商管理效率，AI有望在这一价值链环节带来最高个百分点的运营利润率提升
（约占全价值链总体提升的7%）。
其中最具影响的AI用例之一是自主供应商谈判。AI通过自动化触发器与文本沟通，与供应商进行 实
时互动；依托“总价值模型”，综合历史结果、市场趋势等多重因素，动态优化谈判策略， 从而降
低成本并显著提高采购效率。
AI还能在供应商谈判准备中发挥作用：通过分析供应商历史数据，并结合竞争对手及市场洞 察，为
采购团队提供决策支持，帮助企业争取更优条款、进一步压缩成本。
此外，AI驱动的分析能够整合碎片化的公开信号或客户数据，赋能产品开发。零售商可据此识 别
新兴市场趋势、洞察客户偏好，进而构建精准客户画像并推出更契合市场需求的设计方案。
品牌和营销环节的人工智能价值
品牌和营销在零售中扮演着关键角色，负责策划并执行整体战略以吸引、打动与留存客户，涵 盖
个性化推荐与促销、超个性化营销、内容创作以及客户情绪分析等多个核心领域。
在当今日益激烈的竞争环境中，尤其是在客户对“超个性化”互动期望不断攀升的背景下，AI 已成为
驱动数据化、可衡量且高影响力营销决策的关键引擎。凭借高达个百分点的营业利润率提升
潜力（约占全价值链总体提升的35%），品牌和营销环节的占比最大。
例如，个性化推荐与促销利用人工智能来分析并识别购买模式，从而创建与个人偏好一致的定 制
优惠、智能购物清单和产品建议。该用例能够提升互动度并提高客户转化率。
人工智能在营销内容生成方面的高影响力用例包括：为广告创作引人入胜的文本、视觉和视频 内
容。使用人工智能可以显著降低内容创作成本并加快上市速度，同时确保品牌调性的一致性 和吸
引力。
媒体支出优化通过人工智能分析各种媒体渠道的效果和投资回报率，确定营销预算的最高效分 配
方式，例如建议应使用哪些渠道或活动的时机。与此同时，可以借助聊天机器人或自助语音 增强
客服，从而将人员部署到能够带来最大收益的环节。
此外，营销领域还有若干以赋能为核心的用例，例如客户情绪分析和客户细分。就前者而言，
人工智能可以分析来自评论、社交媒体和调研的反馈；就后者而言，人工智能可依据购物行 为、偏
好和人口统计特征对客户进行分析和分类。尽管这些用例相较于其他场景未必带来最高的价值
提升，但它们有助于解决悬而未决的问题、优化产品与服务，并与客户建立更强的情感纽带，
同时还具备通过与供应商共享洞察来实现数据变现的潜力。
展望未来，人工智能驱动的客户分析平台有望通过提供对购物行为和偏好的预测性洞察，彻底
改变零售商与客户的互动方式。那些在品牌和营销环节优先部署人工智能解决方案的零售商，
不仅能够加固与客户间的纽带，还将实现效率的提升和可衡量的投资回报率。但由于许多人工
智能应用需要获取高质量的客户数据，并需与现有营销流程进行深度整合，因此尽管前景可 期，业
内的采用程度仍不均衡。
销售与商业运营环节的人工智能价值
销售与商业运营是零售运营的支柱。该价值链环节可带来高达个百分点的运营利润率提升
（约占全价值链总体提升的32%），其中关键领域包括商品组合规划、动态定价和客户互动。
人工智能使零售商能够通过先进的上架和下架策略来优化其产品供应，从而确定应主推或淘汰
哪些商品，确保商品组合既平衡又有利可图。虽然这对零售商来说并不新鲜，但人工智能有助
于分析日益增长的数据量，并综合考虑销售表现、客户偏好和市场趋势等新的数据点。该用例
不仅能提高库存效率，还通过将产品供应与需求相匹配来提升客户满意度。
另一个高影响力的人工智能用例是动态店内定价：人工智能利用竞争对手价格、需求趋势、库
存水平和产品新鲜度，推荐并实施实时价格调整。这确保了价格竞争力，防止缺货，减少浪 费，
并增加销售额。在高峰时段或促销活动期间，先进算法能够动态调整价格。
人工智能应用的另一个关键领域是本地化商品组合规划。该用例使零售商能够根据特定位置的
客户偏好和人口统计特征来定制其产品供应。人工智能可以分析区域销售模式、客户数据和市
场趋势，为每家门店推荐优化的商品组合。
行业案例
亚马逊战略性运用人工智能以提升客户体验与运营效率，其对Anthropic Claude（OpenAI ChatGPT 的竞品）高达
40亿美元的投资便是明证。通过与Anthropic Claude合作，亚马逊将先进的生成式人工智能工具集成到客户互动、
商品推荐及内部流程中，既优化了购物体验，也简化了运营流程。借助Claude，亚马逊显著推动了电商销售增长，
充分展示了人工智能在提升客户留存与转化率方面的变革性力量 2。
2 资料来源：纽约时报，“Amazon Invests $4 Billion in Anthropic, Deepening Its . Ties” (2024)
人工智能还通过先进的交叉销售和追加销售显著提升客户购物旅程。无论在线下门店还是线上平
台，人工智能驱动的推荐系统都能实时识别可交叉销售的互补商品，并推荐用于追加销售的额外
或替代商品，所有建议均根据客户偏好即时定制。
展望未来，人工智能在销售与商业运营职能中的变革潜力巨大。迈向人工智能成熟之路，需要从
店内的视觉识别到电子价签等技术与数据基础设施上持续投入，方能充分释放其价值。
供应链环节的人工智能价值
供应链职能作为零售价值链的重要组成部分，可带来最高个百分点的运营利润率提升（约占
全价值链总体提升的11%）。该职能确保商品从供应商到客户的无缝流转，涵盖库存管理、物流
与配送路线优化等关键领域。随着全球供应网络日趋复杂，人工智能已成为供应链运营的有力 支
撑。
一个高影响力的人工智能用例是需求预测，它利用机器学习模型分析历史销售数据、外部市场状
况，以及天气或社交媒体趋势等实时输入，从而协助减少缺货、优化库存水平并将过度生产的 情
况降至最低。
另一个重要用例是配送路线优化，AI通过分析交通模式、订单量及配送的限制情况，提高最后一
公里配送效率。亚马逊等企业已部署基于AI的路线优化，实现更短的配送时间并提升客户满 意度。
仓储库存优化同样在供应链运营中发挥变革作用。人工智能可以帮助零售商在各配送中心维持最
优库存水平。
行业案例
凭借“一切就绪”的供应链，沃尔玛已在供应链运营方面取得显著成效3。其软件即服务解决方案“路线优化”专门提
升中段运输效率，即从配送中心到门店的运输环节。该方案涵盖多点路线的实时优化、卡车装载效率最大化，以
及返程利用率的最优化。沃尔玛表示，通过内部部署该软件，已减少超过4800万公里的行驶里程，相当于削减约
4300万公斤的二氧化碳排放 4。
未来，随着数字孪生和自动驾驶车辆等技术日趋成熟，人工智能在供应链运营中的应用将进一步
扩大。优先布局AI驱动供应链升级的零售商，将在降低成本、提升服务水平及构建可持续运营模
式方面持续获益。
3 资料来源：PYMNTS，“Walmart: AI Helps Create ‘Ready for Anything’ Supply Chains” (2024)
4 资料来源：沃尔玛， “Walmart Commerce Technologies Launches AI-Powered Logistics Product”
门店运营环节的人工智能价值
门店运营负责打造难忘的顾客体验并驱动店内效率，可带来最高个百分点的运营利润率提升
（约占全价值链总体提升的11%）。这一环节涵盖劳动力规划、货架管理以及店内顾客互动，
均是提升单店销售额的关键要素。
一个高影响力的应用是门店与货架陈列图优化，依据销售数据、顾客偏好及空间限制，利用人
工智能为商品摆放位置给出建议。通过最大化货架利用率并突出高毛利商品，零售商可显著提
升销售业绩。
另一项关键人工智能用例是劳动力规划，通过人工智能驱动的工具分析门店客流模式、季节性
变化以及员工可用性，动态生成排班表，从而确保最优人力配置、减少闲置时间，并提升顾客
服务质量。人工智能还应用于视觉商品识别，利用深度学习算法在收银环节识别商品或检测货
架上的低库存情况。通过将这些流程自动化，零售商能够降低人力成本并提高运营效率。
行业案例
在比利时的家乐福，通过部署人工智能工具，直接在门店监控商品新鲜度并追踪保质期。这些工具实时分析店
内销售模式和库存水平，帮助做出精准补货决策，最大限度减少浪费。凭借对商品新鲜度和货架优化的重视，
该公司不仅提升了顾客购物体验，也显著减少了低效运营的情况 5。
支持职能环节的人工智能价值
IT：在AI重塑过程中，IT扮演着双重角色：首先，它为组织提供最初部署AI技术所需的工具、 人
才和培训；其次，IT自身的能力与流程也可通过AI进行优化。IT可带来最高个百分点的运营
利润率提升（约占全价值链总体提升的%）。
AI在IT领域中的主要应用之一，是软件开发与测试。由于编程语言具有系统性，AI可作为开发 者
与数据工程师的副手，在质量和速度上带来显著提升。
与此同时，AI还能提升IT的整体流程卓越性，例如通过预测运营中心的瓶颈，或部署高度先进
的IT服务聊天机器人，数据编目或IT资产清单维护等日常任务大多也可以实现自动化。AI还能 以
其他方式为首席信息官提供关键支持，例如帮助应对日益严峻的网络攻击，以及缓解严重的人
才短缺带来的影响。
5 资料来源：The Retail Optimiser，“Carrefour Belgium optimises best-before data management with Delegate” (2024)
人力资源：AI在整个员工生命周期内几乎都能带来巨大潜力，尤其是在招聘、劳动力与人才管
理以及培训方面，但最大的挑战在于如何驾驭这股强大力量，使流程更高效、更公正，同时保
留人际间的温度。人力资源环节可带来不到个百分点的运营利润率提升（约占全价值链总
体提升的%）。
未来，AI将助力招聘人员细化职位要求，依据候选人偏好个性化触达，并提供高效方式筛选海
量简历。当AI通过解析非结构化候选人数据并自动完成技能与经历标签时，人事就能把更多时
间投入到人际沟通中。AI还可支持无偏见候选人甄选及新员工入职与培训。在我们的分析中，
已评估多项AI用例，包括自动候选人筛选与比对、自动绩效评估以及培训内容生成。
凭借其带来的更高产出、更快速度与更优质量，AI能够对人力资源产生变革性影响。然而，AI
的出现也对招聘与培训提出新挑战：若要保持竞争力，企业需解决相关技能人才的短缺问题，
同时让现有员工学会驾驭AI。从这个意义上，人力资源既是AI的受益者，也是赋能者。
财务：财务同样是人工智能的赋能者和受益者。作为赋能者，首席财务官必须理解该技术对价
值链的影响，并将资源配置到最具前景的项目，包括智能体等全局性举措。财务环节可带来最
高个百分点的运营利润率提升（约占所有价值链环节总体提升的%）。
在收益方面，人工智能可自动执行重复性任务，仅凭简短提示即可生成复杂报告，并完成数据
汇总或分析。我们的专家认为以下三项用例的尤为关键：自动报告可根据既定风格指南或以往
项目模式完成撰写任务，或对现有草稿进行简化与语言校正；通过自动化方式处理发票，识别
重复单据、匹配采购订单并启动付款；财务规划与分析（FP&A）聊天机器人可处理多源数 据，
回答有关数据集和文档库的问题。
法务、合规和内部审计：对零售商法务职能中人工智能应用场景的分析揭示了若干益处，尤其
是在成本削减与产出优化方面。例如复杂合同的生成、验证与比对，以及合规性监测等环节，
均展现了人工智能的强大潜力。法务环节可带来超过个百分点的运营利润率（约占全价值链
总体提升的%）。
第三章
克服挑战、实现人工智能价值的五个步骤
与其他行业相比，零售行业在人工智能应用方面呈现出显著的不均衡性。其采用程度因零售商 的
商业模式而存在显著差异。例如，亚马逊这样的纯线上零售商迅速拥抱了人工智能，并且对 采用
速度较慢的线下实体零售商施加了日益增大的压力，促使其迎头赶上。
鉴于存在明确的财务激励因素，我们预计其他零售商将迅速缩小人工智能价值差距。人工智能 的
关注焦点将从选定用例的实验性应用与逐步增值，转向更为广泛的转型。人工智能将成为整 体商
业战略以及各个不同职能战略的必备要素，用以解决特定的职能业务问题。整合代理式人 工智能
（即具备自主决策与行动能力的人工智能系统）将改变零售商的工作方式，并为整个劳 动力群体
提供支持（并且可能不仅将任务交接给人类，还可能交接给其他人工智能体）。
尽管人工智能用例在初期就能展现出一定的价值，但要实现显著的投资回报率和可扩展性则需 要
多年时间。由于零售业属于竞争激烈且利润率较低的行业，所有参与者都必须尽快启动这一 进程，
以便在产品、定价以及无缝客户体验方面保持其竞争优势。
每家零售商都应根据自身情况决定合适的推进速度。那些早期就进行投资的先行者可能会享受 到
更大的收益，但他们也进行了最大的投资并且承担了最大的风险。相反，快速跟随者的投资 和风
险较低，但他们的收益也较低。对于那些希望迎头赶上的零售商来说，存在五个关键目 标。
生成式人工智能已超越效率工具的定位，成为重构零售行业价值
创造范式的核心引擎，不仅能推动零售商提升基础运营利润率， 更
能打破传统零售的线性增长逻辑，实现数据驱动决策对经验驱 动决
策的全面替代，将技术潜力转化为可持续的商业价值与社会 信
任。”
黄启佳，普华永道中国咨询业务主管合伙人
普华永道思略特 | 人工智能对零售业的影响 12
1.调整组织架构以实现人工智能交付
为了有效实施人工智能并充分释放其变革潜力，零售企业必须构建与业务目标相一致的组织模 式。
通过打造合适的架构、赋能员工以及优化流程，零售商能够增强协作并加速人工智能的规 模化交付。
这一切都需要具有明确角色和高效治理机制的组织设计。流程优化还需要有明确的指标以及全 面的
政策、标准和指导方针。整合代理式人工智能可能会进一步改变组织架构并简化运营流 程。员工需
要通过有针对性的培训项目来获得使用人工智能的能力。
2.平衡平台战略与创新工具
近年来，供应商主导的交付模式在复杂的人工智能产品领域占据主导地位，但其及时性和质量 有时
受到质疑。随着许多零售商将其能力扩展到云服务和数据科学领域，内部开发和交付正变 得越来越
普遍。然而，仍有许多重大挑战需要克服，特别是在资源质量、技能集和经验、文化 契合度以及
整合方面。
由于许多用例的复杂性很高，与云超大规模供应商和实施合作伙伴的混合交付已被证明是实现 人工
智能实施的最快途径。这种合作得益于跨业务职能的多样化技能组合，例如软件工程、数 据科学和
产品交付专业知识等。
3.提升数据成熟度并放开战略数据资产的访问
在人工智能领域，高效的数据管理是实现成功的关键基石。若缺乏成熟的数据体系，即便再先 进的
人工智能应用也可能无法生成具有实际意义且精准可靠的洞察。数据建模与编目等关键环 节对于加
速并优化人工智能的开发流程至关重要。数据建模涵盖在企业全域内构建全面的数据 结构，确保客
户、销售、市场、位置和产品等各类数据资产的透明度与可访问性。与此同时， 数据编目则创建
了一份详尽的清单，涵盖所有数据资源及其元数据。
保持高数据质量至关重要，因为不准确或缺失的数据可能导致模型出现缺陷，并产生误导性的 预测
结果。数据质量涉及准确性、唯一性、完整性、一致性、及时性和有效性等多个维度。在 零售行业，
由于每天都会产生海量数据，并且存在地区差异，这使得数据管理过程变得尤为复 杂。在适用的情
况下，通过构建可扩展的数据产品来解决这一问题，并为成功的人工智能计划 奠定坚实的基础。
普华永道思略特 | 人工智能对零售业的影响 13
4.积极应对监管与伦理问题
将人工智能融入商业运营，虽蕴含变革潜力，却也将关键监管与伦理考量置于显著位置。为打 造可
信的人工智能解决方案，企业需积极直面这些挑战，并构建明确的指导框架。对现有法规 的深刻理
解与严格遵守，是企业行动的基石。零售商必须持续追踪人工智能相关法律环境的演 变，涵盖数据
保护法规、知识产权以及行业特定法规。合规不仅助企业规避法律风险，更能向 利益相关者传递
信心与保障。
然而，伦理考量的范畴远超法律边界，触及社会与企业价值观的核心。例如，企业需确保其人 工智
能系统杜绝偏见，防止产生歧视性结果。在零售行业，鉴于人工智能用例直接面向客户或 依赖客户
数据，零售商必须就数据的使用，明确界定可为与不可为，制定清晰的指导原则。
5.建立数据文化并普及数据与人工智能的使用
人工智能解决方案有潜力彻底革新商业流程的执行模式，实现流程的精简，助力员工聚焦于更 具价
值的任务，并且提升整体的生产效率。尽管这些优势对于致力于削减成本与拓展收入的高 管团队而
言极具吸引力，但推动员工（涵盖从一线店铺员工到高级管理层的各个层级）广泛采 用人工智能技
术仍是一项亟待攻克的挑战。那些深陷日常运营事务的员工，往往会因恐惧而对 即将降临的角色
变革产生抵触情绪。
鉴于此，组织必须着手实施一套自上而下的沟通与培训计划。该计划不仅要清晰阐释即将到来 的变
革，更要着重凸显这些变革将为员工个人带来的益处，例如提供更具成就感与激励性的工 作机会。
唯有将这些解决方案切实应用于实践，其潜在价值方能得以充分释放。
面对存量竞争与消费分层的行业底色，人工智能已成为中国零售
破解内卷、构建竞争力的战略支点，通过精准运营和供应链提效 拉
升盈利空间，同时赋能业态创新，最终推动行业从价格战转向 价值
战。”
罗佳丽，普华永道思略特中国合伙人
普华永道思略特 | 人工智能对零售业的影响 14
零售业的未来之路：拥抱人工智能以应对逆风并创造
价值
随着传统业务模式被彻底颠覆，零售商正面临深刻且紧迫的转型阶段。零售行业利润率本就微 薄，
零售商已无法承受忽视与地缘政治、环境相关的干扰，以及类似的客户需求的深远变化。 然而，理
解和应对这些干扰，其意义远超生存本身。这些关键挑战恰为零售商提供了契机，使 其能够借助
人工智能，重新定义该行业创造和交付价值的方式。
生成式人工智能与其他尖端技术是重塑零售业务以适配新时代的必要条件。通过在价值链的各 个环
节深度整合人工智能技术，零售商不仅可以显著增强业务韧性、提升运营效率，还能为消 费者及利
益相关方创造前所未有的价值。据估算，零售商有望借此将营业利润率提升四倍以 上。事实上，人
工智能在全球零售行业有潜力创造高达3,100亿美元的价值。
然而，为了释放这种变革潜力，零售商必须战略性地拥抱人工智能。这种转变需要强大的组织 模式、
坚实的技术和数据基础、致力于解决监管和伦理考量，以及培养拥抱变革的文化。
渐进式变革远远不够。为在竞争中率先充分释放人工智能的潜力，零售商亟需即刻行动，并迅 速启
动大规模的人工智能投资。唯有如此，方能在激烈的市场竞争中抢占先机。那些能够以果 断且负责
任的态度采纳人工智能的零售商，将占据为顾客及利益相关者创造巨大价值的绝佳战 略位置，从
而在未来的市场竞争中脱颖而出，实现可持续的发展与成功。
普华永道思略特 | 人工智能对零售业的影响 15
