7 月 2 日，2025 全球数字经济大会期间，“人工智能+应用场景”典型案例（以下简称“典型案例”）在产业互联网创新发展论坛发布。典型案例聚焦工业智能、政务管理、金融服务等重点行业和领域应用场景，展现了北京人工智能赋能产业发展现状，为人工智能创新应用提供参考和实践路径。
基于北京软件和信息服务业协会（以下简称“协会”）2024年所发布的《北京人工智能+应用场景图谱》，为充分发挥图谱的行业指导作用，全面呈现人工智能在不同领域的应用场景与实践，协会开展了“人工智能+应用场景”典型案例征集活动，并从创新性、成效性等维度，专家委员会遴选推介12项《“人工智能+应用场景”典型案例》。
多点生活（中国）网络科技有限公司本次入选的“人工智能驱动零售出清与选品变革”，在商贸流通场景，通过大模型驱动的多Agent智能系统，"数据驱动+行业知识融合"的技术路径实现了零售商品动态折扣优化与精准选品，有效降低损耗并提升运营效率。
一、案例背景
零售业作为现代商贸流通体系的关键环节，对国计民生有着深远影响。2024年底，商务部等7部门办公厅联合印发《零售业创新提升工程实施方案》，明确提出将“人工智能+消费”作为新质生产力培育的重点方向，强调实体零售与数字经济的深度融合，旨在构建智慧便捷、绿色低碳的现代商业体系。然而，当前零售业面临着人力成本不断攀升、运营效率低下以及商品损耗率较高等诸多痛点，迫切需要借助人工智能技术实现“降本增效提质”的转型升级。在2025年全球AI零售市场预计突破千亿美元的战略机遇期，中国正加速推进以AI为驱动力的实体门店从传统“人货场”模式向智能生态场的全面升级，以充分释放超大规模市场的潜力。
二、实施过程
1、AI智能出清：
数据收集与预处理：全面收集历史销售数据，涵盖过往数年的销售记录，包括不同季节、节日、促销活动等多维度信息；实时获取收货数据，精确记录每一笔进货的时间、数量、供应商等细节；动态更新实时库存数据，确保数据的准确性。同时，整理门店类型（如社区店、商圈店、大卖场等）、商品类型（生鲜、日用品、食品等）、行业出清思维链（如节日促销出清、换季出清、新品推广出清等）等知识，为模型提供丰富背景信息，以便更精准地识别滞销、临期商品，动态优化清仓策略，涵盖定价、渠道、时效等多个方面。
模型训练与优化：采用先进的深度学习算法，结合时间序列分析、聚类分析等技术，对大量历史数据进行深入学习，挖掘商品销售规律与出清模式。通过不断地迭代训练与参数调整，使模型能够准确预测商品的滞销、临期风险，并给出合理的折扣建议。在模型优化过程中，充分考虑门店的实际运营情况，如商品的保质期、库存成本、市场需求等，确保模型输出的折扣策略既能有效减少损耗，又能最大程度地保留利润空间。
系统集成与应用：将AI模型无缝集成到门店的销售管理系统中，实现自动化的商品出清流程。系统每天定时对库存商品进行扫描与分析，一旦发现滞销或临期商品，立即根据模型给出的折扣建议，自动生成折扣标签与促销方案，并推送给相关销售人员。销售人员只需按照系统提示进行操作，即可完成商品出清工作，大大提高了工作效率与准确性，改变了商家传统的晚间生鲜折扣销售模式，通过AI模型动态算折扣，全链条自动化，既提升毛利又减少人工工作量。
2、AI智能选品：
数据整合与分析：整合多源数据，包括门店周边商圈的人口密度、收入水平、消费偏好等信息，构建精准的商圈画像；深入分析会员购买行为、线上线下（300959）调研数据等，精准描绘客群特征；收集门店过去数年的销售数据，挖掘商品的销售趋势与关联关系；密切关注行业报告、市场动态、竞争对手信息等，把握市场潮流趋势。通过对这些数据的深度整合与分析，为门店提供全面的商品选品依据，帮助门店优化商品结构，提升选品精准度。
多agent协同工作：构建一个多agent协同工作体系，各agent在不同环节发挥专家级作用。品类规划agent根据商圈画像与客群特征，确定门店的核心品类与辅助品类，制定品类发展规划；品类结构分析agent对各品类的商品构成进行深入分析，评估商品的销售表现、利润贡献、市场竞争等，找出存在的问题与优化方向；商品汰换agent结合市场趋势与库存情况，筛选出需要淘汰的商品，为新品引进腾出空间；商品选择agent根据选品规则与模型预测，从海量商品中筛选出符合门店需求的优质商品，提出新商品引进建议。各agent之间紧密协作，相互配合，共同完成商品选品工作，为门店提供更科学、更精准的选品决策支持。
持续优化与更新：每周对商品选品方案进行更新与优化，根据市场动态、销售数据、库存变化等信息，及时调整商品结构。同时，建立商品选品评估机制，定期对选品效果进行评估，分析选品方案的优缺点，不断改进选品模型与算法，提高选品精准度与满意度，确保门店的商品选品始终能够满足市场需求，提升门店的竞争力。
三、关键技术
大模型应用：依托大模型构建强大的行业智能体。该大模型经过海量数据（603138）的训练，具备强大的语言理解、逻辑推理、知识表示等能力，能够对复杂的零售业务场景进行深度理解和分析，为AI智能出清和智能选品系统提供坚实的技术支撑，使其能够精准地识别和处理各种零售业务中的复杂问题，为门店提供智能化的决策支持。
数据驱动优化：充分利用零售数字化系统积累的海量商家独有数据，涵盖商品、销售、库存、会员等多方面的信息，作为模型不断学习与优化的宝贵资源。同时，融合行业know - how，由经验丰富的零售专家对模型进行调试与指导，使各agent在业务环节达专家级决策水准，为零售门店提供精准、高效的智能化服务，助力整体运营效益的提升，实现从传统的人工经验决策到智能化自动决策的转变，推动零售业的数字化转型。
四、应用效果
1、经济效益：
生鲜商品AI出清以20品60家店为标准；按额预估，月收入提升9w+，一个品一天平均提升140元，一天提升利润额2800+元；按率预估，平均20%门店不用再5折出清，商品正价销售率提升10%；每日鲜促销费用减少15%。
2、社会效益：
减少商品损耗，降低资源浪费，满足消费者对生鲜等商品品质需求，提升消费体验；改善员工工作强度与难度，助力企业降本增效，间接稳定就业岗位。
3、行业价值：
目前多点数智已服务 591 家客户，业务覆盖 10 个国家和地区。其成功实践为商贸流通领域数字化转型提供了可推广、可复制的标杆案例，推动行业资源高效配置与社会经济可持续发展。
股票配资导航,股票交流平台,杠杆配资哪家好提示：文章来自网络，不代表本站观点。
