Unilever:消费品巨头如何用AI读懂40亿消费者
行业:消费品 | AI场景:供应链+数字营销 | 阶段:规模化 | 启动:2018年
企业背景
Unilever是全球最大的消费品公司之一,旗下400+品牌(Dove、Knorr、Ben & Jerry’s…)触达全球约40亿消费者。管理如此庞大的产品线和供应链,是一个天然的AI应用场景。
AI 转型动因
消费品行业的核心挑战是”预测什么会畅销”。预测对了=断货少+库存少+利润高;预测错了=货卖不出去+浪费严重。传统的需求预测基于历史销售数据,对市场变化的响应慢。
AI 应用全景
核心场景:AI供应链控制塔
Unilever在全球建立了20个AI驱动的供应链控制塔,实时监控从原材料采购到终端零售的全链条。AI综合分析天气、社交媒体趋势、竞品动态、节日日历等外部数据,动态调整生产和配送计划。
核心场景二:AI数字营销
Unilever用AI分析社交媒体和搜索数据,发现消费趋势,指导新品开发。例如,AI发现”益生菌+护肤”的搜索趋势上升后,快速推出相关产品线。
辅助场景
AI产品配方优化、可持续发展AI(优化包装和运输的碳排放)、员工AI助手。
关键数据 & 成果
| 指标 | 转型前 | 转型后 | 变化 |
|---|---|---|---|
| 供应链控制塔 | 0 | 20个 | — |
| 库存积压 | 基准 | 显著减少 | — |
| 新品从洞察到上市 | 12-18月 | 6-9月 | 缩短50% |
| 数字营销ROI | 基准 | +20% | — |
组织与实施
Unilever的AI建设由CDO(首席数字官)牵头,核心是”数据民主化”——让每个市场、每个品牌团队都能用AI工具做决策,而不是只有总部才能做数据分析。
Mars 视角:可复用的经验
-
“外部数据”是消费品AI的金矿:Unilever不只看自己的销售数据,还看社交媒体、搜索趋势、天气数据。消费品公司最该投入的不是更多的内部数据,而是更好的外部数据整合能力。
-
“数据民主化”是组织能力:不是建一个AI中台就行了,关键是让一线品牌经理也能自己用AI做决策。
-
新品开发周期缩短50%是真正的竞争优势:快消品行业谁先发现趋势并推出产品,谁就赢。
局限与风险
Unilever的AI预测在”黑天鹅事件”(如疫情、战争)面前同样无力。另外,400+品牌的数据标准化是持续的痛点。
关联
- 相关打法:数据飞轮