☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在过去的几年里，消费者包装产品(CPG)公司面临着许多挑战。疫情已导致消费者渠道偏好转变、供应链紧张和成本压力等。CPG巨头联合利华一直在用分析和人工智能来应对这一挑战。
总部位于伦敦的联合利华公司已有93年历史，是全球最大的肥皂生产商。它线下的产品包括食品和调味品、牙膏、美容产品等等，品牌包括多芬、赫尔曼和本杰瑞冰淇淋等等。
联合利华北美地区的首席信息官兼分析和业务服务副总裁Alessandro Ventura多年来一直致力于帮助该公司将人工智能应用于业务的前沿。虽然最初只是IT总监的角色，但后来他在自己的投资组合中增加了分析和人员服务。这包括设施管理、车队管理、员工和设施服务以及人员数据等所有内容。
联合利华认为，人工智能并非一项未来技术，它已经被广泛应用于各行各业，所有行业都需要适应它。
最近几个月，联合利华开发了许多新的技术应用，以帮助其业务部门在未来的市场中立足。其中最重要的是”亚历克斯(Alex)“，亚历山大大帝(Alexander the Great)的简称。Alex在ChatGPT的支持下，在联合利华的消费者参与中心过滤电子邮件，从真实的消费者信息中分类垃圾邮件。对于合法的信息，它会向联合利华的客户服务人员推荐回复。
Ventura介绍称，“尽管Alex很擅长这项工作，但它可能仍缺乏一点个人风格，而我们的消费者参与中心的客户服务人员则有大量的个人风格。所以，我们让他们决定是像Alex建议的那样回应我们的消费者，还是添加一些个人建议;如果Alex给出的答案是错误的或没有答案，他们可以标记它，这样Alex就可以在下次学习它。”
生成式AI的应用
Alex是使用一个神经网络系统创建的，借助ChatGPT实现内容生成。Ventura介绍称，该工具可以理解消费者的要求，甚至捕捉语调。然后，它可以将答案和情绪存储在Salesforce中。更重要的是，该工具可以完成这些繁复的任务，让客户服务人员有更多时间专注于他们最擅长的事情。迄今为止，Alex已经帮助联合利华将客户服务人员起草答案的时间减少了90%以上。
联合利华的另一个工具Homer也是利用ChatGPT生成内容。它是一个神经网络，用于获取产品的一些细节，并生成一个亚马逊产品清单，带有与品牌基调相匹配的短描述和长描述。
Ventura解释称，“我们想要确保抓住品牌的声音，例如，我们要区分TRESemmé和多芬洗发水，这个系统绝对能做到这一点。”
联合利华在美国感恩节那一周推出的另一个基于人工智能的工具支持赫尔曼(Hellmann)的蛋黄酱品牌。其目的是减少食物浪费。它与赫尔曼的食谱管理系统相连接，这样人们就可以进入冰箱，选择冰箱里的两到三种食材，然后用这些食材交换食谱。
用于在用户想通过浏览器自动化与 Google Gemini 或 ChatGPT 交互时。触发短语包括“ask Gemini”“ask ChatGPT”“ask GPT”“让...”。
在第一周，该工具就获得了8万名用户的喜欢。
对Ventura来说，这就是分析和人工智能在CPG领域的魔力所在：它实现了大规模的个性化。他表示，“在CPG领域中，我们越来越多地依赖分析和人工智能来处理不同的事情。消费者对自己想要的东西越来越明确。这有点像cliché，但他们确实想要个性化的产品和体验。分析可以帮助CPG公司了解他们所浏览的环境以及消费者想要什么，然后，通过人工智能，我们可以在拥有的众多消费者中扩展一对一的关系。”
共同创造是人工智能成功的关键
除了消费者关系，分析和人工智能也是让CPG公司更可持续发展的关键。Ventura举了一些例子，比如成分可追溯性和使用机器学习来自动预测，这反过来又有助于公司最大限度地减少浪费。联合利华还将分析和人工智能应用于物流，包括跟踪库存和优化路线。
Ventura在谈到通胀危机后的操作时表示，“我们抛弃了对弹性的旧解释。我们必须提出新的计算方法，因为传统的计算方法给出的情况与我们在货架上看到的情况非常不同。展望未来，我们将继续看到来自世界各地地缘政治局势的各种不同挑战带来的压力。”
为了支持其在分析和人工智能方面的创新，联合利华采用了混合模式。它有一个全球卓越中心，也有一些数据科学家加入业务部门。
Ventura解释称，“这基本上是一个‘两档’(two-gear)系统。本地团队可以非常快速地吸收数据，然后与业务部门一起创建统计模型和分析模型。然后，如果该模型可以被利用和扩展，我们就会将其传递给全球团队，这样他们就可以在我们拥有的全球数据湖中移动数据集，并开始在全球范围内创建和维护该模型。”
Ventura认为，分析和人工智能功能与业务功能的共同创造和共同拥有是成功的关键。
他表示，“无论是用于自动化预测的机器学习，还是消费者参与中心的Alex，如果我们带着一个黑匣子说，‘嘿，按照机器告诉你的去做’，这将需要很长时间，而且可能永远无法100%信任机器。通过共同创造和共同拥有，我觉得我们可以从正确的起点开始，人类和机器可以像同事一样并肩工作。此外，你最终会得到一个偏见少得多的系统，因为你能够在你的算法中引入一个更多样化的角度，无论是从商业角度还是从技术角度。”
