当前各行业发展水平的差异化十分明显，部分行业如科技、新能源等利润持续攀升，而餐饮、零售、地产等则受消费降级、成本压力影响陷入困境，凸显经济结构转型阵痛。以服装行业为例，2024年中国服装行业呈现残酷的“金字塔效应”：
根据中国服装协会和国家统计局的数据，2024年中国服装行业规模以上企业（年主营业务收入2000万元及以上）的利润总额为623.81亿元。该利润覆盖了规模以上企业13820家，占行业主体。
其中64家上市公司实现了315.1亿的净利润，前十名企业占了上市公司利润的96%，安踏以155.96亿的净利润，占了将近一半。而另一边，大量中小企业在价格战中挣扎求生，男装品类甚至出现销量下滑10%、客单价下降9%的“双杀”局面。
更扎心的是平台经济与实体产业的失衡：阿里2024财年归母净利润1574.79亿元，相当于整个服装行业净利润的2.5倍。这种扭曲的分配机制倒逼企业重新思考：线上流量成本吞噬利润，平台坐拥数据红利，传统模式该何去何从？
电商时代，企业数据主权的缺失
在中国的几大平台中，阿里的利润并不是最高的，但是服装服饰在阿里的占比相对其他平台更高。马云创建阿里时，使命是“让天下没有难做的生意”，余音还在绕梁，服装行业这个应该不难做的生意已经面临巨大问题：需求不足、低价竞争、两极分化。
伯俊近几年开拓了很多除服饰以外的其他行业，比如食品、3C、快消、家具家装、陶瓷卫浴、五金建材等，应该说在目前的经济情况下，大家都不好做，至少没有以前好做了。但是相对而言，服装企业更难一些。衣食住行，按理说服装是一个大行业，为什么会如此困难？难道服装行业很传统很落后吗？以我们的观察和比较，从数字化水平来说，相比于其他传统行业，服装行业是碾压式的领先。如果说行业的规模、重要性和先进性都很高，当整个行业赚不到钱，一个为行业提供服务的平台公司，赚到的利润却是整个行业的2.5倍，是什么原因？何以至此？
我们认为答案是数据主权。
一个顾客在天猫店买了衣服，商家知道这个顾客是谁-从哪里来-到哪里去吗？她/他看了哪些商品，怎么做的决定？商品的什么特质吸引了他/她？商家得到了一笔生意，可能也赚到了钱，但这个过程是黑盒，而平台却有这些过程数据。也就是说，平台有数据的主权，而商家没有。从数据主权的角度再来分析一下商家和平台的关系：看上去平台是为商家服务的，平台上有这么多的服务供商家选择，而且是收费的。但因为最终的数据在平台手里，积累的价值就在平台手里。两者的关系其实是商家为平台服务，不仅如此，商家还边提供服务边付费。
没有数据主权的代价将会日益沉重，商家付费为平台提供了数据，平台根据数据封装了各种商家所需要的服务，为了更多的流量，更好的复购，商家将赚到的钱再次购买了平台服务。这种数据和服务的闭合形成了一个漩涡，最终几乎吸走了商家所有的利润。
有些企业线上平台的占比不高，主要收入来自于线下。从数据的角度看一下线下生意，还是这几个问题：顾客是谁-从哪里来-到哪里去了，什么商品吸引了他/她？为什么最终他/她没买？
商家还是没有这些数据，有的仅仅是交易数据。当然，交易数据很重要很关键，但交易是最终的结果，它已经发生了，商家对这笔交易不能改变什么！相比线上，线下总体还是缺数据，特别是大量的缺过程数据。过程数据包括企业运营的所有过程，只有把更多的业务运营过程进行数字化，才能对业务进行统计、总结和改进，才能更好地提升效率乃至提升利润。
AI革命，这次能打破平台魔咒吗？
平台和商家的关系已经大致定型，我们也并没有办法去改变什么。好在时代变迁得越来越快，这几年迎来了一个更大的风口：AI。
确实AI更具备想象力，“ALL IN AI”，“在AI时代，所有行业都值得重新做一遍”，我们在市场上听到了这些熟悉的声音。多年前电商互联网崛起时，我们也听到过这些口号：“ALL IN 电商”，“在互联网时代，所有的行业都值得重新做一遍”。看上去结局似乎注定重演——巨头仍然是阿里、字节、腾讯等。一样的配方，一样的剧情，这次能期待一个不一样的结果吗？
伯俊这几年在AI上的实践带来了希望：利用AI辅助采集过程数据，让运营变得像点外卖一样简单。以我们最近推出的五大应用为例：
1. AI智能工牌：实战案例锻造销售真经
传统的销冠经验分享，常常停留在“练货”模拟层面，缺乏真实案例支撑。AI智能工牌采集真实、成功的销售现场对话，融合人群特征、商品特性和导购思路等多元信息，辅以AI深度分析，商家便能高效提炼出可验证、可推广的金牌话术，赋能导购团队，提高卖货效率。
2. 促销千店千策：告别“全场5折”的蛮荒时代
2024年8月，某运动品牌在阿里平台GMV暴跌23%，却在抖音增长71%，根源在于未区分平台用户价格敏感度。各个门店的所在区域、渠道、平台不同，导致差异化的经营表现。基于AI综合分析各家门店的历史表现与周边商业数据，得出千店千面的营销策略，而不再是总部统一下发标准化活动方案。
3. 智能订单路由：库存“动”起来才有生命
智能履约中的订单发货仓库动态优选策略，通过实时数据分析与算法决策，在订单生成瞬间自动匹配最优发货仓库，实现成本、时效与资源的最优平衡，做到“用更少的库存，做更多的生意”。该策略依赖三大技术模块：
- 规则引擎：定义优先级逻辑；
- 实时数据池：掌握库存、负荷、物流报价；
- 路径优化器：实现多目标决策算法。
实际应用中，某服装企业通过动态路由将华南订单从爆仓的广州仓分流至深圳仓，物流时效保持48小时内，同时每年节省约150万元的运力成本。
4. 智能配补调：让AI成为“首席预测官”
传统配补调重度依赖商品人员的工作经验。智能配补调系统通过深度学习历史销售、天气、竞品活动等信息，基于可用库存，得出最优的库存分配方案，实现提高货品效率与降低物流成本的动态平衡。某女装品牌应用后，不但压缩了80%的配补调工作时长，还提高了动销率、齐码率、爆款满足率等一系列业务指标表现。
5. 智能衣橱：从“卖货”到“终身服务”
品牌在顾客完成服装购买后，基于购买记录，结合实时动态数据如季节变化、当地天气、即将到来的节日/活动等，按预设频率如每日或每周，推送个性化的服饰搭配建议。不仅可以激发顾客对已购服饰的重复穿着意愿，有效延长产品生命周期，还能通过推荐与已购单品风格互补的新品或配饰，创造自然的二次购买场景，提高复购率。此外，与顾客保持规律性、有价值的品牌互动，提供穿搭灵感与生活方式建议，这也显著地增强了品牌粘性与会员忠诚度。
展望：AI让线下零售"触底反弹"
回顾过去十几年的电商时代，从运营效率和模式上看，电商是远远优于线下的。其中有很多原因，但是很重要的一点是电商拥有比线下丰富得多的过程数据，这是线下的短板。但是在未来的十年，AI能够帮助线下零售获取和积累足够多的数据，这些数据甚至能和电商媲美，结合线下更强的服务特征，我们可以期望，AI时代是线下零售触底反弹的时代！
本文收录在由伯俊科技董事长孙一晖担任总编、伯俊研究院出品的【伯俊新视界】。欢迎下载完整内刊获取更多行业前沿案例与创新思路。
2025/09/10 周三 19:10 
