
当客户需求变化时,你的企业要多久才能知道?
最近我在研究美团外卖的一个技术案例时,看到一个很有意思的东西——交互式推荐。

一开始,我以为这只是推荐算法的一次升级。
无非就是以前猜你喜欢什么,现在猜得更准一点;以前推荐十家店,现在更容易把你想吃的那一家放到前面。
但真正把这个案例拆开之后,我发现,美团解决的其实是一个很多企业今天都没有解决的问题:
当客户的需求发生变化时,你的企业到底要多久才能知道?
更重要的是:
知道以后,你能不能马上做出下一步动作?
这件事,可能比"我们公司有没有上 AI"重要得多。

你今天想吃什么,美团其实一开始也不知道
我们先想一个非常普通的场景。
中午12点,你打开外卖。
首页给你推荐了汉堡、炒饭、麻辣烫、轻食、面条。
这个时候,美团真的知道你今天想吃什么吗?

其实未必。
它可能知道你过去喜欢吃辣,知道你经常点面食,知道你的消费区间,也知道你通常在公司附近点餐。
但问题在于:
过去的你,不等于此时此刻的你。
你昨天吃火锅,不代表今天还想吃火锅;你过去半年经常吃轻食,也可能因为今天特别累,突然就想吃一顿炸鸡。

所以外卖这个场景有一个天然的问题:
用户的即时需求变化得非常快。
这也是我觉得美团这个案例真正有意思的地方。
它没有继续执着于一个问题:
"怎么才能在用户点击之前,就100%猜到他今天想吃什么?"
而是换了一种思路:
"既然我不可能一开始完全知道,那我能不能根据用户接下来的行为,一步一步搞清楚?"
于是整个推荐逻辑开始发生变化。
· · ·02你点了一家牛肉面,系统就获得了新的信息
假设首页给你推荐了十几家店。
你随手点进一家兰州牛肉面,看了几秒,没有下单,又退了出来。
对于一个普通的信息系统来说,这可能只是一条行为记录:
用户A,12:03,点击商家B。
记录下来,存进数据库,未来再拿去分析。
但对于交互式推荐来说,这个动作的意义完全不同。
系统会意识到:
刚刚发生了一件新事情。
你可能正在对"面食"产生兴趣。
于是,它不一定继续按照几分钟前的判断给你推荐,而是开始根据这个最新信号,调整接下来出现的内容。
系统判断不断收敛
点击牛肉面 → 可能想吃面食
↓
再次点击牛肉面 → 真的在找牛肉面
↓
下一轮推荐继续变化
牛肉面、重庆小面、刀削面、拌面……
你又点进一家牛肉面。
第二个信号出现了。
系统对你的判断进一步收敛:
你可能不是泛泛地想吃面,而是真的在找牛肉面。
于是下一轮推荐继续变化。
你点、你看、你退出、你比较。
系统也在不断重新理解你。
最终,你完成下单。
整个过程中有一个非常关键的变化:
系统不再只是"给你一个答案",而是在与你的行为不断互动。
· · ·03这件事为什么值得老板认真看?
因为绝大多数企业今天的问题,恰恰不是没有数据。
而是:
数据发生了,企业却没有马上行动。
很多企业的"数字化"
客户浏览了产品 → 系统记录了
客户问了价格 → 销售记录了
客户看了报价单 → CRM有记录
客户三天没回复 → 系统有记录
客户选了竞争对手 → 一个月后开经营分析会
然后大家开始复盘:
"为什么这个客户没有成交?"
这就是很多企业今天所谓的"数字化"。
我们把发生过的事情记录得越来越完整,却没有因此让企业更快地做出下一步动作。
所以我现在越来越觉得:
企业未来真正要解决的问题,可能不是"数据有没有进入系统"。
而是:
一个新的业务信号出现以后,企业有没有能力立刻重新判断,并改变下一步行动?
这才是美团这个案例真正值得企业老板看的地方。

传统企业系统最大的误区:我们一直在记录过去
过去二十年,企业花了大量的钱建设 ERP、CRM、OA、财务系统、项目管理系统。
这些系统非常重要。
但它们有一个共同特点:
特别擅长记录已经发生的事情。
合同签了,录进去。
客户来了,录进去。
发票开了,录进去。
项目延期了,录进去。
销售跟进了,录进去。
于是企业慢慢拥有了大量数据。
但真正的问题是:
谁来盯着这些数据?
答案通常还是人。
销售经理每天打开CRM,看哪些客户很久没跟进。
财务每天打开系统,看哪些款还没有回来。
项目经理打开项目系统,看哪些节点快超期。
老板打开经营报表,看哪里出现异常。
也就是说:
系统负责记忆
人负责发现 → 人负责判断 → 人负责行动
所以企业系统越来越多以后,管理者反而会发现一个很奇怪的现象:
信息越来越完整,
但是人越来越忙。
因为真正推动企业运行的那个"判断层",始终没有被数字化。
· · ·05美团改变的,恰恰就是这一层
再回到外卖。

传统推荐更像:
传统推荐
收集数据 → 建立画像 → 预测需求 → 给出推荐
而交互式推荐开始形成另外一个循环:
交互式推荐循环
观察
↓
判断
↓
推荐
↓
获得反馈
↓
修正判断
↓
再行动
这两个系统看起来只差几个步骤,但背后的逻辑完全不同。
前者追求:"我能不能更准确地预测你?"
后者追求:"我能不能在与你不断互动的过程中,越来越理解你?"
我认为,这个变化对于企业AI特别重要。
因为现实世界里的企业经营,本来就不是一道有标准答案的数学题。
客户会变化。
市场会变化。
项目会变化。
员工会变化。
现金流会变化。
竞争对手也会变化。
所以一个真正有价值的企业AI,不应该只是坐在那里等老板问:
"帮我分析一下这个客户。"
它应该能够在新的信号出现以后,主动重新判断:
这个客户现在发生了什么变化?
原来的策略还成立吗?
下一步应该做什么?
· · ·06把美团的逻辑放到销售场景,你马上就能看懂
假设你的公司有一个客户,准备购买一套30万元的软件。
传统CRM里面可能是这样的:
传统 CRM 记录
客户:某制造企业
预算:20—30万元
阶段:方案沟通
负责人:销售A
预计成交时间:9月
然后呢?
没有然后。
系统安静地躺在那里。
接下来还是销售人员自己打电话、发微信、催客户、写跟进记录。
但如果换成另一套逻辑呢?
AI 持续推进流程
客户第一次看了产品介绍
↓
AI判断:客户处于了解阶段 → 发送行业案例
↓
客户打开案例,重点浏览价格部分
↓
新信号 → AI重新判断:关注投入成本 → 给ROI测算和实施成本说明
↓
客户看完,打开了某制造企业实施案例
↓
系统再次更新:客户从"是什么"进入"能不能用"阶段
↓
AI通知销售:购买意向正在上升,现在适合人工介入
销售再去联系。
这时候销售面对的,就不再是一个冰冷的CRM客户名称。
而是一个已经被AI持续观察、分析和推进了一段时间的真实商机。
· · ·07这才可能是企业AI真正改变生产力的地方
过去我们谈AI,经常在讨论:
能不能写文案?
能不能做PPT?
能不能分析Excel?
能不能回答员工问题?
这些当然都有价值。
但我越来越觉得,如果企业AI最终停留在这里,它可能只完成了第一阶段。
因为这些能力解决的依然是:
"人发起任务,AI完成任务。"
人打开AI
人提出问题
AI给答案
人再打开CRM
人查看客户
人决定下一步干什么
真正消耗管理成本的那一段链路,其实没有消失。
而美团这个案例给我的启发是:
AI真正进入企业以后,最值得被改变的,也许不是"任务怎么完成",而是"下一项任务由谁发起"。
· · ·08未来企业可能会从"人找工作",变成"工作找人"
想象一下。
早上9点,销售还没有打开CRM。
AI已经发现:
有3个客户连续两次查看报价方案,其中1个客户昨晚重新打开了合同。
于是系统主动告诉销售:
今天优先联系这3个人。
财务还没有打开应收账款表。
AI已经发现:
某客户按照历史规律应该在今天回款,但目前银行流水里没有对应记录。
于是系统开始提醒负责人。
项目经理还没有检查项目进度。
AI已经发现:
一个关键任务连续两天没有更新,而下游三个任务全部依赖这个节点。
于是提前发出风险提示。
老板甚至还没有打开经营报表。
AI已经发现:
这个月某类客户的成交周期突然从18天增加到了27天。
于是它主动提出:
销售流程可能出现异常,建议检查报价和审批环节。
注意。
这时候AI做的已经不是"回答问题"。
而是在参与企业运行。
· · ·09老板真正应该关注的,是企业有没有形成这种闭环
所以如果今天让我判断一家企业的AI水平,我可能不会首先问:
"你们用了几个大模型?"
也不会问:"你们有没有自己的知识库?"
甚至不会首先问:"你们有多少AI Agent?"
我更想问三个问题:
第一
企业发生了什么事情,AI能不能知道?
客户、合同、订单、财务、项目、审批,这些真实业务信息,AI到底能不能获取?
第二
AI知道以后,能不能做判断?
什么是异常?什么值得关注?什么事情应该优先处理?什么情况下应该升级给负责人?
第三
判断完成以后,AI能不能推动下一步行动?
提醒员工?生成任务?调用系统?发起审批?继续跟进?还是最后只生成一段文字,然后等人自己去执行?
这三个问题连起来,其实就是:
感知业务
↓
理解变化
↓
做出判断
↓
发起行动
↓
获取结果
↓
再次判断
只有这个循环真正跑起来以后,我认为AI才开始从一个"工具",变成企业经营系统的一部分。
· · ·10而且这个循环越跑,企业可能越聪明
这里还有一个更值得老板关注的问题。
为什么美团这种系统会越来越强?
因为每一次推荐,本身都在产生新的反馈。
推荐牛肉面 → 用户点击 → 这是反馈
推荐重庆小面 → 用户不点 → 这也是反馈
推荐某家牛肉面 → 用户下单 → 还是反馈
系统不是只在消耗历史数据。
它的每一次行动,都在创造新的数据。
这件事如果搬到企业里,会变得非常有意思。
AI建议销售先发案例 → 客户回复了 → AI知道这个策略有效
AI建议先谈价格 → 客户没有回应 → AI得到另外一个反馈
最终企业积累的不再只是:
"我们过去做过什么。"
而会逐渐积累:
"在什么情况下,采取什么行动,更容易得到什么结果。"
前者是业务记录。
后者开始接近企业真正的经营经验。
· · ·11这可能才是未来企业最重要的数据资产
很多老板现在都在说:
数据是企业未来最重要的资产。
这句话没有错。
但我觉得还可以再往前走一步。
未来真正稀缺的,可能不是企业拥有多少数据。
而是:
企业有没有把过去无数次经营过程中被验证有效的判断,沉淀下来。
为什么这个客户应该现在联系?
为什么这种项目必须老板审批?
为什么这个行业不能一开始就报价?
为什么某类客户应该先给案例?
为什么这个项目出现这种信号,就意味着可能延期?
过去这些东西,大量存在于老板和优秀员工的脑子里。
系统记录的是结果。
人脑保存的是经验。
而AI时代真正有价值的一件事,就是开始把这两者连接起来。
· · ·12美团真正值得老板学的,不是推荐算法
所以回过头来看这个案例。
如果只是把它理解成:
"美团用AI把外卖推荐做得更精准了。"
我觉得有点可惜。
它真正让我产生兴趣的,是另外一个东西。
美团并不需要在用户打开App的一瞬间,就完全知道这个人今天到底想吃什么。
它可以先判断。
然后行动。
再看你的反馈。
再调整。
不断逼近真正的需求。
企业经营其实也是一样。
我们可能永远不可能建立一个100%准确的AI,让它第一次就知道客户会不会成交、项目会不会延期、哪笔款会不会逾期。
但我们可以建立一个系统,让它:
不断观察真实业务,不断做出判断,不断采取行动,再根据真实结果修正下一次判断。
当这个循环真正建立起来以后,企业拥有的可能就不再只是一个AI工具。
而是一套会随着经营不断学习的系统。
· · ·写在最后过去的软件时代,我们一直在做一件事情:
把企业发生过的事情记录下来。
订单记录下来。
客户记录下来。
合同记录下来。
财务记录下来。
项目记录下来。
但AI时代,我认为真正值得期待的变化是:
系统终于开始有机会参与"接下来应该发生什么"。
这也是我研究美团交互式推荐以后,最大的一个感受。
未来企业之间真正拉开差距的,可能不是谁先买了AI,也不是谁接入了更强的大模型。
而是谁更早建立起这样一个循环:
业务发生
↓
AI感知
↓
AI判断
↓
推动行动
↓
得到反馈
↓
修正判断
因为一旦这个循环跑起来,AI就不再只是帮助员工把一件事情做得更快。
它开始帮助整个企业,越来越快地理解正在发生什么,以及下一步应该做什么。
而我认为,这才是AI真正进入企业经营的开始。
— END —
字竞未来|企业AI研发与应用落地




