← 返回动态
企业经营

美团做外卖推荐,真正值得企业老板学的,不是算法

引言当客户需求变化时,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。

热带小公举12 分钟阅读
美团做外卖推荐,真正值得企业老板学的,不是算法
引言

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。

美团外卖美食知识图谱的迭代及应用

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。

图1 美食知识图谱标签体系01

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?

图2 外卖美食知识图谱样例

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。

图3 类目体系的迭代

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。

04

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。

图6 菜品归一体系

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

KEEP READING

继续阅读

查看全部文章 ↗