伊利大营销AI重构

行业背景

快消 AI 进入决战期，先手优势窗口只有 18~24 个月

竞争对手已有量化成果

蒙牛：12 个品牌上线 AI 广告 Agent，广告响应率提升 12~13%（2024）
联合利华：AI 内容制作成本降 55%，速度提升 65%（2025）
可口可乐：AI 驱动营销 ROI 连续提升，2025 年达 18.38%（+2.67pp）

行业信号不可忽视

中国快消企业 80%+ 已使用或试点生成式 AI（2025 年 NVIDIA 调研）
消费者正用 AI 做购买决策，"千人千面"从概念变现实
先进入者正在建立数据飞轮，晚进入的边际成本将倍增

伊利的优势窗口：1000+ 全链路算法、8 年投放平台积累、CDP + MA 体系 —— 基础比大多数竞争对手更扎实。现在是把分散能力整合成竞争壁垒的最佳时机。

02 / 16

研究方法

结论从哪来：5 轮深访 + 3000+ 页文档 + 量化建模

5

轮深度业务访谈

芦娟 · 业务架构
袁蒙蒙 · 会员运营
孙总 · 媒介体系
施总 · 品牌总
王大鹏 · 内容中台

3

类核心文档输入

制度流程文档分析
营销业务架构表（L2-L3）
伊利已有 AI 能力盘点

1

套量化评分模型

三轴 × 4 子维度 × 5 档评分
每一分可追溯访谈依据
敏感性验证 + 行业标杆交叉

为什么这样设计调研：访谈覆盖了营销、内容、媒介、客户、品牌 5 个域的直接负责人，确保场景评估有业务依据而非假设。所有结论都经过多方交叉验证，而不是单人判断。

03 / 16

真实处境

零件最全的工厂，还没有一条生产线

✓ 已有的能力（行业领先）

内容创意 AI + 内容智作 AI：素材生产
8 年自建投放平台：程序化执行
CDP + MA：会员数据与触达
1000+ 全链路算法，工信部 AI 基地认证（乳业首家）

✗ 缺少的整合（核心问题）

各能力孤立运行，缺乏统一调度机制
没有量化的场景优先级：哪个先做、为什么
AI 能力与业务北极星指标未系统对齐
缺少可复用的智能体技术架构

核心矛盾：伊利的 AI 基础在国内乳业中无人能及，但能力之间缺少"连接器"——投放平台不知道内容 AI 做了什么，CDP 不知道媒介投了多少，内容创作不知道归因结果。这是这次重构要解决的根本问题。

04 / 16

我们的方法

为什么是这三个交付物？每一步都为下一步去风险

A

业务架构图

先看清楚在哪里

不能优化不理解的业务。没有架构，场景识别就是拍脑袋。

B

场景机会地图

再量化排出先做什么

不能落地没量化的方向。没有评分，智能体建设就会选错靶子。

C

智能体应用架构

最后定义怎么做

不能建设没定义的系统。没有架构，各智能体就会重复建设。

这套方法去掉了三个风险：选错方向的风险（A 解决）+ 优先错误的风险（B 解决）+ 重复建设的风险（C 解决）。每一步的产出，都直接成为下一步的输入。

05 / 16

交付物 A

业务架构：发现了两个关键隐藏事实

架构全景

营销域 7 个 L2：品牌管理 / 洞察与规划 / 内容与创意 / 媒介与投放 / 客户运营 / 消费者服务 / 营销支持
销售域 5 个 L2：销售规划与渠道布局 → 渠道开拓及维护 → 渠道交易营销及履约 → 渠道运营与支持 → 渠道监管
每个 L2 含：北极星指标、L3 能力项、人机协作流程、AI 状态标注

两个关键发现（超出预期）

内容是隐藏的基础设施
内容能力贯穿营销 + 销售全链路，是最高优先级的底层能力（芦娟访谈 + 王大鹏实践双重验证）
集团管规则，事业部管执行
分层结构是 AI 分层部署的天然前提——集团级 AI 管策略，事业部级 AI 管执行
营销↔销售有 5 条核心联动路径
AI 在联动节点部署，可同时放大营销与销售的效率

📎 在线查看：yili-marketing.pages.dev/architecture

06 / 16

交付物 B · 方法论

一套可量化、可审计、可复用的场景决策体系

X

业务价值

权重 45%

战略契合度 · 覆盖规模
效率提升 · 差异化优势

Y

可实施性

权重 35%

数据可得性 · 技术成熟度
资源投入 · 交付周期

Z

风险（负向）

权重 20%

合规风险 · 系统复杂度
变更管理 · 依赖程度

优先级阈值： P0 综合 ≥ 42 → P1 综合 30~41 → P2 综合 < 30

为什么量化：每一分可追溯到具体访谈依据，结论可复盘、可挑战。X 轴权重 ±10%，P0 名单不变 ✓。伊利未来新增 AI 场景时，这套体系直接复用。

07 / 16

交付物 B

12 个 AI 场景 · 量化排序结果

#	场景名称	域	X 业务	Y 实施	Z 风险	综合分	级别
①	趋势洞察引擎	洞察	85	70	25	57.75	P0
②	数据调取与归因	洞察	90	65	30	57.25	P0
③	内容策略自动生成	内容	80	75	20	58.25	P0
⑤	智能出价与预算分配	媒介	88	60	35	53.60	P0
⑦	会员运营自动化	客户	82	72	20	58.10	P0
④	素材智能复用	内容	60	55	20	42.25	P1
⑥	达人智能评估	媒介	65	55	25	43.50	P1
⑧	私域社群运营	客户	58	55	20	41.35	P1
⑨	合规智能预检	品牌	65	60	25	45.25	P1
⑩	舆情实时预警	品牌	50	45	30	32.25	P2
⑪	供应链联动	跨域	55	40	40	30.75	P2
⑫	全域仪表盘	跨域	50	40	25	31.50	P2

08 / 16

战略洞察

5 个 P0 不是随机的，是一条完整的营销闭环

决策提效线 · 从"看到趋势"到"花对钱"

① 趋势洞察引擎 → ② 数据调取与归因 → ⑤ 智能出价与预算分配

运营提效线 · 从"做对内容"到"触达对人"

③ 内容策略自动生成 → ⑦ 会员运营自动化

为什么这样分组

✓

访谈多方证实

5 个 P0 全部对应 ≥ 2 人主动提出的痛点

✓

可叠加已有 AI

5 个中 3 个可直接叠加内容 AI / 投放平台 / CDP + MA

✓

P2 共性识别

P2 场景均有"跨域数据打通"前置依赖，合理推后

✓

权重敏感性验证

X 轴权重 ±10%，P0 名单不变，结论稳健

09 / 16

交付物 B

每一个 P0，都有全球头部企业验证过的路径

标杆企业	AI 应用方向	公开效果	来源
可口可乐	AI 趋势检测（对应①）	预测准确率 70%→90%，试点销售 +8%	Food Navigator USA, 2024.07
宝洁	Consumer 360（对应②）	广告优化周→天，成本降 90%，年省 $7 亿	Chief AI Officer
联合利华	AI 内容制作（对应③）	成本降 87%，速度 ×2，3 天 100+ 素材	Unilever 官网, 2025
雀巢	AI 个性化营销（对应⑦）	销售任务自动化 40%，时间省 20~35%	DigitalDefynd
达能	ML 需求预测（对应⑤）	预测误差降 20%，损失销售降 30%	BestPractice.AI

这 5 条路径已在全球快消头部企业验证。伊利的优势是：有更扎实的数据基础和 8 年投放积累，可以在同等方向上做得更深。

10 / 16

交付物 C

五层架构：每一层都有设计理由

1

价值目标层

全球乳业第一 / 伊利即品质 / 全球最值得信赖

2

北极星指标层

7 个营销域 L2 的业务指标 + AI 提效指标（双层北极星）

3

智能体映射层（核心）

12 个智能体，按 7 个域分组，每个含功能定义 + Skill + 核心链路

4

Skill 原子能力层

24+ 个 Skill，按 5 类分组（采集 / 分析 / 生成 / 预警 / 输出），跨智能体复用

5

连接器 + 数据基础层

CDP / MA / DMS 等 13 个系统 + 9 类数据源

这套架构的核心价值在于分层解耦——业务目标变了，只需调整北极星层；技术平台换了，只需调整连接器层。上层逻辑不受下层技术锁定。

11 / 16

交付物 C

12 个智能体 · 覆盖完整营销链路

#	智能体名称	域	级别	AI 关系	核心链路
①	趋势洞察引擎	洞察	P0	新建	全网数据→AI 扫描识别→趋势报告
②	数据调取引擎	洞察	P0	新建	自然语言→跨系统查询→归因报告
③	内容策略生成器	内容	P0	增强	策略 +VI→AI 生成 Brief+ 素材→预检
⑤	智能出价引擎	媒介	P0	增强	投放数据→AI 出价分配→实时调整
⑦	会员运营引擎	客户	P0	增强	CDP 数据→AI 分群触达→效果闭环
④	素材复用引擎	内容	P1	增强	DAM→AI 打标匹配→多渠道适配
⑥	达人评估器	媒介	P1	增强	达人库→AI 评估匹配→组合推荐
⑧	社群运营助手	客户	P1	新建	企微 +CDP→AI 内容生成→社群触达
⑨	合规预检引擎	品牌	P1	新建	素材→AI 合规扫描→风险标注
⑩	舆情预警引擎	品牌	P2	新建	全网→AI 监测分析→分级预警
⑪	供应链联动引擎	跨域	P2	新建	营销计划→AI 预测→供应链调整
⑫	全域仪表盘	跨域	P2	新建	全域数据→AI 诊断归因→策略建议

12 / 16

最有价值的设计

Skill 复用：降低 60%+ 建设成本，加速所有后续智能体上线

5 类原子能力

采集类：全网数据抓取、用户行为采集、跨系统查询
分析类：多因素归因、趋势识别、分群分析
生成类：策略生成、Brief 生成、素材生成
预警类：合规扫描、风险监测、预算告警
输出类：报告格式化、多渠道适配、推送触达

为什么这样设计

自然语言理解 Skill

② 数据调取引擎 + ⑫ 全域仪表盘共用 → 避免重复建设

多因素归因分析 Skill

② 数据调取 + ⑤ 智能出价共用 → 统一归因口径

24+ 个 Skill 服务 12 个智能体，复用率 60%+。
这意味着 P1 阶段的 4 个智能体上线成本，将比 P0 阶段降低约一半。

13 / 16

落地路线图

分阶段推进 · 每个阶段都有清晰验收标准

Phase 1 · Q2-Q3

立即启动 · 5 个 P0

决策提效：趋势洞察 + 数据调取 + 智能出价
运营提效：内容策略 + 会员运营

前置：CDP + 投放平台 + 电商链路打通

Phase 2 · Q3-Q4

P0 验证后 · 4 个 P1

素材复用 + 达人评估
社群运营 + 合规预检

依赖：P0 的基础能力和数据链路

Phase 3 · 2027+

探索储备 · 3 个 P2

舆情预警 + 供应链联动
全域仪表盘

需全域数据打通为前置

维度	P0 阶段	P1 阶段	P2 阶段
数据	CDP + 投放 + 电商打通	DAM 标签 + 达人数据归集	跨域全量打通
流程	洞察→内容→投放闭环	合规规则库 + 社群 SOP	产销协同流程
应用	5 个 P0 智能体	4 个 P1 智能体	3 个 P2 智能体
组织	数科牵头 + 事业部 Owner	事业部试点推广	集团层面推动

14 / 16

不是从零开始

保护已有投资：12 个智能体中 5 个直接叠加，从 1 到 10 而非从 0 到 1

已有 AI 能力	当前覆盖范围	智能体叠加后
内容创意 AI + 内容智作 AI	素材生产	③ 加上策略自动生成，从 Brief 到终稿全链路闭环
自建投放平台（8 年积累）	程序化投放执行	⑤ 加上自主出价 + 跨渠道预算优化，从执行到决策升级
CDP + MA	会员数据 + 触达	⑦ 加上 AI 自动分群 + 策略 + 流失预警，从被动响应到主动运营

12

智能体总数

5

可叠加已有 AI

3

建议 POC 候选

Q2

建议启动时间

这是这次设计最重要的约束条件之一：不推翻已有 AI 能力，而是给它们加上"大脑"——让分散的执行工具，变成有目标感的协同系统。

15 / 16

建议下一步

两件事，一个月内可以启动

第一件事

选定 1~2 个 P0 场景做 POC

建议组合：② 数据调取与归因 + ③ 内容策略自动生成
理由：两者均可叠加已有 AI，数据链路依赖最少，4~6 周可出 demo

我们可以直接承接开发落地

第二件事

明确数据打通的技术责任人

5 个 P0 中 3 个依赖 CDP + 投放平台 + 电商数据打通
需要数科团队指定 Owner，确认 API 接入方案和时间线

这是 P0 阶段的关键路径

我们的承诺：三大交付物已完成，架构已定义，下一步不需要重新启动——选好场景，我们可以直接进入开发阶段。

16 / 16

伊利集团 · 大营销AI 流程重构