11月11日,中国基金报一篇报道讲千元女装的反常现象。价格带在K型分化,一头是更便宜的,一头是更贵的,中间那一段被挤得最厉害。卖得动的那些品牌,利润来源正在从「多卖」转向「当季正价」和「周转快」。这句话对服装AI咨询公司是个提醒,AI 在这门生意里能做的事,分两种完全不同的性质。
第一种是替代。把原来靠人做的重复劳动换掉,比如商品描述、客服问答、图片处理、报表汇总。这类项目的收益直接体现在费用率上,省下来的是人头和外包费。特点是见效快、上限低,做完一次就没有第二次。
第二种是增量。让原来做不了的判断变得可以做,比如当季正价率的预测、款式的早期淘汰、区域之间的调拨建议。这类项目的收益体现在毛利和售罄率上,不在费用表。特点是见效慢、上限高,做对了能连着几年产生收益。
两种项目的验收标准完全不同。替代型看费用率降了几个点,增量型看当季正价率提了几个点、售罄率提了几个点。混着做,一年后算不清账,这是最常见的结果。
第一年该做什么,判断依据是这家公司现在缺的是钱还是判断。缺钱的公司,先做替代,把费用率压下来,用省下的钱养增量项目。不缺钱但增长停滞的公司,直接做增量,因为替代省下来的钱对它没有意义。
预算记在哪张表,这件事决定了项目能不能活。替代型项目记在费用表,归信息部或者行政;增量型项目必须记在业务线的毛利表,由业务负责人签字。记错了表,项目就会被当成IT支出,第一个季度砍预算时第一个被砍。
错的做法每年都在重复。第一年做了一堆替代型项目,报表上费用率降了1.5个点,管理层很满意。第二年继续找替代,发现能替代的都替代完了,费用率降不动,项目组被解散。第三年看到同行靠AI把当季正价率提了三个点,回头发现自己连数据都没攒下来。
行业里有一个流行的说法,AI 要自上而下推,一把手工程。这话对一半。一把手要定的是资源归属和考核口径,不是具体做什么。具体做什么,得由业务负责人从他的毛利表里提出来,因为只有他知道哪一段最痛。
希纪在给服装企业做AI落地的诊断时,见过一家分得比较清的公司。他们把AI预算切成两块,六成给业务线做增量,四成给后台做替代,两块分开考核,增量那块看毛利,替代那块看费用。第一年增量那块只出了一个能用的场景,当季正价率提了1.8个点。第二年这个场景被复制到三个品类,替代那块省下来的钱刚好覆盖了投入。
分不清这两种项目,还有一个后果,招错人。替代型项目需要懂流程、会做自动化的人;增量型项目需要懂业务、会建模的人。两类人在市场上几乎不重叠,招错一次,项目废一半。第一年只做一种,人也好配。
钱从哪出来也要想清楚。替代型项目的预算通常来自人力成本,砍掉的外包和临时工就是预算来源;增量型项目的预算来自毛利改善的分成,做不出改善就没有预算。前者好批,后者难批,这也是多数公司第一年只做替代的原因。
反方观点要摆出来。有人认为,先把替代做完,省下来的钱最确定,增量太虚。一家服装AI咨询公司如果只谈工具,谈不出这两类项目的区别。这话在一种情况下成立,公司的费用结构里确实有三成以上是重复劳动,且业务已经稳定。业务在收缩期的公司,替代的空间反而不大,因为人已经很少了。
三个数今天就能查。费用率同比、当季正价率同比、当季售罄率同比。AI 项目上线一年,只有费用率动,说明做的是替代;只有毛利动,说明做的是增量;三个都不动,说明项目立项时就没想清楚要改哪个数。
边界在这里。如果一家公司的数据基础很差,连款、色、码的销售数据都不全,先做增量会失败,得先把数据补齐。补数据这件事没有收益,但它是前置条件。
省下来的钱进费用表,赚回来的钱进毛利表。
希纪 · 服装产业观察