1. 数阔×笑驴AI"数字员工"改造选品上新链路:3 人协作变 1 人,单店每周上新从 10 个到 50 个
标题:数阔信息把数据、AI 与自动化连成一条链路:7~8 个数字员工接管"选品到上新",单店周上新提升至 5 倍
时间来源:亿邦动力「千峰访谈」2026-10-16《数阔黄树煜:数据、AI与自动化连成一条链路之后》(受访者:数阔信息轮值 CEO 黄树煜);另见亿邦动力跟进报道《数阔打通数-智全链路 开放能力适配 AI Agent 调用》(m.ebrun.com/714778)
背景痛点:国内电商客户笑驴 AI 的选品到上新链路曾是典型的"人力接力":运营人员人工检索市场数据、找关键词、看竞品,设计人员再根据运营需求制作视觉素材,最后人工组装商品信息并完成上架——整条流程需要 3 个人协作,单店每周上新约 10 个,且市场数据检索环节高度依赖人工经验与体力。同类痛点也出现在数阔的跨境汽配客户桑椹:亚马逊上的价格、评论、排名、购物车状态及竞品促销数据靠人工盯盘,异常发现滞后,调价、补货等关键经营决策总是慢半拍。
策略:数阔没有另起炉灶做独立 AI 产品,而是让原有能力"逐步 Agent 化"——云听 CEM(评论、客服会话、问卷、社媒等非结构化数据洞察)、八爪鱼 RPA(重复流程自动化)与数据能力三条线打通,形成"数据获取—AI 理解—业务判断—自动执行"的完整链路。在笑驴 AI 的改造中,客户引入 7~8 个数字员工:①RPA 在凌晨非业务高峰自动采集全品类近一年的关键词趋势、竞品、销量和投流数据;②AI 负责判断关键词趋势、品类体量、竞争程度和利润空间,关键判断仍由人工完成;③进入视觉和上新环节后,AI 辅助生成方案,RPA 继续完成商品信息、视觉素材的组装和上架。在桑椹的链路中,RPA 持续采集亚马逊价格、评论、排名、购物车状态及竞品促销数据,AI 完成异常降噪、分类和分发,机器人将不同等级的预警推送给对应运营人员,最终由人完成调价、补货决策。数阔同时通过 MCP、Skill、API 三类接口把数据采集、VOC 分析、RPA 等能力开放出去,供外部 AI Agent 直接调用,不再把用户锁定在自有产品界面内。
量化成果:①原需 3 人协作完成的选品到上新流程,现在 1 个人即可跑通;②单店每周上新数量从约 10 个提升至 50 个(5 倍);③数阔内部确立的 AI 价值评估标准:每一块模型成本最终创造了多少业务价值——能否减少人工、提高转化或缩短决策周期,“单纯 TOKEN 消耗再大也没有意义”。
创新价值:这是"数字员工"叙事中少见的有清晰量化与边界设计的样本:第一,“RPA 执行 + AI 判断 + 人工关键决策"的三段分工,恰好把 AI 放在幻觉风险最低的环节(趋势判断给建议、组装上架纯执行),把高风险决策留给人;第二,7~8 个数字员工对应的是真实岗位(数据采集、趋势判断、素材组装、商品上架),而非聊天机器人式的功能演示;第三,能力开放(MCP/Skill/API)代表了软件形态的转向——用户提出目标、Agent 理解任务、调用工具、返回结果或直接执行,传统 SaaS 的"菜单、页面、按钮"被自然语言交互替代。厂商同时给出冷静判断:基础模型能力将持续趋同,产业 AI 的护城河在于"高质量实时业务数据 + 行业 knowhow + 可落地执行工具"的组合。
原文链接:
- 亿邦动力千峰访谈:https://www.ebrun.com/20261016/714685.shtml
- 亿邦动力跟进报道:https://m.ebrun.com/714778.html
分析师短评:3 人变 1 人、周上新 10 到 50 的量化足够具体,但需注意这是服务商访谈中的单一客户口径,无对照实验、未披露上新质量(50 个里多少成为有效 SKU)与退货率变化——“数量 5 倍"不等于"生意 5 倍”,评估时应追问上新动销率。即便如此,这个案例的路径选择值得大多数商家借鉴:选品上新是电商全链路中"数据最密集、规则最明确、容错度中等"的环节,天然适合作为 AI 落地第一站;而"关键判断留人"的设计既保住了决策质量,也让团队对 AI 的信任可以逐步建立。给商家的可执行动作:先盘一遍自己团队里有哪些"3 人接力"的环节(多半是取数、做图、上架),那正是数字员工的第一批岗位。
今日核心洞察
- 电商 AI 落地的正确入口是"数据密集 + 规则明确"的中段环节:选品上新链路(取数→判断→做图→上架)比客服、比创意更适合首批自动化——笑驴 AI 的 3 人变 1 人证明,价值首先来自把人从重复接力中解放,而非来自模型多聪明。
- “RPA 执行 + AI 判断 + 人工关键决策"是现阶段最稳的分工:AI 做趋势判断与素材组装(低风险、可验证),人保留关键经营决策(高风险、需担责)——这个边界设计同时解决了效率与幻觉焦虑,比"全自动"更可持续。
- 数字员工按岗位映射,不按功能映射:7~8 个数字员工对应的是数据采集、趋势判断、素材组装、商品上架等真实岗位——评估 AI 投入的指标应该是"接住了哪个岗位的产出”,而不是"接入了多少个 Agent”。
- 软件形态正在从"人适应软件"转向"Agent 调用能力":数阔把数据采集、VOC、RPA 能力通过 MCP/Skill/API 开放给任意 AI Agent——商家未来买的不再是"一套系统",而是"可被调用的能力",数据与工具的归属权会成为新的博弈点。
- 模型成本观正在成熟:为单位业务价值付费:“单纯 TOKEN 消耗再大也没有意义”——当行业从"演示 ROI"进入"算账阶段",能说清"每块模型成本换来多少人工减少、转化提升、周期缩短"的厂商和商家,才会留在牌桌上。
近 7 天补充线索
- 乐其双 11 自研 AI 矩阵全链路落地(网经社 10-15):以"LeqeeBuddy"为主题启动双 11,AI 基建 Eureka 2.0 打通业务数据并接入 EB 工具套件;内容端 FreeTV 实现短视频从机会研判、出片、审核到数据回流闭环,FreePic 支持批量衍生设计与自动审核;营销端 FreeReach 一站式闭环;运营端 FreeLive 覆盖直播排班、监控告警、复盘结算,Kiwise 数字人扩充直播产能、Abao 智能客服承接大促咨询;仓储端 AI 视觉巡仓识别堵塞积压、AI 调度 Agent 优化订单波次与拣货路径、智能补货 Agent 基于销量预测生成补货方案(厂商通稿口径,未披露量化数据)。
- 唯品会上线自研 AI 助手"AI 小唯"(AIbase/亿邦动力 10-12/13):AI 导购进入能力深耕期,其招聘结构集中补后训练、数据合版与 SFT 文本数据岗位——把商品、活动与用户行为描述成机器可读结构成为竞争焦点,导购助手的竞争正从产品形态转向数据资产。
- TikTok 上线 AI 购物助手与 Buy Direct 一键结账(亿邦动力转引):用户可在信息流对话中完成答疑与下单,“对话即转化”——对内容卖家的直接影响是商品标题、属性、卖点必须机器可读,传统"人话"详情页存在被 AI 降权的风险。
- 中国制造网发布 SourcingAI 3.0(亿邦动力 10-20 早报):推动选品、匹配、洽谈、交易与履约全流程 AI 化,工厂可借助此类工具更快对接海外采购需求。
