4月21日，“第六届中国工业数字化高峰论坛”在上海举行。本届会议由中国互联网协会互联网投融资工作委员会、中国生产力促进中心协会数字经济工作委员会提供指导，由中国化工学会信息技术应用专业委员会和产业数字化创新发展联盟提供支持，由MyMRO我的万物集·固安捷、齐心集团、欧菲斯、鑫方盛、致趣百川、市场易、晨光科力普、领先未来、脉链、米思米中国、百炼智能等企业参与协办。来自全国各地的政府领导、专家学者、工业产业链上下游企业、产业数字化平台、传统工业企业负责人等参加了会议。
欧菲斯工品供应链科技有限公司总经理 杨旺
欧菲斯工品供应链科技有限公司总经理杨旺出席会议并发表主题演讲。以下为演讲实录，以飨读者：
今天非常高兴，能够受托比网的邀请来参加线下峰会。我们发现作为平台方，在工业品领域有个很大的痛点同样在客户端也会遇到。那就是客户在采购工业品的过程当中，特别是对于采购端口，不清楚一线使用者的实际使用商品。
这里面有一个很大的点--刚刚提到的内容生产。目前在工业品领域，我们不说商品的视频化，就算是图片的在线化，大部分工业品都没有做到。劳保圈和工具圈，大量的数据已经可以在线化搜索到了，但是品牌方放出来的这些在线折页，大量的内容是图片版的。他们这么做有几个作用，首先是防止别人直接把内容复制出来，还有就是文件的形式和排版是偏传统线下的方式来做成手册的，还是维持这种线下地推的营销习惯。
由此在互联网上的今天，衍生了一个很大的业态--互联网营销。但是目前行业大量的在线工业品销售额，并不是在大的To B企业手里。不知道大家有没有了解过淘宝在工业品板块的交易数据，我三月份的时候去过淘宝，淘宝工业品线上交易额已经超千亿，甚至专业化程度非常高的高端刀具，一年都有数十亿的线上交易额，这个体量在整个工业品市场里都是非常庞大的量级。淘宝有大量工业品的流量，有数十万的商家和数千万企业采购用户每天在淘宝进行选购和互动，这就是互联网营销所带来的红利之一。
我们行业从业者只要一提到手工具品类，潜意识里首先想到的第一个品牌是什么？很多传统的MRO人只要提工具就想到“世达SATA”，现场很多人以及身边的朋友不知道“世达SATA”这个品牌。所以仅仅在封闭的圈子里有深刻的印象，却无法占领广大的用户市场，基于此也就引发我们对于品牌策略的一些思考。进而引发对于工业品营销思路的一些探讨。
回归到我们的主题，来一起探讨一下MRO商品的数字化如何践行。其实我们更呼吁品牌方在现有的市场环境里面，将所有的商品、参数和商详在线化展示，这是MRO电商化最为关键的一环。
欧菲斯大家可能不太熟，我们从1993年开始做线下门店，从那个时候开始重点就是做企业的采购服务。2014年在全国主要的几个省会成立了自己的全资子公司，从目录销售和线下门店销售彻底转型电商平台，2022年也创造了接近百亿的销售额，在整个企业采购服务领域已经成为中等规模的综合性公司。
说回MRO，MRO按照流量分成了通用MRO和专业MRO。在MRO领域有很多复杂性的品类，比如机动车的检修备件领域更偏工程机械的专业领域，一些传感器、轮胎等，这些品类专业程度和复杂程度会更高。基于MRO商品的这些特点，商品数字化，为什么要做？怎么做？抛砖引玉，给出一点思路。
传统的大的品牌方和经销商，一个很常规的做法就是组建线下的地推团队，还有自己的经销商团队，全国几百个业务员和经销商是常有的事情，需要覆盖到最低一级的工业品区县。但是搭建地推团队一定是规模而不经济的，因为大量的工业品大家都觉得非常专业，使用人对于产品的选购和使用是有困扰的，需要真正专业的人来给客户进行推荐。今天我会结合ChatGPT这种新型工具的出现，解释一下为什么大家需要把现有的产品开始往线上迁移。在整个消费互联网领域有一个很大的习惯，就是依赖搜索。在不清楚具体需要什么商品的时候，一定是先百度。但是从百度里面看到的很多是广告，不一定是我需要的解决方案或者具象的商品，这个时候又衍生了对应的产品--知乎，通过知乎搜索或者问答体系和专业人士的种草，我们可以判断什么产品适合我，然后去电商或者是其他渠道进行购买。
我们自身无法判断到底什么产品防烫效果更好，什么扳手更适合现在的场景，并且在工业品领域没有一个很好的通道可以直接根据痛点搜索出相对准确的结果；为什么会推荐这个品牌或者这个产品。背后的逻辑和推荐算法，是搜索引擎的延伸闭环。所以在工业品领域，除了商品数字化之外，还要把其他所有商品相关的属性、参数、图片、交易信息等全部数字化之后才能形成一个完整闭环，这也是今天想要探讨的话题。
交易链条里面，商品数据以及交付主体数据是最重要的端口数据。我们把商品交付的主体性质（经销商还是品牌商）以及对应的资质（经营范围、企业风险、商标/代理授权等）进行数字化。但是大部分工业品电商目前有一个很大的难点，就是商品数据的标准化。目前大部分的平台都是把所有的商品信息全部糅杂在一起作为商品名称展示，包括商品品牌、型号、参数、功能、包装规格和计价单位等，所以行业内需要做大量的人工清洗，才能真正把这些参数准确获取。
基于此现状，我们也在构建工品伙伴自己的工业品百科。工业品之所以专业，是因为大量的数据无法实现在线化：安装条件、安装接口、故障排查、维修方法和售后等都无法准确的进行在线呈现。举个例子，我们尝试把一些品类下的四级类目做成知识库，工程师可以通过知识库查看品类商品的具体使用方法，以及具体产品的参数差异，然后再判断这个商品是否能满足使用需求。
从技术层面和体验上进行优化，还需要一段时间的探索。以长城液压油来举例，把所有概念层的数据：品类、粘度、型号、成分、品牌等全部抽离出来，将实例层所对应的具体值单独罗列，然后把歧义和专利号对齐，这样做有什么好处？你在搜索相关词条的时候可以穿透不同层级的信息得到你想要的结果。例如搜索长城润滑油，就不会返回非遗建筑相关信息。百度搜索为什么可以得到相对精确的搜索结果，就是因为针对关联数据做了对应关系。这个方法在互联网领域已经趋于成熟，但是在工业品领域还有待探索。由于大部分工业品商品数据没有建立关联信息，平台方只能自己做商品信息和参数的整理、关联。如果品牌方自己做了商品数据的在线化，平台方就可以直接复用，准确率也会更高。
此外，还有大量的用户只能提供模糊需求，供应商如何进行产品匹配？传统方式更多靠经验，现在通过算法使用工业品的标注体系和建立关联信息的商品知识图谱来进行商品匹配。还是以长城润滑油为例，将“长城”这个字段标注成一个独立的词语，将品牌击中，准确率能高达90%以上。型号字段也采用同样的方式标注，就能准确匹配用户的实际需求，这个就是数据精准打标的作用。但是难点在于目前行业超千万的商品，跟商品相关的数据量达到亿级，光靠部分企业去慢慢打标，人力成本实在是太大。
但是随着ChatGPT的上市，这个标注的工作量就会变小。举一个具体案例说明，随机挑选一个“趣行”的警戒线，通过商品名称可以看出“趣行”是品牌，警戒线是四级类目，词条往后是一些功能和颜色，所有的关键信息全部糅杂在商品名称里。按照以前的逻辑，需要凭经验识别字段，然后做好对应的标注。但是这个工作需要凭借自身的知识面和经验识别后准确标记。如此看来难度已经特别大，再加上自身经验限制以及工业品的类目繁杂、参数设置规则没有规范，要靠人来进行识别的难度可想而知。给出一组具体的数字进行说明：工业品行业大概有5000万个SKU，每个SKU都涉及到十几个字段，假设用一个人对一条数据进行识别并标记，至少需要三到五分钟，一共需要10万天才能完成这个庞大工作量。但是ChatGPT上市之后，可以将数据直接给到ChatGPT来做关键信息解析，识别关键字段：长度、类型、颜色、材质、功能、清晰度等。以前需要大量的人力物力做的事情，现在可以一键生成，也为后期的模糊清单的精准匹配提供了更加高效和稳定的支撑。如果实现了商品的精准匹配，也会更有利于线上化的营销推广。大量的用户通过类似于new bing的搜索引擎去搜索“警戒线”的时候，new bing可以以问答的方式直接推荐“趣行”。越到后期，数据越全面、质量越高的商品被搜索引擎直接推荐或者是其他种草神器直接引用的概率则会越高。进而反向推动品牌方有更大的动力去做数据模型，来增加曝光。则最终以前的模糊关键字的时代，就演变成了全量的精准字段的营销时代。
近期我们给某铝业集团部署了一套SaaS版招采商城Demo，命名为PCP。把ChatGPT3.5的模型嵌入之后做一些实用案例进行展示。依靠工具提取关键信息将所有关键结构数据解析后进行展示，除此以外模型还能展示更多的商详和参数列表没有展示的内容。这些应用对于所有的用户和商家来讲，都会带来便利。客户获取信息的途径更简单，速度更快，专业度要求也会更低；商家的各项服务成本也会随之降低，并且交易双方可以快速的获取信息完成商机闭环。通过在产品功能中把具体参数以及使用场景、使用案例全部罗列进去，形成商品的数字化图谱，使用人可以快速的决策是否需要购买。减少工作量、减少信息传导的时效，我相信是大家都需要的更加高效的解决方案。
图示案例中，世达59757这个旋具头的相关数据ChatGPT已经在公网上进行了搜罗和学习，同时包括使用方法和功能。我们提问ChatGPT“关键信息”、“具体参数”、“产品功能”，都给出了公网的专业知识回答。大量的工业品之所以专业，是因为大部分商品都有使用范围和使用场景，势必就存在大量的用户需要试用，因而大量的商品在线下都有场景推荐和使用案例的知识库，通过抽取这些信息到线上形成一个在线知识库，后期就可以根据输入的场景得到推荐结果，这样可以大大加快成交的速度、减少部分成本的浪费、减少退换货和售后问题。
为什么说现在品牌方需要去搭建自己的线上商品的资料库呢？展望未来的应用场景，一定会出现类似于“工业品知乎”的APP出来。工程师只需要输入场景，然后这个APP就可以给出相应的商品推荐。例如我图示中的案例，“为世达的旋具头匹配对应的电动风批”，此时ChatGPT从功能上推荐出相应的品牌、型号和价格，品牌方就拿到了非常大的流量入口，商机也会随之而来。当罗列出来的风批枪都可以满足用户的需求，可选项一目了然的时候，选择的过程也会相对简单。当然也可以根据用户最中意的商品再去追加前面提到的问题，最后再进行一次选择。这个时候品牌方就有了很大的危机，如果商品参数、使用场景、功能的在线化都没做的话，势必就会错失很多机会。这个功能类似于工业品领域的“知乎”，大量的使用者将此功能作为工具在使用的时候就会得到目标推荐商品，下一步选择到底是通过淘宝、京东还是欧菲斯下单就相对简单很多，相当于在ChatGPT就可以直接决策。后期叠加账号管理和审批权限管理，所有的电商交易流程就更加简单和方便了，从而实现了场景提问--商品推荐--参数确认--下单--物流--售后的交易闭环。
以前传统层层分销制的商品推广方式是不是会被互联网颠覆？商品的数字化到底要不要做？保留现有经销商的权益，还是线上线下结合？是不是品牌方在线上交易，代理商线下服务？传统代理商是否能从囤货、压资金、走费用的模式转向做安装、调试和售后的服务网络？
工具的使用可以降低从业人员的素质方差，可以让工业品地推团队慢慢减少，同时也降低了企业培养人才的难度。
消费互联网的一个最大的特点，就是快速迭代快速响应。C2M通过线上交易闭环迭代服务闭环就可以快速获取用户需求和场景，反向快速迭代产品，快速抢占市场，扩大市场份额。
未来通用工业品也是有机会能够进入到消费互联网的高速发展阶段的，在整个AI工具里面，重点还是产业的整体升级。刚才主持人Lucy也提了，不管是未来AGI的视频化还是内容的营销，最关键的一环还是基础数据的在线化，这也是我们欧菲斯一直做的事情。
这就是欧菲斯今天分享的内容，谢谢大家！
会议现场
