场景数字化：构建场景驱动的发展模式

　　导语：大数据分析、人工智能等技术的发展，为场景构建提供了强有力的工具。因此，本文重点分析如何利用数字技术，实现场景的数字化，构建场景驱动的发展模式。

　　场景在管理领域的应用起源于市场营销。市场营销中将场景定义为消费者日常生活与工作所处的情景。消费行为都是在特定的场景中进行的，场景助力消费者认知产品或服务。因此，消费者对产品或服务的认知与所处的场景有极强的关联性，这启发营销人员基于场景化的思维，构建场景化的营销方案，将产品与服务的卖点和消费者在特定场景下的需求相连接，更好地满足消费者痛点，激发消费者的情感共鸣，满足消费者在独特场景产生的需求。持续的场景营销，帮助销售者和消费者之间建立良好的互动，形成消费者黏性和提升消费者忠诚度。

　　场景营销迎合了消费升级的大趋势。在消费升级过程中，消费者的需求经历了从基本消费到品质消费，从物质消费到精神消费，从显性消费到隐形消费的转变。消费升级导致消费者需求方向多样化，消费行为更加注重感受，因此品牌方在进行营销时，营销方案需要考虑消费者在特定时间和空间下的行为和情感需求，采取对消费者侵入感最低的方式将产品与服务推送给他们，这也是场景营销的精髓。

　　场景营销帮助大量产品获取成功。例如农夫山泉为满足消费者在运动中补充水分的需求，打造运动盖瓶装水。其独特的瓶盖设计，单手即可开盖;盖内的阀门设计确保只有瓶体受压的情况下才会开启;瓶盖开启状态下，瓶体倾倒和倒置，瓶内水都不会流出。这种设计确保运动中的消费者也可以饮水，因此运动瓶盖产品一经推出，迅速取得成功。营销领域中的成功推动其他商业领域利用场景，例如金融行业推出场景金融，在线教育推出场景教育，物流领域推出场景化供应链解决方案等。

　　消费领域的场景是消费者的筛选器和分流器。当前消费者需求呈现非常强的多样性，导致企业难以把握需求，从而形成供给和需求的错配。构建场景成为更好地把握消费者需求的工具。同一场景下，消费者需求具备相似性，因此，通过构建场景可以将具备相同需求的消费者筛选出来。在对消费者依照场景筛选后，即可以按照不同场景，将他们分流。对于分流后的消费者，企业可以为所有场景都提供独特的产品，也可以聚焦于单一场景供给产品。

　　场景界定了特定需求的边界，从而设计更有针对性的营销方案;实现从传统营销手段将消费者“拉向”产品或服务向将产品或服务“推向”消费者的转变;针对性的满足消费者需求可以帮助企业获取更多的附加值;特定场景的挖掘可以创造需求。然而，场景的构建并非根据消费者所在情景即可以完成，场景包含消费者行为、体验和情绪等多种维度，单凭消费者所处情景难以界定场景，因此需要借助于数字技术。大数据分析、人工智能等技术的发展，为场景构建提供了强有力的工具。因此，本文重点分析如何利用数字技术，实现场景的数字化，构建场景驱动的发展模式。

　　基于人工智能构建消费场景

　　消费场景是指直接面对消费者的场景，也是当前场景营销发生的主要领域，例如前文所述场景营销、场景金融、场景教育等都属于消费场景。消费场景的数字化，主要基于大数据分析和人工智能技术。场景需求是高度个性化的，因此当前营销通过构建用户画像实现场景营销。大数据分析技术帮助营销人员挖掘消费者更多的瞬间兴趣内容并为此构建动态标签，建立更加接近消费者处于“当时”场景中实时状态的画像，更动态化的用户画像可以确保营销过程呈现的信息富有感情。人工智能技术可以更加细致地划分场景，增加场景的粒度，呈现动态的场景，促进自动化的场景营销实现。

　　大数据分析与人工智能技术构建消费场景为传统营销方式配置了“眼睛”与“大脑”。“眼睛”利用各种埋点和传感器被动地实时地获取现场数据;“大脑”则分析实时、细粒度和现场的数据，发现数据间的关系，支持决策，二者结合将场景营销数字化。

　　基于大数据与人工智能技术获取用户信息，构建用户画像是场景构建中的常用手段。构建用户画像的第一步就是对数据进行标签化处理。大数据与人工智能技术可以多渠道的采集信息，这些信息不仅包括传统营销可以采集到的结构化数据，更重要的是包括非结构化数据，例如语音，人脸等生物信息，移动轨迹等行为信息。数据采集后即可根据业务需求和应用场景梳理标签指标体系。在人工智能参与的用户画像构建中，需要注意数据挖掘类标签的建立。在标签指标体系的基础上，梳理数据/任务之间的关系，打通数据仓库与各业务系统的接口，构建出画像的逻辑框架。

　　在逻辑框架基础上，对用户画像进行产品化。用户画像产品化与应用需要画像开发负责人与业务人员、技术开发人员对接特定场景下消费者的触点以及满足触点的产品功能实现形式。该阶段，需要根据具体业务场景设计解决方案，因此业务人员的参与尤为重要。用户画像开发过程中，数据人员关注数据表、数据之间的相关关系等;业务运营和客户服务人员关注用户的圈定，数据标签的定义等工作;只有业务人员是画像产品的真实用户，他们应用画像数据、画像产品，满足特定场景下的需求。例如，基于人脸识别的会员系统，摄像头会收集消费者的各种信息，配合门店会员系统获取消费者人口统计学信息，可以构建消费者画像，但销售人员依然在与消费建立现场联系中发挥作用。当消费者走进门店，人脸识别技术识别其身份信息，根据其用户画像，系统向销售人员推送会员经常购买的以及可能感兴趣的推荐，销售人员引导消费者购买商品。该系统在特定场景中能发挥更为高效的作用，例如当日是消费者生日，销售人员可以为其赠送礼物，提升销售效果。

　　事实上，如何利用大数据分析与人工智能技术构建需求场景并开展营销，在实践中已有较多的成熟方案且已被广大营销人员所熟知，因此本文并不过多阐述本部分内容，而是将重点放在如何通过智能制造实现生产运营与场景需求的匹配。

　　基于智能制造实现生产与场景需求的匹配

　　场景的构建将消费者需求划分为多个模块或单元，因此需要不同的产品或服务满足多样化的需求。然而，当前制造业更倾向于规模化生产，通过大批量制造降低成本，难以满足场景化下的多样性需求。因此，虽然当前场景化已经促使企业营销发生巨大变革，但是在生产经营领域所起的影响尚不显著。智能制造的发展，为场景化的理念扩散到企业生产运营提供契机。基于智能制造的企业运营和战略制定可以实现产品小批量的开发设计和生产制造，实现柔性供给，提供与场景相匹配的产品。

　　根据肖静华、谢康等对智能制造的阐述，实现战略场景化的智能制造管理系统一般包含如下五个子系统(图1)，分别是：物理实体系统，主要是指企业用于生产运营的实体设备，包括生产设备，仓储设备等，同时还包括安装于设备端的数据收集装置;虚拟模型系统，主要是指和物理实体系统完全对应的数字化模拟系统，包括对物理实体系统的完全模拟，同时还包括用于数据训练以及场景模拟的人工智能和专家知识系统。映射与交互系统，主要是将物理实体转变为虚拟模型并使其发生互动的系统，例如虚拟现实设备，工业机器人等设备。环境数据感知系统，主要是指企业收集环境数据，形成环境映射的系统，同时也包括处理环境数据的大数据分析和人工智能系统等;数据连接系统，是指前述四个子系统中所有的数据连接方式所构成的系统，包括连接物理实体与虚拟系统的5G，蓝牙等设备，也包括系统内部的数据库分布方式等。

　　这五套子系统之间互相协同，可以快速适应剧烈变化的环境，帮助企业快速实现产品设计与创新，改善运营流程，以满足消费者的个性化和场景化需求。首先，环境数据感知系统外部环境数据，对数据进行分析获取独特的消费场景，或者发现未被满足的场景需求。相比于消费品，工业品市场需求割裂更严重，市场信息不透明程度更深，导致供需双方存在壁垒，环境数据感知系统可以构建平台，收集需求信息。更为重要的是，环境数据感知系统根据需求的类型划分场景，然后参与到用户的产品设计，最终形成场景解决方案。例如，杭州麦科斯韦科技有限公司提供的“电机港”智能制造平台，不只根据类型将用户分类，例如电机使用企业、电机配套企业，还根据产品的使用场景对产品分类，例如新能源汽车驱动电机使用、电梯曳引机使用等场景，并为不同的场景构建解决方案。

　　为了更好地满足用户需求，环境数据系统为用户参与产品设计提供工具。然而，传统的基于实物样机的设计，生产流程效率低，成本高，虚拟模型系统通过虚拟系统进行仿真设计、构建数字样机等，同时可以通过虚拟模型系统进行仿真生产，修正产品设计。这种模式下，节约了实物样机生产设计中开模，物料等成本，多次训练后的虚拟生产可以对数字样品进行虚拟生产，预测产品的良品率等，也节约了物料成本。在将产品进行场景化后，产品种类繁多的情境下，成本节约效应尤为显著。同时，虚拟模型系统可以同时支持多种产品的仿真设计和虚拟生产等，大幅提升了效率。这确保产品与快速变化的场景需求保持同步。

　　仿真设计和虚拟生产还可以构建用户和生产者之间的信任。在传统的产品设计中，用户见到以指标为主体的产品方案支付定金，但是这样的产品方案一方面无法包含所有产品细节，另一方面存在信息泄露的风险。而在智能制造下，向用户提供的仿真结果，包含大量的产品细节以及产品效果，同时由于系统的封闭性，不存在信息泄露的风险。这样可以在用户和生产者之间构建信任，这符合场景化中需要满足用户情感诉求的要求。

　　对于产品原型，可以采取试销售的方式，在产品未正式生产前通过互联网进行销售测试，环境数据感知系统收集消费者对产品的反应数据，在对消费者的行为数据进行分析，预测产品的销售情况。根据产品销售预测情况，可以制定是否生产新产品的决定。例如，韩都衣舍在完成产品设计后并不会马上投入生产，而是将产品在淘宝官方店上线，消费者可以浏览、收藏产品，或者将产品加入购物车。韩都衣舍收集消费者的这些行为数据，并对数据处理，获得一组包含27个维度的数据(除了前述浏览、收藏和架构等，还包括页面停留时间等不易察觉的行为)，对数据分析，可以预测消费者需求。根据预测的需求情况，将产品分为“爆款”、“旺款”、“平销款”和“滞销款”，并据此进行销售，该方案准确率高达95%。特别是针对特定场景设计的款式，准确率更高，其针对肥胖女性设计的大码款式，在测试中就显示为“爆款”产品，正式上线后相关产品销售额迅速突破千万元人民币。

　　在预测产品销售状况，选择预期销售良好的产品进行生产。物理实体系统中的传感器，边缘设备等可实时监控生产过程，通过机器视觉等提升产品质量管理。但是在面向场景的生产中，智能制造发挥的重要作用之一是基于设计的采购。数据连接系统确保了产品全生命周期中信息共享与精确性，因此，在产品设计阶段即可规划原材料的采购，并根据试销售的情况调整采购规划，节约库存成本，降低产品生产时原材料的浪费。确保了产品特征与场景需求相一致的同时也确保了产品产量与需求量一致。

　　将上述过程融合或者选择性应用，可以形成多种满足场景化需求的运营模式，例如个性化定制，S2B2C(供应链对企业对消费者)等。个性化定制是将场景化发挥到极致的生产模式。在个性化定制中，消费者通过环境数据与制造企业互动，参与到产品设计，企业根据消费者提交的需求，以及在生产中积累的数据进一步改善消费者需求。虚拟模型系统按照客户需求进行模块化和个性的设计，缩短了产品设计周期。智能化的物理实体系统可以柔性选配产品，调整生产能力，将产品快速交付客户。

　　海尔集团的小微模式展示了S2B2C模式。在海尔这一大平台上的许多小微项目的创立是基于需求场景建立的。例如智胜小微创立动机来源于一条“求大空间装下我的年货”的用户意见，最终归结出场景需求，在保持冰箱体积不变的情况下尽可能扩大内部使用体积。小帅影院的动机则是由用户提出“有没有真正能够实现躺着看电视的产品”，归纳出躺着看电视的场景需求。因此可以将该模式下B2C的部分视为场景挖掘阶段。在确定场景需求后，智胜小微改善原有的匀冷技术，通过仿真设计构建数字样机，在设计过程中通过网络协同平台构建物料需求，在海尔智能车间制造。小帅影院的开发与生产采取同样的流程，设计出圆形投影的数字研究，再利用海尔高效智能车间和供应链实现柔性供应。

　　综上，需求的场景化导致的需求多样性与制造业追求大规模生产降低成本的模式存在天然的冲突，而智能制造可以通过环境数据感知系统进行场景分析与场景构建。虚拟模型系统将产品的设计虚拟化，降低了成本，仿真结果提升了客户的信任，满足客户的情感诉求。物理实体系统实现调整生产能力，优化库存。最终将生产能力与多样化的场景需求实现匹配，为客户提供满足消费的需求。(作者李高勇系山东财经大学管理科学与工程学院副教授;刘露系山东财经大学管理科学与工程学院硕士研究生)