Satu jadual AI menyokong jutaan penjual, mengambil alih 11.11 tahun 2025

Sebuah promosi besar berjumlah triliunan, kali pertama dikendalikan oleh satu lembaran kerja.

Setelah melalui "perang model besar dan kecil" dan "pertempuran Agent", alat peningkatan efisiensi perusahaan yang benar-benar matang dan terbukti efektif dalam industri AI adalah "Lembaran Kerja AI". Dan aplikasi besar pertama lembaran kerja ini ialah Hari Belanja 11.11 tahun ke-17 di industri e-dagang pada 2025.

Pada 5 November, Lembaran Kerja AI DingTalk mengumumkan pencapaian lompatan teknologi besar bersama pasukan teknikal dari Alibaba Cloud, menjadi lembaran kerja pintar pertama di industri dengan kapasiti sebanyak 10 juta baris aktif secara tunggal. Menghadapi "ombak data" seperti Hari Belanja 11.11, jenama tidak lagi perlu "memisahkan jadual secara manual", tetapi benar-benar dapat menjalankan semua data dalam satu lembaran kerja.

Seorang wakil berkaitan dari Alibaba sebelum ini menyatakan bahawa Tmall tahun ini telah melancarkan teknologi AI secara besar-besaran untuk memberdayakan penjual sepenuhnya, menjadikan alat AI digunakan secara besar-besaran buat pertama kalinya.

Beberapa bulan sebelum Hari Belanja 11.11 bermula, keluk penggunaan produk seperti Lembaran Kerja AI DingTalk meningkat tajam. Pada masa yang sama, demi memenuhi permintaan pasar sebenar yang mendesak, pasukan DingTalk dan pasukan pangkalan data ADB-PG Alibaba Cloud melakukan usaha teknikal selama lebih daripada 100 hari, meningkatkan kapasiti lembaran tunggal Lembaran Kerja AI kepada 10 juta baris aktif.

Mengapa Lembaran Kerja AI DingTalk mula popular dalam industri e-dagang?

Intelek lembaran kerja bukanlah inovasi eksklusif DingTalk, tetapi mengapa Lembaran Kerja AI DingTalk mula menular dalam industri e-dagang? Jawapannya kerana kesukaran utama penerapan dalam e-dagang bukan terletak pada teknologi, tetapi siapa yang lebih memahami e-dagang.

Teknologi baharu biasanya bermula dari industri dengan kepadatan data tertinggi dan kitaran umpan balik terpendek. Industri e-dagang setiap tahun mencatat triliunan transaksi, ribuan SKU, dan ratusan titik pemasaran. Terutamanya semasa Hari Belanja 11.11, data dan keperluan umpan balik segera dari kedua-dua pihak pembeli dan penjual boleh mencapai 100 hingga 1000 kali ganda daripada operasi harian. Sebagai contoh, pada Hari Belanja 11.11 tahun 2024, jumlah transaksi keseluruhan Alibaba telah hampir mencapai 1.44 trilion yuan, iaitu 1.5 kali ganda daripada jumlah transaksi harian.

Tetapi dahulu, industri e-dagang dibina atas pelbagai Excel, CRM, dan ERP: proses permulaan yang rumit, umpan balik lambat, skop data tidak konsisten, dan kadar kesilapan sangat tinggi. Alat yang sepatutnya meningkatkan kecekapan malah menjadi beban tersembunyi.

Pertama, data dalam industri e-dagang sangat pecah-pecah—medan sistem tidak seragam, skop tidak konsisten, dan akses terhad; membuatkan Lembaran Kerja AI menyambung data heterogen ini serta kemaskini segera hampir setara dengan mengubah infrastruktur data perusahaan. Kedua, prosesnya tidak berstruktur, setiap industri berbeza antara satu sama lain. Fesyen dan barangan cepat habis merupakan dua bidang yang sangat berbeza. Terutamanya semasa Hari Belanja 11.11, melibatkan jadual promosi besar, kerjasama influencer, pengagihan inventori, amaran khidmat pelanggan, dan pampasan selepas jualan, maklumat setiap titik tersebar dalam perbualan kumpulan dan e-mel. Kebanyakan keputusan bergantung pada penilaian manusia. Tanpa pengetahuan mendalam tentang e-dagang (Know-How), mustahil untuk membina semula sistem belakang penjual.

DingTalk, kerana berpijak pada ekosistem Alibaba, menjadi salah satu platform global yang sedikit dapat langsung menyambung struktur data asas e-dagang. Ia memahami runcit—berhubung langsung dengan rak, inventori, umpan balik pengguna, dan saluran pemasaran—serta memahami keperluan fleksibel penjual Cina. Semua faktor ini menjadikan Lembaran Kerja AI DingTalk secara semula jadi lebih memahami "e-dagang" berbanding lembaran kerja AI platform lain.

Oleh itu, apabila DingTalk menggunakan "satu Lembaran Kerja AI" untuk mengawal Hari Belanja 11.11 tahun 2025, maksud terdalam di sebaliknya adalah hasrat untuk mengubah sistem operasi belakang industri e-dagang Cina yang sudah lapuk—menggunakan AI untuk memandu manusia membuat keputusan bijak, bukannya manusia ditarik oleh tugas kerja sama yang kompleks, sehingga mengekalkan potensi emas data yang besar.

Sementara Lembaran Kerja AI membina semula cara kerja industri e-dagang, industri e-dagang juga mempercepat evolusi Lembaran Kerja AI DingTalk. Kini Lembaran Kerja AI telah berkembang menjadi sebuah Agent ringan yang boleh berfikir, bertindak, dan bekerjasama. Ia tidak lagi dianggap sebagai alat SaaS tradisional, tetapi dilihat sebagai pintu masuk kepada sistem operasi perniagaan baharu.

Saat ini, syarikat-syarikat seperti Semir, Intime Department Store, dan jenama muda AlmondRocks sedang menggunakan Lembaran Kerja AI DingTalk untuk menyediakan diri menghadapi Hari Belanja 11.11.

Pada Ogos tahun ini, CEO DingTalk Wu Zhao menekankan pendekatan penyelesaian AI DingTalk: Pertama, fokus pada AI dan hasilkan produk AI Native; kedua, manusia harus membantu AI memahami dunia sebenar agar AI dapat menerima tugas dengan cepat, sambil manusia lebih banyak membuat keputusan; ketiga, jangan sombong, tetapi benar-benar memasuki pelbagai industri.

Lembaran Kerja AI DingTalk juga mengikut prinsip-prinsip ini: hasilkan produk asli AI, selesaikan masalah sebenar, dan bantu perusahaan meraih hasil nyata.

AlmondRocks: Pusat Data untuk Jenama Berskala Kecil dan Sederhana

AlmondRocks adalah jenama fesyen rekaan tempatan China yang menekankan "selesa dipakai, bernilai reka bentuk, harga berpatutan". Bermula dari stoking, kini berkembang ke pakaian dalaman dan pakaian rumah. Ia bukan sahaja "jenama reka bentuk", tetapi juga "jenama kandungan"—terutamanya bergantung pada promosi di Xiaohongshu, siaran langsung di Douyin, dan kerjasama influencer untuk berkembang, menjadikannya jenama tipikal yang beroperasi secara menyeluruh.

Pengasas jenama Zhang Qi selalu risau tentang "kecekapan operasi". Mereka bekerjasama dengan lebih 6,000 influencer setahun, tetapi hanya mempunyai 4-5 pekerja yang menguruskan semua ini. Data setiap platform tersebar: Jadual harga dalam Excel, dokumen logistik dalam WPS, skrip influencer dalam dokumen WeChat. Seorang pegawai perdagangan harus mengimport tujuh atau lapan jadual sehari. Kesilapan adalah perkara biasa.

Selepas menggunakan DingTalk, mereka memindahkan semua maklumat influencer—harga, sampel, logistik, umpan balik, kandungan, data penukaran—ke dalam Lembaran Kerja AI. Medan yang dulunya dimasukkan secara manual oleh pekerja puluhan kali kini hanya memerlukan 5 atau 6 medan sahaja; maklumat lain ditangkap secara automatik oleh Lembaran Kerja AI. Selain itu, Lembaran Kerja AI juga boleh menghasilkan peta haba prestasi influencer secara automatik, menggunakan algoritma untuk mengenal pasti influencer yang layak untuk kerjasama jangka panjang. Yang lebih penting, pekerja dari pelbagai fungsi seperti perdagangan, undang-undang, dan operasi boleh bekerja dalam satu lembaran kerja yang sama, dengan semua maklumat dikemas kini secara segera.

Sebagai contoh, apabila DingTalk mengesan bahawa sejenis stoking laris, kakitangan belakang boleh segera melihat kadar pusingan inventori, taburan jualan saluran, dan sensitiviti elastik harga secara langsung, lalu membesarkan produk tersebut—keputusan yang biasanya mengambil masa tiga hari kini boleh diselesaikan dalam sehari.

Jenama-jenama muda seperti AlmondRocks terdapat beribu-ribu dalam ekosistem e-dagang China, dan kebanyakannya tidak mempunyai kakitangan IT khusus. Lembaran Kerja AI DingTalk memberi mereka "pusat data sendiri". Pengasas Zhang Qi merumuskan secara langsung bahawa Lembaran Kerja AI DingTalk ibarat pekerja yang cerdas—"Ia adalah inti pintar berpandukan data untuk membuat keputusan, inti daya saing utama untuk memenangi setiap pertempuran e-dagang."

Intime Department Store: Revolusi Kolaborasi Organisasi Ribu Orang

AlmondRocks membuktikan bahawa Lembaran Kerja AI DingTalk memberi jenama kecil dan sederhana keupayaan operasi yang lebih kuat. Intime Department Store pula membuktikan bahawa apabila Lembaran Kerja AI DingTalk memasuki organisasi ribuan orang, ia juga boleh meningkatkan keupayaan kolaborasi.

Intime Department Store adalah jenama runcit tradisional terkemuka di China, dengan lebih 60 pusat komersial di seluruh negara. Li Kai adalah ketua operasi kandungan di Intime. Pada 2024, dia memutuskan untuk menggunakan satu Lembaran Kerja AI DingTalk—untuk menyelaraskan tindakan 62 buah pusat komersial di seluruh negara dalam siaran langsung jualan kumpulan.

Langkah pertama Li Kai ialah memastikan semua pusat komersial luar talian bekerja dalam satu Lembaran Kerja AI yang sama: Setiap pusat komersial memasukkan harga, inventori, dan kombinasi baucar produk mereka untuk jualan kumpulan. Sistem secara automatik menggabungkan, menyemak, dan menghasilkan jadual utama, mengenal pasti medan tidak normal, kekurangan inventori, atau konflik harga. Membina sistem operasi siaran langsung yang lengkap ini dilakukan oleh Li Kai sendiri menggunakan Lembaran Kerja AI DingTalk. "Anda boleh katakan, Lembaran Kerja AI membantu saya menjadi sebuah syarikat MCN," katanya.

Sebelum setiap siaran langsung, Lembaran Kerja AI DingTalk akan mengingatkan secara automatik dan mendorong projek; dua jam selepas siaran tamat, ia secara automatik menghasilkan perbandingan GMV, kadar pengesahan, dan ROI. Dalam operasi department store tradisional, sistem kerja sedemikian memerlukan ratusan perbincangan, persediaan selama beberapa minggu, dan puluhan versi Excel. Kini, Li Kai hanya memimpin seorang pekerja dan dapat menyelesaikannya dalam lima hari, meningkatkan bilangan siaran langsung jualan kumpulan daripada tiga sebulan kepada purata 10 sebulan.

Semir: Daripada Umpan Balik Pengguna Hingga Pengubahsuaian Produk

Semir, pemimpin industri pakaian domestik, menggunakan Lembaran Kerja AI secara langsung untuk pengubahsuaian produk.

Berpanjangan, jenama pakaian tradisional berada di persimpangan dilema: Di satu sisi, pasaran terus merosot—jumlah runcit pakaian China pada 2024 hanya meningkat 2.1% berbanding tahun lepas, terendah dalam dekad terakhir; di sisi lain, citarasa pengguna berubah dengan cepat—media sosial memendekkan kitaran trend, satu video viral boleh mengubah arah produk laris suatu musim. Oleh itu, inti persaingan jenama pakaian kini beralih daripada "kapasiti saluran" kepada "kepekaan pasaran". Siapa yang paling cepat menangkap umpan balik pengguna, dialah yang akan menghasilkan lebih banyak produk laris.

Sebelum memperkenalkan Lembaran Kerja AI DingTalk, seorang ejen perkhidmatan pelanggan hanya dapat mengendalikan 400 hingga 500 umpan balik sehari, kerja yang rumit dan membosankan: menyalin tangkapan skrin, rakaman suara, ulasan ke dalam Excel, kemudian mengkategorikan dan meringkaskannya. Skop dan medan data berbeza antara platform (Tmall, Douyin, Xiaohongshu), terutamanya semasa Hari Belanja 11.11, ejen sering tenggelam dalam mesej.

"Umpan balik pengguna sama sekali tidak terstruktur dan tidak dapat secara langsung mempengaruhi pengeluaran," kata Lu Wanlong, penyelia perkhidmatan pelanggan di pusat perkhidmatan pelanggan Semir Co., yang telah berkhidmat selama 10 tahun. Dia menyaksikan peralihan daripada pendaftaran kertas kepada Excel. "Kami juga ingin menyimpan umpan balik pengguna dalam tempoh panjang, seperti satu tahun atau lima tahun, tetapi operasi Excel sangat merepotkan."

Lembaran Kerja AI DingTalk membantu Semir pertama kali menukar umpan balik pengguna menjadi "arahan produk". Langkah pertama menyelesaikan "memahami apa yang disampaikan pengguna": Form AI boleh mengutip umpan balik semua platform setiap hari, model semantik AI akan mengenal pasti kecenderungan emosi, jenis masalah, dan secara automatik menandakan maklumat negatif, mengeluarkan amaran jika serius; carta visual yang dikemas kini setiap hari membantu jenama mengenal pasti masalah dengan cepat.

Sebagai contoh, jika seminggu sebelum Hari Belanja 11.11, Lembaran Kerja AI mengesan bahawa label "saiz terlalu kecil" untuk jaket bulu angsa wanita meningkat sebanyak 87 umpan balik dalam tiga jam, terutamanya di kawasan utara. Lembaran kerja akan menghasilkan laporan ketidaknormalan secara automatik. Dalam keadaan ideal, jabatan pengeluaran boleh menyesuaikan templat corak pada hari berikutnya, dan melalui medan "penggabungan rantaian bekalan" Lembaran Kerja AI, menyegerakkan parameter lebar bahu dan dada kepada kilang rakan kongsi, membuat sampel baru tanpa mengganti bahan, memastikan mereka dapat melakukan pengubahsuaian semasa Hari Belanja 11.11, bukannya menunggu selepas promosi besar.

Kini, jawatan hadapan seperti ejen perkhidmatan pelanggan dan operasi di Semir bukan lagi kerja berulang, tetapi merupakan antara muka paling penting untuk pengumpulan data pengguna. Setiap respons manusia turut melatih Lembaran Kerja AI supaya lebih memahami pengguna, akhirnya membebaskan manusia dan memberi perusahaan lebih banyak masa untuk berfikir dan membuat keputusan.

Hingga Ogos 2025, lebih 300,000 perusahaan telah menggunakan Lembaran Kerja AI DingTalk, merangkumi industri e-dagang, pembuatan, runcit, pendidikan, dan hartanah. Antara ini, pertumbuhan perusahaan e-dagang dan runcit paling pantas, meningkat 280% berbanding tahun lepas. Berdasarkan ramalan dalaman DingTalk, menjelang akhir 2026, kadar penetrasi aplikasi lembaran kerja pintar di industri runcit dan e-dagang akan mencapai 80%, dan semua senario kerja sama frekuensi tinggi termasuk jualan, perkhidmatan pelanggan, pengeluaran, dan kewangan akan dikendalikan oleh lembaran kerja pintar.

Inilah bermakna, Lembaran Kerja AI DingTalk telah membentuk kesan rangkaian secara awal. Mekanisme pertumbuhan sedemikian tidak dapat dicapai oleh mana-mana alat SaaS titik tunggal.

Lembaran Kerja AI DingTalk kini telah sepenuhnya meliputi senario utama industri e-dagang—daripada perkhidmatan pelanggan di hadapan hingga kewangan di belakang. Menurut data dalaman DingTalk, Lembaran Kerja AI meningkatkan kecekapan aliran maklumat perusahaan sebanyak 10 hingga 15 kali ganda, dan tempoh keputusan purata dipendekkan lebih daripada 60%.

Dengan kata lain, kunci kejayaan perusahaan pada masa depan bukan lagi saiz, tetapi kelajuan. Selepas era "perang trafik" dalam e-dagang tradisional, persaingan baharu sedang bermula, dengan kemenangan ditentukan oleh dua lengkung: lengkung kelajuan membuat keputusan dan lengkung automasi pelaksanaan.

Lembaran Kerja AI DingTalk sedang mempercepatkan kedua-dua lengkung ini secara serentak.

Pada masa depan, organisasi tidak lagi bergantung pada hierarki, tetapi lebih kepada pemanduan pintar Lembaran Kerja AI: Gelombang emosi seorang pengguna, perubahan inventori dalam siaran langsung, umpan balik tidak normal SKU—semua ini akan membentuk keputusan baharu dalam beberapa minit.

Selain itu, kelebihan unik Lembaran Kerja AI DingTalk ialah ia menyambungkan kemampuan model besar Tongyi Qianwen, algoritma pemasaran Alibaba Mama, data transaksi Tmall di satu sisi, dan di sisi lain menyambungkan rangkaian logistik Cainiao serta sistem penyelesaian dan kredit Alipay.

Jika Copilot Microsoft mahir dalam dokumen, Notion membina semula cara organisasi ilmu, Airtable memudahkan pembinaan program, maka Lembaran Kerja AI DingTalk sedang menulis semula cara operasi perusahaan runcit—ia bukan sekadar mengautomasikan satu tugas, tetapi dalam ekosistem e-dagang, secara segera mengatur model, data, logistik, dan kewangan, membolehkan keseluruhan sistem berfikir dan bertindak pada kelajuan AI.

Lembaran kerja, pernah menjadi cara pengiraan paling asas manusia. Selama puluhan tahun, semua logik perniagaan dibina di atas petak-petak kecil ini—merekod inventori, mengira untung rugi, menghitung pertumbuhan.

Ketika lembaran kerja mula mengira, menganalisis, dan membuat keputusan sendiri, manusia juga sedang memasuki bentuk kerja baharu.

Hari Belanja 11.11 tahun ini adalah kali pertama Lembaran Kerja AI DingTalk bertempur bersama penjual, dan juga percubaan pertama industri e-dagang China menggunakan AI untuk mengoperasikan semula sistem: Adakah inti pintar yang boleh memahami pengguna, memahami produk, dan bertindak sendiri benar-benar dapat menggantikan Excel dan ERP?

Jawapannya belum pasti, tetapi proses ini sedang bergerak pantas ke arah itu.

We dedicated to serving clients with professional DingTalk solutions. If you'd like to learn more about DingTalk platform applications, feel free to contact our online customer service or email at This email address is being protected from spambots. You need JavaScript enabled to view it.. With a skilled development and operations team and extensive market experience, we’re ready to deliver expert DingTalk services and solutions tailored to your needs!