Dalam industri runcit, sama ada dalam talian atau luar talian, setiap promosi besar merupakan operasi menyeluruh yang melibatkan seluruh syarikat. Perkhidmatan pelanggan perlu menampung barisan hadapan, logistik perlu menstabilkan belakang, dan pengendalian pemasaran perlu memastikan siaran langsung berjalan seperti biasa. Dalam kekacauan ini, perkara yang paling mudah tercicir ialah kecekapan dan ketepatan aliran maklumat.
Bagaimanakah untuk mengendalikan beban kerja yang berkali ganda dalam masa terhad?
Dalam jenama internet ZHR Zeze dan kedai koleksi gaya hidup 55°N FIFTYFIVE, mereka berkongsi matlamat yang sama: membebaskan masa daripada kerja berulang, dan memfokuskan tenaga kepada perkara yang benar-benar penting.
Mereka memilih menggunakan Jadual AI DingTalk untuk menyusun semula proses perniagaan masing-masing. Yang memberi kesan bukan sahaja alat itu sendiri, tetapi tekad dan amalan mereka menggunakan teknologi untuk "menampung" perniagaan sebelum puncak trafik tiba.
ZHR Zeze: Menukar peranan kakitangan perkhidmatan pelanggan daripada "jurucakap" kepada penyelesai masalah
ZHR Zeze adalah jenama internet yang khusus dalam kasut wanita santai, merangkumi pelbagai platform e-dagang dengan ritma jualan pantas dan urusan selepas jualan yang kompleks.
Pengurus pasukan perkhidmatan pelanggan, Jiuer, tidak hanya perlu mengkoordinasikan khidmat pelanggan di beberapa kedai, tetapi juga bertindak sebagai "jurucakap + pengedar", menyampaikan permintaan pelanggan secara tepat kepada pelbagai jabatan seperti kewangan, operasi, gudang, kawalan kualiti, kurier, dan rakan kongsi perniagaan lain.
Semasa puncak permintaan pra-jualan dan selepas jualan, perkara yang paling ditakuti oleh kakitangan perkhidmatan pelanggan ialah aduan pelanggan terlepas pandang — permintaan pelanggan perlu dihantar secara manual ke pelbagai kumpulan jabatan, penyekatan kurier bergantung pada pemantauan manusia, kemajuan isu perlu dijejaki melalui soal jawab, dan maklum balas hasil perlu disegerakkan kepada pelanggan untuk membentuk kitaran tertutup. Seluruh proses ini melibatkan banyak kerjasama dan susulan, dan beban kerja semasa puncak perniagaan menjadi begitu banyak sehingga "tidak dapat diselesaikan".
Oleh itu, Jiuer yang mempunyai lebih dari sepuluh tahun pengalaman dalam e-dagang menggunakan Jadual AI untuk menyusun semula aliran kerja tersebut.
Pengurusan pesanan pulangan adalah titik sakit utama bagi setiap syarikat runcit e-dagang. Sebelum ini, satu pesanan pulangan melibatkan banyak jabatan dan peringkat: kakitangan perkhidmatan pelanggan perlu menyemak sistem pesanan, mengesahkan alamat, status logistik, dan memberitahu staf gudang untuk menerima barang; apabila staf gudang menerima barang pulangan dari pelanggan, mereka perlu mengesahkan nombor resit logistik dengan kakitangan perkhidmatan pelanggan, menilai sama ada barang boleh dimasukkan semula ke dalam stok, dan menyegerakkan status barang pulangan kembali kepada kakitangan perkhidmatan pelanggan. Apabila timbul isu seperti barang dipulangkan salah atau rosak, komunikasi antara gudang, kakitangan perkhidmatan pelanggan, dan pelanggan menjadi sangat intensif untuk menutup kitaran pesanan tersebut.
Dengan Jadual AI, segala-galanya berbeza sama sekali.
Kakitangan perkhidmatan pelanggan hanya perlu memasukkan nombor resit kurier ke dalam Jadual AI. Medan AI secara automatik mendapatkan status logistik terkini — telah diterima, sedang dalam penghantaran, atau bermasalah — semua kelihatan jelas. Penyekatan kurier juga tidak lagi memerlukan pemantauan manual; jejak dan penilaian boleh dilakukan terus di dalam jadual.
Apabila staf gudang mengesan barang pulangan yang bermasalah, mereka cukup @ pembantu automatik dalam kumpulan dan memberikan nombor resit logistik serta jenis penolakan. Maklumat ini terus masuk ke jadual, sistem secara automatik mencari pesanan dan nama kedai, kemudian mengagihkannya kepada pasukan selepas jualan yang berkaitan. Pasukan selepas jualan mengemaskini hasil tindakan ke dalam jadual, dan sistem akan secara automatik menyegerakkannya ke kumpulan. Automasi menggantikan kerja manual yang banyak, mengelakkan komunikasi rumit dan menjamin tiada isu terlepas.
Geser kiri dan kanan untuk melihat bagaimana Jadual AI menguruskan pesanan pulangan
Kitaran Tertutup Maklum Balas Negatif: Daripada "mencari kumpulan" kepada "pengagihan automatik tugas"
Apabila aliran kerja menjadi lebih ringkas, kerjasama silang pasukan turut meningkat. Perkara yang paling ketara ialah pengurusan tugas maklum balas negatif.
Pasukan perkhidmatan pelanggan ZHR Zeze perlu memberi maklum balas maklumat seperti saiz kasut terlalu besar/kecil, kerosakan semasa penghantaran, gambar salah kepada jabatan operasi dan logistik. Terdapat lebih daripada 30 kumpulan berbeza merangkumi pelbagai platform, kedai, dan jabatan, dan hanya "mencari kumpulan yang betul" dan "mengikuti hasilnya" sudah membazirkan banyak masa kakitangan perkhidmatan pelanggan.
Kini, kakitangan perkhidmatan pelanggan hanya hantar maklum balas kepada Pembantu AI, maklumat tersebut akan diambil secara automatik ke dalam Jadual AI, medan AI secara automatik menentukan jenis masalah, mencocokkan penanggungjawab, dan menghantarnya secara tepat ke kumpulan yang berkaitan berserta notifikasi. Kakitangan perkhidmatan pelanggan tidak perlu lagi mencari kumpulan dalam senarai mesej. Keseluruhan proses maklum balas — daripada muncul hingga diagihkan kepada penanggungjawab — kini membentuk kitaran tertutup yang lengkap; maklumat maklum balas juga dikumpulkan daripada perbualan tersebar ke dalam satu jadual, memudahkan analisis dan penambahbaikan.
Geser kiri dan kanan untuk melihat bagaimana Jadual AI menguruskan maklum balas negatif
Dahulu, maklumat dalam perbualan kumpulan terlalu sesak, setiap jabatan hanya menyalin semua maklumat mereka ke kumpulan: berapa banyak pesanan pulangan dikendalikan oleh kakitangan selepas jualan, berapa banyak barang pulangan diterima oleh gudang; manakala siapa yang bertanggungjawab mengikuti pesanan kedai mana, perlu diekstrak secara manual daripada lautan maklumat. Secara keseluruhan, setiap orang menghabiskan sekurang-kurangnya 3 hingga 5 jam dalam kumpulan tanpa dapat keluar.
Kini, kakitangan selepas jualan hanya perlu membuka paparan tugas mereka sendiri untuk segera menangani masalah. Paparan penapis menggantikan pencarian mata kasar, memendekkan proses daripada beberapa jam kepada hanya beberapa minit. Lebih teliti lagi, medan AI dalam Jadual AI boleh secara automatik menentukan sama ada tugas melebihi tempoh berdasarkan masa maklum balas dan keperluan, tanpa perlunya pemeriksaan manual, memastikan maklumat penolakan harian diproses tepat pada waktunya.
Panel kawalan menunjukkan secara langsung bilangan tugas, kemajuan pemprosesan, dan amaran lewat. Semua maklumat dipaparkan secara visual, jadi jumlah masalah yang belum diselesaikan dan baki masa boleh dilihat dengan sekali imbas. Ini juga menyelesaikan masalah dahulu di mana kakitangan perkhidmatan pelanggan tidak dapat mengikuti maklum balas selepas diberikan.
Semasa promosi besar, pasukan perkhidmatan pelanggan mengurangkan banyak komunikasi dan soal jawab, kadar keciciran tugas hampir sifar, kecekapan pemprosesan pulangan meningkat sebanyak 40%, kadar kelewatan tugas menurun sebanyak 70%, kecekapan pengagihan tugas meningkat sebanyak 80%, dan kecekapan maklum balas keseluruhan meningkat lebih daripada 70%. Ini bukan sekadar peningkatan angka, tetapi juga menjamin bahawa pada puncak trafik, pasukan berskala sama boleh mengendalikan lebih banyak isu perkhidmatan pelanggan dan selepas jualan.
"Mengurangkan komunikasi dan susulan yang tidak perlu, AI membuat pasukan kita bekerja lebih menyeluruh dan piawai lebih ketat," kata Jiuer, Pengurus Perkhidmatan Pelanggan ZHR Zeze. "Kami akhirnya boleh menghabiskan masa pada perkara yang paling bernilai."
Meningkatkan Kecekapan Siaran Langsung: Daripada 2 jam kepada 10 minit
Peningkatan ini juga diperhatikan oleh pasukan lain, seperti pasukan operasi yang setiap hari perlu menyediakan siaran langsung.
Dahulu, alirannya panjang: sebelum setiap siaran langsung, kakitangan operasi perlu menyediakan skrip secara manual, menyusun gambar faedah produk, dan menampal maklumat produk satu persatu — kadang-kadang lebih daripada sepuluh item.
Bila frekuensi siaran langsung diduakan semasa puncak trafik, seseorang perlu menyediakan beberapa siaran langsung sehari. Jika terlepas menyediakan satu produk, siaran langsung mungkin menghadapi masalah.
Setelah menyerahkan aliran kerja ini kepada Jadual AI, kakitangan operasi hanya perlu memasukkan nombor barangan, nama influencer, masa, dan muat naik gambar faedah. AI secara automatik mengenal pasti ID produk, mengekstrak ciri jualan daripada gambar, dan menjana skrip siaran langsung. Skrip ini disegerakkan terus kepada pasukan perkhidmatan pelanggan untuk digunakan, tanpa perlu diedit secara manual. Persediaan siaran langsung yang dulunya mengambil masa 2 jam kini hanya memerlukan 10 minit.
Bagi ZHR Zeze, perubahan ini bukan sahaja meningkatkan kecekapan, tetapi juga membuat setiap butiran semasa puncak menjadi lebih terkawal. Mereka boleh menjalankan lebih banyak siaran langsung, menggunakan lebih banyak influencer, tanpa tertangguh kerana persediaan. Ketika pengguna menonton siaran langsung, isu kecekapan belakang telah diselesaikan sepenuhnya. Kakitangan perkhidmatan pelanggan juga boleh bersedia lebih awal.
55°N FIFTYFIVE: Satu jadual menyokong sistem logistik lebih 30 kedai
Jenama gaya hidup ini yang merangkumi lebih daripada 25,000 SKU — 55°N FIFTYFIVE — telah berkembang daripada penubuhan kepada lebih 30 kedai dalam masa kurang daripada 3 tahun.
Pengembangan perniagaan yang begitu pantas ini memberi tekanan dan cabaran besar kepada pengurusan gudang dan logistik.
Bagi Pengurus Logistik Liu Fengshou, pelbagai jenis produk, rantaian logistik yang panjang, pertambahan kedai, dan peningkatan kekerapan penghantaran membuatkan inventori menjadi bahagian paling memakan masa dalam kerjanya:
Pekerja perlu mengambil gambar dan memuat naik label produk, memasukkan tarikh pengeluaran secara manual, mengira tarikh luput. Terutamanya untuk produk gabungan, mereka perlu menghitung semula tarikh luput akhir secara berulang.
Dengan ratusan data sehari, kadar ralat sangat tinggi.
Kerosakan dan kekurangan barang antara kedai dan gudang juga perkara biasa. Kerosakan, kekurangan, atau penghantaran salah berlaku beberapa kali sebulan. Hanya untuk menentukan tanggungjawab sahaja mengambil masa beberapa hari — bertukar-tukar tangkapan skrin, membandingkan fail Excel, semakan manual. Lebih sukar lagi, kerja logistik dan gudang sukar dikuantifikasi, penilaian pekerja sering bergantung pada pengalaman subjektif, sukar untuk adil dan saksama. Sebagai syarikat pemula, pemilihan alat pengurusan juga merupakan cabaran: mereka memerlukan pengurusan sistematik tetapi juga alat yang ringan dan berpatutan.
Pada ketika inilah Liu Fengshou beralih kepada Jadual AI.
Dia menggunakan Jadual AI untuk membina sebuah "sistem" yang merangkumi seluruh proses — perancangan pengeluaran, penghantaran, penjejakan semasa perjalanan, penerimaan, tuntutan, dan penyelerasan akaun.
Rancangan penghantaran bulan depan, anggaran masa pemuatan, bilangan bungkusan, isi padu — semua berada dalam jadual ini. Untuk menyesuaikan dengan pelbagai senario, dia merekabentuk pelbagai paparan: paparan terperinci untuk kedai menyemak barang, carta Gantt untuk menunjukkan kekerapan dan kemajuan penghantaran, paparan kalendar untuk menandakan jadual pengambilan harian dengan jelas. Hak akses berbeza ditetapkan mengikut syarikat logistik dan jabatan, setiap peranan hanya boleh melihat data berkaitan.
Geser untuk melihat keseluruhan paparan kokpit pengurusan logistik
Dalam proses inventori, AI menjadi produktiviti sebenar. Pekerja gudang mengambil gambar dan memuat naik label produk, AI secara automatik mengenal pasti tarikh pengeluaran dan tarikh luput, mengira masa tamat tempoh dan menjana amaran. Masa inventori dikurangkan secara besar-besaran, kadar ralat juga turun.
Pemprosesan automatik kerosakan/barang hilang dan penyelerasan akaun
Pemprosesan kerosakan dan kekurangan barang menjadi proses automatik. Apabila pekerja kedai mengesan kerosakan atau kekurangan, mereka terus memuat naik dokumen penerimaan. AI mengenal pasti masa pada dokumen penerimaan, secara automatik menentukan sama ada logistik lewat, dan jika ya, secara automatik mencetuskan proses tuntutan. Proses yang sebelum ini mengambil beberapa hari untuk menentukan tanggungjawab kini dipendekkan kepada tahap minit. Semua maklumat kerosakan dan kekurangan dikumpulkan secara automatik dalam jadual, tiada satu pun terlepas.
Penyelerasan akaun yang paling rumit juga diselesaikan. Liu Fengshou perlu menyeleraskan akaun dengan lebih daripada sepuluh syarikat logistik setiap bulan. Kini, dengan menetapkan "paparan cetak", dia boleh menjana penyata penyelerasan dengan hanya menapis — nama pusat beli-belah, nombor dokumen pengeluaran, nombor resit logistik, isi padu, kos penyelesaian, semua lengkap. Eksport ke PDF, cop rasmi, invois — keseluruhan proses dipermudah beberapa kali ganda.
Berdasarkan data: membuat perkhidmatan boleh diukur dan diperbaiki
Liu Fengshou percaya nilai sebenar terletak pada data. Satu panel menunjukkan metrik kuantitatif seperti kadar penghantaran tepat masa, kadar kerosakan, dan prestasi perkhidmatan dalam bentuk penilaian. Lebih penting lagi, dia memasukkan maklum balas sebenar daripada kedai hujung ke dalam sistem, dengan data temu semula pekerja setiap bulan. Dengan ini, syarikat logistik boleh melihat skor mereka sendiri dan juga skor pesaing. Mereka secara semula jadi ingin melakukan yang lebih baik — meningkatkan kadar ketepatan masa, mengurangkan kadar kerosakan, dan memperbaiki sikap perkhidmatan.
Semasa memperkenalkan sistem ini, Liu Fengshou tidak tergesa-gesa. Bulan pertama, dia sendiri memasukkan semua data supaya pekerja dapat membiasakan diri. Bermula bulan kedua, dia mula "memberi kuasa", membenarkan pekerja memasukkan maklumat asas. Baru pada bulan ketiga dia mengajar fungsi hak lanjutan. Fungsi yang paling cepat diterima pekerja ialah fungsi yang paling praktikal — contohnya, mengendalikan maklumat kerosakan. Dahulu, mereka perlu mencari mesej dalam lebih daripada sepuluh kumpulan untuk mencari nombor resit, kini semua maklumat berkaitan boleh ditemui sekelip mata dalam jadual, kecekapan kerja benar-benar meningkat.
Selepas tiga bulan, Liu Fengshou telah mengubah jabatan logistik yang sebelum ini bergantung pada pengalaman kepada jabatan yang berasaskan data, di mana hasil kerja setiap orang boleh dilihat. Sebuah syarikat pemula, dengan pelaburan minimum, berjaya menyokong operasi yang sepatutnya memerlukan sistem profesional.
Dalam kata-katanya, Jadual AI adalah "membuat kerja berulang menjadi mudah, kerja mudah menjadi automatik, dan kerja automatik menjadi tepat."
Penutup: Jadual AI, rakan pasukan barisan hadapan yang paling boleh dipercayai
Amalan ZHR Zeze dan 55°N FIFTYFIVE menunjukkan: Jadual AI tidak membawa perubahan radikal, tetapi mengumpulkan maklumat tersebar, mengautomasikan aliran kerja yang sepatutnya automatik, dan menjadikan kerja yang perlu dikesan dapat dilihat.
Nampaknya ringkas, tetapi kesannya sangat ketara. Mengurangkan carian berulang, mengurangkan sambungan manual, mengurangkan keciciran maklumat. Semasa puncak trafik, peningkatan ini terus ditukar kepada kapasiti — apabila pesanan berganda dan kedai bertambah, pasukan berskala sama boleh mengendalikan lebih banyak perniagaan.
Satu keciciran sahaja boleh menyebabkan kehilangan pengguna, tetapi kedua-dua syarikat ini telah memperhalusi setiap peringkat, hasilnya kecekapan individu dilepaskan, dan kapasiti keseluruhan pasukan ditingkatkan.
Satu Jadual AI yang memahami perniagaan, mampu bekerjasama, dan membentuk kitaran tertutup boleh menjadi rakan pasukan barisan hadapan yang paling boleh dipercayai — menstabilkan ritma semasa puncak, mengekalkan piawaian semasa kekacauan, dan mengumpulkan kecekapan semasa pertumbuhan.
Satu Jadual AI yang memahami perniagaan, mampu bekerjasama, dan membentuk kitaran tertutup boleh menjadi rakan pasukan barisan hadapan yang paling boleh dipercayai:
Menstabilkan ritma semasa puncak,
Mengekalkan piawaian semasa kekacauan,
Mengumpulkan kecekapan semasa pertumbuhan.
Inilah AI yang benar-benar diperlukan oleh syarikat.
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

Bahasa Melayu
English
اللغة العربية
Bahasa Indonesia
ภาษาไทย
Tiếng Việt
简体中文 