• 亿邦公众号
    • APP下载

千峰访谈森博李晓:以MEE方法论为锚,重塑AI时代的“企业业务链”

作者:亿邦动力 文章来源:亿邦动力

2026-11-19 19:46

作者:亿邦动力 文章来源:亿邦动力

2026-11-19 19:46

邦小白快读

EN
全文速览

总1:AI落地关键是把业务链打开,并用方法论承载。

1.流程交给AI能把事做完,方法论交给AI才能把事做好;业务流、数据流标准化后,AI才能真正驱动业务。

2.数据是核心壁垒,但企业常有数据债和知识债;某家电上亿小红书投放数据散落在离职员工和数十家供应商手中,森博花三个月梳理20多个关键字段才结构化收回。

总2:文章中的案例和转型方法可直接借鉴。

1.好麦用300多万张户型图微调垂类模型,某家电双十一累计生图超6万张,上新效率提升40%,单品上新成本降低60%。

2.好灵用算法替代人工选达人,小红书外溢成本从4.47元降至3.08元,抖音自然CPM从49元降至27元。

3.转型建议是一小股力量先All in AI,先锋团队直接向总裁汇报,并以有效性为第一性原理。

总1:AI时代品牌营销要先做信源一致性和AI认知教育。

1.官网、社媒、经销商内容若互相打架,AI无法形成稳定品牌认知;某车企统一传播DM-i代表混动巅峰,让AI形成选混动就看DM-i的认知。

2.品牌要管好官方旗舰店与经销商流量,某美妆因AI抓取销量和评价更好的经销商门店,导致官方旗舰店失去流量。

总2:渠道经营和内容生产出现可量化打法。

1.豆包GEO三要素是出卡、出品、出店铺:强购买导向问题才出卡,科普问题不出卡;前序推荐要给具体SKU且链接标题精准命中;还要出对店铺。

2.好麦用垂类模型生图,某家电双十一生图超6万张,上新效率提升40%,单品上新成本降60%;好灵用算法选达人,降低外溢成本与CPM。

3.消费从注意力经济转向意图电商,商品价值高于渠道通路,品牌需缩短价值链并重视理性问答后的高转化。

总1:AI搜索和意图电商带来新增长机会,但选赛道要细分。

1.中小企业不必都抢行业大词,给猫狗洗衣服的洗衣机等细分需求,一年也能做10个亿。

2.意图电商下用户理性提问、AI精准推荐,豆包渠道退货率只有48%-50%,低于传统抖音冲动消费60%-70%,转化质量高。

总2:合作模式与风险提示值得学习。

1.可与服务商按基础GEO费用加销售分成合作,按豆包后台去退后GMV分成。

2.达人营销存在流量异常占比20.96%、粉丝画像不匹配、同一达人重复合作第二次效果不如第一次达80%等风险,可用好灵算法选号。

3.要解决数据债和知识债,业务流数据流标准化,否则Agent难替代人力;出海要按本地心智建设信源。

总1:产品设计生产可用AI垂类模型降本提效。

1.好麦基于300多万张户型图微调森罗万象,服务家电场景图;某头部家电双十一生图超6万张,上新效率提升40%,单品上新成本降60%。

2.家电被判断必然走向机器人化,家庭是刚需入口;工厂可围绕智慧家庭做产品研发与设计。

总2:数字化电商和商业机会启示明确。

1.先还数据债和知识债,建企业专属结构化知识库,让AI理解业务语境与专业逻辑。

2.业务流数据流标准化后AI才能驱动业务;组织上由一小股先锋先All in AI,跑通后倒逼整体转型。

3.渠道去中间商、商品价值高于渠道,细分需求如宠物洗烘也可做成十亿级市场。

总1:行业趋势是AI从流程工具转向方法论载体,服务商要提供业务链重塑方案。

1.MEE方法论确立工程师由天天做业务的人抽象方法论,再交AI工程师产品化为Skill或文档;不具备沉淀方法论能力的企业森博不接单。

2.系统一业务侧通过实践形成方法论,系统二AI侧把有效方法论AI化形成智能体产品,再反哺业务。

总2:客户痛点与解决方案清晰。

1.数据债知识债、达人营销不透明、品牌信源不一致、经销商截流官方店是痛点;对应结构化知识库、好灵算法选号、信源一致性工程、GEO出卡出品出店铺。

2.好麦、好灵、好现等智能体可落地,效果含生图6万张、效率提升40%、成本降60%、外溢成本3.08元、CPM27元。

3.GEO可升维为AI渠道经营系统,并按基础GEO费用加销售分成。

总1:AI平台正成为意图电商入口,平台需平衡推荐效率与商家生态。

1.豆包GEO三要素是出卡、出品、出店铺:强购买导向问题才出卡,科普问题不出卡;前序推荐须给具体SKU且商品链接标题精准命中;要出对店铺。

2.平台推荐可能抓取销量和评价更好的经销商门店,导致品牌官方旗舰店失去流量,平台需处理官方店与经销商权重冲突。

总2:平台运营和风向规避可关注信源与转化质量。

1.国内豆包看字节系、千问看淘宝,海外信源重Reddit、官网和专业媒体,平台招商和运营要理解信源生态差异。

2.豆包渠道退货率48%-50%,低于抖音冲动消费60%-70%,理性问答后转化质量高;平台可推动AI认知教育与信源一致性。

3.平台应规避内容互相打架导致AI无法形成稳定品牌认知,并关注智能体员工渗透率与智能体协作能力。

总1:产业新动向是AI应用层创业与业务链智能体重塑,出现MEE新工种和系统一系统二组织飞轮。

1.MEE由业务人员抽象方法论,AI工程师产品化;未来企业业务链AI智能体员工渗透率及智能体间协作能力,将成为衡量企业先进度的核心维度。

2.森博放弃通用大模型聚焦应用层,以钱多人多事儿多选场景,推出智娲引擎与好灵、好麦、好现。

总2:新问题、商业模式与标准建议值得研究。

1.数据债知识债和信源不一致是AI落地内部瓶颈;GEO升维为AI渠道经营系统,基础GEO费用加销售分成是可探索模式。

2.商业从注意力经济转向意图电商,信息差被AI抹平,倒逼缩短价值链去中间商;中小企业可在细分需求做十亿级市场。

3.森博联合亿邦智库、中国信通院推动MEE概念和企业可信知识库标准。

声明:快读内容全程由AI生成,请注意甄别信息。如您发现问题,请发送邮件至 run@ebrun.com 。

我是 品牌商 卖家 工厂 服务商 平台商 研究者 帮我再读一遍。

Quick Summary

Summary 1: The key to AI implementation is opening up the business chain and supporting it with methodology.

1. Handing processes to AI can complete tasks; handing methodology to AI is what makes tasks done well. Only after business flows and data flows are standardized can AI truly drive the business.

2. Data is a core barrier, but companies often carry data debt and knowledge debt. For one home appliance company, over 100 million Xiaohongshu advertising data points were scattered across departed employees and dozens of suppliers; Senbo spent three months sorting more than 20 key fields to recover them in structured form.

Summary 2: The cases and transformation methods in the article can be directly borrowed.

1. Haomai fine-tuned a vertical model with more than 3 million floor plans. During Double 11, one home appliance company generated over 60,000 images cumulatively, raised new-product launch efficiency by 40%, and cut per-SKU launch cost by 60%.

2. Haoling replaced manual influencer selection with algorithms, reducing Xiaohongshu spillover cost from RMB 4.47 to RMB 3.08 and Douyin organic CPM from RMB 49 to RMB 27.

3. The transformation advice is for a small group to go all in on AI first; the vanguard team should report directly to the president and make effectiveness the first principle.

Summary 1: In the AI era, brand marketing must first establish source consistency and educate AI brand perception.

1. If official websites, social media, and dealer content conflict, AI cannot form a stable brand perception. One automaker unified its messaging that DM-i represents the pinnacle of hybrid technology, leading AI to form the perception that anyone choosing a hybrid should choose DM-i.

2. Brands must manage traffic between official flagship stores and dealers. One beauty brand lost traffic at its official flagship store because AI scraped dealer stores with better sales and reviews.

Summary 2: Quantifiable playbooks are emerging in channel operations and content production.

1. The three elements of Doubao GEO are card output, product output, and store output: only high purchase-intent questions trigger cards, while educational questions do not; prior recommendations must specify exact SKUs and product link titles must match precisely; and the right store must be surfaced.

2. Haomai uses a vertical model for image generation; one home appliance company generated over 60,000 images during Double 11, raised new-product launch efficiency by 40%, and cut per-SKU launch cost by 60%. Haoling uses algorithms to select influencers, lowering spillover cost and CPM.

3. Consumption is shifting from the attention economy to intent commerce; product value outranks channel access, and brands need to shorten the value chain and value high conversion after rational Q&A.

Summary 1: AI search and intent commerce bring new growth opportunities, but segment selection must be granular.

1. SMEs do not all need to fight for broad industry keywords; niche needs such as washing machines for pet clothing can still generate RMB 1 billion in annual revenue.

2. Under intent commerce, users ask rational questions and AI makes precise recommendations. The Doubao channel has a return rate of only 48%-50%, lower than Douyin's 60%-70% for impulse purchases, indicating higher conversion quality.

Summary 2: Cooperation models and risk warnings are worth learning from.

1. Companies can work with service providers on a base GEO fee plus sales share, with sharing based on post-return GMV in the Doubao backend.

2. Influencer marketing carries risks: abnormal traffic accounts for 20.96%, follower profiles may not match, and repeat collaboration with the same influencer can see the second campaign perform up to 80% worse than the first. Haoling's algorithm can be used for account selection.

3. Companies must address data debt and knowledge debt and standardize business and data flows; otherwise Agents will struggle to replace human labor. Going overseas requires building information sources according to local mindsets.

Summary 1: Product design and production can use vertical AI models to cut costs and improve efficiency.

1. Haomai fine-tuned Senluo Wanxiang on more than 3 million floor plans to serve home appliance scenario images; during Double 11, one leading home appliance company generated over 60,000 images, raised new-product launch efficiency by 40%, and cut per-SKU launch cost by 60%.

2. Home appliances are expected to inevitably become robotized, with the home as an essential entry point; factories can develop and design products around smart homes.

Summary 2: The implications for digital commerce and business opportunities are clear.

1. First pay down data debt and knowledge debt, and build an enterprise-specific structured knowledge base so AI can understand business context and professional logic.

2. Only after business and data flows are standardized can AI drive the business. Organizationally, a small vanguard group should go all in on AI first, then use proven results to push the whole organization to transform.

3. Channels are disintermediating, product value outranks channels, and niche needs such as pet washing and drying appliances can also become a billion-level market.

Summary 1: The industry trend is for AI to move from a process tool to a methodology carrier, and service providers need to offer business-chain reshaping solutions.

1. The MEE methodology establishes that engineers abstract methodologies from people who do business daily, then hand them to AI engineers to productize as Skills or documents. Senbo does not take on clients that lack the ability to accumulate methodologies.

2. System 1, the business side, forms methodologies through practice; System 2, the AI side, turns effective methodologies into AI agent products, which then feed back into the business.

Summary 2: Customer pain points and solutions are clear.

1. Pain points include data debt and knowledge debt, opaque influencer marketing, inconsistent brand sources, and dealers intercepting traffic from official stores. Corresponding solutions are structured knowledge bases, Haoling algorithmic account selection, source consistency engineering, and GEO card, product, and store output.

2. Agents such as Haomai, Haoling, and Haoxian can be deployed, with results including 60,000 images generated, 40% efficiency gains, 60% cost reduction, spillover cost of RMB 3.08, and CPM of RMB 27.

3. GEO can be upgraded into an AI channel operation system, priced as a base GEO fee plus sales share.

Summary 1: AI platforms are becoming the entry point for intent commerce, and platforms need to balance recommendation efficiency with the merchant ecosystem.

1. The three elements of Doubao GEO are card output, product output, and store output: only high purchase-intent questions trigger cards, while educational questions do not; prior recommendations must provide specific SKUs and product link titles must match precisely; and the right store must be surfaced.

2. Platform recommendations may scrape dealer stores with better sales and reviews, causing brand official flagship stores to lose traffic. Platforms need to address the weighting conflict between official stores and dealers.

Summary 2: Platform operations and avoiding adverse trends should focus on information sources and conversion quality.

1. In China, Doubao draws on the ByteDance ecosystem and Qwen on Taobao; overseas sources emphasize Reddit, official websites, and professional media. Platform merchant recruitment and operations must understand differences in source ecosystems.

2. The Doubao channel has a return rate of 48%-50%, lower than Douyin's 60%-70% for impulse purchases, showing high conversion quality after rational Q&A. Platforms can promote AI brand-perception education and source consistency.

3. Platforms should avoid conflicting content that prevents AI from forming a stable brand perception, and should monitor agent-employee penetration and agent collaboration capabilities.

Summary 1: The new industry trend is AI application-layer entrepreneurship and agent-driven reshaping of business chains, with the emergence of the MEE new job role and a System 1/System 2 organizational flywheel.

1. In MEE, business staff abstract methodologies and AI engineers productize them; in the future, the penetration of AI agent employees across corporate business chains and the ability of agents to collaborate will become core dimensions for measuring how advanced a company is.

2. Senbo abandoned general large models to focus on the application layer; it selects scenarios with abundant capital, talent, and tasks, and has launched the Zhiwa Engine plus Haoling, Haomai, and Haoxian.

Summary 2: New questions, business models, and standards recommendations are worth studying.

1. Data debt, knowledge debt, and inconsistent information sources are internal bottlenecks to AI implementation. GEO is being upgraded into an AI channel operation system, and base GEO fees plus sales share is an explorable model.

2. Business is shifting from the attention economy to intent commerce; AI erases information asymmetry, forcing value chains to shorten and intermediaries to be removed. SMEs can build billion-level markets in niche needs.

3. Senbo is working with Ebrun Think Tank and CAICT to promote the MEE concept and standards for enterprise trustworthy knowledge bases.

Disclaimer: The "Quick Summary" content is entirely generated by AI. Please exercise discretion when interpreting the information. For issues or corrections, please email run@ebrun.com .

I am a Brand Seller Factory Service Provider Marketplace Seller Researcher Read it again.

【亿邦原创】2026年,AI在产业的加速落地已成定局。当行业普遍在探讨大模型如何赋能业务时,森博(CeMeta)已经率先走通了一条将“业务链打开”,让AI深度嵌入并重塑营销价值链的路径。作为营销行业当前不多的获得图文视频多模态大模型、算法双备案的企业,森博不仅推出了“智娲”企业AI引擎与“好灵”、“好现”、“好麦”等明星智能体员工,更前瞻性地提出了“MEE(方法论确立工程师)”与“信源一致性工程”。在“模态进化”的视角下,森博正以其独特的“系统一与系统二”组织飞轮,诠释着未来企业的先进生产力形态。

亿邦:本届以“模态进化”为主题,重点关注企业在产业AI应用、商业模式和生态方面的能力进化。您如何理解这一主题对营销与产业AI应用的意义?森博在战略上如何布局?

李晓:“模态进化”在森博看来,不仅仅是图文视频多模态大模型的算法迭代,更是AI与真实业务链的深度融合进化。行业里有一个很核心的共识:流程交给AI,AI能把事情做完;方法论交给AI,AI才能把事情做好。 很多企业试图套用一个AI流程就实现转型,但这往往行不通。AI应用的本质是一套人预设的方法论,AI在这个方法论上运行。只有业务流、数据流均标准化后,AI才能真正驱动业务。

回顾森博的历程,我们2009年成立时偏策划,处于下游,无法验证客户需求的有效性。2019年我们实施“行业聚焦”战略,All in智慧家庭赛道。为什么选家电?一是万亿级规模,二是家电必然走向“机器人化”,三是家庭是刚需入口。为此我们重构了纵向组织架构:上面是战略咨询,中间是整合营销,下面是专业模块。我们想把营销从依赖个人经验的“西医模式”变成可复制的“中医方法论”,这就为后来找AI作为方法论载体埋下了伏笔。

在战略布局上,森博内部形成了一套“系统一”与“系统二”协同的组织飞轮:“系统一”是业务侧,通过实践形成方法论;“系统二”是AI侧,把系统一有效的方法论AI化,形成智能体产品。产品反哺给系统一使用,提升效率并反馈Bug迭代,最终形成一套能够赋能外部客户的AI组织模型。

亿邦:在贵公司的核心战略中,数据要素被置于何种位置?在建设过程中遇到过哪些挑战?

李晓:数据是未来AI应用最核心的壁垒。国家数据局将产业互联网平台列为数据要素流通服务“主力军”恰逢其时。然而,当我们深入服务行业很多头部企业时,发现最大的阻碍并非技术,而是企业欠下的“数据债”和“知识债”。

例如,在服务某头部家电集团时,我们发现其一年上亿的小红书投放数据,散落在离职员工和数十家供应商手中。森博耗时三个月,梳理了20多个关键字段,重建账号规范,才将数据彻底收回并结构化。今天,数据要素的决定性作用在于:只有建立企业专属的结构化知识库,解决知识体系的债,AI才能理解业务语境与专业逻辑,进而产生可量化的商业价值。

亿邦:大模型技术给行业带来了深远影响。森博在哪些业务环节使用了AI?能否分享一个最让您兴奋的“AI+数据”创新应用案例?

李晓:森博切入AI的方式是“打开业务链”。2023年我们正式All in AI,放弃了通用大模型(那是军备竞赛),聚焦应用层。在选择场景时,我们有一套“钱多人多事儿多”的标准。

第一个切入点是图片生成。家电企业每年拍场景图大概花大,SKU多,痛点极大。海外大模型不懂中国家庭的“两室一厅”和“嵌入式”。我们买来300多万张户型图,微调了垂类模型“森罗万象”,推出了“好麦”产品包装与电商智能体。双十一期间,某头部家电企业通过好麦累计生图超6万张,上新效率提升40%,单品上新成本降低60%。

第二个切入点是达人营销智能体“好灵”。这是最让我们兴奋的案例。某家电巨头一年花上亿投新媒体,背后是近10家供应商。行业普遍逻辑是“中间商赚差价”,供应商推的往往是返点最高、而不是效果最好的达人。我们拉了上半年的投放数据发现:达人流量异常占比高达20.96%,粉丝画像不匹配占十几个百分点,同一达人被不同产业线短时间内重复合作,第二次效果不如第一次的高达80%。更可怕的是,结算时只截取流量高峰那一段截图,企业的采购和审计根本没法一张张去查7000个达人的真实数据。

“好灵”用客观算法替代人工选号。在企业实际落地的对照组实验中,小红书外溢成本下降至3.08元(原人工4.47元),抖音自然CPM成本降至27元(原49元)。

亿邦:为统筹数据要素和AI的开发利用,贵公司在组织架构和人才机制上有哪些关键调整?

李晓:传统AI应用常由FDE(前端工程师)主导,但FDE依赖流程,难以捕捉深度的业务方法论。森博在实践中,首创性地提出了MEE(方法论确立工程师,Methodology Establishing Engineer)这一新工种。

10年前Palantir做数字化产品,核心是流程,FDE把流程数字化掉就行。但今天做AI,核心是方法论。如果让一个工程师去业务团队蹲点一两个月,他是无法真正提取出深度的业务方法论的,而且方法论在持续进化,FDE不可能永远驻场。MEE必须是扎根业务场景、天天做业务的人,由他们把抽象出的有效方法论以Skill或文档的形式,交由下游AI工程师产品化。我们甚至认为,未来企业如果不具备沉淀方法论的能力,森博是不接单的。

在组织保障上,我们坚信“不是所有人都能立刻All in AI”。我们的策略是“一小股力量先All in AI”。在森博内部,CeMeta团队就是这支先锋队,直接向最高管理层汇报。当这支小分队跑通模式、真正让业务团队看到效率提升的红利(例如某小红书业务线人力减半但产出翻倍)时,便如同星星之火,倒逼并带动了整个组织的转型。

亿邦:在深度价值链方面,森博如何通过“好现(GEO智能体)”做深做厚产业链?

李晓:我们将GEO升维为“AI渠道经营系统”。传统电商是“人找货”,兴趣电商是“内容激发”,而AI时代的“意图电商”则是用户基于理性提问后,AI精准推荐。

在实际操作中,做GEO的第一步是“信源一致性工程”。有一个客户,总裁去巡店发现,新品发布会讲的卖点是A,但终端所有导购露出的卖点是B。靠人传话失真了。如果你的官网、社媒、经销商发的内容互相打架,AI就无法形成稳定的品牌认知。所以我们要帮企业做“AI认知教育”。比如,某知名车企非常聪明,集团统一传播“DM-i”技术代表混动巅峰,让AI形成了“选混动就看DM-i”的认知,自然就推该企业。

在豆包等AI平台里,我们总结了三个要素:出卡、出品、出店铺。

首先,只有强购买导向的问题才出卡,问技术原理的科普问题不出卡。

其次,出品要求前序AI推荐必须给出具体SKU,且商品链接标题必须精准命中。比如康师傅火鸡面,链接名叫“经典牛肉面升级系列之火鸡面”,AI就识别不出;而竞品XX直接叫“XX火鸡面”,一下就命中了。

最后,要解决“出对店铺”。某知名品牌美妆产品(注:真实案例因商业需要隐名)以前大力发展经销商,结果AI抓取到了销量和评价更好的经销商门店,导致官方旗舰店失去流量。这些都是企业必须重构的。

我们跟某知名公司(注:真实案例因商业需要隐名)签了合同,是“基础GEO费用+销售分成”,豆包后台去退后的GMV,给我们销售分成。为什么他们愿意给?因为他算账发现,以前买广告要10个点,找大主播要8-15个点,现在不仅带来了增量,而且豆包渠道的退货率只有48%-50%(传统抖音冲动消费退货率高达60%-70%),因为用户在AI上经过理性问答后决策,转化质量极高。

亿邦:森博的出海业务是如何展开的?在跨文化背景下有哪些经验?

李晓:森博的出海更多是伴随头部客户的全球化战略进行的。在服务某头部快消品品的全球新品上市的过程中,我们深刻体会到:全球化不是简单的渠道切换,而是基于本地心智的结构化认知建设。

国内外信源生态差异巨大。国内豆包只看字节系,千问看淘宝。海外则高度信奉社群,Reddit是必抓的,其次是官网(海外造假成本高,官网可信度高),然后是专业媒体(如Cosmo)。在做全球化GEO时,核心不是渠道,而是“心智分析”。比如美国用户对“干皮”的认知和中国“以油养肤”完全不同,我们需要找到美国本地的证据链去支撑ChatGPT的认知。

亿邦:当前制约企业数据价值释放与AI落地应用的最大内部瓶颈和外部障碍是什么?

李晓:最大的障碍,表面看是模型能力,本质是企业缺乏高质量的数据底座与标准化的业务流。企业内部知识体系杂乱无章(即知识债),导致Agent无法真正替代人力。

亿邦:面对2026年及以后,行业竞争格局会因数据要素和AI发生何种关键变化?

李晓:第一,AI时代,好货不怕巷子深。以前营销是富人的游戏,现在AI可以把分析颗粒度做得很深,帮你找到底层的低价好货。

第二,商业将从“注意力经济”转向“意图电商”,商品本身的价值将高于渠道通路。比如线下比线上贵300元,以前靠信息差能卖,现在消费者用AI一问,信息差被抹平,这就倒逼企业缩短价值链,去中间商。

第三,中小企业不要都去抢行业大词。在AI搜索里,用户需求极其细分,比如“给猫狗洗衣服的洗衣机”这种细分赛道,一年也能做10个亿。

亿邦:对于那些试图AI化转型的传统企业,您给出的最核心的建议是什么?

李晓: 两个经验。第一,回归经营的第一性原理,一切以“有效性”为出发点,不要被虚华的AI概念骗了。第二,“一小股力量先All in AI”。不要指望全公司所有人立刻改变,固有的认知是最难打破的。要识别出一批没有认知负担的先锋(比如00后),组成直接向总裁汇报的AI转型小分队,形成星星之火。像美的,就是一把手工程,周会上汇报AI进展,“不换思想就换人”。

未来两年,企业业务链的AI智能体员工渗透率,以及智能体间的协作能力,将成为衡量企业先进度的核心维度。森博正积极联合亿邦智库以及中国信通院,推动“MEE”概念和“企业可信知识库”标准的建立,将森博在数据治理和信源一致性上的实践沉淀为行业通用方法论,助力中国企业在全球AI竞争中重构生产力。

作为TO B领域年度风向标,“2026第八届亿邦产业互联网年会暨首届产业智能体大会”将于2026年11月20日在北京召开。主题定为“AI与出海带来的模态进化”,聚焦产业智能体落地、AI供应链价值重构、数据要素与TOKEN经济、产业出海新生态等前沿议题深度思辨。大会将集结学界权威、央国企标杆、产业龙头、投资机构、服务生态伙伴,汇聚产业核心力量、拆解产业数智化转型路径、分享前沿实战经验。同期还将发布年度产业互联网报告及标杆案例,举办决策人闭门会、“千峰奖”颁奖盛典。

本文首发于 亿邦动力 官方网站

【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。

已点赞

+1

{{ praise_text }}

好文章,值得被更多人看到

FAQ回顾

森博(CeMeta)是一家什么公司?主要做什么业务?

森博成立于2009年,是一家营销服务企业,2019年实施“行业聚焦”战略,All in智慧家庭赛道,2023年All in AI并放弃通用大模型、聚焦应用层。公司推出“智娲”企业AI引擎,以及“好灵”“好现”“好麦”等智能体员工,是营销行业少数获得图文视频多模态大模型、算法双备案的企业。

MEE(方法论确立工程师)是什么?和传统FDE有什么区别?

MEE是森博首创提出的新工种,指扎根业务场景、天天做业务的“方法论确立工程师”,负责把抽象出的有效方法论以Skill或文档形式交给下游AI工程师产品化。传统FDE依赖流程,难以捕捉深度业务方法论,且方法论持续进化,FDE无法长期驻场,因此AI应用需要由MEE来承接方法论沉淀。

企业做GEO(生成引擎优化)的关键步骤有哪些?

森博将GEO升维为“AI渠道经营系统”,第一步是“信源一致性工程”,确保官网、社媒、经销商内容不互相打架,让AI形成稳定品牌认知。在豆包等AI平台需把握“出卡、出品、出店铺”:仅强购买导向问题出卡;AI推荐必须给出具体SKU且商品链接标题精准命中;同时解决AI抓取到经销商门店而非官方旗舰店的问题。

企业AI落地应用最大的瓶颈是什么?

表面看是模型能力,本质是企业缺乏高质量数据底座与标准化业务流。企业普遍欠下“数据债”和“知识债”,内部知识体系杂乱无章,导致Agent无法真正替代人力。森博曾耗时三个月为某头部家电集团梳理20多个关键字段、重建账号规范,才把散落在离职员工和数十家供应商手中的上亿投放数据收回并结构化。

AI时代营销行业会发生产业哪些关键变化?

商业将从“注意力经济”转向“意图电商”,用户基于理性提问获得AI精准推荐,商品自身价值高于渠道通路,信息差被抹平后倒逼企业缩短价值链、去中间商。营销不再是富人游戏,好货不怕巷子深;中小企业可避开行业大词,切入极细分赛道。未来两年,企业业务链的AI智能体员工渗透率与智能体协作能力将成为衡量企业先进度的核心维度。

广告

下一篇

征集报名《品牌数字化服务商资源手册》

《品牌数字化服务商资源手册》展示数字化服务商风采,亿邦全年零售大会通发,触达更多资源,马上加入!

马上入驻

从粗放拓荒到精耕细作,快手海外正在寻找高质量增长的支点

当出海告别盲目铺量的草莽阶段,如何在增长质量与盈利能力之间找到平衡点,成为快手海外当下最核心的考题。

快手 跨境电商 B2B

2026-11-19 17:53:03