腾讯联手华润万象生活,让AI学会预测商场生意

商场未来一个季度的销售表现如何？哪些因素可能影响经营走势？面对天气、节假日、营销活动、品牌调整及周边竞争等多重变量，如何让经营预测更加准确，成为商业体运营企业精细化管理中的一道现实课题。

近日，腾讯与华润万象生活合作打造的「零售额预测模型平台」已完成阶段性测试。在多个试点项目的两轮盲测中，模型季度预测平均准确率保持在90%以上，商场、业态、品牌三个维度预测准确率均达标。双方计划在现有试点基础上，进一步推动这项能力向更多商业项目复制。

这项合作的背后，是腾讯将自身业务长期积累的预测能力，向实体商业场景延伸的一次探索。基于腾讯集团财经线财经IT管理部的模型平台，双方从真实经营需求出发，打通华润经营数据与腾讯生态数据，并通过业务调研、数据治理、模型训练和联合验证，将原本高度依赖经验的经营预测，转化为可量化、可解释的辅助决策能力。

对于购物中心而言，零售额预测不仅关系到年度预算制定，也影响经营目标分解、资源配置和日常经营管理。但商业经营具有较强的复杂性：节假日和天气会影响客流，营销活动和品牌调整会改变销售表现，周边竞品及城市事件也可能带来新的波动。不同城市、不同项目、不同业态的经营规律并不相同，仅依靠历史销售数据和人工经验，难以全面识别各类因素的影响。

这类问题并非实体商业独有。在腾讯内部，游戏、广告等业务同样面临复杂经营变量带来的预测挑战。围绕这些业务场景，腾讯财经线财经IT长期积累了多源数据处理、经营变量识别和模型预测等能力，其模型平台也在腾讯内部业务中得到应用。

此次与华润万象生活的合作，正是将这套经过内部业务实践验证的能力引入实体商业场景，共同打造了一套基于多源数据融合的智能预测与决策系统。双方并不是简单地将原有模型直接迁移，而是围绕购物中心的经营特点，重新梳理预测对象、业务变量和数据基础，让模型适应商业地产的实际需求。

调研发现，不同商业项目的经营特点和预测重点存在明显差异：有的项目受文旅客流和节假日影响较大，有的项目品牌调整、首店引入对销售结构影响突出。围绕这些差异，双方从业务访谈中梳理出153个候选影响因子，横跨17个业务主题，涵盖项目、业态、品牌、店铺，以及节假日、营销活动、会员客群、竞品、天气、交通和城市事件等维度。

候选因子还需经过数据筛选。双方从准确性、完整性和时效性三个维度进行评估。例如，实际客流、转化率等指标虽然与销售表现密切相关，但如果在预测发生前无法获取，就不适合作为模型输入。

数据治理同样是模型训练的重要环节。初步训练后，项目组发现，部分预测偏差并非来自算法，而是与数据口径不统一、业务事件标记缺失及经营结构变化有关。为此，双方逐项排查异常，将数据问题与实际经营事件对应起来，并逐步建立数据校验规则和事件标签机制，把经营人员经验中的信息转化为模型可以识别和学习的数据。

为避免预测结果受到已知销售数据影响，项目采用两轮盲测方式，以历史经营数据预测后续年度及半年经营表现，被预测时段的真实销售数据提前封存，待模型完成预测后再进行比对。测试结果显示，模型季度预测平均准确率保持在90%以上，远超此前预期。

在输出销售预测结果之外，模型还可以帮助经营团队观察不同业态、重点品牌的经营趋势，并结合节假日、营销活动、天气等因素分析预测变化，为年度预算、经营跟踪和异常复盘提供参考。双方也明确，模型定位是辅助经营判断，而非替代业务决策；随着经营数据和业务信息持续更新，预测结果还可结合实际情况进行滚动校准。

对腾讯而言，能力先在自身业务中检验、再向行业伙伴开放，是此次合作得以快速见效的前提之一。根据双方规划，下一阶段将基于试点成果沉淀标准化方案，逐步向更多购物中心推广，并探索引入更多生态数据，拓展租金定价、投资决策、客流分析等经营管理场景。

在华润万象生活智能与数字化部总部部门总经理赵原看来，AI带来的不只是预测准确率：过去不少经营判断依赖“老师傅”的经验，而外部市场变化越剧烈，AI越能帮助纠正经验中的“偏离”；当内外部数据可以交叉融合、海量信息能够被快速分析，精细化运营才真正成为可能。

业内人士指出，随着实体商业经营环境日益复杂，企业对经营预测和精细化管理的需求不断提升。AI的价值不仅在于提升单项工作的效率，更在于帮助企业识别经营变量、形成数据驱动的判断依据，并将分散的业务信息转化为可持续使用的组织能力。如何让技术真正理解业务、服务经营，也将成为AI赋能实体商业的重要方向。

▼

李宁 × 腾讯：46万小时背后的AI 变革

腾讯云高级副总裁陈菲：AI让精细经营走向规模化

迪卡侬中国携手腾讯，探索AI场景落地新实践

对话｜中顺洁柔总裁高波：老板必须先用AI

腾讯亮相World Retail Lab Asia：AI正重塑消费者决策链路