AI 已成为企业标配，但真正的竞争壁垒不在于“是否使用 AI"，而在于"AI 嵌入企业的深度”。
AI 可停留于个人工具层辅助内容生成，也可深入业务流程参与营销销售，更进阶为感知市场、组织行动及沉淀经验的核心系统。
近期，长江商学院发布数说故事（DataStory）企业案例。作为原生人工智能科技公司，数说故事十一年来从消费者社交数据出发，将分散的市场信号转化为商业洞察，构建垂直大模型与多智能体系统，探索走向“智能体化企业”的路径。
该案例揭示了一条关键路径：当企业拥有海量数据与工具时，AI 如何从分析工具进化为增长引擎，将分散的消费者表达转化为可判断、可行动、可复盘的增长能力。
作者 | 朱阳、陈瑶、王小龙
朱阳系长江商学院运营管理教授
陈瑶系上海对外经贸大学工商管理学院教授
王小龙系长江商学院案例研究部高级研究员
朱阳
长江商学院运营管理教授
一、普遍商业问题与企业样本登场
当前企业面临共同难题：市场信号日益密集，经营判断却愈发困难。
消费者在社交平台、内容社区、直播间等渠道持续表达需求与反馈。尽管品牌掌握大量声量与成交数据，仍需在三个关键问题上反复博弈：
哪些是真需求？
哪些内容能形成有效心智？
哪些洞察能转化为实际增长动作？
生成式 AI 加剧了这一挑战。品牌不仅需关注用户在社交平台的讨论，更需关注 AI 如何理解与推荐品牌。当用户依赖智能问答与搜索形成判断时，品牌的可见性与可信度取决于数据语料与模型理解方式。企业增长入口已从“人看见品牌”扩展为“系统理解品牌”。
这促使营销科技公司的价值边界重构：客户需求从“获取报告”转向“辅助判断”，从“解释市场”转向“推动增长”。企业需要的不再是单点工具，而是连接市场信号、消费者语言、营销动作与销售转化的经营系统。
二、企业关键选择与能力重构过程
1. 选择社交数据作为战略原点：把消费者语言变成企业可用的市场原料
数说故事的首要战略选择，是将社交数据与消费者表达确立为长期能力建设方向。面对公开平台内容高度碎片化且多模态（文字、图片、视频等）的现状，公司构建了基于分布式计算架构的数据处理引擎，能够从非结构化社群媒体中提取结构化数据。
这一举措改变了供给方式。传统研究依赖问卷与访谈，而数说故事将公开消费者表达持续接入数据底座，使市场信号从一次性输入变为持续生成的经营原料。这不仅积累了品牌、品类及人群标签，更为后续 SocialGPT 社交商业大模型奠定了数据与语义基础。
其核心价值在于更早发现变化。社交内容接近消费者即时表达，品牌可借此发现新场景、新痛点与新风险。
2. 从数据能力升级为垂直认知能力：让模型理解品牌和消费者语境
第二项关键选择是将行业经验与业务知识转化为垂直 AI 能力。通用大模型虽具备基础推理能力，但难以直接服务于具体的企业增长场景。数说故事定义的 SocialGPT 社交商业大模型，通过社交领域数据预训练和商业指令微调，结合了企业级大模型的上下文理解能力与专业化商业场景。
公司重点在于把场景知识嵌入模型能力。SocialGPT 及其推理增强版 SocialGPT-R1，结合 AI 智能体，已覆盖人群洞察、营销内容生成、选品等全链路场景。
这一重构降低了数据应用门槛。业务人员可通过自然语言查询直接获取洞察，无需依赖分析师提取数据。其机制价值体现在两方面：
第一，消费者表达被转化为模型可理解的商业语义，提升了企业判断的频率与速度。
第二，行业经验通过技能库沉淀，降低了对少数专家手工分析的依赖。
3. 推进社交洞察到销售转化：把洞察放进客户增长结果链路
第三项选择是从数据产品向端到端解决方案延伸。数据显示，企业增长人工智能解决方案收入占比显著提升，已成为公司主要收入来源。这反映了客户需求的变化：从购买工具转向关注增长结果与销售转化。
数说故事提出“社交洞察到销售转化”，打通洞察、内容、营销与销售闭环：
AI 缩短洞察周期，快速发现热点与人群变化；
AI 优化内容生成与投放决策，提升选品、达人匹配及门店选址效率。
通过定制化部署统一数据底座并编排智能体工作流，公司价值从“解释市场”延伸到“组织行动”。这也带来了管理挑战：方案越贴近结果，非标程度越高。为此，公司通过建立方案资产库、标准作业流程及概念验证菜单，将项目经验转化为可复制能力。
4. 走向智能体化企业：把 AI 组织进企业经营上下文和工作流
第四项选择是将 AI 从产品功能推进到组织形态。数说故事围绕 Agentic Enterprise 方向，构建了企业经营上下文系统 EntVerse、经营导航助手 Navi 和多智能体系统 EnlightAI：
EntVerse：沉淀企业经营上下文；
Navi：辅助基于事实的行动决策；
EnlightAI：承载智能体、技能和工具的协同运行。
该体系旨在解决企业内部复制难题。通过将产品、案例、反馈等结构化为方案资产，并利用 Navi 转化为销售工具，EnlightAI 调度各类智能体完成从拜访准备到会后复盘的全流程。这一重构将优秀专家的经验组织化沉淀，推动 AI 应用从个人效率工具升级为企业级业务执行系统。
5. 从底层系统走向业务现场：以专业智能体支撑品牌增长方法论
智能体化企业需落地于具体场景。数说故事构建了系列专业智能体：
品牌策略智能体 Corix：覆盖策略制定至效果复盘；
营销执行智能体 AIMI：聚焦种草、KOL 协作及内容投放；
零售增长智能体 Rex：关注选品、选址及渠道运营。
这些智能体将底层系统转化为客户可感知的增长动作。公司概括的品牌增长方法论包括“双心智占位、智能新品孵化加速器、智能营销闭环、智能交易闭环、AI 复利”。
其中，双心智占位强调品牌需同时进入消费者心智与被 AI 正确理解；AI 复利则强调每次业务循环都需沉淀数据与经验。这一方法论为客户提供了一种新范式：先诊断心智，再验证增长动作，最终实现数据回流系统。
结语：AI 的商业价值取决于它进入哪一层
回到核心问题：企业如何在数据丰富的环境中形成持续判断和行动能力？数说故事的实践提供了清晰路径：
首先，选择消费者表达作为关键数据源，将非结构化数据转化为业务语义；
其次，通过垂直大模型形成认知能力，并将洞察植入客户增长链路；
最后，利用经营上下文系统与智能体编排，将项目经验沉淀为组织能力。
对企业家而言，核心启发在于：AI 的商业价值取决于其渗透层级。
停留在个人工具层，AI 仅改善效率；
进入流程层，AI 改善交付；
进入经营系统层，AI 才能改变企业感知市场、形成判断及沉淀经验的方式。
数说故事的实践表明，AI 时代的竞争重点是将数据、模型、流程与组织构建成一套可持续学习的经营系统，即深层次进入“组织层”，达到“自适应和自学习”阶段。
案例专属普适框架：“从市场信号到智能增长系统”的五步判断框架
| 步骤 | 核心判断句 | 企业需要建设的能力 | 验证指标 | 复制边界 |
| 选择战略原料 | 企业应选择未来会持续影响客户决策的关键数据源 | 数据接入、治理、标签、语义分析 | 数据覆盖、更新频率、分析准确性 | 数据来源不稳定或合规要求高时需要谨慎 |
| 形成垂直认知 | 通用模型需要叠加行业语境和业务规则才能服务核心场景 | 垂直模型、行业技能库、知识图谱、人工监督微调 | 模型准确性、可解释性、业务采用率 | 缺少场景知识时容易停留在通用问答 |
| 进入结果链路 | 洞察需要进入产品、内容、营销、销售和复盘动作 | 端到端解决方案、智能体工作流、概念验证设计 | 解决方案收入、客户续约、转化改善 | 交付非标度高会压缩毛利率 |
| 沉淀组织经验 | 项目经验应回写为方案资产、话术、标准作业流程和智能体技能 | 方案资产库、经营导航助手、反馈抽取与回写 | 方案复用率、交付效率、销售准备时间 | 组织流程和权限未打通会影响落地 |
| 形成AI 复利 | 每一次增长动作都应让下一次判断更快、更准、更可复制 | 企业经营上下文、智能体编排、复盘机制 | 客户生命周期价值、跨场景扩展、毛利改善 | 需要长期客户合作和持续数据闭环 |
声明
本文摘编自案例《AI 如何进入增长现场：数说故事公司的智能增长系统实践》。部分内容有删减。案例由长江商学院运营管理教授朱阳、上海对外经贸大学工商管理学院教授陈瑶指导，案例中心高级研究员王小龙撰写。该案例仅用于课堂讨论，而非管理决策或活动是否有效的证明。本案例版权归长江商学院案例中心所有。
