上期回顾：
AI重塑下的旅游零售用户消费全链路分析——科尔尼旅游零售报告系列一
上期回顾：
从发现到复购：AI如何重塑旅游零售新增量——科尔尼旅游零售报告系列之二
让AI在以旅客为中心的组织中创造价值
要实现上一部分所描述的体验，旅游零售需要从目标出发，反向推演旅客需要什么。对这个旅客、这段旅程、这个时刻来说，什么才是相关的？又需要哪些商业与运营决策相互配合，才能实现这一体验？
产品组合、价格与促销、库存、人员配置、履约和商业激活，都需要基于对未来需求的判断。把这些环节连接起来，企业才能塑造相关的产品方案，并确保在旅客仍有时间采取行动时，产品、人员和经济条件都已准备就绪。否则，机会就会流失。
利润率和库存、服务成本、特许经营商业条件以及执行限制等商业现实，决定了企业应当在何处、以何种方式回应，才能实现盈利增长。
AI可以通过解读更多变量、连接相关决策，并随着需求和运营状况变化更新建议，增强商业体系的能力和响应速度。
机遇在于：把旅游零售对未来需求的了解，转化为关于提供什么、在哪里提供、何时提供的更优决策。这四项商业工作将因此重塑：设计产品方案、优化其经济效益、为需求做好运营准备，以及将旅客注意力转化为商业价值。我们将结合行业外领先零售商、品牌和平台的案例，逐一探讨这四项工作的旅游零售意义（见图13）。
这些案例所展示的，不只是任务自动化的机会，更是更快、更有信息依据的决策如何推动增长、改善利润率并提升运营表现。
构建供给方案：
用可盈利模式满足细分旅客需求
旅游零售需要通过数量有限的实体门店，满足差异很大的需求。旅客的出行目的、文化背景、目的地和场合都会影响什么产品与他们相关；只要商业价值足够，这就为满足更具体的需求创造了机会。
AI能够帮助企业识别需求差异、加快洞察转化为产品方案的速度，并根据更多变量和情境调整有效方案，从而改变企业回应需求的成本效益。
商业问题很直接：面对即将到来的需求，什么样的产品方案值得占用稀缺的机场空间、旅客注意力和投资？
找准真正驱动消费的旅客需求信号
要提升相关性，首先要理解哪些差异确实会影响需求。买礼物与满足个人享受是不同的消费目的；文化趋势、目的地和场合也会改变旅客认为相关的产品。
AI可以通过识别更多信号来拓宽视野，而人的专业知识则用于判断哪些信号真正重要，以及这些信号应当如何影响产品方案。
这些洞察还能帮助企业确定产品方案应当出现在哪里、采用什么形式，例如精品店、快闪店、微型门店、目的地主题商品组合，或不同的品类与服务组合。
缩短从洞察到产品落地的路径
一旦识别出有意义的机会，AI就能减少将洞察转化为具体方案所需的时间和精力。团队可以探索更多版本、更快测试概念，并在商业机会仍然有效时推进有潜力的方案。
通过降低生成、调整和测试概念所需的成本与时间，AI让团队可以在投入稀缺的空间、库存和营销激活资源之前，探索更多产品方案。
对旅游零售而言，AI赋能的测试可以降低实验门槛，使企业更实际地围绕特定旅客需求、目的地、出行目的或文化机会测试产品方案，再决定是否扩大规模。
这并不意味着实体产品开发可以一蹴而就。更直接的机会在于加快洞察生成、概念创作、内容调整和产品方案测试，再由人运用判断力决定哪些方案值得投入商业资源。
规模化复制成功方案，同时守住管控边界
下一个挑战，是将成功的产品方案扩展到不同机场、市场和业态，同时避免每次都从头重做。目的地礼赠、地方故事、旅游零售渠道独家商品和市场定制活动都需要因地制宜，同时还要确保产品信息真实、符合法规要求，并保持品牌身份一致。
AI可以让调整更快、更有针对性。AI赋能的研究和虚拟角色可以帮助团队在执行前，探索不同产品方案在不同旅客群体、市场和文化情境中的接受度。
随着调整成本下降，企业可以有选择地满足更具体的需求，把精力集中在相关性提升可能带来足够增量价值、能够抵消额外复杂性的地方。
在文化可信度、品牌表达和本地相关性等方面，人的判断依然至关重要。
商业问题很直接：面对即将到来的需求，什么样的产品方案值得占用稀缺的机场空间、旅客注意力和投资？
优化整套商品方案：
品类、价格、促销、库存一体化协同
在旅游零售中，协调各项决策并保持一致并不容易：旅客体验的是一套完整方案，但品类、价格、促销和库存往往由不同团队分别管理，而每一项都会影响其他环节的经济效益。促销成功可能导致缺货；不恰当的价格调整可能损害品牌定位；即使产品组合合适，库存安排不当也可能无法满足需求。
AI创造了同时评估这些变量、并在明确规则范围内推荐最优商业行动的机会。
这并不意味着所有决策杠杆都应纳入一个实时优化器。基础定价、促销、产品组合和补货的决策周期不同，负责团队也往往不同。机会在于通过共享的事实基础、共同的商业目标和明确的权衡取舍，将它们连接起来。
搭建实时商业事实底座，告别月度滞后数据
第一步，是用更及时的商业环境视图取代定期回顾。AI可以整合本地市场、目的地和机场的价格，竞争对手的促销、需求、旅客构成、库存和可售情况，为每个SKU和地点建立实时事实基础，显示产品方案表现不佳之处、需求变化之处，以及可能采取应对措施之处。
很多数据等到一个月结束后才到手。我们需要的是一份前瞻性视图，能在机会错过之前，为销售、库存和产品组合决策提供依据。
——旅游零售品牌高管
只有当基础信号足够可比、足够及时，能服务于眼前的决策时，这一事实基础才真正有用。价格比较需要对应相同的产品和包装规格；库存数据必须区分系统记录的库存与实际可售库存；前瞻性旅程信号则应区分观测值与估算值，并说明估算的可信度。
综合评估多重业务权衡，纳入特许经营商业条件
随后，模型可以结合商业目标和相关限制，评估不同的行动方案。关键转变，是从预测“可能发生什么”，转向评估“企业应当采取什么行动”。
在旅游零售以外，已投入使用的定价和促销系统已经展示了这套逻辑：机器学习模型估算需求和价格弹性，优化引擎则根据收入、利润率、竞争对手、日历因素和执行限制比较可行方案。对旅游零售而言，可借鉴的是决策架构，而不是假设本地零售模型可以直接照搬到机场环境。
特许经营经济条件也必须纳入决策。在固定租金和浮动特许经营费用结构下，同样的价格或促销可能带来不同的边际价值。因此，在比较方案时，租金结构需要与利润率、需求、库存和竞争性价格定位一并考虑。
从情景预测输出到可直接落地的行动建议
当系统从展示不同情景进一步转向提出具体商业行动时，便迈出了智能体式决策的关键一步。系统不再分别提醒需求放缓、库存过剩和竞争对手促销，而是可以建议维持基础价格、在选定地点加大促销，并在其他地点减少补货，同时呈现这些行动对利润率、市场渗透和商品可获得性的预期影响。
企业仍负责设定目标、规则和审批门槛。管理者会验证或否决影响重大的建议，而风险较低的行动则可以逐步向自动执行靠拢。
行动实施后，实际表现会成为下一次决策的依据。优化的对象将是商业结果，而不是某个单独的决策杠杆：系统感知情况、评估方案、提出建议、在规则范围内采取行动，并从结果中学习（见图14）。
预判需求前置准备：
把未来客流变成可执行运营计划
正如本报告第一期所述所述，旅游零售对未来需求拥有特别清晰的视野。关键在于及时将这种可见性转化为决策，从而在旅客抵达前影响结果，让企业各环节做好协同准备。
把预测数字转化为跨部门协同运营动作
AI将工作重点从预测需求，转向把计划中的需求转化为按时间划分的运营计划。AI可以将前瞻性旅程信号与商业和运营数据结合，持续更新对不同时间、地点、品类和购物目的的需求判断，并将其转化为库存、人员配置、商品陈列和履约方面的行动建议。
这比根据历史规律或宽泛的旅客平均数据定期调整计划更进一步。如果明天的旅客构成发生变化，AI可以识别其商业影响，评估各项关联决策受到的影响，并建议哪些方面需要调整，而不只是标记“需求可能不同”。
知道有多少旅客即将到来还不够。关键在于了解哪些旅客会来、他们何时抵达，以及这对库存、产品组合和产品方案意味着什么。
——某机场高管
一体化机场运营商已经提供了一个有参考价值的实例：航班时刻表、客座率和客舱构成可以用于预测不同小时、不同登机廊桥区域的需求；登机口和目的地信息则可用于调整商品陈列和库存优先级。整个行业更普遍的挑战，是在决策权和数据相互分散的环境中，复制其中一部分决策优势。
匹配不同决策的时间窗口，把握行动时机
不同运营决策有不同的行动窗口。提前几天发现的需求变化可能影响进货和人员配置；提前几小时发现的变化可能触发补货或商品重新摆放；而临近出发时的登机口变更，则可能影响局部促销或履约安排。前瞻性判断只有在到达相应决策节点、仍有时间改变结果时，才能创造价值。
随不确定性降低，动态迭代运营方案
运营模式需要同时覆盖多个时间周期。前瞻性信号可以先影响较长期的承诺；随着旅客临近机场、实时情况逐渐明朗，运营安排再变得更灵活、更具响应性。随着不确定性降低，计划也会愈发精准。
由此形成的准备模式很简单：旅程信号塑造预期需求，预期需求触发恰当的运营行动，实时表现则指导下一步调整（见图15）。
流量价值变现：
把旅客注意力转化为可衡量媒体收益
支持更优运营决策的同一套前瞻性视野，也具有媒体价值。航班时刻表、航线、目的地、客舱构成和时间安排，可以显示哪些旅客群体可能在何时出现在机场的特定区域。
AI可以推动旅游零售媒体从销售广告位，转向为触达有价值的受众提供可衡量的服务：识别哪些人可能出现、判断在哪里以及如何触达他们，并检验这些曝光是否改变了他们的行为或购买。
将这种可见性与媒体和商业数据相连接，可以为品牌创造更有吸引力的方案。企业可以在旅客抵达前识别有价值的受众，在旅程中的相关时刻触达他们，并依据最终商业结果而不只是媒体曝光来衡量效果。
在消费者决策发生的地方触达目标受众
相关媒体触点不只限于机场屏幕。购买决策可能通过社交媒体、搜索、AI助手、航空公司和机场界面以及实体媒体逐步形成，最终在门店汇合。
AI助手本身也正在成为付费媒体环境。广告如今可以出现在消费者积极研究、比较和做决定的对话中，为旅游零售产品方案提供新的触达界面，让企业在旅客抵达前就接触到已有意向的消费者。
同样的逻辑也开始重塑自有数字渠道。AI不必让每位访客都看到同一个静态页面，而可以根据访客的意图调整内容、产品和行动号召。新兴平台已经能够围绕访客意图及其所处的决策阶段，实时组合网页体验。
落地机场程序化媒体，打通全旅程触点
机场媒体也正开始朝这个方向发展。Media Frankfurt允许广告主利用航班数据、零售信息和包括航空公司及目的地在内的受众细分，以程序化方式购买数字广告资源。法兰克福机场集团的Retail Media Impact方案，同样将媒体、零售环境和销售点激活连接到整个旅客旅程中。（来源：《程序化机场广告：精准、智能、高效》，Media Frankfurt，2026年。）
对旅游零售而言，机会在于更紧密地连接前瞻性需求可见性、受众选择、营销激活和效果衡量。重点正从“广告出现在哪里”，转向“谁可能看到广告、如何最有效地影响他们，以及这项干预是否创造了增量价值”。
不只看曝光，要证明营销带来真实增量收入
商业衡量应推动媒体方案从关注度指标，转向增量销售、消费者获取和广告支出回报等结果。这意味着在适当情况下，将受众和曝光信号与最终行为联系起来，例如门店到访、转化、客单、增量销售、消费者获取，或其他约定的结果。
商业问题不再只是“有多少人看到了这次活动？”，而是“触达这群受众，是否改变了他们的行为或购买？”
展望：从AI给建议，到规则内自主执行
AI将不再局限于识别应当发生什么，还会在明确的商业规则范围内，针对具体决策采取行动。这有助于抓住那些原本会因建议与行动之间存在延迟而流失的购买机会。
最适合迈向下一阶段的决策，通常是发生频繁、可衡量且可逆的决策；在这些决策中，加快行动能够创造价值，结果也便于密切监测。不同时间周期上的决策可以相互影响。
例如，某机场可能发现，在特定出发时段，高消费的长途旅客数量较多，而以往销售数据也显示他们购买礼物的倾向很强。品牌可以提前数周甚至数月，为这群旅客开发不同的产品方案或营销活动。临近出发时，零售商可以根据预期需求、利润率和库存水平调整品类、价格与促销。起飞前几天或几小时，再微调库存和人员配置。旅客抵达后，则可以通过定向媒体在合适的时刻吸引他们进店，并让相关各方获得销售与互动数据。
这种模式之所以可行，是因为需求不再局限于彼此分离的规划周期：需求影响产品方案，最终选择决定运营要求，客流与销售表现帮助优化执行，而结果又用于规划下一次决策。由此，智能分析成为持续商业闭环的一部分，而不再只是偶尔用于规划的输入。
随着企业对这些决策的信心提高，部分行动可以从建议转向执行。在约定范围内，库存风险预测可以触发补货申请；登机口变化可以带动顾问排班调整；媒体投放也可以随着受众位置变化而移动。企业设定目标、规则和限制并明确执行责任，AI则缩短从信号到行动的距离。
自动化程度应与决策的经济效益和风险相匹配。发生频繁、可衡量且可逆的行动，可以逐步提高自动化程度；而需要人工监督的事项，例如重大价格调整或合同约定，则需要人工审批。每种情况下都应检验：更快执行带来的新增购买、利润保护或减少的无效支出，是否足以证明相关成本、治理要求和风险是合理的。
要充分发挥这一模式的潜力，旅游零售生态系统需要开展大量协同。为什么？因为掌握有用信号的参与方，可能并不是能够据此行动或获得收益的参与方。例如，航空公司了解即将到来的旅客构成，机场掌握旅程和客流情况，零售商最接近库存和交易，品牌则了解产品方案与目标受众。要连接这些能力，合作各方需要就谁有权采取行动，以及如何分担成本和收益达成一致。如何在合作伙伴间落实这些安排，将成为行业面临的下一项挑战。
行业专访｜拉加代尔前董事长：
AI是副驾驶，人的判断始终居于核心
Dag Rasmussen
拉加代尔旅游零售前董事长兼首席执行官、科尔尼高级顾问
AI真正带来了哪些不同？它能在多大程度上改变旅游零售的经济效益？
AI带来的不同，在于它能够采取更全面的视角。过去，技术往往一次只解决一个问题；AI则让我们有可能纵观整个业务，协同优化多项决策。
在最具雄心的情况下，这种能力可以从单个流程扩展到整个旅游零售生态系统。更好的智能分析可以帮助机场和零售商了解价值在哪里创造、扩大整体价值池，并最终改善各方之间的价值分配。
AI还有很多非常实际的应用。它可以帮助零售商分析复杂的机场招标、理解招标背后的目标，并制定更有竞争力的产品方案。在前台和后台职能中，也存在显著的效率提升潜力，涵盖运营、财务、人力资源、法务及其他支持职能。
旅游零售可以提前看到相当一部分未来需求。零售商应当如何利用这一优势？
人的判断应继续处于核心位置，AI则作为副驾驶。旅游零售可以利用对未来需求的可见性，从依据已经发生的情况定期调整业务，转向在旅客抵达前做出更好的决策。
第一个根本问题是门店。将未来客流和旅客构成与航站楼布局、旅客人口特征、商业条件及预期租金结合起来，AI可以帮助企业更好地决定门店位置、形式、产品组合和相邻业态。
第二个问题是产品。更频繁、更细致的商业数据可以帮助零售商决定提供哪些产品和品类、在哪里陈列，以及如何随着需求变化更快调整产品方案。这有助于更快地上架或下架SKU、优化产品组合、提升库存效率并减少缺货。AI摄像头及其他数据来源还能进一步改善商品可获得性；价格也可以更动态地测试、对标和调整。
第三个关键要素是人员。AI可以加快培训项目的开发，并以多种语言提供培训；也可以为销售人员补充更及时、更实用的产品信息，并帮助管理者有效了解个人和团队表现。目标不是取消人的判断，而是为员工提供更好的信息和更多行动时间。
这一机会在不同旅游零售业态中会有所不同吗？
从绝对价值来看，国际免税业务似乎潜力最大。它通常是机场最大的商业收入来源之一，交易金额较高，业绩也特别容易受到旅客构成和相对价格的影响。这使免税业务成为一个价值丰厚的优化问题：哪怕只是略微改善对旅客构成、潜在购买商品和价格敏感度的理解，也可能带来可观价值。
对于品牌精品店而言，机会更多在于理解不同市场和需求，例如消费趋势、按旅客来源地或目的地划分的畅销商品，以及包括汇率影响在内的市场间价格差异。
对于旅行必需品零售，机会更多在于持续调整产品方案：优化价格、预判旅客的新需求，并确保产品方案与机场整体零售组合相互补充。餐饮也有提升空间，包括识别新兴概念和现有供给中的空白、优化价格，并让产品方案与不断变化的旅客偏好保持一致。
重要的是，旅游零售不存在一套适用于所有场景的AI行动手册。免税业务是复杂且价值较高的优化机会；品牌精品店可以从更深入的市场和消费者洞察中受益；旅行必需品和餐饮则需要持续调整产品方案。不同业态的经济效益和决策方式各不相同，因此AI最有价值的应用也会有所差别。
什么样的AI应用值得扩大规模，什么样的应用应继续试点？
首先，实际使用者必须接受这项应用。零售仍然是一个以人为本的行业，最终能否规模化实现潜在价值，取决于员工是否愿意采用。
只有当员工切实感受到技术能帮助他们更好地销售或更高效地工作时，技术才能创造价值。因此，成功的试点需要团队积极参与、清晰的培训、可衡量的结果，以及解决方案能够复制到初始场景之外的证据。如果无法证明价值，就没有充分理由扩大规模。
最终的判断取决于投入与回报之间的平衡：一方面是实施的难度和成本，另一方面是创造的价值及其可扩展性。
下期预告
下一部分将聚焦旅游零售生态中的共享智能，探讨如何连接机场、航空公司、零售商与品牌各自掌握的旅客信息，设计跨企业协作机制，并进一步梳理行业领导者可采取的增长策略与行动路径。
如有咨询需求，请联系
ChinaInsights@kearney.com
延伸阅读
＋
为什么选择越多，消费者反而越累？科尔尼展望未来十年的消费趋势
＋
2026柏林国际电子消费展(IFA)观察: 中国品牌正在重写行业创新参照