 logo 轉(zhuǎn)曲.png)
橋梁﹒紐帶﹒匯集﹒分享
時間：2026-09-29 10:50
聯(lián)華超市股份有限公司是百聯(lián)集團(tuán)旗下的重要零售企業(yè)，也是服務(wù)城市社區(qū)民生消費的重要商業(yè)力量。聯(lián)華做的是離居民只隔一條馬路的生意：一頭連著城市社區(qū)里每天買菜、做飯、照顧家人的真實需求，一頭連著采購、物流、品控、門店組成的商品供應(yīng)鏈。
生鮮業(yè)務(wù)作為聯(lián)華經(jīng)營中的重點板塊，具有采購來源多、商品標(biāo)準(zhǔn)化程度低、周轉(zhuǎn)時效要求高、質(zhì)量管控鏈條長等特點，涉及現(xiàn)場采購、供應(yīng)商送貨、物流收貨、品控質(zhì)檢、農(nóng)殘檢測、門店銷售與售后反饋等多個環(huán)節(jié)。近年來，聯(lián)華圍繞“降損耗、增收益”持續(xù)推進(jìn)供應(yīng)鏈數(shù)字化建設(shè)，希望通過線上化流程、商品質(zhì)量規(guī)則 ID 化和 AI 輔助判斷能力，把過去依賴紙單、經(jīng)驗和人工溝通的作業(yè)方式，逐步升級為過程可追溯、標(biāo)準(zhǔn)可執(zhí)行、異?？深A(yù)警、結(jié)果可復(fù)盤的精細(xì)化管理體系。
1. 實施案例的背景
1.1 聯(lián)華生鮮業(yè)務(wù)的典型特征
聯(lián)華生鮮業(yè)務(wù)的復(fù)雜性，集中體現(xiàn)在鏈路長、商品非標(biāo)、角色協(xié)同密集三個方面。生鮮商品從源頭采購到門店售賣跨越多個組織和系統(tǒng)，任何一個節(jié)點的信息偏差、規(guī)則理解差異或責(zé)任界定不清，都可能轉(zhuǎn)化為損耗、爭議或顧客體驗問題。因此，本案例并不是單點工具改造，而是圍繞生鮮經(jīng)營全鏈路建立統(tǒng)一線上鏈路和可執(zhí)行規(guī)則體系。
? 第一，業(yè)務(wù)鏈路長。生鮮商品從現(xiàn)場采購、供應(yīng)商送貨、中倉收貨質(zhì)檢、農(nóng)殘檢測、物流配送，到門店收貨、陳列售賣和質(zhì)量反饋，跨越采購、物流、品控、門店多個角色。任何一個節(jié)點出現(xiàn)錄入不完整、判斷不一致或反饋不及時，都可能影響最終損耗、質(zhì)量合格率和顧客體驗。
? 第二，商品非標(biāo)程度高。蔬果、菌菇、散稱和包裝商品在箱規(guī)、重量、外觀、糖度、農(nóng)殘等方面差異明顯，同一品類還會因產(chǎn)地、季節(jié)、批次和包裝方式不同而出現(xiàn)不同驗收要求。傳統(tǒng)依靠人工經(jīng)驗套用規(guī)則，容易出現(xiàn)抽檢口徑不統(tǒng)一、扣重計算不準(zhǔn)確和拒收爭議。
? 第三，業(yè)務(wù)協(xié)同角色多。采購、物流、品控、門店和供應(yīng)商需要圍繞同一批次商品形成一致判斷，既要確認(rèn)采購和裝車信息，也要同步質(zhì)檢照片、稱重結(jié)果、農(nóng)殘報告和門店反饋。如果缺少統(tǒng)一的數(shù)據(jù)底座，問題責(zé)任和結(jié)算依據(jù)就容易分散在不同人員、不同表單和不同溝通記錄中。
1.2 聯(lián)華生鮮業(yè)務(wù)的核心痛點
在項目建設(shè)前，部分作業(yè)仍依賴紙單、人工錄入和現(xiàn)場經(jīng)驗判斷：采購與裝車信息需要重復(fù)填寫，質(zhì)檢標(biāo)準(zhǔn)依賴人工理解，農(nóng)殘報告需要人工編制和匹配，門店質(zhì)量反饋難以及時反哺到源頭抽檢規(guī)則。由此帶來四類核心困境：
? 數(shù)據(jù)分散，追溯困難。采購、裝車、收貨、質(zhì)檢、農(nóng)殘報告和門店反饋分散在紙單、表格或口頭溝通中，損耗與質(zhì)量爭議難以及時追溯到具體檔口、批次、供應(yīng)商和責(zé)任環(huán)節(jié)。
? 標(biāo)準(zhǔn)不穩(wěn)，判斷差異大。同類商品在不同人員手中可能出現(xiàn)不同抽檢方式、扣重口徑和拒收判斷，尤其是散稱、包裝、不定量等非標(biāo)商品，容易因經(jīng)驗差異引發(fā)供應(yīng)商溝通和結(jié)算爭議。
? 反饋滯后，風(fēng)險難前置。門店質(zhì)量問題多在售賣后才被發(fā)現(xiàn)，歷史異常難以及時反哺到下一輪采購和中倉抽檢規(guī)則中，導(dǎo)致問題商品無法被系統(tǒng)自動加嚴(yán)抽檢或提前預(yù)警。
? 視圖缺失，管理難復(fù)盤。管理層缺少按角色、場景、批次和問題類型查看的全鏈路數(shù)據(jù)視圖，無法快速判斷損耗來源、質(zhì)量風(fēng)險和流程瓶頸，也難以沉淀可復(fù)用的優(yōu)化規(guī)則。
1.3 本實施案例的建設(shè)目標(biāo)
本案例的建設(shè)目標(biāo)，是把“降損耗、增收益”拆解為可落地的數(shù)字化能力：先把業(yè)務(wù)動作搬到線上，確保每一批商品、每一次質(zhì)檢和每一次反饋都有記錄；再把驗收標(biāo)準(zhǔn)沉淀為商品質(zhì)量 ID 卡，讓一線按統(tǒng)一規(guī)則執(zhí)行；最后把 AI 嵌入抽檢、識別、計算、校核、報告生成和質(zhì)量反哺等關(guān)鍵節(jié)點，使管理從經(jīng)驗判斷轉(zhuǎn)向規(guī)則可計算、過程可追溯、異?？深A(yù)警。生鮮全鏈路的數(shù)字化與 AI 協(xié)同管理體系包括：
? 生鮮業(yè)務(wù)線上化。將采購下單、裝車、供應(yīng)商送貨、中倉收貨、品控質(zhì)檢、農(nóng)殘檢測、配送打卡和門店質(zhì)量反饋等原本分散在線下或不同表單中的動作統(tǒng)一沉淀到系統(tǒng)中，讓每一批商品從源頭到門店都有可追溯記錄。
? 質(zhì)量規(guī)則 ID 化。將抽檢比例、檢查項、糖度統(tǒng)計方法、容錯閾值、最小包裝重量、拍照留痕要求等驗收標(biāo)準(zhǔn)沉淀為商品質(zhì)量 ID 卡，相當(dāng)于為每類商品建立可執(zhí)行的“質(zhì)量身份證”，讓一線按同一套規(guī)則作業(yè)。
? 關(guān)鍵環(huán)節(jié) AI 化。把 AI 能力嵌入采購規(guī)則維護(hù)、中倉品控質(zhì)檢、復(fù)雜質(zhì)檢計算、農(nóng)殘校核、報告生成和質(zhì)量投訴反哺等節(jié)點，輔助完成識別、推薦、計算、校核、診斷和預(yù)警，推動生鮮管理從經(jīng)驗驅(qū)動轉(zhuǎn)向規(guī)則可計算、過程可追溯、異?？深A(yù)警、結(jié)果可復(fù)盤。
2. 實施案例的過程
2.1 實施項目的范圍
組織范圍上，項目采用業(yè)務(wù)與技術(shù)聯(lián)合推進(jìn)的方式，由聯(lián)華信息部統(tǒng)一牽頭，采購、物流、品控、門店等核心角色共同參與需求梳理和試運行驗證，飛書項目組負(fù)責(zé)方案設(shè)計、系統(tǒng)搭建和迭代支持。這樣的組織方式保證了方案不是單純從系統(tǒng)功能出發(fā)，而是圍繞一線采購、倉內(nèi)質(zhì)檢、物流配送和門店反饋的真實作業(yè)路徑展開。
業(yè)務(wù)范圍上，覆蓋生鮮商品從采購源頭到門店終端的完整流轉(zhuǎn)鏈路，既包括采購下單、供應(yīng)商送貨、物流收貨、品控質(zhì)檢、農(nóng)殘檢測等前中臺環(huán)節(jié)，也包括物流配送、門店收貨、質(zhì)量反饋和問題反哺等后續(xù)環(huán)節(jié)。項目通過統(tǒng)一記錄批次、規(guī)則、圖片、重量、報告和反饋結(jié)果，把過去分散在不同角色手中的信息串聯(lián)成可追溯的閉環(huán)。
功能范圍上，項目按照“生鮮業(yè)務(wù)線上化、質(zhì)量規(guī)則 ID 化、關(guān)鍵環(huán)節(jié) AI 化”的三層邏輯推進(jìn)，先把業(yè)務(wù)過程記錄下來，再把判斷標(biāo)準(zhǔn)結(jié)構(gòu)化，最后在最復(fù)雜、最容易產(chǎn)生人工差異的判斷節(jié)點引入 AI 能力。
? 第一層，生鮮業(yè)務(wù)線上化。項目先把采購下單、裝車、收貨、質(zhì)檢、配送打卡、門店反饋等原本分散在線下或不同表單中的動作統(tǒng)一沉淀到系統(tǒng)中。這樣每一批商品從源頭到門店都有對應(yīng)記錄，采購、物流、品控、門店可以圍繞同一批次數(shù)據(jù)協(xié)同，減少紙單流轉(zhuǎn)、重復(fù)錄入和線下口頭溝通帶來的信息偏差。
? 第二層，質(zhì)量規(guī)則 ID 化。項目把生鮮商品的驗收標(biāo)準(zhǔn)沉淀為商品 ID 卡，相當(dāng)于給每類商品建立可執(zhí)行的“質(zhì)量身份證”。ID 卡中包含抽檢比例、檢查項、糖度統(tǒng)計方法、容錯閾值、最小包裝重量、拍照留痕要求等規(guī)則，系統(tǒng)據(jù)此引導(dǎo)一線質(zhì)檢人員作業(yè)，并自動參與放行、扣重、拒收等判斷，減少不同人員對同一規(guī)則理解不一致的問題。
? 第三層，關(guān)鍵環(huán)節(jié) AI 化。在業(yè)務(wù)過程和質(zhì)量規(guī)則已經(jīng)在線的基礎(chǔ)上，項目把 AI 能力按生鮮經(jīng)營的真實鏈路嵌入到四個大環(huán)節(jié)中：在采購和規(guī)則準(zhǔn)備階段通過自動讀檔、自動生成ID卡草案等降低配置門檻；在中倉品控質(zhì)檢階段輔助推薦抽檢、輔助識別不合格品等；輔助復(fù)雜質(zhì)檢判斷商品應(yīng)放行、扣重收貨還是拒收；輔助農(nóng)殘校核、報告生成與質(zhì)量投訴反哺，把風(fēng)險控制延伸到下一次采購。AI 不替代業(yè)務(wù)人員最終決策，而是先完成識別、推薦、計算、校核、報告生成和診斷，再由人工復(fù)核確認(rèn)。
2.2 AI驅(qū)動生鮮核心業(yè)務(wù)環(huán)節(jié)優(yōu)化
環(huán)節(jié)一：AI輔助新品采購規(guī)則維護(hù)，讓業(yè)務(wù)從一開始就走對規(guī)則
痛點：新品進(jìn)入采購環(huán)節(jié)時，最容易出現(xiàn)商品主檔信息理解不一致、散稱與包裝屬性選錯、質(zhì)量檢核規(guī)則臨時配置不完整的問題，后續(xù)會直接影響收貨、抽檢和扣重判斷。
針對這一痛點，系統(tǒng)通過讀取商品主檔，幫助一線采購員自動識別散稱和包裝屬性；結(jié)合到貨箱規(guī)生成新品質(zhì)量規(guī)則 ID 卡草案，讓業(yè)務(wù)人員從重復(fù)配置中解放出來，把精力放在規(guī)則邊界、異常項和生效確認(rèn)上。采購源頭規(guī)則更準(zhǔn)確，后續(xù)收貨、抽檢和扣重才有一致依據(jù)。
（1）主檔自動讀取，減少源頭選擇錯誤?，F(xiàn)場采購時，AI 自動讀取商品主檔，帶出品類標(biāo)記、稱重方式和售賣屬性，減少采購員手工判斷和選擇品類標(biāo)記的步驟。比如采購員錄入一批番茄時，不再需要先判斷是散稱還是包裝，系統(tǒng)會根據(jù)主檔信息自動匹配對應(yīng)錄入方式，避免采購源頭就選錯規(guī)則，影響后續(xù)裝車、收貨和質(zhì)檢判斷。
（2）新品規(guī)則草案生成，降低 ID 卡維護(hù)門檻。新品采購時，AI 會基于到貨箱規(guī)、商品基礎(chǔ)信息和既有品類規(guī)則，生成抽檢閾值、檢查項、容錯范圍、拍照要求等商品質(zhì)量規(guī)則 ID 卡草案，業(yè)務(wù)人員只需復(fù)核差異并確認(rèn)生效。比如總部維護(hù)一款新品藍(lán)莓時，不用從零配置該新品的質(zhì)量規(guī)則 ID 卡字段，AI 先生成一版“建議 ID 卡”，業(yè)務(wù)人員重點檢查異常項、邊界項和是否需要特殊檢測即可。
環(huán)節(jié)二：AI輔助中倉品控質(zhì)檢，讓經(jīng)驗判斷變成可追溯的智能判定
痛點：中倉品控質(zhì)檢面對的是批量到倉、包裝差異和質(zhì)量波動并存的現(xiàn)場，如果只靠人工經(jīng)驗決定抽檢數(shù)量、稱重記錄和不合格品歸類，容易出現(xiàn)判斷口徑不一、證據(jù)留存不足和供應(yīng)商爭議。
針對這一痛點，系統(tǒng)將 ID 卡規(guī)則、到貨箱規(guī)、抽檢組合、稱重照片和不合格品識別整合到同一作業(yè)流程中，使質(zhì)檢員按系統(tǒng)推薦完成抽樣、拍照、稱重和問題歸類，形成可復(fù)核、可追溯的質(zhì)檢依據(jù)。
（1）抽檢組合推薦，兼顧發(fā)現(xiàn)問題與降低損耗。商品到倉后，AI 先根據(jù) ID 卡規(guī)則和到貨箱規(guī)推薦抽檢組合，告訴質(zhì)檢員“開幾箱、每箱抽幾包”，避免按重量百分比一刀切導(dǎo)致非標(biāo)包裝失真。比如一車草莓到倉后，AI 可以建議少開箱但覆蓋關(guān)鍵抽檢包數(shù)，既能發(fā)現(xiàn)質(zhì)量問題，也減少開箱帶來的商品損耗。
（2）稱重 OCR 識別，沉淀可復(fù)核證據(jù)。質(zhì)檢過程中，AI 通過電子秤重量 OCR 識別秤面讀數(shù)，并把重量數(shù)據(jù)與照片自動綁定，減少人工抄錄和二次錄入錯誤。如果供應(yīng)商對扣重有疑問，后續(xù)可以直接回看原始照片、稱重讀數(shù)和對應(yīng)批次記錄，讓扣款和復(fù)核都有客觀依據(jù)。
（3）不合格圖像識別，統(tǒng)一問題歸類口徑。對于腐爛、破損、規(guī)格不符等問題，AI 輔助識別不合格品圖像，并與稱重數(shù)據(jù)一起沉淀為扣款和責(zé)任判斷依據(jù)。比如一箱葉菜黃葉偏多，系統(tǒng)可以輔助識別問題類型和問題程度，減少只靠“老師傅經(jīng)驗”口頭判斷帶來的差異。
（4）商品規(guī)則路由，避免一套規(guī)則套所有商品。面對散稱、包裝、不定量等不同商品，AI 會先根據(jù)商品屬性路由到對應(yīng)規(guī)則。比如散稱蘋果和盒裝藍(lán)莓進(jìn)入質(zhì)檢時，系統(tǒng)自動走不同質(zhì)檢規(guī)則，前者關(guān)注抽樣重量和外觀損耗，后者更關(guān)注包裝規(guī)格、單包重量和單包異常。
（5）質(zhì)檢結(jié)果計算，支撐放行、扣重和拒收判斷。在具體判定時，AI 按提示詞驅(qū)動的計算邏輯，結(jié)合外觀、重量、容錯率、拒收率等規(guī)則，輔助判斷本批商品應(yīng)放行、扣重收貨還是拒收。比如同一批菌菇既有輕微損耗又有重量偏差時，系統(tǒng)按規(guī)則自動算出扣重比例，一線不需要臨場反復(fù)解釋，采購、品控和供應(yīng)商也能基于同一套計算結(jié)果溝通。
環(huán)節(jié)三：AI輔助農(nóng)殘校核與報告生成，高效識別高風(fēng)險異常
痛點：農(nóng)殘檢測結(jié)果需要和商品、批次、儀器數(shù)據(jù)、報告文件逐一對應(yīng)，人工整理時容易耗時長、漏核對、報告歸檔不及時，進(jìn)口水果等高風(fēng)險商品還存在批次號和報告時效校核壓力。
針對這一痛點，系統(tǒng)自動匯總農(nóng)殘質(zhì)檢單、儀器檢測結(jié)果、商品名稱匹配關(guān)系和電子簽名，生成可歸檔、可追溯的檢測報告；AI 會校核批次號一致性和時效，發(fā)現(xiàn)異常后觸發(fā)審核不通過和飛書預(yù)警，把風(fēng)險攔截在商品繼續(xù)流轉(zhuǎn)之前。
（1）農(nóng)殘報告自動生成，減少人工整理和核對。在報告環(huán)節(jié)，系統(tǒng)會基于農(nóng)殘質(zhì)檢單、儀器結(jié)果、商品名稱匹配關(guān)系和電子簽名，自動匯總生成農(nóng)殘報告，減少人工編制、人工復(fù)制和人工核對。比如農(nóng)殘員完成當(dāng)天檢測后，不需要再手工整理表格和粘貼結(jié)果，系統(tǒng)自動生成可歸檔的報告，管理人員可以直接查看檢測結(jié)果、報告來源和對應(yīng)批次。
（2）進(jìn)口報告智能校核，前置識別高風(fēng)險異常。對于進(jìn)口水果報告，AI 自動比對進(jìn)口報告中的批次號一致性和時效性，發(fā)現(xiàn)不一致即觸發(fā)審核不通過和飛書預(yù)警。
環(huán)節(jié)四：AI輔助質(zhì)量投訴反哺，讓質(zhì)量管控延續(xù)到下一次采購中
痛點：門店質(zhì)量投訴過去多停留在事后溝通和賠付處理，問題雖然被記錄下來，卻很難及時反向影響下一批商品的采購、收貨和抽檢規(guī)則，導(dǎo)致同類質(zhì)量問題可能反復(fù)出現(xiàn)。
針對這一痛點，系統(tǒng)會把門店反饋轉(zhuǎn)化為可計算的數(shù)據(jù)，反向影響商品質(zhì)量 ID 卡和抽檢參數(shù)，讓近期高頻異常商品在后續(xù)批次中被重點關(guān)注。
（1）質(zhì)量反饋反哺，動態(tài)加嚴(yán)后續(xù)抽檢。門店反饋環(huán)節(jié)，AI 會匯總近期質(zhì)量問題的頻率、類型和涉及商品，判斷是否需要加強(qiáng)抽檢。如果某個商品連續(xù)出現(xiàn)門店質(zhì)量反饋，系統(tǒng)會生成覆蓋 ID 卡的動態(tài)調(diào)整建議，例如提高抽檢乘數(shù)、調(diào)整容錯率和拒收率，并同步處理時效和默認(rèn)歸屬方。這樣一來，門店發(fā)現(xiàn)的問題不會停留在一次投訴處理上，而是會回到下一批商品的采購、收貨和質(zhì)檢規(guī)則中，提升整個生鮮采購鏈條的質(zhì)量提升正循環(huán)。
3. 案例取得的成效
整體來看，該案例將聯(lián)華生鮮鏈路從經(jīng)驗作業(yè)升級為數(shù)據(jù)驅(qū)動作業(yè)，成效主要體現(xiàn)在效率提升、質(zhì)量判定穩(wěn)定、損耗爭議減少和管理透明度提升四個方面。
現(xiàn)場采購中，采購與裝車流程由重復(fù)錄入調(diào)整為以裝車單為起點自動生成采購單和隨車單，現(xiàn)場作業(yè)時間縮短約 35%，減少了跨環(huán)節(jié)信息不一致帶來的復(fù)核成本。整體一線日均錄入時間由約 120 分鐘下降至 70 分鐘，減少約 42%，一線人員可以把更多精力放在商品質(zhì)量判斷和異常處理上。
品控質(zhì)檢中，AI 抽檢組合推薦讓開箱數(shù)和抽檢包數(shù)更貼合商品實際包裝，減少過度開箱和不必要損耗；AI 質(zhì)檢計算將外觀、重量、容錯率、拒收率等規(guī)則轉(zhuǎn)化為可追溯的判定過程，降低因人工經(jīng)驗差異導(dǎo)致的爭議。農(nóng)殘質(zhì)檢場景中，質(zhì)檢準(zhǔn)備時間由約 60 分鐘縮短至 5 分鐘，報告生成時間由約 30 分鐘縮短至 1 分鐘。
門店申訴中，門店反饋不再只是事后賠付依據(jù)，而是可以驅(qū)動源頭抽檢規(guī)則調(diào)整的數(shù)據(jù)輸入。問題商品被自動識別并加強(qiáng)抽檢后，采購、物流、供應(yīng)商和門店圍繞同一套數(shù)據(jù)協(xié)同處理質(zhì)量問題，幫助企業(yè)從“事后處理損耗”轉(zhuǎn)向“前置識別與源頭改善”。管理層和門店端通過角色化日報及時查看各場景數(shù)據(jù)，也讓生鮮業(yè)務(wù)的質(zhì)量、損耗和責(zé)任鏈路更加透明。該模式具備向更多品類、更多門店和更多質(zhì)量管理場景復(fù)制推廣的價值。
關(guān)注公眾號
關(guān)注抖音
關(guān)注微博
