मार्स ने वॉलमार्ट डेटा और एजेंटिक AI से CPG निर्णय प्रक्रिया तेज की

玛氏借助沃尔玛数据与Agentic AI加速CPG决策流程 实时自主智能体将取代传统仪表板和样本面板直接执行商业行动，未采用统一规范数据的品牌将被未来的智能体货架淘汰。 该会议分析了CPG与零售行业从传统被动响应模式向实时自主购物者智能的转变，后者可处理7200万消费者的行为信号。Lizbeth James通过雀巢咖啡的案例研究展示了Agentic AI如何将数周的诊断时间缩短至30至40分钟，并在四个核心维度上指出根本原因并提出改善建议。内容详细探讨了答案引擎优化（AEO）、数字货架内容评分以及基于Databricks和Azure的企业架构的作用。最后强调，当前的“人机协同”（Human-in-the-loop）模式未来将演进为完全自主执行，从而大幅提升跨职能团队的运作效率。 自主购物者智能正在推动CPG品牌摆脱陈旧且被动的仪表板模式，转向实时、主动的闭环决策。 (2:49) 相比传统抽样面板，如今像沃尔玛这样的零售商可提供约7200万消费者的实时第一方数据。 (6:10) 自主架构利用六个核心数据源和80多个KPI，并行处理数百万行数据。 (4:01) 该现代解决方案包含由数据基础设施、传统统计模型、购物者群组引擎和Agentic AI编排组成的多层技术栈。 (8:43) 企业应用的最大阻碍并非技术本身，而是大型传统品牌内部的官僚繁文缛节与复杂流程。 (11:53)

मार्स (Mars) की लिज़बेथ जेम्स के अनुसार, CPG और रिटेल क्षेत्र में निर्णय लेने की प्रक्रिया स्थिर रिपोर्ट्स और प्रतिक्रियाशील तरीकों से हटकर रियल-टाइम ऑटोनॉमस शॉपर इंटेलिजेंस की ओर बढ़ रही है। बड़े रिटेलर्स के फर्स्ट-पार्टी डेटा और एजेंटिक एआई के समन्वय से ब्रांड्स हफ्तों की देरी को मिनटों के सटीक व्यावसायिक हस्तक्षेप में बदल सकते हैं। पारंपरिक एनालिटिक्स से रियल-टाइम ऑटोनॉमस आर्किटेक्चर (0:04) पारंपरिक CPG मॉडल ऐतिहासिक डेटा, नील्सन पैनल्स (जैसे 125,000 घरों की ट्रैकिंग) और स्थिर Power BI डैशबोर्ड्स पर निर्भर रहा है, जहाँ विश्लेषण और निर्णय में महीनों का समय लगता था। इसके विपरीत, आधुनिक रिटेलर्स जैसे वॉलमार्ट (सिंटिला प्लेटफॉर्म के ज़रिए 72 मिलियन शॉपर्स) डेटा क्लीन रूम्स के माध्यम से लगभग रियल-टाइम फर्स्ट-पार्टी डेटा उपलब्ध करा रहे हैं। ऑटोनॉमस शॉपर इंटेलिजेंस एक क्लोज्ड-लूप एआई सिस्टम है जो डेटा का पता लगाने (Detect), निदान करने (Diagnose), निर्णय लेने (Decide) और कार्रवाई करने (Act) का कार्य करता है। यह आर्किटेक्चर डिजिटल शेल्फ, रिटेल मीडिया नेटवर्क्स (RMN), इन्वेंट्री और फर्स्ट-पार्टी डेटा जैसे छह मुख्य सिग्नल्स से 80 से 85 KPIs को बैकएंड पर 50 मिलियन से अधिक डेटा रोज़ के साथ समानांतर प्रोसेस करता है। केस स्टडी: एजेंटिक डायग्नोसिस और मल्टी-डायमेंशनल रिकवरी (13:42) वॉलमार्ट पर नेस्ले एवरीडे कॉफी में 10% की गिरावट के उदाहरण से जेम्स ने स्पष्ट किया कि पारंपरिक रूप से जिस डायग्नोसिस में एक महीना लगता था, एजेंटिक सिस्टम ने उसे 30 से 40 मिनट में पूरा कर दिया। सिस्टम ने अटैच रेट में 50% गिरावट, कैफे बुस्टेलो की ओर स्विचिंग, ग्रेट वैल्यू प्राइवेट लेबल की बढ़त और लॉयल्टी के 12% तक गिरने जैसे सिग्नल्स को पकड़ा। चार आयामों (चैनल, शॉपर, डिजिटल शेल्फ और प्रतिस्पर्धा) में रूट-कॉज एनालिसिस करने के बाद सिस्टम ने समाधान सुझाए। इनमें ऑनलाइन पिकअप एंड डिलीवरी (OPD) में स्थानीय/हिस्पैनिक फ्लेवर्स जोड़ना, PDP कंटेंट स्कोर को 92 तक सुधारना और स्पैनिश विज्ञापनों से 3% से 5% की वृद्धि और इन-स्टोर बंडलिंग से 4% से 6% रिकवरी का अनुमान शामिल था। पारंपरिक 1-2 साल की रिकवरी प्रक्रिया को कुछ ही हफ्तों में लागू करने योग्य बनाया गया। तकनीकी स्टैक, चेंज मैनेजमेंट और मापनीय प्रभाव (8:43) यह सिस्टम Microsoft Azure, Databricks और ओपन-सोर्स डीप लर्निंग/एनएलपी मॉडल्स के संयोजन पर आधारित है, जिसमें LangChain और मॉडल कॉन्टेक्स्ट प्रोटोकॉल (MCPs) का उपयोग क्रॉस-फंक्शनल ऑर्केस्ट्रेशन के लिए किया जाता है। प्राइवेसी नियमों के तहत व्यक्तिगत पहचान को हैश आईडी द्वारा सुरक्षित किया जाता है। Databricks Genie एजेंट के एक प्रयोग में मॉडल की सटीकता फीडबैक लूप के ज़रिए 60% से बढ़कर 85% तक पहुँची। जेम्स ने रेखांकित किया कि बड़ी लेगसी कंपनियों में मुख्य चुनौती तकनीक नहीं बल्कि आंतरिक रेड-टेप है। पुरानी 18 अलग-अलग रिपोर्ट्स डाउनलोड करने की प्रक्रिया को घटाकर प्रोसेसिंग समय को 35 गुना से घटाकर 2 गुना किया गया, जिससे मात्र छह महीनों में 5,000 से अधिक कार्य-घंटे बचाए गए। एजेंटिक कॉमर्स और आंसर इंजन ऑप्टिमाइजेशन (AEO) (23:23) भविष्य के ऑपरेटिंग मॉडल में मानवीय खरीदारी की जगह AI एजेंट्स (जैसे एलेक्सा या वॉलमार्ट स्पार्की) द्वारा स्वचालित खरीदारी का विस्तार होगा। इसके लिए ब्रांड्स को पारंपरिक SEO (कीवर्ड्स और मेटाडेटा) से आगे बढ़कर 'आंसर इंजन ऑप्टिमाइजेशन' (AEO) अपनाना होगा, जिसमें स्ट्रक्चर्ड उत्तरों, साइटेशन्स और मेंशन्स पर ध्यान केंद्रित किया जाता है ताकि एजेंट्स उत्पादों को प्राथमिकता दें। वर्तमान में छह अलग-अलग क्रॉस-फंक्शनल टीमें (जैसे मीडिया, सप्लाई चेन, सेल्स) सेंट्रलाइज्ड वेब ऐप के ज़रिए इन सिफारिशों की समीक्षा और सत्यापन करती हैं। जेम्स के अनुसार, जैसे-जैसे एआई मॉडल परिपक्व होंगे, मानवीय हस्तक्षेप कम होता जाएगा और सिस्टम स्वायत्त रूप से कंटेंट अपडेट और कमर्शियल एक्ज़ीक्यूशन को पूरा करेगा। यद्यपि सिस्टम हफ्तों में विकास बहाल करने और मानवीय त्रुटि घटाने की क्षमता प्रदर्शित करता है, बड़ी लेगसी कंपनियों में आंतरिक संगठनात्मक प्रक्रियाओं को बदलना अभी भी एक बाधा बना हुआ है। इसके अतिरिक्त, पूरी तरह स्वायत्त निष्पादन की दिशा में 15% सटीकता अंतर को पाटना और सांस्कृतिक व भाषाई बारीकियों का सटीक मॉडलिंग बनाए रखना निरंतर निगरानी की मांग करता है।

玛氏（Mars）北美数据与人工智能赋能负责人 Lizbeth James 指出，传统快消品牌（CPG）依赖滞后静态报表的被动响应机制正在失效，而基于零售商数据洁净室（Data Clean Rooms）与闭环自主购物者智能的新运营模式，正推动商业决策从“事后分析”向“自主实时执行”跨越。 零售智能鸿沟与闭环AI架构 (1:28) Lizbeth James 指出，长期以来 CPG 品牌普遍习惯等待滞后数据，在 AI 应用上面临明显的“智能鸿沟”；而以沃尔玛（Walmart）为代表的零售商则通过构建数据洁净室，实现了几乎实时的安全数据共享。传统快消行业依赖尼尔森（Nielsen）面板对约 12.5 万样本家庭进行长期追踪，而如今仅沃尔玛单家零售商即可提供高达 7200 万消费者的实时第一方行为数据。这种海量的数据规模已彻底超出传统人工制表与分析的承载极限。 为替代堆积如山且阅读率极低的 Power BI 静态看板，自主购物者智能构建了一套“检测（Detect）- 诊断（Diagnose）- 决策（Decide）- 执行（Act）”的闭环 AI 系统。James 强调，该系统目前依托“人机协同”（Human-in-the-loop）模式运行，由算法主动提示并辅助业务人员做出商业干预；但随着模型精度与自动化成熟，未来系统的核心目标是逐步剔除低效的人工中间环节，直接实现从商业洞察到自主商业行动的端到端落地。 六大核心数据信号与底层技术栈 (4:01) 该自主智能体系运转依赖六大实时数据流的输入：零售商第一方购物行为、数字货架与产品详情页（PDP）表现、零售媒体网络（RMN）全链路转化漏斗、零售商履约与库存状态（如缺货时自动抑制推广）、跨零售商及品类竞品变动，以及多代理自动决策（Agentic Decisioning）。以沃尔玛 Scintilla（前身为 Luminate）平台为例，每个数据源输出超过 80 至 85 项 KPI；对于拥有丰富产品线与上千 SKU 的企业而言，底层系统需在后端并行处理超 5000 万行实时数据。 支撑该系统的技术架构主要依托微软 Azure 与 Databricks 构建，数据流经清洗后集中至原子黄金层（Gold Layer）。技术栈融合了用于预测建模的传统线性回归与 K-means 聚类算法、在第三方 Cookie 废除后基于哈希 ID 的动态人群引擎，以及多智能体编排（Agentic AI Orchestration）与自然语言交互界面。同时，系统通过每季度的内部创新产品全源校验与每周的竞品活动追踪，确保基础数据层持续清洁与校准。 雀巢咖啡双位数下滑的四维诊断 (13:42) 在传统快消运营中，单一品类 1% 左右的微幅下滑往往会被忽视，但当沃尔玛渠道的雀巢大众咖啡（Everyday Coffee）出现 10% 的双位数异常下挫时，智能代理触发了自动诊断。在旧有流程中，品类经理协调数据团队调取数据并形成策略报告往往需要耗费一个月；而在代理系统中，多智能体仅耗时 30 至 40 分钟，便从 4 个数据源及 20 多项 KPI 中提炼出 6 大异动信号：囤货频次减少、咖啡与植脂末搭配购买率暴跌近 50%、顾客流向 Café Bustelo、自有品牌 Great Value 蚕食份额、常客忠诚度降至 12% 以及召回窗口急剧收窄。 随后，代理从四个维度锁定了根本原因：线上自提与配送（OPD）渠道发生替代性购买、消费者更看重性价比与新口味、搜索自然排名下滑且详情页转化走低，以及竞品激进加码零售媒体投放并实施折价。针对该诊断，系统生成了组合干预策略：向 OPD 引入符合拉美裔偏好的风味组合以匹配本地需求，修复负面评价并将数字货架内容评分提升至 92，上线西语精准营销以争取 3% 至 5% 的增量转化，并结合店内风味捆绑促销预计恢复 4% 至 6% 的品类销售，从而推动整体业务在数周内由负转正。 组织变革、自动执行与代理商务演进 (20:48) James 明确表示，落地自主智能的最大阻碍并非算法能力，而是大型传统企业内部僵化的流程与繁文缛节；敏捷型新兴品牌能在数月内跑通的系统，大企业通常要耗时一年以上。为解决跨部门协作阻力，该平台统一赋能供应链、媒介策划、定价与采购等 6 个业务团队，将原本需下载 18 份报表的手工数据流转时间缩短了 17 倍以上，在半年内为团队节省超过 5000 个工时，并通过角色定制的集中式 Web 应用彻底取代了传统静态看板。 在执行层面，系统正由依赖人工复核向自动闭环迈进。以亚马逊为例，当系统监测到页面内容缺陷时，AI 已能实现自动生成并上线更新。基于 Databricks Genie 对 250 个复杂业务问题的测试显示，在人工反馈循环下其准确率已从初始的 60% 攀升至 85%。James 预测，未来一至两年内，消费者将普遍转向通过智能语音助手（如 Alexa、Rufus）或 AI 代理直接下单，零售业将全面进入“代理商务”（Agentic Commerce）时代。品牌必须从传统的 SEO 转向答案引擎优化（AEO），利用结构化引用与模型上下文协议（MCP）确立自身在 AI 推荐回路中的位置，否则将面临在智能化货架上直接出局的风险。 Lizbeth James 总结认为，商业智能正在经历从“人盯报表”到“AI 代理自主决策与执行”的范式转移。然而，在完全摆脱人工介入、迈向全自主商业运营之前，多智能体系统在跨供应链宏观变量校准、多元文化语言细微差异捕获，以及跨品类长期模拟等高风险环节，仍依赖企业持续夯实底层数据地基与保持人机回环调优。

## Background 本内容由 YouTube 频道 Ai4 于 2026 年 8 月 15 日发布，记录了玛氏（Mars）北美数据与 AI 赋能负责人 Lizbeth James 的主题演讲。根据页面介绍，演讲探讨了如何结合零售商第一方数据、零售媒体网络、数字货架信号与 Agentic AI，帮助消费品（CPG）企业从传统消费者度量转向实时、闭环的“自主消费者智能”（Autonomous Shopper Intelligence）决策生态。 ## TL;DR Lizbeth James 阐述了快消巨头如何打破滞后的传统面板数据与内部流程壁垒，构建“持续检测、自主决策、闭环执行”的自主消费者智能体系。通过深度拆解沃尔玛日常咖啡品类业绩下滑 10% 的秒级归因与跨部门干预实战，她展示了 AI Agent 如何从海量多源信号中定位渠道、受众、数字货架与竞品根因，并给出量化增量方案。最后，演讲展望了从零售 SEO 向答案引擎优化（AEO）的跃迁，以及通过人机协同将 Agent 准确率提升至 85%、迈向全自动业务闭环的未来演进路径。 ## Atmosphere & style 整场演讲呈现出浓厚的企业实战风格与前沿技术洞察力，演讲者语气沉着自信且直击痛点，毫无浮夸说教。分享在深刻剖析传统快消巨头官僚流程与迟缓周期的现实危机中展开，随后借助详实的架构图与真实业务案例层层推进，展现出极强的逻辑说服力与落地穿透感。现场互动与问答环节则兼具工程严密性与战略前瞻性，让观众深切感受到传统消费品行业在 Agentic AI 驱动下迎来决策范式转移的紧迫感与变革张力。 ## Key takeaways - [02:49](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=169s) 自主消费者智能（Autonomous Shopper Intelligence）是一个集持续检测、自主决策与闭环执行于一体的 AI 运营模型，推动传统快消品牌从被动报表分析向主动业务干预转型。 - [06:10](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=370s) 零售商第一方数据与数据清洁室（Data Clean Rooms）打破了传统尼尔森样本组等滞后报告模式，以沃尔玛 7200 万实时消费者数据等海量信号为 AI 决策提供了底层支撑。 - [08:43](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=523s) 自主智能技术架构栈依托坚实的数据基座，结合传统机器学习、哈希客群引擎、深度学习及 Agentic AI 编排层，最终通过对话式交互赋能业务一线。 - [11:46](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=706s) 阻碍传统快消巨头落地自主系统的核心瓶颈通常不在于技术，而在于企业内部僵化的跨部门流程与繁文缛节，导致其部署周期远慢于敏捷的新兴品牌。 - [13:42](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=822s) 在沃尔玛咖啡品类异常下滑 10% 的案例中，Agentic AI 在数分钟内穿透 4 个数据源与 20 个 KPI，完成归因诊断并直接输出具备量化增益的干预方案矩阵。 - [18:56](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1136s) 引入“人在回路”（Human-in-the-loop）的持续校准机制，使智能体决策准确率从初始的 60% 大幅跃升至 85% 以上，为逐步过渡到完全自主执行奠定基础。 - [22:52](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1372s) 未来商业正从“人类亲自购物”演变为“AI 代理代客购物”（如 Alexa 购物），品牌若无法实时适配代理算法偏好，将在生成式导购链路中面临边缘化风险。 - [25:27](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1527s) 在跨领域 AI 编排中，Mars 采用 LangChain 与标准化模型上下文协议（MCP），将关税与通胀等宏观外生变量注入底层模型以抑制预测漂移并保障跨部门闭环联动。 - [29:11](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1751s) 搜索与发现逻辑正从传统“零售 SEO”转向“答案引擎优化”（AEO），品牌需通过提升结构化事实引用量（Citations）与提及度（Mentions）来抢占大模型推荐的首选位置。 - [30:59](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1859s) 通过将智能体打造成“初级销售分析师”并重塑工作流，项目在 6 个月内累计节省超过 5,000 个工时，以显著的减负红利推动大型组织的变革管理与信任建立。 - [37:52](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2272s) 数据底座实行分层治理机制，对内部创新产品按季度清洗验证，对外部竞品动态建立周度追踪流水线，确保底层波动与上层分析应用解耦。 - [38:54](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2334s) 企业正在全面淘汰传统 Power BI 静态看板，转向角色化（Persona）的 Web App 决策平台，实现从数据呈现到跨 6 个部门联动干预的“从洞察到行动”（Insights to Action）闭环。 ## Detailed walkthrough ### [00:04](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=4s) 自主消费者智能的兴起与快消品（CPG）背景 Lizbeth James 开场时指出，在与现场参会者交流的两天中，她发现本次大会并不是一个专门聚焦快消品（CPG，Consumer Packaged Goods）的活动。因此，她首先为今天的分享奠定基础背景。无论大家是否从事消费品行业，日常生活其实都身处其中——几乎每个人家里的储藏室或厨房中都能找到玛氏（Mars）或可口可乐（Coca-Cola）的产品，而且大家几乎每天都在使用或消费它们。同时，每个人也都会在沃尔玛（Walmart）、塔吉特（Target）或克罗格（Kroger）等零售商处购物。 今天分享的核心在于“消费者智能”（Shopper Intelligence），即零售商如何在完全不获取消费者第一方身份隐私的前提下，实时洞察每个消费者的真实购物行为，以及玛氏或可口可乐等品牌方如何从中获益。整个逻辑的核心是通过“自主智能体”（Autonomous Agent）以主动出击（Proactive）而非被动响应（Reactive）的方式来运作整个智能链路。 --- ### [01:28](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=88s) 演讲者背景介绍 在正式展开前，Lizbeth James 对自己的履历进行了简要介绍。她在零售、快消品（CPG）、广告与媒体领域拥有超过20年的丰富经验，曾有幸与全球多家顶尖品牌合作，足迹遍布多个国家与地区。她的职业生涯前半段主要集中在中东和亚洲，后半段则深耕北美市场，期间也在欧洲有短暂的工作经历。此外，她还在多家零售商及相关产品咨询委员会与项目中担任顾问或核心成员。 --- ### [02:04](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=124s) 现代零售中的“智能鸿沟”与零售商数据变革 在传统现代零售运营中，无论是可口可乐、雀巢（Nestlé）还是玛氏，整个机制在设计上基本都是被动响应式的。品牌通常无法提前进行主动规划，而是不得不苦苦等待报告和数据汇总到位，快消品行业对人工智能（AI）的整体采纳速度也相对较慢。 与此同时，零售商的步伐却走在了前面。零售商开始建立数据安全港/数据清洁室（Data Clean Rooms）生态，决定开始与品牌制造商共享接近实时的消费者行为数据。现在的核心问题已转变为：品牌方究竟能以多快的速度接入并利用这些高价值数据。 --- ### [02:49](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=169s) 什么是自主消费者智能（Autonomous Shopper Intelligence）？ Lizbeth James 详细定义了“自主消费者智能”。它是一个闭环的 AI 系统，能够实现“持续检测、自主决策、闭环执行”，并在关键时刻主动提示“人在回路”（Human in the loop）进行快速决断与行动。随着算法模型的不断验证与成熟，未来虽然可以在特定环节减少人工干预，但这涉及非常微妙的界限与风险控制。该系统具备持续自我学习能力，不仅能诊断业务波动的根本原因，还能直接执行商业策略动作。 快消行业普遍充斥着海量的 Power BI 报表和分析看板（Dashboards），但根本没有业务人员有足够的时间深入逐行研读。自主智能的本质是完成从“洞察”（Insights）到“行动”（Action）的跃迁。这绝非单纯的研究报告或单一看板工具，而是一套能够自主采取行动的实时 AI 运营模型。 ```mermaid flowchart TD accTitle: 自主消费者智能闭环系统 subgraph DataEngine ["实时信号与数据引擎"] A["零售商第一方数据与多源信号"] --> B["数据清洁室 / 特征工程"] end subgraph AutonomousSystem ["自主 AI 运营系统"] B --> C["持续检测 (Detect)"] C --> D["归因诊断与决策 (Decide)"] D --> E["自主执行商业动作 (Act)"] E --> F["自我学习与优化 (Learn)"] F -.-> C end subgraph HumanLoop ["治理层"] D <--> G["人在回路 (Human in the Loop)"] end ``` --- ### [03:54](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=234s) 沃尔玛生态与驱动自主智能的六大核心组件 在具体零售实践中，沃尔玛（Walmart）是一个典型代表。沃尔玛推出了专属的消费者行为数据平台，早期被称为 Luminate，如今升级为 Scintilla。通过该平台，品牌能够获取活跃的购物者行为数据以及竞争情报。 结合沃尔玛生态，驱动这套自主智能体系的数据输入主要由六大核心组件构成，涵盖了庞大的 KPI 体系与海量数据吞吐： - **零售商第一方数据（Retailer First-Party Data）**：真实的消费者行为与交易信息。 - **数字货架指标（Digital Shelf Metrics）**：追踪包括 Walmart Sparky、Amazon Alexa 等 AI Agent 的代客购物轨迹、产品详情页（PDP，Product Detail Page）呈现形态、页面浏览量及从浏览到转化的转化率变化。 - **零售媒体网络（Retail Media Networks, RMN）**：追踪全链路广告数据，从最初看到广告的曝光展现（Impressions）一直到最终购买转化。 - **零售商表现与库存管理（Performance & Inventory）**：实时库存监控。例如一旦库存不足，系统可自动触发下调或暂停对应的商品详情页（PDP）展示，避免缺货损失。 - **跨零售商与品类智能（Cross-Retailer & Category Intelligence）**：多渠道横向对比及行业大盘分析。 - **智能体决策（Agentic Decisioning）**：由 AI Agent 驱动的智能规则与执行引擎。 每个数据源单独提供 80 到 85 个以上的 KPI。以玛氏为例，公司拥有三大业务板块和数千款 SKU，如果将指标与产品组合相乘，后端系统处理的数据量极为庞大，在高峰时期后台甚至需要同时跑动超过 5000 万行的庞大数据集。 --- ### [06:10](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=370s) 范式转移：为什么自主智能在此刻至关重要？ 这种转变的核心驱动力并非单纯因为生成式 AI（GenAI）的横空出世，而是底层数据机制发生了质的飞跃。传统快消行业长期依赖尼尔森样本组（Nielsen Panel）来获取消费者洞察。例如在宠物护理（Pet Care）品类中，尼尔森可能持续追踪约 125,000 个固定家庭样本；而如今，仅沃尔玛一家零售商就能提供多达 7200 万消费者的近乎实时的一手购物数据。这种数据量级的飞跃彻底颠覆了传统 CPG 滞后的报告周期。 数据体量的爆炸已经远远超出了人类大脑的处理极限，跨维度的复杂异常信号如果没有 AI 介入便根本无法被捕捉与归因。此外，商业模式已经从传统的电子商务演进为“全域互联商业”（Connected Commerce）——从 TikTok Shop 社交带货到零售巨头平台，再到智能体购物（如融入 Alexa 的交互形态）。在未来一到两年内，消费者可能不再打开 Amazon App 手动搜索下单，而是直接让 Alexa 搞定。如果制造商品牌缺乏自主智能系统来进行实时全盘追踪，将无法在日益个性化的消费者购物旅程中生存。 --- ### [08:43](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=523s) 自主消费者智能的技术架构栈 Lizbeth James 概述了在内部项目中落地该体系的核心技术栈（为保护商业机密进行了脱敏处理）。她强调：“没有坚实的数据基座，AI 就无从谈起。” ```mermaid flowchart TD accTitle: 自主消费者智能技术栈 subgraph Layer1 ["数据基座层"] L1A["集中式原始数据层 (Raw)"] --> L1B["原子层 / 金层 (Atomic/Gold)"] end subgraph Layer2 ["算法与人群引擎"] L2A["传统机器学习 (回归 / K-Means聚类)"] L2B["基于哈希 ID 的消费者行为客群引擎 (Cohort Engine)"] end subgraph Layer3 ["高级 AI 与智能体"] L3A["深度学习、NLP 与 Embeddings"] L3B["Agentic AI 编排层 (多 Agent 生态)"] end subgraph Layer4 ["交互呈现层"] L4A["对话式 AI (Conversational AI UX)"] end Layer1 --> Layer2 Layer2 --> Layer3 Layer3 --> Layer4 ``` 技术架构自下而上包含以下几个关键层次： 1. **数据基础设施（Data Foundation）**：将分散数据清洗并统一，流转至极度干净、几乎实时的原子层（Atomic Layer）或金层（Gold Layer）。 2. **传统机器学习与预测模型**：尽管大语言模型（LLM）和生成式 AI 备受瞩目，但线性回归、K-Means 聚类等传统 ML 模型在预测性和客群建模中依然扮演基石角色。 3. **消费者身份与客群引擎（Shopper Identity & Cohort Engine）**：在全面告别 Cookie 与严格隐私法规下，系统通过对用户真实身份（如邮箱）进行哈希脱敏，仅依据哈希 ID 的连续行为特征构建细分客群。 4. **深度学习、NLP 与向量嵌入（Embeddings）**：主要采用企业级解决方案，结合部分开源工具进行深度语义与行为分析。 5. **Agentic AI 编排层与对话式交互（UX）**：利用多 Agent 编排机制训练大模型以精准回答业务问题，最终通过自然的对话式 AI 界面将洞察与建议呈现给业务人员。 --- ### [10:57](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=657s) 市场服务商与实战案例过渡 在当前市场生态中，不少新兴与老牌服务商正在快速成长。例如，Pacvue 在零售媒体领域深耕已久；而新兴企业如 CommerceIQ 在沃尔玛生态中表现突出，能够高效连接 Scintilla 与 Connect 广告数据并提供闭环智能。Lizbeth James 澄清自己并非为任何第三方软件背书，仅作行业观察分享。随后，她正式切入实际业务案例，通过具体场景展示这套复杂的智能系统如何在商业运营中协同落地。 ### [11:46](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=706s) 自主生态的技术完备与传统快消巨头的组织沉疴 构建自主购物者智能（Autonomous Shopper Intelligence）生态的技术基础早已完全就绪，当下的 AI 算力与算法不仅能处理孤立的异常，更具备并行检测与分析数百万个异常指标的强大能力。然而，阻碍这套自主系统落地的根本瓶颈不在于技术本身，而在于大型快消企业（CPG）内部盘根错节的流程与官僚壁垒。以雀巢（Nestlé）、玛氏（Mars）或可口可乐（Coca-Cola）这类体量庞大的传统企业为例，其内部“重度繁文缛节”（heavy internal red tape）与僵化的跨部门协作机制，极大地拖慢了创新步伐。 虽然自主化工作流在大型企业内部确实能缩短决策周期，但传统快消巨头往往仍需花费整整一年才能搭建起这套系统；相比之下，新兴敏捷的小型 CPG 品牌凭借轻装上阵的优势，仅需短短数月即可完成全盘部署。这种敏捷性使得新兴挑战者能够在市场中迅速站稳脚跟并取得巨大成功。如果传统行业巨头依然不愿放下沉重的历史包袱以求加速，“这实际上正在严重拖慢他们的脚步”。 --- ### [13:42](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=822s) 预警触发：沃尔玛咖啡品类 10% 异常下滑的秒级诊断 在传统快消行业基准中，个位数的业绩下滑（如 1% 至 9%）往往被视作常规周期波动而被管理层忽视，大家普遍抱有“反正下个周期系统会自动修正”的侥幸心理。因此，自主智能体（Agentic AI）通常将触发阈值设定在两位数下滑——例如某日常咖啡品类在沃尔玛（Walmart）渠道突然出现的 10% 业绩跌幅。在传统模式下，分析师甚至还没来得及打开数据看板，而自主智能体已经在数分钟内端到端完成了异常捕获与交叉归因。 智能体在毫秒级时间内横向穿透了搜索、定价与会员忠诚度等多维信号，打通了原本割裂在 4 个不同数据源、20 个独立 KPI 中的“跨信号集群”（cross-signal clusters）。传统报表难以察觉的隐性异动被迅速拼凑出全貌：线上提货与配送（Online Pickup & Delivery, 简称 OPD）渠道订单骤降、拉美裔（Hispanic）家庭购买力明显萎缩，以及在与克罗格（Kroger）重叠的特定地理区域中销售额出现了急剧下滑。 ```mermaid flowchart TD accTitle: 咖啡品类异常下滑的自主智能体检测与诊断流程 accDescr: 展示智能体从捕获10%下滑信号到多数据源诊断及多模块干预的端到端流程 subgraph Detection ["信号捕获与触发 (数分钟内)"] A["沃尔玛日常咖啡品类<br/>触发 -10% 下滑阈值"] --> B["自主智能体捕获预警"] B --> C1["OPD 提货配送订单骤减"] B --> C2["拉美裔家庭渗透率下滑"] B --> C3["Kroger 重叠区域销售收缩"] end subgraph Diagnosis ["跨维度交叉归因 (4数据源 / 20个KPI)"] C1 & C2 & C3 --> D["穿透搜索、定价、忠诚度与货架信号"] D --> E1["渠道端：OPD 缺货导致强制替代"] D --> E2["消费者：价格敏感与风味认知混乱"] D --> E3["数字化：PDP 排名与数字货架评分暴跌"] D --> E4["竞品端：Café Bustelo 加大营销与战术定价"] end subgraph Action ["多模块干预与闭环执行"] E1 & E2 & E3 & E4 --> F["生成干预策略组合 (预期回升 4-6%)"] F --> G1["调整 OPD 选品：引入拉美偏好风味"] F --> G2["数字货架优化：西语素材 + 内容评分提至 92"] F --> G3["门店端：战术调价与风味探索组合包"] G1 & G2 & G3 --> H["系统自动执行/更新 + 人机协同反馈学习"] end ``` --- ### [15:46](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=946s) 拼凑全貌：六大异常信号与四维下钻诊断 为了向业务团队精准呈现问题全貌，智能体提取了 6 个互为印证的关键业务信号： 1. **购物篮与备货任务变化**：日常咖啡品类的囤货型采购（Stock-up trips）全线收缩。 2. **品类关联度腰斩**：“咖啡+咖啡伴侣（Creamer）”的连带购买率（Attach rate）几乎直接断崖式折半。在过去，如果销售策略团队某位品类经理发现该现象，需要向数据团队提工单拉数据、下载清洗并反馈给分析团队，整套流程耗时至少一个月；而在智能体生态中，这一归因过程在 30 至 40 分钟内即可完成。 3. **品牌流失与转移（Switching）**：消费者转移数据清晰显示，大批原雀巢品牌买家流向了竞品 Café Bustelo。 4. **自有品牌蚕食**：沃尔玛自有品牌“惠宜”（Great Value）在关键邮政编码区域的咖啡份额迅速攀升。 5. **忠诚度严重侵蚀**：核心高频购买人群的留存率急剧萎缩至 12%。 6. **再激活窗口收窄**：消费者流失后的再激活时间窗口按周环比持续变窄。 随后，智能体将上述 6 大信号置于 4 个核心商业维度进行立体下钻： - **渠道维度（Channel）**：深入分析沃尔玛线下门店与四类线上履约通路，发现线上 OPD 渠道因缺货等机制引发了强制替代购买，而 Café Bustelo 在线下门店的动销同步走高。 - **购物者维度（Shopper）**：流失用户对当前价格极其敏感，且对现有产品的风味产生混淆与疲劳，而 Café Bustelo 恰好提供了更契合其口味偏好的风味替代方案。 - **数字化维度（Digital）**：零售媒介网络（RMN）投放效率低下，产品详情页（PDP）的数字货架（Digital Shelf）自然搜索排位出现明显下滑。 - **竞争维度（Competition）**：竞品 Café Bustelo 敏锐捕捉到市场空档，大幅追加了零售媒体广告预算，并激进推出了战术性降价促销，展开份额掠夺。 --- ### [18:56](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1136s) 自主干预矩阵：从动态内容分发到人机协同闭环 诊断完成后，智能体不会止步于出具报表，而是直接输出具备量化收益预期的干预方案矩阵，供团队审核后一键执行： - **修复 OPD 选品组合**：针对拉美裔消费客群补充偏好风味。大型快消往往需要一年到一年半才能完成新品上市，而小品牌一两个月就能落地，巨头必须在局部选品调配上加速。 - **重构数字货架与零售媒体**：建议将数字货架内容质量分（Content Quality Score）全面提升至 92 分，包括清洗产品描述与标签、优化场景生活方式配图、压制并处理负面评价，并专门针对拉美客群上线西班牙语（Spanish）广告素材，预计可带来 3% 至 5% 的增量提效。 - **线下与价格干预**：推出价格优化策略及“风味探索组合包”（Flavor discoverable bundles），预计带来 4% 至 6% 的品类修复，从而逐步对冲并扭转负 10% 的下行颓势。 随着系统从策略推荐迈向自主闭环（Autonomous Execution），在亚马逊（Amazon）等生态中，智能体已能根据输入直接自动生成并更新优化后的 PDP 详情页内容，甚至无需人工介入中间环节。同时，借助 Skai 等供应商插件，系统可实现品牌切换行为的实时动态监控。 在人机协同（Human-in-the-loop）的持续学习实践中，品牌经理通过反馈机制对智能体进行校准。团队曾针对 250 个真实商业问题训练智能体模型，在品牌经理持续纠偏与反馈下，模型准确率从最初的 60% 大幅跃升至 85%。尽管目前仍存在 15% 的差距，需要人类进行最后的错误校验与把关，但这有力证明了反馈回路的有效性；随着持续训练，人工干预步骤最终将被逐步精简。 ### [22:52](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1372s) 从 Databricks Genie 到代理购物：商业运行模型的范式转移 在探讨智能代理的实际落地时，Databricks 的 Genie 代理展示了基础 Agent 架构的演进深度：该代理通过持续学习与优化，能够理解并回答超过 250 个不同维度的自然语言业务问题，自动生成交互式报表、趋势图表与深度洞察。这种自主分析能力正在彻底重构消费品公司的响应周期。过去，一家企业面对渠道异动或增长停滞，往往需要耗费一到两年的漫长周期才能完成诊断、调整并恢复元气；而如今借助自主分析体系，企业在第一周就能捕捉到异常信号，第二至第三周便能排查出根因并制定干预策略，第二个月开始见证业绩复苏，到了第三个月以上即可彻底恢复增长。这种敏捷度不仅适用于单一事件，还能跨越数十万个 SKU 与品类，并发运行数百万种假设排列组合与情景推演。 ```mermaid flowchart TD accTitle: 传统响应周期与自主智能代理决策周期对比 subgraph Legacy["传统人工决策周期 (1-2 年)"] L1["人工报表汇总与清洗"] --> L2["长周期复盘分析"] L2 --> L3["跨部门拉通定策"] L3 --> L4["被动缓慢恢复"] end subgraph Autonomous["自主购物智能决策周期 (3 个月)"] A1["第 1 周：异常信号自主检出"] --> A2["第 2-3 周：多因素归因与干预方案"] A2 --> A3["第 2 个月：执行干预与业绩初见回升"] A3 --> A4["第 3 个月以上：全面恢复并持续优化"] end ``` 这种底层效率的飞跃正在催生一个全新的商业运作模式——未来不再是“人类亲自购物”，而是“AI 代理替人类购物”。当消费者只需对智能助手说一句“Alexa，帮我买某某用品”时，消费决策与比价便直接在后台由 Agent 完成。如果品牌方的购物者智能系统不能实时理解代理算法的偏好，品牌就会在生成式购物链路中彻底隐形。这与当年 Instacart 等即时零售平台刚兴起时的情景如出一辙：当时很多传统消费品大牌对其不屑一顾，误以为它们只是替超市跑腿的中间商；然而消费者随后开始绕过沃尔玛官网、直接在 Instacart 上搜索加购，没有进驻数字货架的品牌瞬间失去了曝光与销量。面对即将到来的“代理购物时代”，行动敏捷的品牌不仅能够跟上步伐，更能主导行业规则，而这一切的根基都在于标准统一的数据底座。 - **快速恢复时间线**：第 1 周完成指标异常检出；第 2 至 3 周锁定根因并生成干预措施；第 2 个月实现初期企稳复苏；第 3 个月以上重回增长轨道。 - **Instacart 历史教训**：早期忽视新兴中介平台的快消巨头，在消费者搜索行为转移后遭遇了严重的数字货架边缘化。 - **核心论点**："The brands that can act now won't just keep up, they will set the pace."（唯有当下立即行动的品牌，才能从跟随者跃升为领跑者）。 --- ### [25:27](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1527s) 跨领域 AI 编排：打通宏观变量、供应链与零售媒体 现场观众提问聚焦于当社交媒体爆发热点、突发需求激增时，消费品企业与零售商内部往往面临供应链受阻、促销失效、定价被动等一系列连锁冲击，AI 编排系统究竟该如何在复杂的跨部门职能之间保持协同。Lizbeth 阐述了分层防御与变量注入的系统化建模策略。在每一个业务领域的独立模型构建中，首要防线是融入不可控的宏观外生变量。无论是评估全渠道媒体投放的投资回报率（ROI），还是预测供应链采购风险，关税变动等宏观经济因素都会作为刚性变量嵌入模型底层，从而在源头上抑制 AI 模型的幻觉与预测漂移，将误差收敛在可控的高精度区间内。 在多模型与跨智能体编排层面，Mars 采用了包括 LangChain 以及最新模型上下文协议（MCP，Model Context Protocol）在内的工具生态，将各类分析模块与数据管道无缝连接。面对多方技术供应商与数据源，通过标准化的协议接口与调度引擎，实现各业务域的闭环协同。尽管多模型编排充满工程复杂性与摩擦，但这种深度的系统串联成功让营销预算调整、库存补货优先级与动态定价策略在面对突发市场脉冲时，能够同步联动而非各自为政。 - **多变量统一建模**：将关税冲击、宏观通胀、供应链采购周期等外部不可控变量直接作为底层参数输入媒体 ROI 与需求预测模型。 - **架构编排工具**：利用 LangChain 进行 Agent 逻辑串联，并要求新引入的外部供应商统一适配标准化接口协议（如 MCP），确保上下文与分析结果无缝回传。 - **分层防御机制**：通过在各垂直领域模型预先注入行业基准与约束条件，构筑阻断 AI 幻觉的第一道防线。 --- ### [27:38](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1658s) 零售商第一方数据赋能与多语言受众微观建模 针对现场关于不同语言文化背景（例如西班牙语族裔受众）在模型训练中是否存在偏差或数据黑洞的疑问，Lizbeth 指出，消费品品牌在这一领域拥有巨大的合作优势——来自全美头部零售商的第一方数据。以沃尔玛等零售巨头为例，其自有的消费者画像体系对多语言人群、不同族裔群体的购买轨迹与偏好进行了极其严密而精细的沉淀与追踪。 消费品品牌直接调取并融合这些高颗粒度的零售商数据，能够精准识别细分人群的消费习惯与文化微调倾向；当出现局部数据稀疏或空缺时，团队会借助定向模型进行合理推断与概率假设。针对业内普遍担忧的“基础大模型缺乏多元文化和族裔训练数据”的问题，Lizbeth 明确指出，在消费品领域的实际运营中，由于头部零售商视多元族裔客群为核心增长引擎，其第一方零售媒体与交易数据在多语言覆盖上保持着极高的完整度，并未出现显著的模型失真。 - **零售商第一方优势**：大型零售商（如 Walmart）自建了成熟的多语言及跨文化购物者追踪体系，为下游品牌商提供了未经稀释的第一手行为特征数据。 - **缺口补偿机制**：在长尾或低频场景下，通过严谨的统计推断模型对数据缺失进行加权插值与假设拟合。 --- ### [29:11](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1751s) 从零售 SEO 到 AEO：对话式 AI 环境下的货架争夺战 伴随生成式 AI 成为消费者的导购入口，搜索与发现的逻辑发生了本质裂变，这标志着商业竞争正从传统的“零售搜索引擎优化”（Retail SEO）加速迈向“答案引擎优化”（AEO，Answer Engine Optimization）。Lizbeth 解读了品牌在对话式 AI 环境中抢占心智与货架的核心机制： ```mermaid flowchart LR accTitle: 零售传统 SEO 与生成式 AEO 的优化路径对比 subgraph Traditional["传统零售 SEO (搜索展示)"] T1["目标关键词规划"] --> T2["产品元数据填充"] T2 --> T3["搜索结果页排名 (SERP)"] end subgraph Conversational["答案引擎优化 AEO (对话采纳)"] C1["高置信度事实沉淀"] --> C2["权威第三方引用 (Citations)"] C2 --> C3["品牌声量提及 (Mentions)"] C3 --> C4["Agent 生成推荐答案首选"] end ``` 在对话式 AI 场景下，品牌可以通过两条路径建立优势：其一是商业化通道，即直接在对话式交互环境中购买赞助广告位进行优先触达；其二则是类似于传统 SEO 的有机优化路径。过去，SEO 侧重于针对算法挑选关键词、编写网页元数据与产品详情；而现在面对回答引擎，品牌必须规划并经营自己在全网与权威平台上的“引用量”（Citations）与“提及度”（Mentions）。由于生成式 Agent 在组装推荐回答时高度依赖清晰、权威的事实源，品牌只要为大模型提供结构化、高置信度的问题答案，Agent 便会在生成导购建议时首选该品牌。这种策略对于抵御零售商自有品牌（Private Label）的低价蚕食、拉开与竞品差距具有决定性意义。 - **AEO 核心评价指标**：从传统的关键词排名与曝光频次，转变为大模型生成答案中的品牌提及率（Mentions）与权威信源引用率（Citations）。 - **对抗自有品牌**：利用高权重的事实性内容优化，确保在消费者向智能助手寻求品类推荐时，品牌产品在算法权衡中压过白牌与零售商自有品牌。 --- ### [30:59](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1859s) 变革管理与组织减负：将繁琐流程转化为 5000+ 小时红利 谈及如何让传统销售与分销团队接纳 AI 工具，Lizbeth 直言，在大型成熟企业中推进变革管理绝非一蹴而就的坦途，必须通过切实的“减负赋能”来换取业务一线的拥抱。过去，一线业务分析师为了产出一份决策报告，需要手动从不同零售商门户与数据库下载 18 份格式各异的报表，花费大量时间进行数据清洗、格式转换与手工校验，且最终输出的数据真实性仍然存疑。 数据赋能团队通过自动化与智能代理重塑了工作流，将原本耗时极长的数据调取与整理流程缩短了近二十倍（从 35 倍耗时直降至 2 倍耗时）。在短短 6 个月内，该项目为业务团队累计节省了超过 5,000 个工时。当员工切实感受到繁重手工劳动被解放、拥有更多精力聚焦高价值策略时，最初的抵触迅速转变为积极参与。此外，团队将这些智能体打造成“初级销售分析师”（Junior Sales Analyst）的角色定位，为高管提供直观的数字化看板，并在每周一早晨自动生成管理层摘要，使得高管和一线人员都能毫无门槛地体验 AI 带来的便利，从而为后续探索创新方案与启动概念验证（Pilot）铺平了道路。 - **耗时倍数压缩**：从传统手工拉取清洗的极度低效，提升至仅需原先极少比例的计算时间，数据就绪速度大幅提升。 - **量化生产力提升**：系统上线仅半年便为跨职能团队释放了超过 5,000 个全职工时（person-hours）。 - **文化融入策略**：开展密集的“午餐学习会”（Lunch & Learn），以智能代理输出“周一高管晨报”，通过微小而确定的切身体验赢得自上而下的信任。 --- ### [33:28](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2008s) 技术生态矩阵：从 PDP 内容评分到复杂多云编排 在回答关于数字化货架监控与底层技术栈构成的提问时，Lizbeth 澄清了核心指标的边界划分。演示中所提及的“内容得分”（Content Score）完全是针对电商端“产品详情页”（PDP，Product Detail Page）的合规度诊断——它严格评估产品是否具备高质量的 B+ 级别富媒体主图、真实生活场景图（Lifestyle Images）以及精准的元数据埋点，确保数字货架的视觉呈现与转化率达到极致。而针对 AEO 与搜索维度的声量追踪，则接入了诸如 Conductor 等行业专业监测工具，通过实时拉取权威引用与品牌提及数据，回流至中台进行闭环归因。 ```mermaid flowchart TD accTitle: Mars 购物者智能与多供应商混合云架构 subgraph Frontend["前端洞察与运营监控"] F1["PDP 内容诊断评分 (B+ 图片 / 元数据)"] F2["AEO / SEO 实时监测引擎 (Conductor)"] F3["管理层定制面板 / 周一晨报看板"] end subgraph Middleware["闭环调度与智能编排"] M1["LangChain 编排层"] M2["零售媒体闭环平台 (Walmart Connect / 外部中枢)"] M3["标准化 MCP 协议集成"] end subgraph Infrastructure["底层数据与多云底座"] B1["Microsoft Azure 云基础设施"] B2["Databricks 统一湖仓分析平台"] B3["15+ 家专业技术供应商与现场交付团队"] end Frontend --> Middleware Middleware --> Infrastructure ``` 在系统全生命周期的底层架构方面，Mars 本质上是一个以微软 Azure 为核心的架构体系（Azure Shop），后端以 Databricks 为统一的数据存储、处理与智能计算引擎。在前后端协作链路中，后台有超过 15 家细分领域的基础设施技术供应商与常驻顾问团队深度参与，分别负责零售媒体网络（如 Walmart Connect 闭环数据链路）、数字货架抓取与自动化分析。在整套生态中，AI 编排引擎的核心价值在于前瞻性模拟：系统能在后台主动执行数以百万计的情景排列与仿真推演，提前评估供应链波动或营销调配的潜在后果，从而在商业决策付诸实施前便完成最优推演。 - **PDP 内容评分规范**：针对电商产品详情页设立的量化标准，覆盖 B+ 图片、生活方式视觉素材及完备的底层元数据规范。 - **监测供应商生态**：引入 Conductor 等工具实时跟踪对话式引擎与搜索渠道中的品牌引用指标。 - **底层基础设施概貌**：依托 Microsoft Azure 云底座，以 Databricks 构建数据底座与 Genie 类分析能力，背后由超过 15 家专项技术供应商构成混合交付矩阵，持续运行主动式仿真模拟。 ### [36:35](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2195s) 自主 Agent 预测机制与人机协同的准确率跃升 在复杂的商业预测中，传统人力难以穷尽所有变量的时间跨度与排列组合。自主智能体（Autonomous Agent）的核心价值正是承担这种繁重的数学运算与多维度推演，例如预测“执行某项决策后，品牌将在 18 个月或 20 个月后进入正向增长轨道”。然而，系统的有效性离不开“人类在环”（Human-in-the-Loop）的持续反馈机制——随着业务团队不断检验智能体的预测是正确还是失误，模型在正向与负向反馈中得到针对性训练。 通过在多个业务场景和实际项目中的持续迭代，系统逐步建立起稳健的置信度。以实际落地项目为例，初始阶段 Agent 的准确率仅在 60% 左右，但通过人类专家的持续调优与反馈闭环，准确率最终稳固提升至 85% 甚至更高，真正实现了从不可靠的单点预测到可信赖的业务助手的演进。 - **复杂组合计算**：由 Agent 自动穷举不同时间节点（如 18 个月 vs 20 个月）的策略排列组合，突破人力计算极限。 - **人在回路机制**：人类专家持续对 Agent 的推演结果进行校验与纠偏，形成自适应学习闭环。 - **准确率提升路径**：在实际落地项目中，Agent 的决策准确率通过持续训练从最初的 60% 提升并稳定在 85% 左右。 --- ### [37:52](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2272s) 底层数据底座（Data Foundation）的治理与竞品追踪 为支撑上层智能决策，团队在底层数据基础架构（Data Foundation）和源数据层（Source Layer）建立了严密的数据治理机制。在企业内部，新产品推出被称为“创新”（Innovation）。针对内部产品创新，系统设定了按季度的全面数据清洗与集成机制（Quarterly Run），确保所有新 SKU 在进入分析链路前完成有效性验证。 与内部相对固定的推新节奏不同，外部市场竞争瞬息万变。竞争对手可能每天都在调整策略或上线新品，因此数据底座配置了周度级别的竞品跟踪流水线（Weekly Tracking），实时捕获并转化后端变动。所有清洗、校验与对齐工作均在底层数据基座内封闭完成，数据产品（Data Products）和上层高级分析模块无需因底层数据变动而频繁重构，保障了分析系统的稳定性。 ```mermaid flowchart TD accTitle: 数据底座治理与数据流转架构 subgraph DataIngestion["底层数据源接入 (Source Layer)"] A["内部新品创新数据<br/>(按季度清洗接入)"] B["竞品动态追踪数据<br/>(按周度自动化更新)"] end subgraph DataFoundation["数据底座治理 (Data Foundation)"] C["数据验证与清洗中心"] D["标准化数据资产 (Data Products)"] end subgraph ApplicationLayer["上层智能应用 (Analytics & Apps)"] E["Persona 自定义工作台"] F["自主 Agent 决策与执行"] end A --> C B --> C C --> D D --> E D --> F ``` - **季度新品清洗**：每季度自动触发内部创新产品（Innovation）的全面清洗与验证，确保底层元数据完备无误。 - **周度竞品监控**：针对竞品每日可能的变动建立周度追踪机制，动态捕捉竞品 SKU 及其渠道表现。 - **解耦稳定性**：底层的频繁变更与清洗止步于数据底座，上层分析产品不受底层逻辑变动的侵扰。 --- ### [38:54](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2334s) 从传统 Power BI 看板迈向“从洞察到行动”（Insights to Action） 随着 AI 技术的深度融入，传统的归因与衡量模型（Attribution & Measurement Models）迎来了颠覆式简化。企业正在全面淘汰传统的 Power BI（PBI）静态报表看板，转向基于 Web App 的自主决策平台。原先散落在各处的旧报表正被 Agent 自动整合，通用数据全部沉淀回数据底座，彻底消除冗余的数据孤岛。 现代系统不仅提供数据展示，而是直接实现“从洞察到行动”（Insights to Action）。系统根据不同的用户角色（Persona）——如品牌经理（Brand Manager）、销售分析师（Sales Analyst）或销售副总裁（VP of Sales）——生成定制化的执行摘要面板。系统会主动提示：“上周发生了这 10 件事，其中这几项与您的目标高度相关，是否需要我进一步深入排查？”让数据直接转化为可操作的行动指令。 - **淘汰静态看板**：利用 Agent 汇总整理历史 PBI 看板中的核心指标，回填数据底座并逐步关停孤立看板。 - **角色化智能分发**：根据用户职能角色（Persona）动态生成定制化执行摘要，精准推送关键事件。 - **自主行动闭环**：摆脱单纯的数据呈现，系统主动提炼核心变化并推荐下一步行动方案。 --- ### [40:23](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2423s) 日常咖啡品类实战：跨部门协同与完全自主执行愿景 该体系在快消品业务中进行了全面验证。在针对“日常咖啡”（Everyday Coffee）细分赛道的落地用例中（结合了演讲者此前在雀巢 Nestlé 的实践经验及当前在玛氏 Mars 的方法论），分析范围锁定了日常咖啡全域市场，排除了高端精品咖啡等无关品类。分析宇宙（Universe）覆盖了核心自有产品及前五至六大重点竞争对手，并动态将那些表现突出（如成功从线上拓展至实体门店）的新兴特色 SKU 纳入监测。 该系统是一套真正打通全企业的端到端解决方案（Enterprise Solution）。AI 提出的干预方案（Interventions）能够一次性联动调度近六个不同的职能团队。在现阶段，AI 负责协同编排并向各业务团队发出通知，由业务人员审核与确认；而未来的长远目标则是实现完全自主化——当 Agent 的可靠性经过充分验证后，系统无需人工干预即可自主触发执行端到端的业务策略，直接拉动业务增长。 - **聚焦目标品类宇宙**：锁定 Everyday Coffee 赛道，囊括核心 SKU、Top 5-6 竞品及具备高潜力的创新标杆。 - **跨六大团队编排**：AI 策略引擎跨越 IT 与业务边界，协同协调 6 个部门的干预与落地动作。 - **终极演进路径**：从当前的“AI 编排、人类跨部门复核”逐步过渡到“Agent 端到端自主执行并交付增长指标”。 ## Notable quotes > [08:43](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=523s) 没有坚实的数据基座，AI 就无从谈起。 — Lizbeth James > [11:46](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=706s) 这实际上正在严重拖慢他们的脚步 — Lizbeth James > [22:52](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=1372s) The brands that can act now won't just keep up, they will set the pace. — Lizbeth James > [38:54](https://www.youtube.com/watch?v=PxHKbxD6mtY&t=2334s) 上周发生了这 10 件事，其中这几项与您的目标高度相关，是否需要我进一步深入排查？ — Lizbeth James ## Mentioned Lizbeth James, Mars, Nestlé, Coca-Cola, Walmart, Target, Kroger, Luminate, Scintilla, Walmart Sparky, Amazon Alexa, TikTok Shop, Nielsen, Pacvue, CommerceIQ, Café Bustelo, Great Value, Skai, Databricks Genie, Instacart, LangChain, Model Context Protocol (MCP), Conductor, Microsoft Azure, Power BI, Dorel Juvenile ## Video description Lizbeth James - NA Head - Data & AI Enablement, Mars For decades, brands have relied on syndicated panels and historical reporting to understand consumers, but today's connected commerce ecosystem provides a much richer view of actual shopper behavior. In this session, I will explore how retailer first-party data, retail media networks, digital shelf signals, and Agentic AI are transforming the way organizations generate insights and make decisions. Drawing on experiences across Mars, Nestlé, Coca-Cola, Dorel Juvenile, and the Walmart ecosystem, I'll share how AI is helping organizations transform shopper data into real-time, actionable intelligence. Attendees will learn practical approaches for moving beyond traditional consumer measurement and building AI-powered decision ecosystems that continuously learn, recommend, and optimize actions. Join me to discover how Autonomous Shopper Intelligence is becoming the foundation for the next generation of growth. [Source](https://www.youtube.com/watch?v=PxHKbxD6mtY)

[8:43] Lizbeth James: 没有坚实的数据基座，AI 就无从谈起。 [11:46] Lizbeth James: 这实际上正在严重拖慢他们的脚步 [22:52] Lizbeth James: The brands that can act now won't just keep up, they will set the pace. [38:54] Lizbeth James: 上周发生了这 10 件事，其中这几项与您的目标高度相关，是否需要我进一步深入排查？

[20:48] Lizbeth James: It might sound very insensitive but that is the reality [41:06] Lizbeth James: The agent, if the agent is doing a really good job over time, the agent can give the final output. On its own execute it and show the growth.

[0:04] द टॉपिक एस यू कैन सी इज राइज ऑफ ऑटोनॉमस [0:07] शॉपर इंटेलिजेंस बट गिवेन दैट आई हैव मेट [0:11] सो मेनी ऑफ़ यू इन द लास्ट टू डेज एंड आई [0:14] रियलाइज़ दैट इट्स नॉट वेरी सीपीजी फोकस्ड [0:17] इवेंट सो आई जस्ट वांट टू लाइक एस्टैब्लिश [0:20] फ्यू बेसिक डिटेल्स इन टर्म्स ऑफ़ व्हाट आई [0:22] एम प्रेजेंटिंग टुडे सो आई कम फ्रॉम [0:25] मार्स। Mars इज़ अ सीपीजी कंपनी। व्हिच इज़ [0:27] अ कंस्यूमर पैकेज्ड गुड्स कंपनी। वेदर यू [0:30] वर्क इन दी इंडस्ट्री ओर नॉट। वी आर ऑल [0:32] पार्ट ऑफ इट। बिकॉज़ आइदर एनी पेंट्री यू [0:35] गो इन यू सी अ प्रोडक्ट फ्रॉम Mars, ओर [0:38] खोक गिवन एनी डे यू यूज़ इट ऑलमोस्ट एववरी [0:42] डे। [नाक से की जाने वाली आवाज़] एंड वी [0:43] ऑल बाय थिंग्स फ्रॉम द रिटेलर। सो द [0:46] प्रीवियस पैनल वाज़ वेरी मच यू नो इन लाइन [0:48] विथ दैट। लाइक, यू नो, Warmart, Target, [0:51] क्रोगर। सो द कन्वर्सेशन टुडे हियर इज़ हाउ [0:54] द शॉपर इंटेलिजेंस व्हिच मींस ईच एंड [0:56] एव्री वन ऑफ़ यू हाउ द रिटेलर कैन एक्चुअली [1:00] सी रियल टाइम बिहेवियर ऑफ़ हाउ यू शॉप एंड [1:04] हाउ अ ब्रांड लाइक मार्स और कोक कैन [1:07] बेनिफिट फ्रॉम दैट बट विदाउट नोइंग योर [1:11] फर्स्ट पार्टी आइडेंटिटी। सो दैट्स द [1:13] स्टोरी लाइन। एंड नाउ हाउ दैट कैन बी रन [1:17] थ्रू एन ऑटोनॉमस एजेंट। सो इट्स मोर [1:20] प्रोएक्टिव देन रिएक्टिव। सो दैट्स द [1:23] कॉन्टेक्स्ट फॉर टुडे। सो लेट्स डाइव इंटू [1:26] इट। [1:28] सो, बिफोर वी स्टार्ट, आई वांट ट्य हैव अ [1:30] क्विक इंट्रोडक्शन अबाउट हु आई एम। ओवर 20 [1:32] इयर्स ऑफ़ एक्सपीरियंस इन रिटेल सीपीजी [1:35] एडवरटाइजिंग एंड मीडिया। हैड द प्रिविलेज [1:37] टू वर्क विथ सम ऑफ़ द बेस्ट ब्रांड्स इन [1:39] ग्लोबल ग्लोबली। अह वर्क्ड डिफरेंट, अह [1:43] वर्क इन डिफरेंट कंट्रीज। फर्स्ट हाफ वाज़ [1:46] प्रिडोमिनेंटली इन मिडिल ईस्ट एंड एशिया। [1:48] द सेकंड इन नॉर्थ अमेरिका एंड ब्रीफली इन [1:50] यूरोप एज़ वेल। आई आल्सो हैड द प्रिविलेज [1:53] टू सीट एज़ एन एडवाइर और अ मेंबर इन सम ऑफ़ [1:56] द अह ग्रुप्स और प्रोग्राम्स विथ रिटेल [2:00] रिटेलर्स ओर अदरवाइज़ द प्रोडक्ट्स। [2:04] सो, सेटिंग द स्टेज, द इंटेलिजेंस गैप इन [2:07] मॉडर्न रिटेल, राइट? लाइक वेदर यू आर अ [2:09] कोक ब्रांड ओर अ नेस्ली ओर अ मास ब्रांड [2:13] मोस्ट ऑफ़ द टाइम वी सी इज़ रिऐक्टिव बाई [2:16] डिज़ाइन। सो यू नेवर गेट अ चांस टू [2:18] प्रोएक्टिवली प्लान एव्रीथिंग। सो इट्स [2:20] यूजुअली यू वेट फॉर द डेटा द डेटा हैज़ टू [2:22] कम इन एंड इन फैक्ट द अडोप्शन ऑफ़ एआई इज़ [2:26] रिलेटिवली स्लोवर इन दिस सेग्मेंट ओवरऑल। [2:29] एंड द न्यू स्टैंडर्ड। हाउएवर, रिटेलर्स [2:32] हैव एक्चुअली मूव्ड अहेड इन अ वे दैट दे [2:35] सेट अप डाटा क्लीन रूम्स। दी इकोसिस्टम [2:38] वेयर दे आर डिसाइडेड टू स्टार्ट शेयरिंग [2:40] डेटा विथ द मैन्युफैक्चरर्स एंड इट्स [2:42] बिकमिंग ऑलमोस्ट रियल टाइम। नाउ द [2:44] क्वेश्चन इज़ हाउ फ़ास्ट अ ब्रांड कैन [2:46] स्टार्ट यूज़िंग देम। [2:49] सो, व्हॉट इज़ ऑटोनॉमस शॉपर इंटेलिजेंस? [2:51] सो, व्हाट इज़ ट्रूली द डेफिनिशन ऑफ इट? [2:53] एंड हाउ दिस इज़ बिकमिंग वेरीेंट इन ईच ऑफ़ [2:57] योर पर्सनल लाइफ इन द फ्यूचर। दिस इज़ अ [3:00] क्लोज लूप एआई सिस्टम दैट डिटेक्ट्स [3:03] डिसाइड्स एक्ट्स कंटीन्यूअसली [3:05] प्रोएक्टिवली इनफॉर्मिंग द ह्यूमन इन द [3:08] लूप टु एक्शन क्विकली। नाउ ओवर टाइम दिस [3:11] ह्यूमन इन द लूप कैन बी टेकन आउट विथ द [3:14] वैलिडेशन व्हिच इज़ अ डेंजरस स्पेस। इट्स अ [3:17] वैरी फाइन लाइन। सो इट लर्न्स [3:19] कंटीन्यूअसली। इट कैन डायग्नोस रूट कॉजिस [3:22] एक्सक्यूटस कमर्शियल एक्शन। आई जस्ट वांट [3:25] टू मेक इट वेरी क्लियर। सो इफ यू आर एनी [3:27] ऑफ़ यू आर इन सीपीजी वी ऑल नो दैट वी गेट [3:30] टन्स ऑफ़ पीबीआई रिपोर्ट्स एंड डैशबोर्ड्स। [3:34] नो वन हैज़ अ टाइम टू लाइक रियली गो इंटू द [3:36] डिटेल्स एंड स्टडी एंड अंडरस्टैंड व्हाट [3:38] इट इज़। सो, विथ ऑटोनॉमस इंटेलीजेंस, यू आर [3:41] एक्चुअली मूविंग फ्रॉम इंसाइट्स टु एक्शन। [3:44] सो, व्हाट आई एम टॉकिंग अबाउट हियर इज़ नॉट [3:46] डैशबोर्ड, नॉट रिसर्च, नॉट अ सिंगल टोल्ड [3:49] बट इट एक्चुअली अ रियल टाइम एआई ऑपरेटिंग [3:52] मॉडल दैट एक्ट्स ऑटोनॉमसली। [3:54] नाउ ब्रिंगिंग बैक टू द स्टोरी लाइन लाइक [3:57] हाउ वी कैन रिलेट टू दिस स्टोरी, राइट? [3:59] सो, आई ऍम फोकसिंग हियर प्रिडोमिनेंटली, [4:01] Walmart। एंड, Walmart हैज़ रिसेंटली [4:04] लॉन्च्ड। आई मीन नॉट रियली रिसेंटली अबाउट [4:06] फोर इयर्स अगो, बट रिसेंटली इट्स बिकम [4:08] प्रोमिनेंट। दे ट्रेडिशनली कॉल्ड इट [4:11] लोमिनेट बट नाउ इट्स कॉल्ड सिंटिला। सो [4:13] इट्स अ शॉपर बिहेवियर एक्सक्लूसिव डाटा [4:16] प्लेटफॉर्म। सो दे स्टार्ट प्रोवाइडिंग [4:19] एक्टिव शॉपर डेटा विथ यौर एंड कॉम्पिटिटिव [4:23] इंटेलिजेंस थ्रू दिस प्लेटफॉर्म। दे आल्सो [4:26] हैव अदर फाइव डिफरेंट सोर्सेस वेयर द डेटा [4:29] इज़ कमिंग फ्रॉम। सो Walmart एस अ रिटेलर [4:31] अलोन एज़ अ मैन्युफैक्चरर वी गेट रिटेलर [4:35] फर्स्ट पार्टी डेटा व्हिच इज़ एक्चुअल शॉपर [4:37] इनफार्मेशन। डिजिटल शेलफ मैट्रिक्स। वी [4:40] टॉकड अबाउट एजेंटिक राइट बिफोर द सेशन। ऑन [4:43] लाइक एजेंट्स हाउ दी एजेंट्स डू द शॉपिंग। [4:45] Walmart Sparki, Amazon, Alexa. सो, हाउ [4:49] दे डू द शॉपिंग, द डिजिटल शेलफ, हाउ द [4:51] प्रोडक्ट डिटेल पेज लुक, हाउ द कंटेंट इज़ [4:53] मैन मैनिप्युलेटेड। सो, वी कैन गेट एव्री [4:56] सिंगल डिटेल ऑफ़ हाउ मेनी पीपल विजिट्स द [4:59] पेज, व्हाट इज़ द ट्रांजैक्शन फ्रॉम व्यू [5:02] टू कन्वर्शन, रिटेल मीडिया नेटवर्क्स। [5:04] लाइक एनी कैंपेनेंस यू सी वी कैन एक्चुअली [5:07] गेट इंप्रैशंस टू कन्वर्शन डाटा। द एंटायर [5:10] परचेस साइकिल। द फर्स्ट टाइम यू सो दी ऐड [5:13] टू द फाइनल कन्वर्शन। रिटेलर परफॉर्मेंस [5:15] एंड इन्वेंटरी मैनेजमेंट। लाइक ऐट एनी [5:17] टाइम व्हेन द स्टॉक इज़ लो, वी कैन ट्रिगर [5:20] द पीडीपी टु गो डाउन व्हिच इज़ द प्रोडक्ट [5:22] डिटेल पेज टु गो डाउन। सो, यू कैन [5:24] एक्चुअली मैनिप्युलेट एंड मैनेज दैट। [5:25] क्रॉस रिटेलर एंड कैटेगरी इंटेलीजेंस एंड [5:28] फाइनली, दी एजेंटिक डिसिजनिंग। सो, दीज़ आर [5:30] द सिक्स [गला साफ़ करने की आवाज़] कोर [5:32] कंपोनेंट्स व्हिच ड्राइव्स दिस ऑटोनॉमस [5:34] इंटेलिजेंस एंड इंडिविजुअली ईच ऑफ़ दिस [5:37] सोर्स प्रोवाइड्स 80 टू 85 प्लस केपीआईस। [5:41] सो इफ यू ऐड देम इंटू द नंबर ऑफ़ स्कूस वी [5:45] प्ले। सो फॉर एग्जांपल मार्स इज़ अ कंपनी [5:47] वी हैव थ्री सेग्मेंट्स थाउज़्स ऑफ़ [5:50] प्रोडक्ट्स। सो इंटू दैट मेनी डाटा। सो यू [5:54] कैन इमेजिन लाइक एट अ टाइम देयर वाज़ अ [5:57] पॉइंट देयर वाज़ एट अ पॉइंट वेयर माय बैक [5:59] एंड वाज़ रनिंग लाइक 50 मिलियन रोज़ ऑफ़ डाटा [6:03] विथ अस एंड कंपटीशन इंटेलिजेंस। सो इट्स [6:06] इट्स क्वाइट हाई इन वॉल्यूम। [6:10] नाउ वी ऑलरेडी टॉक अबाउट दी इंटेलिजेंस [6:12] लूप। [6:14] एंड व्हाई इट मैटर्स नाउ? व्हाई दिस [6:16] कॉन्वर्सेशन इज़ सो इंपॉर्टेंट इन टुडेज़ [6:19] एनवायरनमेंट एंड व्हाई इट मैटर्स नाउ, [6:21] राइट? इज़ इट बिकॉज़ जेनआई केम इंटू [6:23] एक्सिस्टेंस? नॉट रियली। ट्रेडिशनली हाउ [6:26] सीपीजीस ऑपरेटेड वाज़ देयर वाज़ समथिंग [6:28] कॉल्ड नेल्सन पैनल। एंड नेल्सन पैनल वाज़ द [6:31] मेन सोर्स फॉर शॉपर इंटेलिजेंस। व्हाट दैट [6:34] मींस इज़ नेल्सन हेड अ सेट ऑफ़ हाउसहोल्ड्स [6:37] व्हिच दे ट्रैक ओवर इयर्स। सो, व्हिच रंस [6:40] फॉर एग्जांपल, अ पेट केयर एज़ अ कैटेगरी [6:42] रंस मे बी अबाउट 125,000 हाउसहोल्ड्स। [6:46] टुडे Walmart एलोन कैन प्रोवाइड मी 72 [6:50] मिलियन शॉपर डेटा कंपेयर टू 125000 [6:53] हाउसहोल्ड्स। सो दैट्स द ट्रांजिशन। सो द [6:56] रियल फर्स्ट पार्टी डेटा इज़ एक्चुअली [6:59] ऑलमोस्ट रियल टाइम कंपेयर टू द ट्रेडिशनल [7:02] सीपीजी रिपोर्टिंग साइकल्स। सो दैट्स [7:04] फर्स्ट चेंज। एंड दिस इज़ दिस इज़ नॉट [7:06] हैपेंड बिकॉज़ एआई वाज़ एडवांस्ड ओर जेनआई [7:09] हैपेंड। इट्स जस्ट नेचुरली द मशीन लर्निंग [7:12] गॉट सो इंप्रूव्ड। डाटा क्लीन रूम बिकम [7:15] इंपॉर्टेंट एंड जेनआई जस्ट हैपेंड टू [7:17] एक्सेलरेट द मोमेंटम। रिटेलर डेटा [7:20] वॉल्यूम्स एक्सीड्स ह्यूमन प्रोसेसिंग [7:21] कैपेसिटी व्हिच वी आई ऑलरेडी डिस्कस। [7:24] क्रॉस सिग्नल पैटर्न आर इनविज़िबल विथाउट [7:26] ए? नाउ यू थिंक अबाउट सच लार्ज क्वांटिटी [7:29] डेटा? हाउ डू यू हाउ कैन यू कनेक्ट अ [7:31] एनोमली टू अ प्रॉब्लम टू सलूशन। राइट? [7:34] लाइक, द डेटा इज़ सो बिग। नाउ, यू [7:36] डेफिनेटली नीड़ एन एजेंट एंड अ मॉडल टू [7:39] सॉल्व, फॉर सोल्व दैट फॉर यू। कनेक्टेड [7:42] कॉमर्स। सो, वी टॉक अबाउट ई-कॉमर्स। वी नो [7:44] अबाउट डिजिटल कॉमर्स। नाउ द एडवांस्ड [7:47] वर्जन ऑफ़ कॉमर्स इज़ एक्चुअली कनेक्टेड [7:49] कॉमर्स। इट कुड बी एनीवेयर फ्रॉम TikTok [7:52] शॉप। टु अ Walmart सेल्स टू एन एजेंट। सो [7:55] फॉर एग्जांपल, इट्स नॉट फार अवे दैट, [7:58] एजेंटिक शॉपिंग इज़ ऑलरेडी देर। सो फॉर [8:00] एग्जांपल, Walmart Sparki, Amazon, Alexa, [8:03] रूफस इज़ अह एलिमिनेटेड बिकॉज़ इट्स [8:06] इंटेग्रेटेड बैक इंटू Alexa. सो, बिफोर वी [8:08] नो इन अबाउट अनदर वन ऑर टू इयर्स, नन ऑफ़ [8:11] यू विल बी गोइंग बैक इंटू दी Amazon एप टु [8:13] डु शॉपिंग, यू विल प्रॉबब्ली जस्ट टेल [8:15] Alexa एंड दैट्स अबाउट इट। सो इट्स [8:17] कनेक्टेड कॉमर्स इस सो इंटेग्रेटेड दैट इफ [8:20] यू डू नॉट इफ एज अ एज़ अ मैन्युफैक्चरर इफ [8:23] यू डू नॉट हेव ऑटोनॉमस इंटेलिजेंस एंड [8:27] एक्टिव ट्रैकिंग ऑफ़ व्हाट्स हैप्पेनिंग इन [8:29] योर बिज़नेस देयर इज़ नो वे यू विल बी [8:31] सक्सेसफुल बिकॉज़ इट्स इंपॉसिबल फॉर यू टू [8:34] ट्रैक ऑलमोस्ट रियल टाइम व्हाट्स [8:36] हैप्पेनिंग इन द वर्ल्ड एंड एव्री [8:38] कंज्यूमर इज़ गोइंग टू हैव अ पर्सनलाइज्ड [8:40] परचेस जर्नी। [8:43] सो, दिस इज़ द स्टैक वी हैव यूज्ड इन [8:46] सर्टेन प्रोजेक्ट्स। आई वुड लाइक टू कीप [8:48] इट एनोनिमस बिकॉज़ आई कैन नॉट नेसेसरली [8:51] शेयर आउट द इंटरनल इनफार्मेशन। बट हाई [8:54] लेवल, द स्टैक इज़ ऑब्वियसली एव्रीथिंग [8:56] स्टार्टस विथ डेटा इंफ़्रास्ट्रक्चर। [8:58] विदाउट अ स्ट्रांग डेटा फाउंडेशन, नो एआई [9:01] एक्सिस्ट। आई एम् श्योर ऑल ऑफ़ यू हैव हर्ड [9:03] अबाउट इट मल्टीपल टाइम्स। एंड व्हेन आई [9:05] टॉक अबाउट द स्टैक वीस्पेशली द डेटा [9:09] फाउंडेशन वी गो ऑल द वे फ्रॉम [9:11] सेंट्रलाइजिंग ऑल दिस डेटा टू अ रो लेयर [9:13] टू एन एटॉमिक लेयर वी कॉल इट ओर अ गोल [9:16] लेयर इन अ वेरी वेरी क्लीनर वे एंड [9:18] ऑलमोस्ट रियल टाइम बिकॉज़ इफ विथाउट दैट [9:21] देयर इज़ नथिंग पावर्स आफ्टर एंड इवन दो [9:24] दिस जेनआई एल एलिमेंट इज़ एन इंपॉर्टेंट [9:27] पार्ट ऑफ इट। एलएलएम्स आर इंपॉर्टेंट [9:29] पार्ट ऑफ़ इट। बट स्टिल ट्रेडिशनल मॉडल्स [9:31] प्ले अ वैरी इंपॉर्टेंट रोल इन द शॉपर [9:33] इंटेलिजेंस इकोसिस्टम ऑल द वे फ्रॉम अह यू [9:37] नो रिग्रेशन लिनियर रिग्रेशन टू अह [9:39] केमिनेंस क्लस्टरिंग ऑल ऑफ़ दोज़ आर स्टिल [9:42] वैरी इंपोर्टेंट फॉर अस टू रियली डिराइव [9:45] प्रेडिक्टेबिलिटी एंड मॉडलिंग। अह शोपर [9:47] आइडेंटिटी एंड कोहर्ट इंजन विथ अह कुकी एज़ [9:50] अ कुकी इज़ एलीमिनेटेड एंटायरली। वी कैन [9:53] नोट हैव ऑल द प्राइवेसी लॉज़ नॉट अलाउ यू [9:57] टू शेयर द आइडेंटिटी ऑफ़ द पर्सन यू आर [10:00] सेलिंग टू। हाउएवर, यू कैन एक्चुअली [10:03] अंडरस्टैंड द बिहेवियर ऑफ़ द आईडी। लाइक, [10:07] इट आल ट्रैक्स बाई हैश आइडी। व्हिच मींस, [10:09] योर ईमेल आईडी इज़ मास्ड, बट योर बिहेवियर [10:12] इज़ ट्रैक। सो, बेस्ड ऑन द बिहेवियर, यू [10:15] कैन ग्रुप एंड डिज़ाइन कोहॉट इंजेंस। लाइक, [10:17] शॉपर कोहॉर्ट इंजंस। एंड दैट ड्राइव्स योर [10:20] इंटेलिजेंस। देन डीप लर्निंग एनएलपी एंड [10:23] एंबेडिंग्स। सो मोस्ट ऑफ द बिग सीपीजीस दे [10:26] हैव एंटरप्राइज सलूशंस। इट्स नॉट ओपन [10:29] सोर्स बट देयर आर ओकेजनल ओपन सोर्स अह यू [10:32] नो सलूशंस हेड बीन लेवरेज्ड एज़ वेल। एंड [10:34] ऑफ़ कोर्स फाइनल लेयर इज़ योर एजडीकेआई [10:37] ऑर्केस्ट्रेशन। यू नीड टू हैव मल्टीपल अह [10:39] एजीके इकोसिस्टम टू बी लाइक लेवरेज्ड टू [10:42] मेक इट वर्क एंड देयर आर एडवांस्ड मॉडल्स [10:44] बीन यूज़्ड टू ट्रेन द मॉडल फॉर आंसरिंग द [10:47] क्वेश्चंस। द फाइनल यूएक्स इज़ कंप्लीटली [10:50] डेलीवर्ड यूज़िंग कन्वर्सेशनल एआई। सो, दिस [10:53] इज़ लाइक योर हाई लेवल अम टेक्स्ट। [10:57] देयर आर फ्यू प्लेयर्स इन द मार्केट राइट [11:00] नाउ हू आर डूइंग अह सम रियली गुड जॉब। दे [11:03] आर लाइक रियली अह न्यू प्लेयर्स हू आर [11:05] कमिंग अप। इन फैक्ट Pack हेड बीन अराउंड [11:08] फॉर अ लॉन्ग टाइम। दे आर वेरी गुड इन [11:10] रिटेल मीडिया। आई मीन रिसेंटली आइ फाउंड [11:13] दैट दिस कंपनी कॉल्ड CO दे आर डूइंग अ [11:15] वैरी गुड जॉब एस्पेशली इन द Walmart [11:16] इकोसिस्टम। कनेक्टिंग सिंडीला एंड कनेक्ट [11:19] एंड प्रोवाइडिंग दिस क्लोज लूप [11:21] इंटेलिजेंस। आय मीन जस्ट वांट टू मेक [11:23] श्योर आई एम नॉट एनर्सिंग एनीवन। आय जस्ट [11:25] फाउंड आउट दिस गाइज़ डूइंग अ रियली गुड [11:27] जॉब। सो आई जस्ट थॉट आय विल शेयर इन केस [11:29] इफ यू वांट टू फाइंड आउट और लर्न मोर [11:31] अबाउट इट। सो नाउ आई वांट टू यूज़ वन यूज़ [11:34] केस टू लाइक रियली टेल द स्टोरी। व्हाट आय [11:37] जस्ट सेड इफ यू कम ब्रिंग एव्रीथिंग [11:39] टुगेदर लाइक व्हाट दैट लुक्स लाइक एंड हाउ [11:42] इट एक्चुअली ट्रांसलेटस। अनफॉर्चुनेटली [11:44] इट्स नॉट अ वीडियो। इट्स नॉट फन। इट्स अ [11:46] थिओरिटिकल इनफार्मेशन बट आई विल ट्राई टू [11:49] कीप इट एज़ फन एज़ पॉसिबल। ओके। [11:53] सो फर्स्ट एंड फोरमोस्ट बिफोर वी स्टार्ट [11:55] इंटू दी इलस्ट्रेशन एंड ऑनेस्टली इन द [11:57] व्हेन आई टॉक अबाउट दी इलस्ट्रेशन इट इज़ [12:00] नॉट एन एक्चुअल डेटा बट इट्स अ [12:02] इलस्ट्रेटेड डेटा बिकॉज़ आई कैन नॉट शेयर द [12:05] एक्चुअल डेटा। बट देयर इज़ अ फंडामेंटल गैप [12:08] एक्सिस्ट इवन व्हेन आई एम टॉकिंग अबाउट दी [12:10] ऑटोनॉमस इकोसिस्टम। नॉट बिकॉज़ ऑफ़ द [12:13] टेक्नोलॉजी एंड अवेलेबिलिटी। टेक्नोलॉजी [12:15] इज़ रेडी। देयर इज़ इनफ एंड मोर अवेलेबल फॉर [12:19] एनी सीपीजी कंपनीज़ टु प्योरली डिराइव दिस [12:22] ऑटोनॉमस इकोसिस्टम। एंड द बेस्ट पार्ट इज़ [12:25] इट्स नॉट लाइक आई आई एम टॉकिंग अबाउट वन [12:27] पर्टिकुलर एनोमली एंड अ सलूशन। यू कैन हैव [12:30] मिलियंस ऑफ़ सच एनोमली एंड डिटेक्शन रनिंग [12:33] पैरेलली। द टेक्नोलॉजी इज़ एडवांस्ड टु दैट [12:35] लेवल। हाउएवर [12:37] कंपनीज़ व्हिच आर रियली बिग लाइक Nesle, [12:40] Mars, C को दे आर लेगसी कंपनीज़। देयर [12:44] इंटरनल रेड टेप इज़ हैवी। द प्रोसेस आर सो [12:48] टफ एंड डिफिकल्ट टू मैनेज। इट्स इंपॉसिबल [12:52] फॉर अस टिल लाइक कट थ्रू सम ऑफ़ दीज़ टफ [12:54] इंटरनल वेज़ ऑफ़ वर्किंग। इन फैक्ट विथ [12:57] ऑटोनॉमस अह वे ऑफ़ वर्किंग, वी स्टिल [13:00] रिड्यूस द टाइमलाइन क्वाइट अ बिट। बट नॉट [13:02] एट द लेवल ऑफ प्रॉबब्ली अ न्यू [13:04] एंटरप्रेन्योरल न्यू स्मॉल सीपीजी हु इज [13:07] कमिंग इन द मार्केट। दे कैन एक्चुअली [13:10] इंप्लीमेंट दिस इन अ मैटर ऑफ मंथ्स। [13:12] व्हेयर इन अ कंपनी व्हिच इज़ एस्टैब्लिशड [13:14] कुड टेक यू नो प्रॉबब्ली अ ईयर टू [13:17] एस्टैब्लिश समथिंग लाइक दिस। सो, द [13:19] डेस्टिनेशन इज़ अ सेम। टाइमलाइन डिपेंडस ऑन [13:21] हाउ फ़ास्ट यू आर विलिंग टू मूव। एंड वी सी [13:24] दैट चेंज। लाइक देर आर स्मॉल प्लेयर्स हु [13:26] आर कमिंग इन, एस्टैब्लिशिंग सो फ़ास्ट [13:28] बीइंग एक्सट्रीमली सक्सेसफुल, बिकॉज़ ऑफ़ [13:30] दिस रीज़न। लाइक, एंड एंड बिग कंपनीज़ आर [13:33] स्टिल नॉट विलिंग टु कट ऑफ़ आल दैट [13:36] एक्स्ट्रा बैगेज टु मोर फास्टर। एंड दैट [13:39] एक्चुअली स्लोइंग देम डाउन। [13:42] सो लेट्स लुक एट द सिनारिओ। सो आई एम [13:44] टेकिंग अ यूज़ केस व्हिच इज़ सिमिलर टू लाइक [13:46] लेट्स टेक अ Nestle कॉफ़ी। एवरीडे कॉफ़ी [13:49] सेगमेंट। ओके? नाउ, अम वी आर सेलिंग इन [13:53] Walmart Warmart कॉफ़ी सेगमेंट इन द एवरीडे [13:56] कैटेगरी। सो दैट्स द सेगमेंट वी आर डूइंग [13:58] इट एट एज़ एन एग्जांपल हियर। नाउ [14:01] इन अ फ्यूचर स्टेट व्हेन यू सी अ नेगेटिव [14:04] 10% डिक्लाइन ऑफ अ पर्टिकुलर कैटेगरी [14:06] व्हाई नेगेटिव 10% बिकॉज़ इन द ट्रेडिशनल [14:09] बेंचमार्क ऑफ सीपीजी कंपनीज़ इफ इट्स अ वन [14:11] पर्सन वन एनी सिंगल डिजिट डिक्लाइन डज़ंट [14:14] नेसेसरली कंसिडर अ ह्यूज इम्पैक्ट बिकॉज़ [14:17] वी टेंड टू सी दैट ओके इन द नेक्स्ट साइकल [14:20] इट विल जस्ट ऑटो करेक्ट यू नो इट हैप्पेंस [14:22] बिकॉज़ इट्स सच अ ह्यूज अ मशीन ऑफ़ वर्क। [14:25] सो, आइडियली, योर ट्रिगर पॉइंट हैज़ टू बी [14:28] लाइक समवेयर इन द टू डिजिट डिक्लाइन। [14:30] दैट्स वेयर द एजेंट गेट्स द फर्स्ट ट्रिगर [14:32] दैट ओके, इट्स गोइंग टू डिक्लाइन नाउ देयर [14:34] इज़ समथिंग गोइंग ऑन। सो, आई हैव टेकन द [14:36] एग्जांपल एज़ अ 10% डिक्लाइन इन कॉफ़ी [14:39] सेगमेंट, डिटेक्टेड डायग्नोस्ट एंड सोल्ड। [14:42] सो, दिस कैन बी डन इन मिनट्स इन दिस न्यू [14:45] एनवायरनमेंट विथाउट बिफोर इवन अ ह्यूमन [14:49] एनालिस्ट कम्स एंड ओपन्स द डैशबोर्ड। द [14:52] एजेंट कैन डू एंड टू एंड सलूशन। एजेंट कैन [14:55] सी द नेगेटिव 10% अह ट्रिगर फर्स्ट। फिगर [14:58] आउट व्हाट इज़ गोइंग ऑन। सो, इट कैन [15:00] डिटेक्ट सो, थिंग्स लाइक ऑनलाइन पिकअप एंड [15:03] डिलीवरी मिशन्स आर ड्रॉपड। इट कैन [15:05] आईडेंटिफाई हिसपेनिक हाउसहोल्ड्स, देयर इज़ [15:07] अ डिक्लाइन इट सेइंग, देयर सीम्स टू बी सम [15:10] यू नो, रिडक्शन इन द सेल्स इन क्रोग [15:12] ओवरलैपिंग रीजन। सो, दीज़ आर लाइक सम [15:14] ट्रिगर्स इट डिटेक्ट। नाउ, इट्स स्टार्टेड [15:16] डाइग्नोसिंग। सो, व्हाट्स हैप्पेनिंग, [15:18] राइट? क्रॉस सिग्नल क्लस्टर्स अक्रॉस [15:20] सर्च, प्राइसिंग, लॉयल्टी इनविज़िबल टु [15:22] ट्रेडिशनल रिपोर्टिंग। नाउ दीज़ थ्री [15:24] एरियाज़ आर कमिंग फ्रॉम फोर डिफरेंट [15:26] सोर्सेज़ अक्रॉस 20 केपीआई। सो, ओनली एन [15:31] एजेंट कैन डू एट दैट स्पीड टू फिगर आउट [15:34] ओके दीज़ आर द चेंजेस हैप्पेनिंग एंड दोज़ [15:35] एनोमिलीज़ हैव बीन आइडेंटिफाइड। एंड इट कैन [15:38] एक्चुअली एक्टिवेट अ मॉड्यूल। मल्टी [15:40] मॉड्यूल रेस्पोंस ट्रिगरर्ड एंड डिप्लॉयड [15:42] ऑटोमेटिकली। आई मीन दैट वाज़ अ समरी। आई [15:44] विल जस्ट क्विकली गो थ्रू द डिटेल। सो [15:46] स्टेप वन, सो सिक्स सिग्नल्स दैट टेल द [15:49] फुल स्टोरी। सो, द फर्स्ट स्टेप इज़ विथ इन [15:52] योर मिशन एंड योर बास्केट शिफ्ट व्हाट [15:54] हैपेंड? सो योर स्टॉक अप ट्रिप्स [15:56] डिक्लाइनिंग अक्रोस एव्रीडे सेग्म। सो यू [15:58] कैन ट्रैक द डिटेल्स दैट योर स्टॉकअप [16:01] ट्रिप्स आर डिक्लाइनिंग। नाउ द नेक्स्ट यू [16:02] आर सीइंग इज़ द कॉफ़ी प्लस क्रीमर अटैच रेट [16:05] इज़ फेल सिग्निफिकेंटली ऑलमोस्ट लाइक हाफ [16:08] ऑफ इट। मोस्ट ऑफ़ द टाइम व्हाट हप्पेंस इज़ [16:10] युजुअली वन पर्सन इन वन कैटेगरी [16:13] आइडेंटिफाइज़ दिस विथ इन सेल्स स्ट्रेटजी। [16:15] दे विल फिगर आउट व्हाई इट इज़ हप्पेनिंग। [16:17] दे विल सेंड अ रिक्वेस्ट टु द डाटा टीम। [16:19] दे विल स्टार्ट पुल्लिंग द इनफार्मेशन। दे [16:21] विल डाउनलोड इट। इट विल कम बैक टू द [16:23] एनालिस टीम। दैट इटसेल्फ इज़ वन मंथ। इन द [16:26] एजेंटिक इकोसिस्टम। दिस इस समथिंग व्हिच [16:29] कुड हैव हैपेंड इन लाइक 30 टू 40 मिनट्स। [16:31] दैट्स द चेंज इट विल यू नो ब्रिंग इन दी [16:34] स्पीड फॉर द बिज़नेस। सेग्मेंट स्विचिंग। [16:37] नाउ वी नो दैट, वी कैन ट्रैक स्विचिंग [16:40] डाटा। सो वी कैन फाइंड आउट एक्जेक्टली हाउ [16:42] मेनी कंस्यूमर्स हैव मूव्ड फ्रॉम विच [16:44] ब्रांड टू व्हिच ब्रांड। सो, इफ देयर आर [16:47] स्विचिंग रिपोर्ट सेइंग दैट ओके, दे वर [16:49] बाइंग ने एस्कफे बट नाउ दे हैव मूव्ड टू [16:51] बस्टेलो। सो, यू कैन क्लियरली ट्रैक द [16:54] नंबर। प्राइवेट लेबल गेनिंग शेयर इन की [16:56] ज़िप कोड। सडनली ग्रेट वैल्यू, कॉफ़ी इज़ [16:59] एक्चुअली गेनिंग इन सर्टेन ज़िप कोड्स। सो, [17:01] यू हैव दैट इनफार्मेशन। नाउ यू हैव फोर [17:03] सिग्नल्स यू हाव आईडेंटिफाइड। लॉयल्टी [17:06] इरोजन। पीपल हु वर बाइंग अवर प्रोडक्ट [17:08] सिग्निफिकेंटली नाउ रिड्यूस डाउन टू 12% अ [17:10] सिग्निफिकेंट लॉयल्टी इरोजन। रीएक्टिवेशन [17:13] विंडो नाउ नैरोड ओवर वीक ओवर वीक। सो [17:17] सिक्स क्लियर सिग्नल्स इंडिकेटिंग दैट [17:19] देयर इज़ अ प्रॉब्लम एंड देयर इज़ समथिंग [17:21] गोइंग ऑन व्हिच इज़ नॉट राइट। एंड सो द [17:25] डायग्नोसिस इज़ इन नाउ इट स्टार्ट लुकिंग [17:27] एट फोर डायमेंशंस। हाउ दिस गेट्स [17:31] एक्टिवेटेड अक्रॉस फोर डिफरेंट डायमेंशंस। [17:33] सो चैनल सो विथ इन चैनल Walmart सेल्स [17:37] थ्रू डिफरेंट चैनल्स। सो इट हैज़ इन स्टोर। [17:39] इट हैज़ ऑनलाइन। विथ इन ऑनलाइन देयर आर फोर [17:42] टाइप्स ऑफ़ चैनल्स। ऑनलाइन पिकअप एंड [17:44] डिलीवरी इज़ वन पर्टिकुलर चैनल। सो वी आर [17:46] फाइंडिंग दैट ओके ऑनलाइन पिक अप एंड [17:48] डिलीवरी फोर्सिंग सब्सीट्यूशन फॉर सम रीज़न [17:51] कंज़्यूमर्स आर एक्चुअली डिक्लाइनिंग एंड [17:53] स्टोर सेल्स आर पिकिंग अप फॉर बस्टेलो। सो [17:56] दैट डेटा इज़ कमिंग इन एट द चैनल लेवल। [17:58] शॉपर लेवल। व्हाई कंस्यूमर्स आर स्विचिंग। [18:01] वन प्राइस इज़ अ प्रॉब्लम। सेकंड, दे हैव [18:03] फिगर आउट दैट द फ्लेवर हैज़ सम लेवल ऑफ़ [18:06] कन्फ्यूजन व्हिच दे वर ओरिजिनली यूज़्ड टू। [18:08] नाउ बस्टेलो इज़ प्रोवाइडिंग अ बेटर [18:10] फ्लेवर। सो दैट चेंजज़ हैपेंड। दैट ऑल्सो [18:12] आईडेंटिफाइड एंड ट्रैक्ट विथ डेटा सो दैट [18:15] द लीडरशिप कैन सी इट एंड दे के कैन नॉट से [18:17] नो दिस इज़ नॉट द राइट आंसर। राइट? डिजिटल। [18:21] सो ऑनलाइन कैंपेनस इन रिटेल मीडिया एंड इन [18:24] योर प्रोडक्ट डिटेल पेज, योर डिजिटल शेल्फ [18:26] एंड योर सर्च कैंपेन, योर रैंक इज़ ड्रॉप। [18:29] योर पीडीपी इज़ डाउन। सो यू आर क्लियरली [18:31] सीइंग दैट। एंड फाइनली, द कॉम्पटीशन, सो [18:34] बस्टेलो आल्सो मस्ट बी ट्रैकिंग दिस [18:36] इन्फॉर्मेशन। सो दे डिसाइडेड टू इंक्रीस [18:39] देयर रिटेल मीडिया स्पेंड। दे डिसाइडेड टू [18:41] रिड्यूस अ प्राइसिंग प्रोग्राम। दे एडेड [18:44] अनदर टैक्टिकल प्राइसिंग प्रोग्राम एंड दे [18:46] बिकम अग्रेसिव ऐट दिस पॉइंट। सो डैट दे [18:49] गेट द मैक्सिमम शेयर। सो, ऑल ऑफ़ दिस इज़ द [18:51] फोर डायमेंशंस वेयर द चेंज इज़ हैप्पेनिंग। [18:54] नाउ, हाउ डू [नाक से की जाने वाली आवाज़] [18:56] यू डू व्हाट डू यू डू? राइट? सो, द एजेंट [18:59] इटसेल्फ स्टार्टेड डिसाइडेड ओके, आई एम [19:02] गोइंग गिव यू इंटरवेंशंस। सो दीज़ आर द [19:05] इंटरवेंशंस यू कुड डु बिकॉज़ व्हेन आई रन [19:08] दोज़ इंटरवेंशंस, आय कुड सी अ पोटेंशियल [19:11] गेन इन शेयर ओवरटाइम। सो, लेट्स स्टार्ट [19:14] विथ दिस इंटरवेंशन, यू वैलिडेट इट इंटरनली [19:17] ऐज़ ह्यूमंस। एंड देन वी कैन रन इट। सो, [19:20] फर्स्ट, लेट्स फिक्स दी ओपीडी व्हिच इज़ दी [19:22] ऑनलाइन पिकअप एंड डिलीवरी असोर्टमेंट। [19:24] व्हाट कैन व्हाट कैन यू डू टू फिक्स दैट? [19:26] लाइक हाउ कैन यू ब्रिंग इन हिसपेनिक [19:28] फ्लेवर्ड फ्लेवर्स प्रेफर्ड फ्लेवर्स इंटू [19:31] योर मिक्स। राइट? सो, दिस इज़ वेयर बिग [19:33] सीपीजीस अगेन हेव अ प्रॉब्लम। बिकॉज़ अ [19:36] न्यू प्रोडक्ट विल टेक वन वन एंड हाफ [19:38] इयर्स टू कम टू दी मार्किट। अ स्मॉलर [19:40] सीपीजी कैन ब्रिंग देट इन अ मंथ ओर टू। दे [19:44] आर वेरी क्विक इन ब्रिंगिंग अ चेंज ओर अ [19:46] न्यू फ्लेवर। डिजिटल शेलफ एंड रिटेल [19:48] मीडिया नेटवर्क। योर ओवरऑल डिजिटल शेलफ [19:51] कंटेंट स्कोर। दी यू नो इट इज़ द एजेंट इज़ [19:55] सजेस्टिंग नाउ ब्रिंग इट अप टू 92 बाय [19:58] क्लीनिंग अप योर प्रोडक्ट डिस्क्रिप्शन। [19:59] क्लीनिंग अप योर लेबलिंग, क्लीनिंग अप योर [20:01] लाइफस्टाइल इमेजिंग। क्लीनिंग अप योर [20:03] रिव्यू नेगेटिव रिव्यु। देयर इज़ लॉट्स ऑफ़ [20:05] वर्क यू कैन डू टू इंप्रूव योर कंटेंट [20:07] क्वालिटी स्कोप। यू कैन इंप्रूव योर [20:10] कैंपेन इन स्पेनिश लैंग्वेज। इंप्रूव द [20:12] लैंग्वेज, इंप्रूव द कैंपेन एंड द [20:14] क्रिएटिव इन द स्पैनिश लैंग्वेज। एंड देन [20:16] दैट कुड गिव यू अ थ्री टू 5% लिफ्ट। एंड [20:19] देन फाइनली प्राइस एंड इन स्टोर यू नो [20:22] फ्लेवर डिस्कवरेबल बंडल्स। सो दीज़ आर थ्री [20:25] इंटरवेंशन्स इट्स आइडेंटिफाइंग बेस्ड ऑन द [20:27] प्रॉब्लम वी हैव फाउंड एंड एव्री सिंगल [20:30] ब्लॉक इज़ एडिंग अ सर्टेन परसेंटेज इन [20:33] टर्म्स ऑफ ग्रोथ, प्रोजेक्टेड परसेंटेज इन [20:35] टर्म्स ऑफ़ ग्रोथ, फोर टू 6% सेगमेंट [20:37] रिकवरी। नाउ इफ यू ऐड दैट अप, वी विल [20:40] स्टार्ट चेंजिंग दैट नेगेटिव 10% इंटू अ [20:43] पॉजिटिव ट्रेंड एंड दिस विल वर्क एज़ अ [20:45] बिल्डिंग ब्लॉक फॉर यू टू गेट टू दैट [20:47] पॉइंट। [20:48] एग्जीक्यूशन कंटीन्यूअस ऑप्टिमाइजेशन। नाउ [20:51] द सिस्टम डजंट स्टॉप एट रेकमेंडेशन एंड [20:54] इटसेल्फ करेक्ट्स इन रियल टाइम। सो व्हाट [20:56] हैप्पेंस हियर इज़ इट स्टार्ट ऑटो [20:58] एक्सक्यूटिंग। सो, अह लाइक एट टुडेज़ [21:01] वर्ल्ड, यू मे गेट ऑल दिस इंटरवेंशन एंड [21:04] समबडी हैज़ टू एक्सक्यूट इट। बट, एज़ थिंग्स [21:06] मूव फॉरवर्ड, एस्पेशली इन Amazon, नाउ [21:09] देयर इज़ अ लूप व्हेयर यू कैन से योर [21:12] पीडीपी कंटेंट नीड्स टू बी इंप्रूव्ड बाई [21:14] एक्स वाई ज़ी. एंड यू हैव टू प्रोवाइड दी [21:16] इनपुट। द कंटेंट ऑटो जनरेट एंड अपडेट इन द [21:19] पीडीपी। इन द प्रोडक्ट डिटेल पेज। सो, [21:23] ह्यूमंस मे नॉट इवन नीड टू बी इन बिटवीन, [21:26] यू कैन मेड अ मेक अ रेकमेंडेशन एंड इट कैन [21:28] ऑटो अपडेट इंटू द फ़ाइनल सिस्टम। एंड देयर [21:31] कैन बी लाइव मॉनिटरिंग। यू नीड टू [21:33] प्रॉबब्ली वर्क विथ सर्टेन मेंस टु हेव [21:35] दैट प्लगइंस एंड द राइट एलिमेंट्स। अह सो [21:38] दैट्स व्हाट आई वाज़ मेंशनिंग स्कैू एंड [21:40] अदर्स इन द बिगनिंग। सो, देयर आर लाइक सम [21:42] मेंडर्स हू आर रियली गुड इन डूइंग दैट [21:44] लाइव मॉनिटरिंग ऑन स्विचिंग। एंड फाइनली [21:46] कंटीन्यूअस लर्निंग। सो ओवर टाइम द [21:49] ह्यूमंस कैन वैलिडेट हाउ मच एरर इज़ देयर [21:52] ऑर नॉट देयर एंड देन यू नो ओवर टाइम यू [21:54] कैन एक्चुअली एलिमिनेट दैट स्टेप बाय द [21:57] ह्यूमंस। सो, आई मीन इट माइट साउंड वैरी [22:00] इनसेंसिटिव बट दैट इज़ द रियलिटी। दैट्स [22:03] वेयर थिंग्स आर गोइंग एंड दैट्स व्हाई आई [22:05] केप्ट द वर्ड्स वर्ड ह्यूमंस। बट इट्स [22:08] इट्स एन आर्ग्यूुमेंटेटिव पॉइंट। एंड वी [22:10] डोंट नो लाइक आई मीन वी डिड ट्राई वन [22:13] एजेंटिक अह अह यू नो ट्राकिंग इन अ [22:16] पर्टिकुलर अहम बिज़नेस क्वेश्चन। वी ट्रेंड [22:18] 250 बिज़नेस क्वेश्चन्स एंड इट केम अप [22:21] फ्रॉम 60% टू 85% एक्यूरेसी विथ द फीडबैक [22:26] लूप। सो, द ब्रांड मैनेजर्स वेर गिविंग [22:28] आंसर्स एंड टेलिंग देम टेलिंग द मॉडल ओके, [22:30] दिस इज़ नॉट राइट। दिस इज़ हाउ इट शुड बी [22:32] डन। एंड व्हेन दे वरुड स्टार्ट ट्रेनिंग, [22:34] इट गॉर्न अप टू 85% एक्यूरेसी। बट स्टिल [22:37] देयर इज़ अ गैप ऑफ 15%। सो व्हिच मीन्स, इट [22:41] इज़ हैप्पेनिंग। आय मीन देयर इज़ अ क्लियर [22:44] सी- सिचुएशन वेयर इफ यू ट्रेन द मॉडल ओवर [22:47] टाइम, द फीडबैक लूप इज़ वर्किंग एंड दिस इज़ [22:50] नॉट इवन एन एडवांस्ड मॉडल। वी आर रियली [22:52] टॉकिंग अबाउट अ जीनी डेटा ब्रिक्स एजेंट। [22:56] दैट्स इट। लाइक, इट्स अ वैरी वन ऑफ़ द [22:58] फंडामेंटल एजेंट्स, इट्स बेसिक एजेंटेड, [23:00] एंड इट वाज़ लर्निंग एंड इंप्रूविंग फॉर [23:03] ओवर 250 नेचुरल लैंग्वेज बिज़नेस [23:06] क्वेश्चंस। गिविंग रिपोर्ट्स, ग्राफ्स एंड [23:08] एव्रीथिंग। सो, इट इज़ हैप्पेनिंग। हाउ डू [23:11] वी बैलेंस दिस? इज़ अ बिगर क्वेश्चन एंड [23:13] प्रॉबब्ली नॉट फॉर दिस सेशन। बट यू नो दैट [23:15] समथिंग इज़ आउट देयर एंड आय थिंक दैट्स अ [23:17] कॉमन थिंग वी आर सीइंग अक्रोस आल द सेशंस, [23:20] राइट? [23:23] लास्टली। सो, समथिंग व्हिच कुड हेव टेकन [23:25] वन ओर टू इयर्स फॉर द कंपनीज़ टू रिकवर। [23:29] नाउ वी आर सीइंग लाइक, वीक वन यू [23:31] डिटेक्टेड। वीक टू टू टू थ्री, यू हाव [23:33] फाउंड ऑल द प्रॉब्लम्स एंड दी इंटरवेंशंस। [23:36] बाय मंथ टू यू विल स्टार्ट सीइंग अ स्लो [23:38] रिकवरी। बाय थ्री मंथ थ्री प्लस योर ग्रोथ [23:42] इज़ रिस्टोर्ड। इट कैन बी दैट क्विक एंड [23:45] दिस इस जस्ट वन एग्जांपल। यू कैन [23:47] पैरेलल्ली रन मिलियंस ऑफ परम्यूटेशंस एंड [23:50] कॉम्बिनेशंस एंड डिफरेंट कैटेगरीज़ [23:52] रेस्पेक्टिव ऑफ़ हाउ मेनी स्क्यूस यू आर [23:54] सेलिंग। सो, फाइनली, इट्स अ न्यू ऑपरेटिंग [23:58] मॉडल। एज़ एजेंट्स स्टार्ट शॉपिंग एंड नॉट [24:00] ह्यूमंस। यू मे जस्ट टेल योर Alexa दैट आई [24:03] नीड एक्स वाई सी। द एजेंट्स विल डू द [24:06] बिज़नेस एंड योर शॉपर इंटेलिजेंस अम यू नो [24:09] हास टू ट्रैक दी इनफार्मेशन एंड द [24:11] ब्रांड्स टू मेक श्योर दैट द ब्रांड यू नो [24:13] द मैन्युफैक्चरर नोज़ द इनफार्मेशन। इफ यू [24:16] डू नॉट डु दिस इन पैरेलल। व्हेन दी एजेंट [24:18] स्टार्ट शॉपिंग युवर ब्रांड्स वोंट श्योर। [24:21] यू विल बी प्रॉबब्ली बिहाइंड एंड यू विल [24:23] नेवर बी पार्ट ऑफ़ दि स्टोरी। जस्ट लाइक [24:25] व्हेन Insta कार्ट एंड इंटरमीडिएरीस केम [24:27] इंटू एक्सिस्टेंस। मोस्ट ऑफ़ द ब्रांड्स, [24:29] बिग मैन्युफैक्चरर्स कंप्लीटली इग्नोर [24:31] Insta कार्ट। बिकॉज़ दे थॉट ओके, व्हाट विल [24:33] दे डु? दे आर इंटरमीडिएटरी। दे आर नॉट [24:35] सेल्लिंग एनीथिंग दे पिकिंग अ प्रोडक्ट [24:37] फ्रॉम अ रिटेलर एंड गिविंग इट टू द [24:38] कंसूमर। बट ओवर टाइम व्हाट हपेंड वाज़ पीपल [24:41] स्टार्ट लूकिंग एट Instag। नॉट नेसेसरली [24:44] Walmart पेज। सो, इफ योर ब्रांड इज़ नॉट [24:47] शोइंग अप इन देयर डिजिटल शेलफ, यू आर नॉट [24:49] गेटिंग सोल्ड। सो, सेम थिंग विल हपेन [24:52] एवेंचुयली विथ दी एजेंट्स एज़ वेल। एंड [24:54] दैट्स वेयर दिस बिकम वेरी वेरी क्रिटिकल। [24:57] सो द स्मार्टेस्ट डिसिशन स्टार्टस टुडे द [25:00] ब्रांड्स देट एक्ट कैन एक्ट नाउ वोंट जस्ट [25:03] कीप अप दे विल सेट द पेस। एंड एवरीथिंग [25:06] स्टार्ट विद अ स्ट्रांग हार्मोनाइज्ड डेटा [25:08] फाउंडेशन। डिसिशन विल बी इंस्टेंट एंड [25:12] ऑलमोस्ट क्विक। ट्रेन विद एव्री आउटकम एंड [25:15] दैट इज़ इनविटेबल एंड द एजेंट्स विल गेट [25:17] बेटर एंड फास्टर। सो अ फ्यूचर वेयर एव्री [25:20] डिसिशन मेक्स द नेक्स्ट वन स्मार्टर [25:24] थैंक्स एवरीवन एंड एनी क्वेश्चंस आई कैन [25:26] टेक [25:27] यार [25:32] एआईस्ट्रेशन [25:36] लाइक फॉर एक्स देयर इज़ अ सोशल मीडिया [25:39] आस्पेक्ट यू नो [25:43] कमिंग देयर इज़ अ ह्यूज [25:46] ऑटोमेटिकली नाउ सिग्नल्स आर नॉट जस्ट टू द [25:49] सीबीजी कंपनी टू द [25:51] यार [25:53] द डिमांड वेरियस इनक्रीसेस [25:55] या सो हाउ एंड देन लाइक यू नो द एवरीवन इज़ [26:00] रनिंग विद इन द सीपीजी कंपनी एंड द एंड द [26:04] रिटेल मोस्टली रिटेल आल्सो सीपीजी कंपनी [26:07] टू गेट दैट द सप्लाई इज़ अफेक्टेड [26:11] द प्रमोशन टीम इज़ बेटर प्रमोशन एंड द [26:14] प्राइसिंग इज़ अफेक्टेड द वर्चिंग इज़ [26:17] अक्टेड सो लाइक हाउ यू आर यू आर ट्रेनिंग [26:19] एआई आर्टिस्टेशन अक्रॉस इट? [26:22] याह। आई मीन इट्स अ वेरी गुड क्वेश्चन एंड [26:24] इंटरेस्टिंगली [26:26] सो एव्री मॉडलिंग वी डू। सो इंडिविजुअली [26:29] ईच डोमेन व्हेन यू डू द मॉडलिंग राइट? सो [26:31] फॉर एग्जांपल, द रिटर्न ऑन इन्वेस्टमेंट [26:33] ऑन योर एंटायर मीडिया प्लानिंग ओर द [26:35] ब्रांड मीडिया कैंपेन, वी ऐड द राइट [26:38] वेरिएबल्स इन। सो, मैक्रोइक ट्रेंड्स, द [26:40] वेरिएबल्स व्हिच यू कैन नॉट कंट्रोल। ऑल [26:43] ऑफ़ दैट हैज़ बीन इंटेग्रेटेड ऐट एव्री [26:45] फंक्शन। सप्लाई चेन। सो, इफ देयर इज़ अ [26:48] मैक्रोइकॉमिक प्रोक्युरमेंट इशू बिकॉज़ ऑफ़ [26:50] द टैरेस, दैट हेड बीन एडेड एज़ अ वेरिएबल [26:53] एज़ पार्ट ऑफ़ द मॉडलिंग। सो, इट इज़ [26:56] इंटीग्रेटेड इन एव्री डोमेन विथ द [26:58] रेस्पेक्टिव वेरिएबल्स, दैट इज़ द फर्स्ट [27:00] लेयर ऑफ़ डिफेंस। लाइक, सो दैट इट इज़ नॉट, [27:03] आय मीन स्टिल देयर विल बी हेलसिनेशन, [27:05] स्टिल देयर विल बी एरर्स, बट इट्स नॉट टू [27:08] फार ऑफ़। इट्स समवेयर क्लोज़ टु एकक्रेसी। [27:10] एंड देन दी ऑकस्ट्रेशन इज़ लाइक डिफरेंट [27:12] टूल्स वी आर लेवरेजिंग लाइक स्टार्टिंग [27:13] फ्रॉम लैंगचे अदर्स टु लाइक मेक श्योर दैट [27:16] इट इज़ कनेक्टेड वैरी क्लियरली देयर आर [27:19] मल्टीपल ट्रैकिंग इन फैक्ट वेंडरर्स वी आर [27:21] ब्रिंगिंग इन नाउ वी आर मेकिंग श्योर दे [27:22] हैव दी एमसीपीस सो दैट यू नो इट्स [27:24] प्रॉपर्ली इंटेग्रेटेड बैक अह सो याहै। आई [27:28] मीन इट्स नॉट इजी इट्स नॉट स्मूथ बट अह [27:31] दीज़ आर द फ्यू इंटरवेंशंस वी डू टू मेक इट [27:33] हैप्पी। याह। याह। श्योर। ओके। [हंसी] [27:38] याह। मेरी [27:45] सो [27:47] आई थिंक दैट्स टीम ट्रेनिंग साइड ट्रेनिंग [27:52] डाउन लाइक बेस्ड ऑन डिफरेंट सेवन [28:00] लाइक [28:01] स्पेनिश [28:03] स्पैनिश [28:06] स्पेनिश गेट अंडरस्टैंडिंग दे। सो दोज़ आर [28:10] दार्मेशन [28:13] व्हाट आर दैट लाइक इज़ यू नो इनफार्मेशन। [28:20] याह, आई मीन फॉर अस ऑनेस्टली, वी हैव दी [28:23] एडवांटेज फ्रॉम द रिटेलर। वी गेट दैट [28:26] स्पेसिफिक डाटा। सो, वी वर एबल टू लाइक, [28:28] देयर आर गैप्स, दोज़ गेट्स मॉडेल टु अ [28:31] पॉइंट वेयर वी मेक अम्पशंस टु एन [28:33] एक्सटेंट। बट वी डु गेट डाटा। सो, [28:36] एस्पेशली फॉर Warmart दे लाइक मल्टी [28:38] लैंग्वेज हैड बीन ट्रैक वेरी एफिसिएंटली। [28:40] सो वी डु गेट डाटा टु लाइक ट्रैक दैट [28:42] नन्सेस। बट इफ यू डोंट एंड इफ दैट इज़ नॉट [28:45] पार्ट ऑफ़ द मॉडलिंग, देन यस, दैट्स अ [28:48] प्रॉब्लम। लाइक, आई मीन, अह अट एट लीस्ट, [28:51] ऑल द की रिटेलर्स ऑफ़ यूएस, दे ऑल आर वेरी [28:54] केयरफुल अबाउट दैट बिकॉज़ इट्स अ ह्यूज अह [28:57] पार्ट ऑफ़ देयर बिज़नेस। अह बट इफ दैट्स नॉट [28:59] आई मीन आई आई हैव हर्ड दैट सर्टेन मॉडल्स [29:01] आर नॉट ट्रेंड ऑन यू नो एथनिसिटीज एंड [29:03] अदर्स एंड दैट्स एन इशू बट रिटेलर डेटा वी [29:07] आर नॉट सीइंग दैट येट या व्हेन इट कम्स टू [29:11] एजेंट एजेंट्स [29:14] कन्वर्सेशन [29:23] सेमar [29:37] हुवर [29:41] कन्वर्सेशन [29:46] राइट? [29:46] सो, सो बेसिकली, व्हाट यू आर आस्किंग मी [29:49] इज़ दी वर्ल्ड ऑफ एईओ। सो आंसर इंजन [29:51] ऑप्टिमाइजेशन कमिंग डाउन टू रिटेल एस [29:54] सीईओ। सो अह सम आई मीन आई कांट रियली [29:58] स्पीक टू दैट इन डिटेल बट लाइक टू एन [30:02] एक्सटेंट अह आई मीन डिटेल बिकॉज़ इट्स [30:04] कॉन्फिडेंशियल बट टू एन एक्सटेंट देयर आर- [30:07] कन्वर्सेशनल एआई एजेंट्स लाइक इनट [30:10] एनवायरनमेंट यू कैन बाय एड्स टू प्रमोट [30:13] योर प्रोडक्ट। यू कैन स्टे अह हेड ऑफ इट। [30:15] देयर आर वेज़ टू डु देट। वन वे टू लुक एट [30:18] इट। सिमिलरली फॉर एसइओ, [30:21] यू प्लान योर कीवर्ड्स, यू प्लान योर [30:23] मेटाडेटा, यू प्लान योर कन्वर्सेशन। [30:26] सिमिलरली नाउ विथ आंसर इंजीन [30:27] ऑप्टिमाइजेशन, यू कैन प्लान योर मेंशंस, [30:29] यू कैन प्लान योर साइटेशंस। सो, [30:32] ऑटोमेटिकली व्हाट हप्पेंस इज़, इफ यू आर [30:34] प्रोवाइडिंग अ क्लीयर आंसर टू योर आंसर [30:37] इंजन, द एजेंट पिक्स दैट अप। सो, यू कैन [30:40] ऑप्टिमाइज योर कंटेंट। सेम लाइक हाउ यू [30:43] ऑप्टिमाइज्ड योर ट्रेडिशनल सर्च इंजन [30:44] ऑप्टिमाइजेशन। यू कैन ऑप्टिमाइज योर [30:46] कॉन्टेंट फॉर दी एजेंट्स टू पिकअप एंड यू [30:48] कैन कमपीट बिटवीन प्राइवेट लेवल वर्सेस [30:51] आस्क वर्सेस कॉम्पिटिशन। सो, यू कैन मैन [30:55] मैनिप्युलेट इट, या। या। [30:58] या। [30:59] सो, दिस? [31:01] डू यू माइंड स्पीकिंग अप? या आई थिंक [31:13] डिस्ट्रीब्यूशन टीम्स। [31:14] याह, आय मीन इट वाज़ नॉट स्ट्रेट फॉरवर्ड [31:17] एंड ईसी। सो, दैट्स व्हाई आई ओपन इट विथ द [31:19] लिमिटेशन ऑफ़ अ बिग कंपनी वर्सेस अ स्मॉल [31:21] कंपनी, एंड इट वाज़ एन इलस्ट्रेटिव [31:23] एग्जांपल। सो, इट वाज़ नॉट ऑल, यू नो, [31:25] एक्जेक्टली एक्सक्यूटेड। हैविंग सेड दैट, [31:28] व्हाट वी हैव डन इज़ लाइक व्हेन यू मेक [31:30] थिंग्स मच ईसियर फॉर दी इंडिविजुअल टीम [31:32] राइट लाइक फॉर इंस्टेंस समथिंग दे हैड टू [31:35] डाउनलोड 18 डिफरेंट रिपोर्ट्स यू नो क्लीन [31:38] अप एंड देन आउटपुट एंड देन स्टिल द डेटा [31:41] इज़ नॉट वैलिडेटेड विथ द राइट डेटा [31:42] इनफार्मेशन। वी मैनेज्ड टू चेंज थिंग्स [31:45] राइट लाइक फ्रॉम 35 एक्स टु लाइक 2 एक्स [31:48] यू नो द टाइम टेकन टू लाइक डाउनलोड। सो दे [31:51] स्टार्टेड कोपरेटिंग। सो दैट चेंज [31:52] मैनेजमेंट प्रोटोकॉल वास नॉट इज़ी इन द [31:55] फर्स्ट फ्यू अह राउंड्स। बट देन ओवर टाइम [31:58] दे स्टार्ट सीइंग द वैल्यू, दे स्टार्ट [31:59] सीइंग द टाइम दे सेव्ड। इन फैक्ट [32:01] एस्टिमेटेड ओवर 5000 पर्सन ऑवर्स सेव्ड इन [32:04] अ मैटर ऑफ़ सिक्स मंथ्स। यू नो दैट्स लाइक [32:07] अ लॉट ऑफ़ टाइम द टीम सेव्ड फॉर [32:10] देमसेल्व्स। सो, दे स्टार्ट बीइंग [32:11] एप्रिशिएटिव अबाउट इट। सो, ओवर टाइम इट [32:13] टूक फॉर अस टु लाइक ट्रेन, एजुकेट मोस्ट [32:17] लंच एंड लर्न सेशंस एंड या। दैट्स द [32:19] प्रोसेस वी टूक। यस। [32:29] सीपीजीसी [32:34] हैव एडवाइस [32:36] टू गिव देम टु बाई इंटू सम ऑफ़ द एआर [32:39] टेक्नोलॉजी टू हेल्प आउट वेरियस टीम्स। आय [32:42] मीन सी वन थिंग एटलीस्ट बिगर [32:44] आर्गेनाइजेशंस नाउ इवन दो देयर आर ए टेप्स [32:47] बट दे आर आल एग्री टू द फैक्ट दैट इफ वी [32:49] डोंट स्टे अहड इन ए आई देयर इस नो फ्यूचर [32:52] सो दैट अलाइनमेंट इज़ इन प्लेस एंड देन [32:54] व्हाट वी हैव डन इज़ सम ऑफ़ दी एजेंट्स वी [32:56] हैव क्रिएटेड इट्स मोर लाइक अ जूनियर [32:58] सेल्स एनालिस सो देयर इस ऑटोमेटेड [32:59] रिपोर्ट्स गोइंग देयर इस हाई लेवल व्यूज। [33:02] सो फॉर एग्जांपल इफ यू लॉग इन टू द [33:04] प्लेटफॉर्म द यूएक्स ऑफ़ द एजेंटिक आउटपुट [33:07] देयर आर एग्जीक्यूटिव व्यूज। यू नो, एंड [33:09] देन देयर इज़ अ मंडे समरी ऑफ़ द [33:11] एग्जीक्यूटिव व्यू। सो वी हैव वी मेड इट [33:13] सो कन्वीनिएंट फॉर देम टू सी व्हाट इज़ [33:15] रियल लाइफ यू नो डे टू डे लुक्स लाइक। सो [33:18] वी स्टार्टेड गेटिंग अ लॉट मोर बाई इन टू [33:20] ट्राई आउट न्यू सोल्युशंस एंड पायलट इट [33:23] एंड थिंग्स लाइक दैट। याह, याह, गो अहेड। [33:28] कैन यू बी लाउड? आय कांट हियर हियर। [33:30] सो, इन द मेट्रो, यू हैव दैट द कंटेंट। [33:35] ओके। ओके [33:47] कॉनफिस्को आई डिडंट गेट टू द [33:50] स्कोर कंटेंट स्कोर याह। सो द कंटेंट [33:54] स्कोर व्हिच आई हैव मेंशंड इज़ प्योरली ऑन [33:56] प्रोडक्ट डिटेल पेज। नॉट नेसेसरली दी एओ [34:00] एसइओ ऑप्टिमाइजेशन। सो दिस इज़ दिस इज़ लाइक [34:03] फॉर एग्जांपल इफ यू आर इन अ डिजिटल शेल्फ [34:06] यू मे नॉट हेव बी प्लस इमेजेस यू मे नॉट [34:08] हैव लाइफस्टाइल इमेजेस। यू मे नॉट हैव द [34:10] राइट लेवल ऑफ़ मेटा इंटेग्रेटेड इन योर [34:13] पीडीपी पेज। सो दैट इज़ व्हाट वी हैव [34:15] ट्रैक। बट एज़ अ सब्सीट्यूट टू दी आरएमएन [34:18] वर्क, देयर इस एईओ एंड एसइओ हैड बीन वर्क [34:22] एज़ वेल। एंड दैट ट्रैकिंग इज़ मेसर्ड [34:24] अगेंस्ट साइटेशंस, मेंशंस। दोज़ आर द वेज़ [34:27] एंड वी यूज़ अह अ वेंडर कॉल्ड कंडक्टर। सो [34:30] वी गेट लाइक लाइव रिपोर्ट्स फ्रॉम देम। [34:32] एंड वी यूज़ दैट टू लाइक इंटेग्रेट बैक इनू [34:35] टू ट्रैक व्हाट दैट नंबर लुक्स लाइक। या [34:39] ओके। [34:40] सो वी यू टॉक अबाउट द टू प्लेटफार्म एआई [34:42] कंपनीज़ दैट यू टॉक अबाउट द स्लाइड्स। [34:44] याह। दे प्ले द रोल दीज़ कंपनीज़ ऑफ़ द होल [34:46] लाइफ साइकिल ऑफ द वर्ल्ड दैट यू हैव [34:48] डिलीवर। प्ले विथ द फ्रंट एंड द बैक। [34:51] याह। नो एक्चुअली दैट दैट पर्टिकुलर [34:54] वेंडरर्स आई है हाव शोड वास स्पेसिफिकली [34:56] ऑन हाउ यू कैन ऑर्केस्ट्रेट सिंटेला प्लस [35:01] रिटेल मीडिया Walmart कनेक्ट दैट [35:03] पर्टिकुलर एनवायरनमेंट सो सेंट्रलाइज़ेशन। [35:06] नाउ, बैक एंड फ्रंट एंड देयर आर मेनी [35:08] वेंडर्स प्लेइंग द रोल। लाइक फॉर [35:10] एग्जांपल, वी आर एन ऐश शॉप। सो, वी हैव [35:13] एव्रीथिंग इन टर्म्स ऑफ़ डाटा ब्रेक्स टु द [35:16] होल ऐश शॉप वी हैव। सो, दैट इज़ योर [35:18] प्रिडोमिनेंटली योर बैक एन्ड। एंड देन [35:20] देयर इज़ द टेक्स्ट आय हैव शेयर्ड। सो ऑल [35:23] ऑफ़ देम आर पार्ट ऑफ़ दी इंफ्रास्ट्रक्चर। [35:25] बट एंड देन देयर आर इंटरनल वेंडरर्स हु कम [35:28] इन एंड शेयर कॉन्ट्रैक्टर्स, एक्स्ट्रा [35:30] कॉन्ट्रैक्टर्स फॉर मी टू एक्सक्यूट ईच [35:32] प्रोजेक्ट। सो दैट्स देयर। बट दीज़ गाइज़ आर [35:35] स्पेशलाइज़्ड इन कनेक्टिंग द क्लोज़ लूप [35:37] सलूशंशज़ एंड दे आर वेरी लाइक अपकमिंग न्यू [35:40] ऐज वेंडर्स। सो इट्स लाइक क्लोज़ टू 15 [35:44] प्लस वेंडर इंफ्रास्ट्रक्चर टीम्स बिहाइंड [35:48] द सीन्स। यस। यापुलशन [36:14] मे बी अनदर इशू और इफेक्ट अनदर [36:21] सो दैटस ट्रूली दी एजेंट आई ऑर्केस्टेशन। [36:24] सो व्हाट हप्पेंस इज़ योर एजेंट विल डू [36:27] डिफरेंट परमूटेशंस एंड कॉम्बिनेशंस [36:29] मल्टीपल सिम्युलेशन्स प्रोएक्टिवली टू सी [36:32] व्हाट कुड बी दी आउटकम। सो इट माइट गेट [36:35] लाइक 18 मंथ्स लेटर यू विल गो इंटू अ [36:37] पॉजिटिव ग्रोथ। राइट? देन इट विल से, ओके, [36:40] 20 मंथ्स लेटर इफ यू डु दिस। सो, दे इट द [36:43] आइडिया इज़ दी ऑटोनॉमस एजेंट विल डु दैट [36:46] मैथ्स फॉर यू। द वैलिडेशन ऑफ़ द ह्यूमन लूप [36:49] विल टेल ओवर टाइम वास द एजेंट राइट ओर [36:52] रोंग। सो दैट इज़ द अप्प्रोच वी आर टेकिंग [36:55] बिकॉज़ ह्यूमंली इट्स इंपॉसिबल। लाइक इट्स [36:58] नॉट पॉसिबल टू डु दैट लेवल ऑफ परम्यूटेशन [37:01] एंड कॉम्बिनेशंस टू से ओके, 18 मंथ्स [37:04] लेटर। सो, वी हैव डन मल्टीपल यूज़ केसेस, [37:07] मल्टीपल अह प्रोजेक्ट्स टू सी एट व्हाट [37:10] पॉइंट वी विल स्टार्ट सीइंग अ यू नो लाइक, [37:12] ओके, एजेंट सीम्स टू बी वर्किंग राइट, [37:15] राइट? सो, इट सो दैट्स व्हाट आई वाज [37:17] गिविंग यू दैट एग्जांपल वेयर देयर वाज़ एन [37:19] एजेंट एट 60 टू लाइक 85% एक्यूरेसी ग्रोन [37:22] ओवर टाइम विथ फीडबैक लूप। सो ह्यूमंस आर [37:25] ट्रेनिंग द एजेंट ओवर टाइम टू गेट टू द [37:27] एक्यूरेसी। सो [37:28] [नाक से की जाने वाली आवाज़] [37:30] या [37:36] चेंज [37:40] अबाउट [37:49] यार [37:52] सो इट इट वर्क्स एट द डेटा फाउंडेशन। सो [37:55] वॉट वी डू इज़ अह बेसिकली द रो लेयर द [37:57] सोर्स लेयर वेयर द डेटा फाउंडेशन इज़ [37:59] कनेक्टेड। अह एनी लाइक देयर इज़ अ [38:02] क्वार्टरली रन फॉर कंप्लीट क्लीन अप ऑफ़ [38:05] एनी इन वी कॉल इट इनोवेशन फॉर न्यू [38:07] प्रोडक्ट्स। एनी इनोवेशन इस कमिंग देयर इस [38:09] अ क्वार्टरली रन टू ऐड देम इंटू एव्री [38:12] सोर्स टू मेक श्योर दैट इट्स वैलिडेटेड [38:14] एंड ऐडेड। अह सेकंड, देयर इज़ अ वीकली [38:17] अपडेट ऑन कंपटीशन ट्रैकिंग। बिकॉज़ वी माइट [38:20] हैव अह इनोवेशन पुल एव्री 2 मंथ्स ओर और [38:23] थ्री मंथ्स बट द कम्पटीशन माइट बी डूइंग [38:25] एव्री डे। सो देयर इज़ अ वीकली ट्रैकिंग ऑन [38:28] द कॉम्पटीशन ऑन एव्री अह डे चेंजेस इफ [38:31] समथिंग इज़ कमिंग इन द बैक एंड एंड हाउ दैट [38:33] इज़ ट्रांसलेटिंग। सो ऑल दैट वर्क इज़ डन एट [38:36] द फाउंडेशन। एंड इट विल स्टॉप एट द डेटा [38:39] प्रोडक्ट्स। सो नन ऑफ द एडवांसमेंट्स एट [38:41] दी एनालिटिकल प्रोडक्ट इज यू नो टच्ड बाय [38:44] दीज चेंजिस और द चेंजिस हैप्पेनिंग एट द [38:48] बेस बिकॉज़ इट्स क्लीन अप एट द बेस लेवल [38:50] लाइक द फाउंडेशन लेवल [38:52] या [38:54] सो इन एव्री एआई वर्ल्ड द एट्रिब्यूशन [38:57] मॉडल्स ऑर मेज़रमेंट मॉडल्स वेल मैनेज्ड वन [39:01] वे बट नाउ विथ विद ए कमिंग इन एंड अह हाउ [39:05] आर यू सीइंग द एट्रिब्यूशन मेज़रमेंट [39:07] मॉडल्स चेंज? सो ऑनेस्टली इट्स मच इज़ीियर [39:10] नाउ बिकॉज़ विथ दिस लेवल ऑफ़ ऑटोमेशन लाइक [39:14] वी आर गोइंग फर्दर अहेड ऑफ़ पीबीआईस एंड [39:17] रेगुलर डैशबोर्ड्स बिकॉज़ ऑनेस्टली देर आर [39:19] नो ए पीबीआईस इनवॉल्ड इन द पिक्चर नाउ इट [39:22] गो स्ट्रेट इंटू एन एप अ वेबप एंड फ्रॉम [39:25] वेब एप्प वी आर गोइंग फर्दर डाउन टू [39:27] ऑटोनॉमस आउटपुट। सो इट्स मोर लाइक [39:29] इनसाइड्स टु एक्शन। सो, यू कैन जॉइन, यू [39:32] कैन कम इंटू दी ऐप एज़ अ पर्सोना लाइक एज़ अ [39:34] ब्रांड मैनेजर, एज़ अ सेल्स एनालिस्ट, एज़ अ [39:37] वीपी सेल्स। एवरीबॉडी हैज़ अ कस्टम [39:40] एक्सक्यूटिव डैशबोर्ड समरी विथ इनसाइट्स [39:42] टु एक्शन। लास्ट वीक, दीज़ आर द 10 थिंग्स [39:45] हैपेंड। दिस कुड बी समथिंग यू माइट बी [39:47] इंटरेस्टेड इन, डू यू वांट मी टू चेक मोर [39:49] ऑन दैट। सो, इट्स काइंड ऑफ़ गोइंग फर्दर टु [39:52] पॉइंट वेयर इट्स ट्रू इनसाइट्स टु एक्शन, [39:55] रादर देन द ट्रेडिशनल पीबीआई। एंड एनी [39:58] इंटरवेंशन व्हाट वी आर डूइंग इज वी आर [40:00] कंसोलिडेटिंग ऑल दी ओल्ड पीबीआईस यूजिंग [40:02] एजेंट्स टू ब्रिंग ऑल द कॉमन डेटा बैक इन [40:05] डेटा फाउंडेशन एंड एलिमिनेटिंग द पीबीआई [40:08] सो दैट्स व्हाट इज गोइंग ऑन [40:10] यानी [40:23] सो दिस प्रोजेक्ट [40:25] सो एवरीथिंग इन दैट कैटेगरी। सो द फोकस [40:29] वाज़ फॉर द यूज़ केस वाज़ एवरीडे कॉफ़ी [40:31] सेगमेंट। सो एवरीथिंग फ्रॉम आवर प्रोडक्ट [40:35] अह Nesle आई एम वर्किंग फॉर मास नाउ बट [40:38] लाइक प्रीवियसली Nestle सो Nestle [40:41] प्रोडक्ट Nesle कॉफ़ी सेगमेंट प्लस द [40:43] कॉम्पटीशन कॉफ़ी सेगमेंट बट एव्रीथिंग [40:45] रिलेटेड टू एव्रीडे कॉफ़ी सेग्मेंट। सो नॉट [40:48] प्रीमियम कॉफ़ी नॉट नेदर कॉफ़ी। सो, एव्री अ [40:52] स्क्यू अक्रोस कंपटीशन वी लिमिट समटाइम्स [40:54] द कॉम्पटीशन टु टॉप फाइव। टॉप सिक्स। अह [40:58] ओर समवन हु इज़ लाइक लॉन्च्ड अ न्यू [41:00] प्रोडक्ट व्हिच हेज़ अ फ्लेयर। लाइक समथिंग [41:02] व्हिच इज़ इंपॉर्टेंट। लाइक अह ऑनलाइन [41:04] स्क्यू मोड टू इनस्टोर। सो वी गिव [41:06] एक्सेप्शन टु सर्टेन कंपटीशन। एंड दैट विल [41:09] बी योर यूनिवर्स। एंड दैट्स द यूनिवर्स वी [41:11] यूज़्ड टु डू दी एनालिसिस। [41:13] मी द पीपल ड्यूर व्हाट टाइप्स ऑफ़ पीपल। [41:16] आईटी और [41:19] बिज़नेस। [41:20] ओह, द डाटा। दिस इज़ अ एक्रोस इट्स एन [41:23] एंटरप्राइज सलूशन। सो इट्स अक्रोस द टीम। [41:26] सो, इफ यू सी द इंटरवेंशंस इट सजेस्टेड, [41:28] कनेक्टेड ऑलमोस्ट सिक्स डिफरेंट टीम्स। [41:31] सो, द इंटरवेंशंस हेड बीन सजेस्टेड बाई द [41:34] एआई ऑर्केस्ट्रेटेड टुगेदर। इंडिविजुअल [41:36] टीम्स हेड बीन इन्फॉर्म्ड। एंड दे विल [41:39] वैलिडेट इट, दे विल सी इट। दे विल वर्क [41:41] विथ द रेस्ट ऑफ़ द टीम। बट एवेंचुयली इन द [41:44] फ्यूचर, नन ऑफ़ देम नीड़ टू बी इनवॉल्ड, द [41:46] एजेंट, इफ द एजेंट इज़ डूइंग अ रियली गुड [41:48] जॉब ओवर टाइम, द एजेंट कैन गिव द फाइनल [41:51] आउटपुट। ऑन इट्स ओन एक्सजीक्यूट इट एंड शो [41:55] द ग्रोथ या दैट्स इट ओके [42:07] या इट्स अ सेंट्रलाइज्ड वेब एप विसोनास [42:10] आइडेंटिफाइड। सो यू कैन लॉग इन एस [42:12] व्हाटएवर योर रोल इज एंड देन बेस्ड ऑन दैट [42:15] द डेटा गेट सेंट्रलाइज्ड। [42:17] या ऑलराइट थैंक्स एवरीवन।