大模型卖鲜食：统一超商点击率翻倍的秘密
统一超商利用Google Cloud Gemini与RAG技术推出AI美食护照，鲜食推荐点击率提升2倍，并拉动共购率。文章详解技术架构、会员经营逻辑，并给出中国零售CMO可参照的三步行动框架。
「企业的唯一目的就是创造顾客。」——彼得·德鲁克
在便利店货架密度接近极限、会员体系高度同质化的今天，「创造顾客」正在被重新定义——它不再是发券冲单量，而是能不能在消费者打开App的那一秒，递给他一个恰好需要的理由。统一超商（台湾7-ELEVEN）于2024年推出的「AI美食护照」项目，用Google Cloud Gemini和RAG技术把传统广告的点击率拉高了整整一倍，并用营养师知识库让AI的推荐不再冰冷。这不是一个花哨的AIGC品牌短片，而是一个直插增长腹地的会员经营实验。
当「猜你喜欢」失去魔力：便利店会员经济的AI尴尬
中国台湾的便利店密度位居全球前列，统一超商旗下的7-ELEVEN门店超过6500家，OPENPOINT会员数早已突破千万量级。在过去很长时间里，会员运营的核心手段是「标签+规则」——把消费者分成爱吃辣的、常买咖啡的、偏好低卡的，然后用固定模板推送通用优惠券。这类玩法正面临三重天花板：第一，新人留存成本持续走高，通用广告的边际召回率递减；第二，鲜食、短保商品等高毛利品类天然需要场景化刺激，但静态标签无法捕捉「中午想吃轻食」「下雨天想来碗热汤」的即时意图；第三，会员数据、营养科学、商品信息各自分散，营销人员靠经验拼凑，推荐结果常常偏离真实需求，甚至引起用户反感。
当大多数零售商还在纠结大模型到底有没有用、会不会胡说八道的时候，统一超商选择了一个极其务实的切口：与其让AI生成创意广告，不如让它成为「懂营养的店员」，直接对会员今晚吃什么负责。
AI美食护照：不是噱头，是一个「懂营养的店员」
「AI美食护照」试办计划的核心组合是Google Cloud Gemini Enterprise Agent Platform与BigQuery，但真正让它区别于市面上一众AI推荐引擎的，是RAG（检索增强生成）加Grounding的架构设计。简单理解，大模型本身并不懂食品营养学，也不知道统一超商有哪些在架鲜食，但它擅长组织自然语言。项目团队把「千禧之爱健康基金会」的营养师知识库作为外部权威知识源，通过RAG机制，在每次推荐生成前先检索相关知识片段，然后让大模型在这些「营养边界」之内生成推荐文案。Grounding再进一步将生成内容锚定在真实的商品数据、库存状态和会员画像上，确保AI说出的每一句话都有据可查。
这样做带来了三个立竿见影的效果：
- 推荐可信度大幅提升：营养师知识库让AI的推荐具备了专业背书。当系统告诉一个关注健康的会员「这份清炒时蔬便当搭配无糖豆浆，刚好满足你一餐的膳食纤维与蛋白质」，会员感受到的不是机器的随机推送，而是一个有专业判断的饮食建议。
- 消除大模型幻觉：传统大模型在不受控状态下可能会推荐已售罄的商品，甚至编造不存在的产品。RAG+Grounding强制将输出限定在知识库与实时商品数据库内，彻底杜绝了推荐错误商品或虚构营养成分的风险。
- 动态场景匹配：系统不仅看用户的长期消费记录，还结合时段、天气、节庆等上下文。午餐时段自动推荐高蛋白低脂便当，晚间推送适合家庭分享的加热即食菜，寒流来袭时则推浓汤、关东煮等暖食。这种「在合适的时间、用合适的理由」出现的推荐，点击意愿自然远高于通稿式广告。
官方数据显示，试办期精准推荐较传统通用广告点击率提升2倍，同时用餐时段的鲜食共购率也被显著拉高。共购率上升意味着AI不仅帮会员选了一件商品，还帮他完成了「主餐+饮品+小食」的场景组合，这恰恰是便利店毛利结构优化最渴望的能力。
为什么是RAG？零售业AI落地的分水岭
中国零售业对AI营销的讨论长期陷在两个极端：一边是「大模型无所不能」的狂热，另一边是「幻觉太严重不敢真用」的恐惧。AI美食护照恰好提供了一个理性参照——RAG不是一项高高在上的技术，而是一种让大模型变得安全、可控、可解释的工程方法。对于拥有大量自有商品知识、会员手册、营养标准、门店运营规范的零售企业，RAG的价值在于将那些沉睡在PDF、Excel和内部文档里的知识，变成AI与消费者对话中的「事实锚点」。
更深一层，这背后是营销范式的演变。过去十年，个性化推荐依赖协同过滤和标签体系，本质是「以物推物」；大模型+RAG的路径则更接近「以知识推人」。知识库可以持续更新，营养指南、新品说明、食品安全标准一旦修改，推荐逻辑自动刷新，不需要重新训练模型或修改规则引擎。这种动态性在鲜食迭代极快的便利店行业里尤其重要。
艾媒咨询预计2025年中国便利店行业市场规模将突破5000亿元，但头部便利店企业的鲜食销售额增速已经连续两年高于门店扩张增速，说明单店效率改善成为竞争焦点。统一超商用AI把鲜食推荐从「促销话术」升级为「营养建议」，本质上是在用知识含量建立会员黏性，而不是继续陷在价格补贴的泥潭里。
从鲜食到生态：一个推荐掀起的会员经营革命
AI美食护照的可复制性不止于鲜食。按照统一超商公开的计划，下一步将把成功模式导入OPENPOINT生态圈的多元场景，借助BigQuery的数据共享能力识别跨通路的生活轮廓，向会员推荐跨品牌产品组合。这意味着，一个常买鲜食的高频会员，未来可能会收到与其饮食习惯匹配的保健食品、居家用品，甚至是集团旗下药妆、咖啡品牌的联动推荐。
这才是真正让企业决策者心动的部分——AI不再只是帮某个事业部提升KPI，而是扮演起「集团会员资产经营」的中央引擎。过去统一超商的便利、超市、药妆等通路各自为战，会员数据虽然打通，但推荐策略仍然停留在各自品类内；一旦引入跨品牌知识图谱与RAG机制，就能让同一位会员在多个消费场景中看见连贯、可信的推荐，单客价值有望被成倍激活。
对中国大陆零售企业而言，这一路径的参照意义尤其强烈。永辉、家家悦等商超已初步搭建会员体系，美宜佳、罗森等便利店也在试探数字化，但多数仍停留在「发券-核销」的初级循环。如果能引入类似「AI美食护照」的思路，将企业自身的品类知识、产品说明、健康饮食主张等结构化知识系统纳入AI推荐，就可能在低毛利的日常消费品中找到高毛利的场景组合。
中国零售CMO的三步行动框架
如果你是一家零售或快消企业的CMO或增长负责人，面对「AI美食护照」这样的案例，可能会既兴奋又困惑：技术听起来复杂，自己团队没有AI专家，数据也散落在不同系统里。但真正值得你关注的并不是Google Cloud的技术选型，而是背后的落地逻辑。我们将其拆解为三个可操作的阶梯。
第一步：把散落的「内部知识」变成结构化资产。统一超商之所以能快速上线，是因为它有明确的营养师知识库和商品数据库。你所在的企业也一定拥有大量沉淀知识：产品营养成分、使用场景说明、客户常见问题、搭配建议、售后注意事项等等。现在就用轻量级的方式把这些梳理出来，哪怕只是一个Excel和一份共享文档。只有在数据上实现了「有据可查」，AI的推荐才具备Trust。
第二步：选择一个小切口场景，建立RAG试点的最小闭环。不要一上来就做全渠道全品类的推荐，那样只会把团队拖垮。从复购率高、知识属性强、用户决策时间短的品类切入，比如鲜食、母婴、保健品、护肤品等。利用企业知识库、商品库与会员行为数据，构建一个类似于「AI美食护照」的推荐机器人，先在App的一个入口或小程序里试跑。关键指标只有两个：点击率和转化率。有了翻倍的数据，你才能说服组织内其他部门。
第三步：推动组织协同与技术外脑的柔性合作。AI推荐项目横跨市场、IT、商品三个部门。建议成立一个6人以下的敏捷小组，由业务人员定义场景与知识库范围，IT负责数据管道，再引入一个外部AI工程伙伴解决模型与RAG架构问题。统一超商选择Google Cloud，你可以选择国内的大模型能力与平台，如百度的ERNIE或智谱的GLM，再结合LangChain或Dify等开源框架快速搭建RAG管道。比选型更重要的是，始终保持「知识先行、场景驱动」的原则，别让技术喧宾夺主。
没有数字资产，就没有AI营销
AI美食护照最深的启示，在于它让外界看到数字资产的质量远比算法的浮夸重要。整个项目的效果不是靠一个更强大的模型，而是靠营养知识库、商品数据和会员画像的精准对齐。这提醒每一个正在吹响AI号角的中国零售企业：如果你连自家产品的核心卖点都还分散在各个部门的PPT和产品说明书里，AI就只能是空中楼阁。
在中国市场，我见过不少品牌花大钱做AI内容工厂，用生成式AI一天生产上千条文案，但每条都空洞雷同。真正有护城河的，是把企业数十年来积累的鲜食供应链经验、营养搭配理念、食品安全规范以及一线店长的服务洞察，转化成一套可以不断更新、可以进入AI推理的「数字大脑」。做这件事不会马上冲到热搜，但它能让你的会员打开率在下一个年头里翻上一倍。
统一超商的案例没有轰轰烈烈的传播战役，没有让消费者感知到「AI来了」的仪式感，只是默默让会员的每一顿饭变得更对胃口。这种安静的改变，往往才是最可怕的竞争力。