没有油田的石油公司

深度解读TotalEnergies如何利用ChatGPT-4构建GenAI客服Clara，从卖石油转向卖客户关系。为中国企业管理者揭示AI营销的本质：不是降本增效，而是客户关系资产的战略迁移。

“企业的目的只有一个正当的定义：创造客户。”——彼得·德鲁克

当我们谈论能源转型时，通常想到的是风电、光伏、锂电池。但TotalEnergies的AI营销案例揭示了一个更隐蔽的转变：能源战争的下半场，不再是争夺油田和气田，而是争夺客户关系。这家名字里带着“能源”二字的巨头，正在用生成式AI重新定义什么叫“接触点”。这不是一个关于技术升级的普通故事，而是一个关于企业如何把百年积累的零售经验，压缩进一行提示词里的商业启示录。

从一个叫Clara的机器人说起

2024年，TotalEnergies的移动出行事业部上线了一个名为Clara的生成式AI客服。表面看，这只是又一个平平无奇的企业聊天机器人。但它的底层引擎是OpenAI的ChatGPT-4，而它的任务，比解答“如何开票”要复杂得多。

Clara的预设场景极具进攻性：面向专业司机和社区用户，推动“脱碳出行”转型。它不仅要听懂自然语言，还要给出个性化推荐，更要命的是，它被设计用来“加速订阅流程”。

这就不是客服了。这是销售发动机。

传统能源公司的客服系统是什么样的？呼叫中心、标准话术、层层转接。客户打电话来，是为了解决问题，而企业想的是如何用最低成本把问题压下去。但TotalEnergies的做法完全反转了这套逻辑。在VML为其设计的方案中，有一句核心宣言：“客户体验是我们关系营销政策的核心”。请注意，是“关系营销”，不是“服务兜底”。Clara被要求做到一件事：从每一次交互中学习，持续优化回复，实现千人千面的个性化应答。

这背后藏着一个多少有些反常识的判断：在标准化程度极高的能源零售业，个性化才是最大的溢价空间。

能源巨头的“第二曲线”焦虑

要理解这个案例的分量，必须先看一眼TotalEnergies的底牌。2024年《财富》全球500强排名第23位。它是那种典型的“大到不能倒”的旧世界巨头。但旧世界正在崩塌。

石油公司的加油站，曾经是地球上最值钱的线下入口之一。车流不息，客单价高，附加的便利店生意也被认为是完美的零售模型。但电动化正在摧毁这个逻辑。越来越多的充电行为发生在家里、公司地库和商场停车场。过去那种“车没油了必须来找我”的强制性接触，正在溶解。

当一个能源公司的物理触点开始消失，它必须发明新的数字触点。而且，这个新触点还必须承担比过去更重的任务。过去卖油，是同质化标品竞争，拼的是位置和价格。现在卖电，卖的是服务配套、会员体系和能源管理方案。过去一个加油站只需要一个收银员，现在一个充电站需要一个能告诉你下一段行程哪里不堵、哪里充电便宜、甚至帮你规划整个车队脱碳路径的专家。

Clara就是被派去干这个的。

所以，这不只是一个AI工具的上线。这是TotalEnergies在把自己的客户关系资产，从钢筋水泥的加油站里，迁移到大模型构筑的数字界面中。这是一次极其昂贵的资产腾挪。

为什么必须是生成式AI

这里有一个技术选择的细节值得注意。做客服机器人，过去有大量的传统方案，基于决策树或者意图识别。但TotalEnergies直接选择了ChatGPT-4。为什么？

因为它要解决的问题，不是“减少人工客服成本”这么简单。它的核心命题是“脱碳转型”。这意味着无数非标问题：我的车队怎么规划能源组合？政府补贴怎么拿？生物柴油和纯电动的总持有成本差多少？这些问题是开放式的，没有标准答案。

只有生成式AI，才能在对话中实时生成这些复杂的建议，并且把建议包装成能够推动订阅的销售话术。这里引出了一个重要的营销原则：当你的产品复杂度超过一个阈值，客服本身就必须是半个销售工程师。过去，养这种人的成本极高，而且不可规模化。现在，大模型把这种能力商品化了。

从Clara到Mistral：双轨制的AI野心

如果只看Clara，你可能会以为这只是一个面向C端的营销小工具。但把视线拉高一点，会看到另一个拼图。2025年6月，TotalEnergies官方宣布与欧洲本土AI明星Mistral AI展开合作，目标是将人工智能扩展到更广泛的客户体验场景。

这个动作透露出的战略意图，比Clara本身更值得中国企业家玩味。

TotalEnergies在AI布局上采取了双轨制。对外，用OpenAI的ChatGPT-4这种全球最强模型来快速验证商业场景，追求上线速度和效果最大化。对内，则拉拢Mistral AI这种掌握主权算力和私有化部署能力的伙伴，去构建更深层的企业级AI基础设施。

这就像麦当劳既用全球供应链保证核心菜单，又在每个市场开放加盟和本土化菜单创新。不把鸡蛋放在一个篮子里，对营销决策者来说，意味着不能押注单一AI平台。未来企业的营销技术栈一定是混合多模型的。

想象一下，如果Clara未来能够接入TotalEnergies的充电网络数据、车辆电池健康数据、天气和交通数据，它就不再是一个客服，而是一个能源调度经纪人。这才是“关系营销政策”的终极形态：你不再是一个卖电的人，你是客户能源生活的首席运营官。

不是所有企业都需要克拉拉，但都需要克拉拉的思维

读到这里，可能很多中国的中小企业主会觉得：道达尔家底厚，我们学不来。这种想法是危险的。因为Clara模式的核心，并不是用了多贵的模型，而是它重新定义了“客户接触”这件事的商业价值。

大多数中国企业的客户触点管理，还处在一个极度割裂和消极的状态。售前是销售，售中是客服，售后是投诉。每一个人在面对客户时，都只想完成自己KPI里的那个动作。销售想关单，客服想挂电话。没有人对“客户在这家公司的完整旅程”负责。

而Clara提供了一种整合的可能性。一个ID，一个界面，一段连续的对话，承载从认知、教育、建议到交易的完整链条。它不需要休息，不会闹情绪，并且能够记住上一次对话中客户提过的每一个细小偏好。

对于很多中国品牌来说，现在要做的不是立刻去买一套昂贵的GPT-4私有化部署，而是应该重新审视自己的客户数据流：哪些问题在反复发生？哪些转化环节因为解释成本太高而被放弃？哪些高价值客户的需求是没有被人工服务覆盖到的？只要找到这些痛点，哪怕是用最基础的AI应用搭建平台，也能先跑出一个小型的闭环。

警惕“效率陷阱”

但我们必须同时发出一个警告。很多老板看到AI客服的第一反应是：太好了，可以裁掉一半客服团队了。这个想法恰恰是在毁掉AI的真正价值。

TotalEnergies用ChatGPT-4，不是为了做一个更便宜的自动回复器，而是为了做一个更能卖的销售顾问。这两者的区别非常大。如果你的出发点就是降本，你会竭尽全力去压榨AI的自动回答率，忽略回答的质量和转化能力。最终，你会得到一个非常擅长道歉、但永远无法关单的AI。

真正有价值的指标不是“机器人解决了多少会话”，而是“AI辅助了多少高价值转化”。

一个关于未来的大胆预言

TotalEnergies的这个案例，最终指向了一个今天我们可能还不太愿意承认的事实。在未来，很多行业的“产品”和“服务”会融化在“对话”里。

当一个人打开App问Clara：“我明天要开500公里去山区，路上怎么安排最稳妥？”在这个时候，电费是多少、在哪里充，这些物理事实都变成了对话中的一部分信息流。客户不是在购买能源，他是在购买一份出行的确定性。而这份确定性，是通过连续的、智能的、个性化的语言界面交付的。

这意味着，企业的核心能力正在从“管理供应链”转向“管理对话流”。

对于中国企业老板和营销高管来说，道达尔能源的这个案例像是一面镜子。它照出的不是AI技术有多神奇，而是商业世界的权力正在发生静悄悄的转移：谁离客户最近，谁能把复杂的产品语言翻译成客户听得懂、信得过的人话，谁就是下一个时代的能源巨头。哪怕他一滴油都不生产。