Walmart
商品企划Trend-to-Product与商采助手Wally
企业原始材料
零售
企业部署案例
深度案例｜关键链路较完整
A级证据
生产使用/继续扩展
A
证据等级
Walmart Investment Community Meeting 2025 prepared remarks
证据等级衡量“能否定位和复核来源”，不评价厂商披露是否经过第三方审计。
深度案例｜关键链路较完整
12 / 12
业务背景2 / 2
改造流程2 / 2
技术工作流2 / 2
人机与治理2 / 2
量化结果2 / 2
来源定位2 / 2
六个维度均达到当前完整度标准。
业务问题
大型零售商品开发和库存经营横跨趋势判断、设计、采购、门店、渠道与库存数据，传统商品企划周期长，商采团队也很难及时解释单品在不同市场和渠道中的表现差异。
解决方案
Walmart用Trend-to-Product把趋势信号、商品设计和供应链准备连接到服装开发流程；同时让商采助手Wally分析跨门店、市场和渠道的销售表现，解释单品超预期或不及预期的原因，并逐步进入商品数量与库存流转决策。
技术架构与生产工作流
Step 01
趋势、商品目录、销售、门店与渠道数据
→
Step 02
商品语义与经营指标统一
→
Step 03
Trend-to-Product商品企划工作流
→
Step 04
Wally销售表现诊断与原因分析
→
Step 05
设计/商采/供应链人员确认决策
→
Step 06
销量和库存结果回流后续企划
关键技术与基础设施组件
趋势分析商品数据平台生成式AI助手销售诊断库存优化人工商品决策
人机分工与责任边界
AI负责汇总趋势和经营信号、生成诊断与建议；设计、商采和供应链团队仍决定商品、数量、质量标准和库存动作，并对顾客价值负责。
FDE 动作拆解
- 选择服装开发周期作为可观测改造链路
- 连接趋势、商品与销售上下文
- 将商采常问问题转成Wally诊断能力
- 把助手逐步推进到数量和库存流决策
- 用上市周期和销售表现验证业务价值
可迁移复用的落地方法论
- 零售AI要连接企划、商品和库存而非只做搜索
- 先让助手解释经营结果，再逐步授权行动
- 商品质量和品牌判断应由人负责
- 上市周期是比生成内容数量更接近业务的指标
业务成效与交付成果
Walmart 2025投资者会议材料称，首个由Trend-to-Product支持的服装系列比典型流程缩短18周并取得强劲售罄表现；Wally已用于商采团队的跨渠道销售诊断。
证据边界与核验记录
- 18周缩短来自2025投资者会议第4页。
- “强劲售罄”没有公开基准、样本和具体比例。