导读：评估AI商品决策项目，不能只比较软件费用和节省的人力。项目投入通常还包括数据治理、系统对接、实施配置、内部协作和流程调整；收益则可能体现在减少缺货损失、降低库存风险、改善折扣结构、加快周转以及缩短决策周期。更关键的问题是：经营结果发生变化后，企业如何判断哪些变化来自系统，哪些来自天气、促销、渠道增长或商品结构调整？一套可信的ROI测算，需要先建立基线，再通过试点范围、对照口径和归因条件验证结果。
AI商品决策项目是否值得投，不能用"预测准确率提高了多少"直接回答。对管理层而言，真正需要进入立项表的是：三年投入多少现金，产生多少可归因收益，多久收回，以及收益是否经过财务、商品和供应链共同核验。
AI商品决策ROI，是统一测算周期内的可归因增量收益扣除项目总投入后，与项目总投入之间的比率。
ROI＝（可归因增量收益－项目总投入）÷项目总投入×100%
投资回收期＝累计净现金流覆盖累计项目投入所需的时间
行业研究只能说明价值可能出现在哪里，不能替代企业自己的测算。麦肯锡估算生成式AI可能为全球零售业释放2400亿至3900亿美元经济价值，相当于行业利润率提升约1.2至1.9个百分点；这不是任何单个品牌的收益承诺。
麦肯锡另一项分析估算，零售与消费品行业的生成式AI生产率价值可能相当于年收入的1.2%至2.0%，但该数字覆盖营销、客服、研发和供应链等多个职能，不能全部归入商品计划项目。
零售AI价值分布研究还显示，品类管理与供应链是重要价值领域，但实际收益取决于企业基线和执行范围。
美国零售联合会调查显示，受访零售商估计2024年退货约占全年销售额的16.9%，总额约8900亿美元；线上退货率平均高于整体退货率。该数据不代表中国鞋服行业，但说明ROI测算必须采用净销售并处理退货滞后。
IBM商业价值研究院的调查中，84%的零售与消费品行业高管认为AI将显著增强企业应对市场变化的能力，并预计到2027年有35%的AI支出发生在IT预算之外。这意味着商品、供应链和运营部门投入的时间与资源也应进入成本表。
先列完整投入，再谈收益
AI项目成本至少包括：
|----------|------------------------|
| 成本类别 | 应计入内容 |
| 软件与模型 | 系统许可、模型调用、算力及相关工具 |
| 实施与集成 | ERP、POS、库存、订单、在途和主数据接口 |
| 数据治理 | 数据清理、指标统一、历史修复和权限配置 |
| 业务落地 | 规则配置、流程设计、培训、试点和变更管理 |
| 持续运营 | 参数维护、模型监控、接口运维和数据质量检查 |
一次性投入与持续投入应分开，三年测算不能只使用首期采购金额。若投入和收益跨年度，还应按企业财务要求测算净现值。
收益分成四本账
增量销售贡献
缺货改善可能带来新增销售，但不能把执行后的全部销量归因于AI。
缺货改善新增贡献＝可归因新增净销售量×单位增量贡献
单位增量贡献可按实际成交净收入减商品成本和新增履约费用计算。新增净销售还应扣除退货、取消订单、渠道转移和自然增长。
库存风险改善
库存下降主要代表资金占用变化，不能全部计入利润。可进入收益项的通常是：
减少的折价与报废损失＋减少的库存持有成本＋减少的仓储和处置成本
如果折扣改善已经反映在销售毛利中，不得再次计入库存收益。
可兑现效率收益
效率收益＝减少的有效工时×完全人工成本×可兑现系数
节省工时只有在减少外包、降低加班、延缓增员或转移到可量化的高价值工作时，才适合按现金收益确认。否则应列为产能释放。
决策质量收益
追单晚于销售窗口、错误调拨、无增量贡献的促销和重复补货，都可能形成可量化损失。可以通过相似品类、店群或波段的对照试点，比较正价售罄、断货、折扣、周转和期末库存变化。
用一张三年测算表回答"能赚多少"
假设某品牌三年项目总投入600万元，经试点和对照验证后：
- 可归因新增销售贡献：520万元；
- 减少的库存相关损失：300万元；
- 可兑现效率收益：100万元。
则：
三年净收益＝520＋300＋100－600＝320万元
三年ROI＝320÷600×100%≈53.3%
这是方法示例，不是行业基准。如果300万元库存收益已经包含在新增销售贡献中，必须删除重复部分。管理层还应查看收益出现的季度、累计净现金流和回收期，而不是只看三年总数。
ROI怎样通过试点验证
立项可以按四个关口推进：
- 基线关：记录实施前的净销售、毛利、售罄、断货、折扣、库存和人工工时。
- 边界关：明确试点品类、波段、店群、用户和具体决策动作。
- 归因关：设置可比对照，记录天气、促销、开关店和供应异常。
- 推广关：分别测算保守、基准和积极情景，改变采纳率、上线时间和改善幅度。
试点还可采用统一的风险观察线，例如WOS超过8周作为积压预警、售罄率低于40%作为滞销观察、动销率高于80%作为健康参考。以上均为知识库中的管理参考值，不是统一行业标准，使用时必须按品类、上市进度、商品角色和销售窗口校准。
基础款、时尚款、季节款和跨季款不应混成一个平均结果。不同商品角色的价值来源不同：基础款更容易从缺货改善中获益，趋势款更依赖销售窗口，季末商品则更关注折价和库存损失。
核心结论
- AI商品决策ROI应按可归因增量收益计算，预测准确率和建议数量不能替代财务回报。
- 收益测算必须覆盖新增贡献、库存风险、效率改善和决策质量，并消除重复计算。
- 可信ROI来自统一基线、对照验证和执行记录，行业研究不能作为项目收益承诺。
常见问题
1. AI商品决策项目多久能够回本？
没有统一答案。应根据项目范围、库存基数、数据基础、采纳率和收益释放节奏计算试点与推广阶段的累计现金流。
2. 预测准确率提高能否计入ROI？
不能直接计入。只有当预测改善进入采购、配货或补货动作，并产生可验证的毛利、库存或效率变化时，才能形成收益。
3. 库存下降金额能否全部计入收益？
不能。可计入的通常是减少的资金、仓储、折价和报废损失，还要检查库存下降是否造成新增缺货。
4. 首个试点应该选什么场景？
优先选择数据完整、动作频率高、结果反馈快的基础款补货、新品跟进、库存预警或门店调拨。