大模型驱动下的营销实战：京东物流的大模型应用探索与 Agent 化趋势｜AICon 北京

6 月 27 日-6 月 28 日，AICon 全球人工智能开发与应用大会北京站即将拉开帷幕。本次大会将汇聚 AI 前沿技术与落地实践，邀请来自腾讯、阿里、百度、字节跳动等头部大厂以及智谱、硅基流动、智象未来、声智科技等 AI 企业的 50+资深专家，深度探讨 AI Agent、多模态应用、推理性能优化以及 AI 在软件研发、数据分析、业务运营等场景的具体落地实践。

京东高级总监陈兰欢已确认出席并发表题为《大模型驱动下的营销实战：京东物流的大模型应用探索与Agent化趋势》的主题分享。面向 B 端客户的物流营销，往往链路长、转化难、信息不对称明显。以京东物流为例，其客户开发中存在线索质量参差、转化率不稳定、销售周期冗长等问题，尤其在非人脉获客的场景下，依赖技术手段成为关键突破口。

本次演讲将分享京东物流如何基于大模型构建“智能营销体系”，通过线索挖掘、外呼培育、人机协同、客户画像、知识赋能等方式，覆盖营销链路各环节，并逐步由“AI 赋能”升级为“Agent 主导”的智能运营形态。本次分享将重点介绍营销大模型在企微机器人、语音外呼、销售助手等产品形态上的落地经验。

同时，也将结合模型训练、指令遵循、RAG 检索、Agent 编排等关键技术模块，展示如何在满足专业性与实时性要求的同时，实现签约数量、签约收入、ROI 等关键业务指标的提升。

陈兰欢目前在京东物流担任物流算法通道委员和技术架构委员、高级总监，从事算法工作主要聚焦在大模型算法、推荐算法、营销增长算法；负责物流营销方向业务的技术选型、系统和算法平台，大模型技术方向指导和把控。他在本次会议的详细演讲内容如下：

演讲提纲

1. 背景与挑战：B 端物流客户的营销难点

• B 端客户决策链长、客户认知门槛高、转化难，尤其是关键决策人挖掘困难。

• 京东物流销售拓客主要有两种模式：销售自主挖掘 & 市场/AI 渠道支持。部分省区线索资源薄弱。

• 如何通过“前置线索挖掘+AI 培育”，提升销售效率、缩短签约周期，是提升营收的关键。

2. 大模型应用探索

• 面对 B 端复杂的业务场景，结合业务构建营销大模型，并将其应用到智能外呼、企微营销、智能销售助手等大模型应用落地中，目前营销大模型除了基座模型使用的是开源的 Qwen、DeepSeek 系列，其他的后训练等模块、如 QA 路由、RAG、agent、指令遵循、自动化评估、样本生成和合成等模块均为自己团队自主构建。通过划分不同的层级，不同场景使用不同的样本进行大模型微调，以及知识库、RAG 结合，有效支撑了业务需求和保证了回复的准确性和专业性。

3. 关键技术与能力建设

• 样本和数据建设

• 语音+文本线索语料数千万级

• 自研数据清洗+合成体系，覆盖多个营销场景

• 模型训练与优化

• 基于 CoT 指令体系，采用 SFT+DPO 方式优化模型指令遵循能力

• 微调适配不同业务场景，保证应答专业度和上下文一致性

• 智能外呼和企微营销

• 多模态语音大模型实现模拟销售沟通流程

• 企微机器人支持模块灵活调配、流程跳转动态适应

• 检索增强与智能评估

• 构建 RankRAG 体系，结合 Ragas 与人工质检实现 95%+准确率

• 自动化运营覆盖 90%以上 badcase，形成稳定 SOP

• Agent 编排与自我反思

• 完成 8 个典型场景的 agent 流程上线，单轮响应<1 秒

• 支持按业务输入动态规划与调整

4. 下一步演进方向

您认为，这样的技术在实践过程中有哪些痛点？

• 样本质量和数量选择：样本选择和种子样本的构建，包括进行拒绝采样去提升种子样本质量，使用思维链样本去解决复杂的业务逻辑和问题。

• 客户意图识别的准确率：需要很细致的 badcase 分类和自动化运维去减少标注人力，合理配比不同分类的微调样本。

• 语音等多模态准确率提升：适当解耦不同的能力模块，比方 ASR、TTS、LLM 等，每个部分可以适配不同的微调模型，以及对比不同厂商的接入方案。

听众收益

• 如何落地应用技术，实现技术与业务的深度融合。

除此之外，本次大会还策划了AI Agent 构建与多场景实践、多模态实践与应用、大模型助力研发的实战经验、AI 在业务运营中的深度落地、大模型时代的数据处理与分析、AI 变革下的工程师等 10 多个专题论坛，届时将有来自不同行业、不同领域、不同企业的 50+资深专家在 AICon 北京站现场带来前沿技术洞察和一线实践经验。

现在报名即可以享受 9 折优惠，单张门票立省 580 元，详情可扫码或联系票务经理 13269078023 咨询。