劳氏用 AI 接住百万个家装问题
厂商口径案例：美国建材连锁劳氏给30万员工配AI助手，顾客提问转化率提升至三倍。本文拆解它如何把门店知识搬进模型，以及传统零售复制这套打法的三步流程。
顾客站在建材卖场里，问的从来不是「你们家的油漆 SKU 编号」，而是「有没有耐得住三个熊孩子的墙漆」。传统搜索答不了这种问题，因为带着项目来的人，自己也不知道该买什么。这是劳氏（Lowe's）给 AI 找到的第一切口。
一、发生了什么
先说明口径：以下数字全部来自 OpenAI 官方客户案例（发布于 2025 年 9 月 25 日）及劳氏高管在财报会上的说法，属于厂商口径，未经第三方验证。
劳氏做了两个 AI 助手。对顾客的叫 Mylow，嵌在官网里，用大白话问「我想挂个架子」，它会给出分步骤指引、产品推荐和教程。对员工的叫 Mylow Companion，服务门店里穿红马甲的销售人员，覆盖约 30 万名员工、1700 家门店、全美 50 个州，近一半交互直接靠语音——因为店员是一边在货架间走动一边提问的。公司总部另配了 ChatGPT Enterprise。
效果数字：官方称两个助手自 2025 年春季上线以来已回答数百万个问题；财报电话会上披露，使用 Mylow 的顾客转化率是普通在线购物者的三倍；店员用它协助顾客时，满意度提升 200 个基点。首席信息与 AI 官戈德博利的衡量方式很朴素：如果每个员工每天只问一个问题，那就是 30 万个问题。
二、跟你有什么关系
零售从业者：这个案例的真正价值不是模型多强，而是知识工程——把「老店员脑子里的经验」变成模型能消化的训练材料，这才是护城河。
做客服/导购系统的产品经理：注意它没有先做炫酷功能，而是先解决「跨部门问题没人答得上来」这个真实痛点。水管问题以前要三个人折腾 30 分钟，现在一个人几分钟。
想上 AI 的中小企业：劳氏的门店有 13 万平方英尺、数万种商品，你的库可能小得多，照抄流程成本反而更低。
三、怎么用
读到这儿，可以顺路看 Airbnb 把 GPT-6 Astra 开放给工程团队 厂商口径：OpenAI 官宣 Airbnb 扩大 GPT-6 Astra 等前沿模型接入，工程师交付功能量比一年前多约八成。本文拆解订房平台拿前沿模型做的四类活，以及企业评估「前沿模型值不值」的方法。- 先收集问题清单：把客服记录、销售被问最多的一百个「项目型问题」整理出来，这是你的第一批语料。
- 分两个入口部署：顾客端做引导式推荐，员工端做移动端语音问答，别指望一个产品通吃两类人。
- 用业务指标验收：看转化率和响应时长，不看「模型评测分」。劳氏就是拿财报数据当验收标准的。
四、三个别信的说法
大模型上线，客服团队就能裁掉。 劳氏给 30 万员工都配了工具，没有裁人，反而让一线老员工的经验被放大。AI 在这里是人手的延伸，不是人手的替代。
转化率三倍全靠模型。 三倍是使用 AI 顾客和普通在线顾客的对比，里面有幸存者偏差——会主动提问的用户本来就购买意愿更强。看到这类数字先问对照组怎么选的。
小公司用不起这个。 这套打法的核心成本在语料整理和流程改造，不在模型本身。API 调用按量计费，几百条高质量问答起步，门槛没有想象中高。
五、一句话结论
零售 AI 竞赛比的不是谁的模型强，是谁把行业知识喂得更干净。
信息来源
功能与价格以官方公告为准。本文写于 2026 年 10 月 20 日。
本文为编辑整理的行业动态，未附官方原文链接。涉及价格、参数、发布时间的，请以厂商官方页面为准；发现错误可来信指出，会在「本次更新」里注明。
每周一封，只发新教程和可复制模板。不发广告，随时退订。