打开文本图片集

[摘要]在数字化浪潮推动下，零售业正面临转型升级和模式创新的挑战。本研究聚焦于大语言模型（Large Language Model）在商业模式文本分析与创新策略制定中的应用，构建了“创新动力-创新要素-创新路径-创新策略”的四层分析框架。研究表明，大语言模型能够高效提取商业模式核心要素，设计递进式创新路径，提供数据驱动的决策支持。然而，模型在动态复杂场景中的表现受限，需通过优化训练数据和技术架构进一步提升。本研究验证了大语言模型在商业模式创新中的潜力，为零售企业制定创新策略提供了理论和实践的支持。以期为零售企业如何利用大语言模型来研究商业模式并制定创新策略提供帮助，同时也为相关领域的理论研究和实践应用提供参考。

[关键词]大语言模型；商业模式；创新策略；零售业

一、引言

在数字化浪潮席卷全球的背景下，零售业作为经济发展的重要支柱，正面临前所未有的转型升级压力与模式创新挑战。2016年，国务院办公厅发布《关于推动实体零售创新转型的意见》，提出以信息技术激发新动能，推动实体零售从销售商品向引导生产和创新生活方式转变，鼓励线上线下融合与模式创新。商业模式创新已成为零售企业保持竞争优势和实现价值获取的关键（李玮玮，2017[1]；项国鹏、周鹏杰，2013[2]）。

而今数智化时代，LLM作为人工智能的最新成果，以强大的文本分析和理解能力，为商业模式分析与创新策略提供了新契机（胡泳、刘纯懿，2024[3]）。2021年“十四五”规划中，国家强调创新驱动和消费融合发展，为零售业商业模式创新注入新动力。当前研究多集中于价值要素推动创新策略（盛亚、徐璇等，2015[4]）、搭建“动因-行动-结果”框架（李玉霞、庄贵军等，2021[5]）、新零售模式创新（尹瑶、叶敬忠，2024[6]）等，然而，鲜有研究结合大语言模型探讨其在商业模式创新策略中的应用。

基于此，本文聚焦于LLM的测评与应用，旨在：（1）分析其在文本处理与策略制定中的能力特征；（2）挖掘其在商业模式分析与创新策略制定中的优势与不足；（3）探讨其对零售企业的实际帮助。通过结合商业模式和创新策略，本文力求揭示大语言模型在数字经济时代如何帮助企业实现可持续竞争优势，并为理论与实践提供参考。

二、整体步骤

本文进行大语言模型分析文本并制定创新策略的整体步骤为：（1）案例收集（2）文本分析（3）模型搭建阶段（4）模型调试（5）模型泛化能力测评（6）评估模型。总体分析路径见图1。

1.LLM选取：选用kimi探索版、通义千问2.5版、ChatGPT GPT-4o版。

2.Prompt提示词设计：明确告知分析框架，加入“客观凝练”等要求；创新策略制定时加入创新动力、要素、路径、策略提示词。

3.案例文本分析：涵盖传统实体店、电商、会员制、新零售模式，以九家零售企业为案例，利用LLM分析并总结价值活动与创新策略。

4.评估模型构建：从创新动力、要素、路径、形态四个维度分析案例，并进行人工调试。

5.泛化能力测试：通过盒马鲜生案例测试模型泛化能力，验证制定创新策略可行性。

四、案例测评及结果分析

（一）商业模式文本分析——案例分析

本文在深入研究商业模式的过程中，精心选取了拼多多、亚马逊、山姆超市、Costco、名创优品、胖东来、小米和王府井旗袍定制这八家具有代表性的企业作为案例分析对象，其详细的分析结果可见于表1。

案例所覆盖的领域极为广泛，从平台型电商到会员制零售，再到精品连锁及传统零售模式，无不彰显了所选案例的广泛代表性和深入洞察性。具体而言，拼多多凭借其独特的社交裂变策略在电商领域迅速崛起，亚马逊则凭借其全球化的运营策略和先进的物流技术稳固了其在电商行业的领先地位。山姆超市和Costco则通过会员制模式吸引了大量忠实客户，提升了顾客粘性和消费频次；名创优品和胖东来作为本土精品连锁品牌的代表，凭借其独特的产品定位和优质的服务赢得了广大消费者的青睐。小米则通过线上线下融合的模式，成功跻身智能硬件行业的领头羊地位。而王府井旗袍定制则保留了传统零售模式，以精湛的工艺和个性化的定制服务满足了消费者对高品质生活的追求。

案例对于大语言模型的训练和企业实践具有深远的意义。首先，案例提供了多样化的测试场景，能够有效检验模型的适应性、提炼能力以及理论泛化能力，帮助模型在复杂情境中不断优化其性能。通过提取案例中的核心要素，模型可以进一步提升语义理解与结构化分析能力，为商业研究应用奠定更加坚实的基础。案例为企业提供了丰富的数据驱动决策支持，帮助企业从实际场景中提炼关键洞察，优化战略规划与执行路径。在激烈的市场竞争中，基于案例的深度分析能力能够助力企业快速响应市场变化，抢占先机，实现可持续发展。未来，随着案例库的不断丰富与模型的持续迭代，案例与模型的协同作用将进一步增强，为企业创新与数字化转型提供更强大的支持。

（二）构建创新策略评估模型

1.创新策略评估模型构建

本次实验构建了“创新动力-创新要素-创新路径-创新策略”模型，在前期分析企业现有商业模式的基础上，通过LLM文本分析为企业制定创新策略。

2.创新策略模型运行结果

在现有案例分析的基础上，LLM根据每个案例的独特创新特点，制定了相应的创新策略（详见表2）。研究结果显示，各个模型均能够精准捕捉案例企业的特殊背景和行业特性，从中提炼出核心的创新动力。同时模型还结合了企业的技术环境和市场需求，归纳出既具有时效性又具备针对性的创新路径与策略；拼多多的低价拼团模式、小米的IoT生态系统构建策略，以及Costco的低价会员制策略，均在各自的模型中得到了详尽的分析和策略性的建议。

（三）大语言模型泛化能力测评

1.创新策略制定能力测评——盒马鲜生案例

（1）本次实验设置的变量

本次实验采取的研究对象时代背景相同，通过将盒马鲜生的主体匿名，建立一个时间段处在新零售模式建立之前的时代背景，以防止模型借鉴盒马鲜生现有的创新策略。以盒马鲜生成立初期至新零售模式建立之前的发展阶段为测评案例背景，设计Prompt提示词：创新动力、创新要素、创新路径、创新策略，在分析建立初期商业模式的基础上令三个大语言模型制定创新策略。三个模型训练的对象、路径与提示词完全一致。

（2）模型运行结果

以下是对Kimi、通义千问和ChatGPT三大语言模型在超市行业创新策略制定中的分析内容汇总：

表3展示了Kimi、通义千问和ChatGPT三种模型的创新动力、要素、路径和策略。Kimi聚焦市场和技术，强调数字化转型与消费者体验，以技术和供应链为核心策略。通义千问重视品牌信誉，关注食品安全与人才培养，策略综合且注重公益效率；ChatGPT则综合内外因素，全面覆盖技术、服务、营销等，策略全方位且适应性强。

（四）运行结果与实际创新策略匹配度

1.匹配程度

将盒马鲜生2020年至今实际的创新策略与大语言模型给出的创新策略以匹配程度为标准进行评分，匹配度评分由各大专家、企业高管以问卷、访谈形式进行评分。满分为10分，相似程度越高得分越高（见表4）。

从表格中可以看出，Kimi模型的总分为32分，通义千问模型的总分为31分，而ChatGPT模型的总分最高，为35分。表明在创新策略的制定方面，ChatGPT模型的表现最为出色，能够更准确地识别创新动力、要素，规划创新路径，并制定出与实际情况高度匹配的创新策略。

2.结论

盒马鲜生作为新零售领域的先锋，通过线上线下深度融合、多样化业态布局及高效供应链管理，成功应对了零售行业的数字化转型挑战。在创新策略制定中，不同的大语言模型（LLM）展现出显著差异：Kimi模型以简洁明确的特点见长，强调供应链优化和技术驱动，适合需要快速落地执行的企业；通义千问模型则注重社会效益与经济效益的平衡，关注品牌重塑与长期价值，但其路径连续性不足，适合兼顾社会责任与品牌效应的企业；ChatGPT模型在复杂情景下的规划能力突出，路径递进性强，但在操作细节上略显不足，适合需要系统性战略布局的企业。各模型在解决特定问题时具有独特优势，但也存在局限性，企业需结合自身需求与场景，选取合适的模型进行分析。未来，随着技术的不断演进，模型有望提供更灵活、精细的创新解决方案，助力企业在数字化转型中实现更大突破。

五、总结与启发

（一）研究结论

1.LLM在商业模式文本分析上表现优异，但模型间存在差异。Kimi简洁快速，通义千问平衡社会与经济效益，ChatGPT适合复杂情境。模型适配性受限，需按需调整。

2.LLM在制定创新策略上有所不足，尤其在细节和复杂情境适配上。各模型在细节与全局性上表现各异。

3.LLM对路径设置和人为引导要求高，依赖清晰框架和精准提示词。存在语义理解和数据适配局限。

（二）建议与展望

1.LLM（大型语言模型）凭借其强大的跨界分析能力，为我们提供了前所未有的洞察视角。为了更充分地发挥其潜力，我们建议积极探索LLM在其他领域的训练模式，通过多样化的数据集和训练策略，进一步增强其实时分析能力

2.LLM与管理决策的深度融合将是未来发展的重要趋势。通过深入挖掘LLM的潜能，我们可以为企业管理决策提供坚实的理论支持与实践指导，助力企业在复杂多变的市场环境中保持竞争优势。

3.LLM的实时分析能力将是推动企业创新的关键力量，能够帮助企业迅速打破信息壁垒，提升响应速度和决策质量，从而推动商业模式的不断创新和数字化转型的加速推进。通过实时捕捉和分析消费者反馈，企业可以更加精准地优化产品和服务，增强客户体验与忠诚度，进而提升整体竞争力。

参考文献

[1]李玮玮.商业模式对传统企业绩效影响的研究——以沪深两市零售企业为例[J].经济与管理，2017，31（03）：70-73.

[2]项国鹏，周鹏杰.商业模式对零售企业绩效的影响——基于顾客价值创造视角的分析[J]. 广东商学院学报，2013，28（01）：25-33.

[3]胡泳，刘纯懿.大语言模型“数据为王”：训练数据的价值、迷思与数字传播的未来挑 战[J].西北师大学报（社会科学版），2024，61（03）.

[4]盛亚，徐璇，何东平.电子商务环境下零售企业商业模式：基于价值创造逻辑[J].科研管理，2015，36（10）：122-129.

[5]李玉霞，庄贵军，卢亭宇.传统零售企业从单渠道转型为全渠道的路径和机理——基于永辉超市的纵向案例研究[J].北京工商大学学报（社会科学版），2021，36（01）：27-36.

[6]尹瑶，叶敬忠.新零售背景下的农产品流通秩序与治理变革——基于对“盒马鲜生”平台的考察[J].开放时代，2024，（05）：184-204+10.

[7]陶锋，朱盼，邱楚芝，等.数字技术创新对企业市场价值的影响研究[J].数量经济技术经济研究，2023，40（05）：68-91.DOI：10.13653/j.cnki.jqte.20230310.010.

[8]黄先海，孙涌铭，陈梦涛.企业数字化转型与颠覆性技术创新——来自专利网络与SBERT模型的微观证据[J/OL].中国工业经济，2024，（10）：137-154[2024-12-06].

[9]Ganotakis P.， Angelidou S.， Saridakis C.， Piperopoulos P.， Dindial M.， 2023， Innovation， Digital

Technologies， and Sales Growth During Exogenous Shocks [J]， Technological Forecasting and Social Change， 193， 122656.

[10]Funk， R. J.， and J. Owen-Smith. A Dynamic Network Measure of Technological Change[J]. Management Science， 2017， 63（3）：791-817.

基金（项目）名称：“双碳”目标下我国碳税与碳排放权交易市场协同优化研究 ；基金（项目）号：S202410555059

作者简介：第一作者 丰佳怡 2004年7月 女 广东深圳 汉族 本科在读 南华大学经济管理与法学学院 研究方向：碳交易市场政策评估体系

通讯作者 袁诗梦 2002年7月 女 汉族 湖南邵阳人 硕士在读 首都经济贸易大学工商管理学院