三场景说透人工智能如何赋能新零售

2019-08-22 16:13:05爱云资讯

从上世纪五十年代起,人工智能历经多年的起伏发展,不断在业务场景中尝试应用,终于在2016年出现转折——世界围棋冠军李世石在与Alpha Go的比赛中投子认输,之后的几年里,各种形式的人机大战不断上演(从围棋、德州扑克到即时战略游戏等),机器相对人类取得一连串压倒性的胜利。人们惊讶地发觉,人工智能的力量已经不容忽视。

过去的二十年,算法的优化、数据的积累和计算力的提升,这三个要素极大地助推了人工智能的崛起。

从设备感知,到大数据分析,再到辅助决策,人工智能能力的提升逐步带来了各领域商业形式的改变。今天,人工智能被视为数字网络的升级版,相关的产品或服务,加速在不同领域商业化实践。其中,在零售业的表现尤其明显,正在经历以消费者为核心的“零售革命”,助推传统零售行业升级。

新零售是以数据为驱动的,对人、货、场等角色及相互关系的重构。互联网时代,碎片化的消费行为令传统的零售方式难以为继。而基于数据分析,综合使用各个维度来源的数据:历史交易数据、社交网络关系、购物习惯、在线浏览记录、周期性消费习惯等,人工智能在零售场景中可以实现营销预测并辅助决策。如今,智能货仓、无人快递车、精准营销等,都是人工智能与新零售结合的产物。

其中,人工智能(AI)技术是连通线上、线下场景的桥梁,可以跨越在线电商与实体门店的鸿沟,实现线上、线下数据互补,打造全新的购物体验。下面,我们从人、货、场三个维度举例说明。

人的维度:智能推荐

想象一下,施瓦辛格和赫本走进一家超市,理想情况下,我们希望门店会自动引导他们关注符合各自需求的单品,以不同的动线逛完这家店。

可实际上,目前大多数零售店提供的是完全一样的服务,因为在传统的零售市场里,他们即使被区分为不同客群,得到的也是几乎相同的服务。

众所周知,施瓦辛格和赫本无论是性别还是消费习惯等都差异极大,应当有完全不同的购物体验。这正是人工智能技术在新零售体验中发展的方向,针对不同人群的差异化需求,推出个性化的解决方案,这需要人工智能的深度融合。

个性化、定制化的推荐服务在零售行业能很好的提升顾客体验,随着消费的不断升级,品质消费、个性化消费也开始日渐崛起,越来越多的零售企业开始推出私人定制的服务:服装店可以根据尺寸定制服装,食品店可根据口味定制蛋糕,等等。

对于线上场景,如网上商城,通过埋点获取每个用户的页面浏览数据,根据这些数据,可以统计用户从哪里进入页面,中间如何跳转并查看了哪些页面,每个页面停留的时间及行为:如浏览、点击或收藏,最后在哪个页面结束。基于此类数据可进行浏览轨迹分析,计算网站关键路径的转化率,以了解整个网站设计的合理性、优化空间等,为优化页面设计提供基础,提升线上精准营销的效果。

线上购物的一个缺点是无法直接触摸感受商品,图片往往是消费者对商品认知的主要来源,尤其是服装的网销,如尺码、色差、质地等经常会有偏差导致纠纷。

这几年,网络虚拟试衣技术的发展相当迅速,虚拟试衣的难点在于既要对消费者的体型建模,又要对服装建模,对两者进行匹配,展示穿着效果。首先,消费者体型数据的采集大多依赖用户输入的测量数据,缺点是测量和填写的步骤比较繁琐,而且不完全精准。

相对的,此类数据收集问题在实体门店更加容易解决,比如苏宁推出的虚拟试衣镜系统。在实体门店中,试衣镜安装的角度是固定的,用户和镜子之间的距离可以通过引导探测,做到较为精确的建模。

在未来,试衣镜可能是线上、线下的链接点,在实体门店线下采集用户的体型数据建模后,便可以真实可靠地实现线上和线下的虚拟试衣。虚拟试衣镜能智能匹配许多套不同的搭配,这些款式既可以是店铺陈列的,也可以是从厂家订制的。试衣下单后,商家可以直接安排调货,寄送到指定的地点。

此外,线下实体店还可以创造店内互动体验,让线下购物更高效、更有趣、更个性化。相对于传统购物体验,有人工智能助力的购物更像是一种线下的生活方式,这对零售业生态提出了新的要求,也带来了巨大的变化。

货的维度:智能货架管理

在零售终端的智能化管理领域,虽然消费者支付方式发生了快速的迭代,从钞票支付,到卡支付,再到移动支付,店铺的货架管理手段却还停留在比较原始的阶段。其实,实体店的货品摆放可以通过人工智能实现更有效的终端管理。

设想一下,周末晚上有场精彩的足球赛转播,作为球迷的你准备邀请几个朋友一起喝啤酒观赏比赛。但当你到超市的时候,发现自己最喜欢的啤酒已经空架了,是不是有点抓狂?

对于厂商而言,产品在各个超市的货架摆放情况、是否及时补货、销售情况及关联因素、相应调整措施等信息都要通过人工巡查获得。缺陷很明显,信息收集和反馈的时间过长,并且监测数据不一定全面。

新一代零售的发展方向必将是货架管理的智能化,有效提升用户体验。比如:通过摄像头的人脸识别功能,可以在顾客进店时进行新老客户的身份识别,对老客户可以根据购物历史及周期习惯推荐购物路线,对新客户可以制作客户画像,精准营销;客户进店后,摄像头可以记录客户的行进轨迹,优化货架摆放设置。此外,还可以使用压力传感器监测商品被拿起、放下的情况,以及存货数量,对货架进行自动化的实时监测管理。

这对于零售管理的意义重大,将会真正实现从决策到销售的全流程贯通管理。例如,当缺货或者货品信息展示不合规时,可以实时发出警示;同时,对用户的挑选、购物行为可以有大量的数据积累,从而可以结合人工智能技术进行本地化展陈优化。

场的维度:智能物流管理

如今,零售行业不断发展,数字化的商品信息、高效的仓储和物流,从产品的生产到配送,正形成一个完整的智慧化零售业态。国内外的电商巨头都已经开始部署智慧供应链,自动预测、采购、补货、分仓,根据实时情况调整库存精准发货,从而对海量商品库存进行自动化、精准化管理。

具体来说,目前可以看到的智能供应链应用场景主要有:

(1)自动预测备货:通过历史记录、节假日及促销、周期性因素、商品特性等数据预测备货,有效减少库存;

(2)智能选品:智能化诊断当前品类结构,优化品类资源配置,实现了商品全生命周期智能化管理;

(3)智能分仓调拨:预先将商品匹配到距离消费者最近的仓库,尽量减少区域间的调拨和区域内部仓库之间的调拨,提高时效性,同时优化调拨时的仓配方案,最大化降低调拨成本。

以苏宁为例,苏宁超级云仓是自主研发的定制化、系统化解决方案。它使货物从入库、补货、拣选、分拨到出库全流程自动化、智能化作业,极大的提升了仓储水平以及工作效率。

在这个过程中,采用了大量的物流机器人进行协同与配合,通过人工智能技术,让机器人适应不同的应用场景,完成各种复杂的任务,在商品分拣、运输、出库等环节实现自动化。

与传统仓储或者仅在单个环节实现自动化的仓储模式相比,智能仓储最大的特点在于机器人融入生产,改变生产模式,以及人工智能算法指导生产。因此,机器人技术、人工智能算法、海量商品的精准识别成为实现无人仓的主要技术瓶颈。

近年来,无人驾驶技术的研发得到了众多企业的重视,在商业化应用中不断成熟,包括无人重卡、快递机器人、快递无人机等,在物流运输、无人配送方面,构成一个完整的智慧物流配送体系。其中,无人重卡是连接区域物流中心的桥梁,快递机器人为最后一公里配送构建基础,快递无人机则全方位、无死角的保证这一公里的配送。越来越多的无人智能化设备被应用到具体场景,每个智能化的场景应用连成一体,构成智慧零售的关键一环。

困难及前景

当前,人工智能已经成为传统行业转型升级的助推力,持续地改变我们的商业模式和生活方式。而人工智能技术在新零售体验中的应用,必将进一步推动深度定制购物体验的发展,深度定制购物体验则会带来用户使用的粘性。

当然,在发展过程中,也面临着一些困难与挑战。

首先,在目前阶段,数据是AI应用的必要基础,在长期的业务开展中,积累的数据维度多样、体量巨大、形式复杂,并且数据间很多时候无法融合互联,形成数据壁垒。

其次,零售行业注重利润率,而科技落地的成本不是每个零售企业都能够接受的。例如,对于大型的连锁便利店,如要实现众多门店的智能化,一次性投入成本较高,因而升级门槛较高,往往倾向于依旧采用传统方式。

尽管存在重重困难,众多的科技企业仍然进行了有益的尝试,在一些典型场景中探索人工智能技术的应用。尤其在零售行业,新技术的应用落地呈现爆发趋势。例如,零售企业在加速与人工智能技术融合,在“物”端深耕供应链管理的同时,在“人、货”端的用户体验上也增强了线上、线下的融合。从无人值守的便利架到无人配送车,从单个的机器人到智能化的无人超市,各种技术、产品和解决方案,向人们展示了人工智能助跑“新零售”的诱人前景。

相关文章
热门文章
头条文章
重点文章
推荐文章
热点文章
关于我们|联系我们|免责声明|会展频道
冀ICP备2022007386号-1 冀公网安备 13108202000871号 爱云资讯 Copyright©2018-2023