人工智能+新零售=？ 6个案例让你看明白

时代瞬息变化，互联网+”的概念在零售业掀起狂风巨浪，传统零售业面临着不变革就被淘汰的局面。顺应时代的发展，与传统零售交融，跟人工智能对话，零售新时代正向大家走来。

      人工智能和新零售，这两个近期火爆的热词的结合，会把我们未来的购物体验带向何方？

      想象一下，在未来的某个奇妙的平行世界里，奥黛丽赫本和玛丽莲梦露同时走进一家精品时装店，门店会自动引导她们关注符合自己风格和品味的单品，从而以不同的动线逛完一家店，并且即使同样的服装，在她们阅读时也会显示出不同的描述方式，以适应她们不同的文化程度和关注点，并根据她们不同的反馈，作出关联推荐。

      而当前，99%的零售店铺会给这两位女性提供完全一样的服务，因为在传统的零售市场分类里，她们年龄相仿（仅相差3岁）、职业类型、事业成就和收入规模都应当归入同一类人群，即高收入、高价值、高时尚品味女性客群。

      但是众所周知，她们的体型、性格、文化程度、品味偏好迥异，她们应当有完全不同的服装购物体验。而这，正是人工智能技术在未来零售体验中应用的发展方向。

      人工智能技术应用在零售领域，其最终目的是实现高效率与消费端相触达，所以，提高效率、降低成本、提升消费体验是人工智能赋予零售主要解决的三大问题。当前人工智能技术的应用体验还处于初级阶段，真正体会到它给人们带来的好处还需要技术的进步和时间的检验。

      赋能传统便利店，未来是AI+零售

      对于新零售业态，最核心的一个特征就是线上线下融合，这样带来的直接结果就是，新零售业态可以采集到的数据更多。

      传统零售商在数据方面一直不够重视，大部分传统零售人是“摸着石头过河”的思维，我们可以把它看作是经验思维。比如货架怎么摆放，商品怎么选择、动线怎么设计。但对于新零售业态，在数字化经营思路下，这些数据并非如想象中那么无迹可寻。

      在传统零售店面，商品完全依赖供应链以及价格体系，促销活动做了很多，究竟是谁买的单却很难清楚，包括店面的消费动线设计也是完全以货为中心，消费者在厨具摊位买完咖啡壶，还要跑到食品区去购买咖啡。此外，诸如天气等社会公共信息等，其对于到店客流的影响也会十分显著，传统零售商仅仅通过销售数据是很难捕捉到消费者的行为变化，知其然并不知其所以然。

      换做新零售，基于消费者为中心的业态，可以借助门店的wifi探针，蓝牙感知技术，可以自动识别他们的手机或者其他联网设备获得数据，可以在不惊扰客户的情况下，调取其资讯并快速提醒前台导购或服务人员。

      对于如何在终端解决方案的落地，针对不同人群的个性化需求推出个性化的解决方案，则需要AI（Artificial Intelligence，人工智能）技术的深度融合。

      因此，新零售的体验必将经历人工智能化的过程。

      那么，当前在新零售领域有哪些AI技术结合的尝试呢？

      虚拟试衣——搭配的人工智能化推荐

      当前线上购物一大痛点在于，无法直接抚摸、触碰到商品，消费者对于商品的认知来源于拍摄图片，无法即刻试穿试用。尤其是服装的网销，受尺码不统一和图片色差的影响，会导致退换货的问题。

      我们发现，近几年网络虚拟试衣技术的开发相当迅速。虚拟试衣解决的需求其实有两层，一层是“合身”，另一层是“搭配”。

      搭配类虚拟试衣app吸引用户的核心点在于——如何在浩瀚的网络服装库中找出特定用户可能会感兴趣的单品，唤起他们搭配的欲望，并推动下单。

      美国一家专门做服装搭配订阅销售的公司Stitch Fix的人工智能化尝试如果与国内的虚拟试衣APP结合，则有可能产生全新的虚拟试衣商业模式。

      Stitch Fix的做法是让用户在网上填完关于体型、预算、穿衣风格之类的问卷之后，通过算法向用户每月发一个符合其风格和预算要求的服饰包裹，包括服装、鞋和配饰等等。用户可留下喜欢的单品，不喜欢的单品在三天内退回，邮资由 Stitch Fix 负责。

      如果用户一件都没买，则需要自己支付 20 美元的退货邮资。同时根据退货情况优化算法，使得推介产品的购买率不断提高。

      这虽然看上去是相当费时间和人力的算法优化模式，但大多数人倾向于避免退货的麻烦而留下单品，而如果一个包裹里面有1-2个令用户相当满意的单品或搭配，则会让用户的满意度相对较高。同时这个商业模式一次性卖出多件商品，确保了客单价的水平。

      对于国内大量的“搭配类”虚拟试衣APP来说，获取用户数据并进行算法优化的数据来源会更加方便。

      虚拟试衣——合身的人工智能化效果实现

      在搭配的基础上，我们也发现有越来越多的开发者在虚拟试衣上实现“合身”的试穿，如衣恋时尚、Metail、宜定时尚、好买衣虚拟试衣间等。

      通过虚拟试衣对是否合身进行考量的难点在于既需要对消费者的身体进行建模，又需要对服装进行建模，两者匹配之后才能看出来实际效果。

      而这一问题在实体门店则更加容易解决，比如优衣库推出的魔镜系统，因为在实体门店中魔镜安装的角度是固定的，用户和镜子之间的距离可以方便地探测到，则可以做到较为精确的建模。

      因此我们预测未来“合身型”试衣的线上线下链接点可能在魔镜这一环节，在实体门店线下采集用户身体数据建模后，可以便利地实现线上和线下的虚拟试衣。

      虚拟试衣同时需要对服装进行建模，服装尺寸的标准化程度比较高，因此当前在固定人体模型姿势下的建模较为简单，难点在于在不同人体姿势下的服装替换。

      比如优衣库的魔镜，采用的是体感辨识系统及半反射镜荧幕科技，在同一款羽绒服的基础上实现变换颜色则相对简单，但如果想换的是连衣裙或衬衫，在当前的姿势和服装上则难以做到与人体的贴合了。

      这一点的实现则需要人工智能的辅助，将体感辨识与服装在不同材质、类型的服饰在不同姿势下的垂坠模式进行学习，才能够模拟出更加精确的效果。

      智能货架——铺货的人工智能化管理

      如果你关注零售终端的智能化管理领域，会发现尽管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，但是店铺的铺货管理手段还停留在极其原始的阶段。

      今天大部分实体门店的铺货情况是通过神秘客走查或者巡店的方式进行管理的，而这个领域早已可以通过人工智能实现更有效的终端管理。

      铺货问题的核心需求来源于，厂商并不完全掌握销售终端的铺货情况。

      比如一家饮料厂商，

      他们的产品在不同超市的货架摆放情况如何？

      货架上没货了是否及时补货？促销信息是否及时传达给了消费者？

      这些表现与当季的销售表现有哪些关联？

      应该做出哪些调整？

      这些信息都需要通过神秘客走查或者巡店的方式获得，当前国内有一家叫“拍拍赚”的企业正尝试通过神秘客监测+机器视觉识别的方式来协助企业做销售渠道管理。

      而我们认为，新一代零售的发展方向必将是货架的智能化。

      货架的智能化目前来看主要分三个方向：取货与支付的智能化绑定、电子化货物标签和铺货智能监测。

      Amazon Go显然做的是第一个方向，即取货与支付的智能化绑定。它主要通过感知人与货架之间的相对位置和货架上商品的移动，来将取货和支付进行绑定，从而取消掉收银环节。

      而在国内，我们看到了另一类智能货架的发展方向是智能化电子标签。

      有报道称伊泰特伦帮波司登打造的智能货架系统，当顾客从货架上取下服装时，智能货架显示屏能够在2-3s内显示产品相关信息，同时由于货物本身采用了射频技术吊牌，可以实现货品的实时盘点。
   
      此外当线下产品电子标签化以后，更有利于厂商实时对线上线下价格进行实时调整，未来线下促销活动的玩法也将逐渐多样化，线上线下渠道的打通则成为可能。

      而我们认为，除了以上两种智能货架发展方向之外，带摄像头的能够进行铺货监测的智能货架发展方向，恐怕对于零售管理的意义更加重大，真正实现从决策人到销售重点的贯通管理。

      首先当缺货或者货品信息展示不合规时可以发出相关警示，此外对用户的选择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。

      面部识别——店内定向营销的人工智能化

      提到面部识别技术在新零售中的应用，很多人第一时间想到的是进店识别老客户的运用。

      但仅仅将这项技术用在辅助店员与顾客拉近关系上，显然不够直观有效，此外对喜欢声称自己有社交恐惧症，不愿与店员进行不必要互动的顾客来说也不是良好的体验。

面部识别在新零售中更好的应用是店内定向广告营销和店内动线优化。面部识别不仅仅在于识别出消费者的身份，还可以通过特征识别用户年龄、性别、心情状态等等。

      2013年Tesco就做过通过人脸识别播放定制化广告的尝试，然而这项技术在近几年却没有看到进一步应用的报道，说明面部识别技术在新零售的应用在成本和隐私权上面还面临着较大的障碍，但一旦障碍突破，则可能形成定向广告巨大的商机。

      以上我们列举的，可以看出AI的应用使得BI的洞察更加准确和落地化，实现全新的零售客户体验。因此零售终端的人工智能化建设，必将是下一轮浪潮的主题。

      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，深度定制体验则会带来用户使用的粘性。