作为技术应用的集成体现，智慧门店是业内重点探索的领域。资料图片
零售行业是对技术触觉最为灵敏的行业之一，会根据市场的迭代做出快速反应。从采用POS机、条形码、嵌入RFID等技术到电商热、O2O模式重构，再到如今AI助力的“新零售”，零售行业一直善于将新技术运用于各类需求中。
不过无论零售业的概念如何改变，都离不开其实质：商家以更低成本获取更多需求信息，更精确分析需求信息，更快反应需求信息，从而降低时间和成本，提高效率；顾客消费需求更精准地被满足，买到性价比最高的东西，降低犯错可能。而人工智能(A I)也只有从零售行业本质入手，解决行业痛点，才能实现整个业态的变革。
继金融、教育行业后，智媒云图走访调研多家零售企业及人工智能公司，发布《2017A I新零售白皮书》。从A I落地场景、落地难点、商业模式和未来畅想四部分，深入剖析A I与零售行业的结合机会。
五大场景
从门店到供应链，理想逐步落地
A I落地零售行业场景非常多，《智媒云图2017A I新零售白皮书》聚焦较为成熟的五大场景，包括智慧门店、智能买手、智能仓储与物流、智能营销与体验、智能客服这五部分。
在这五大部分中，智慧门店是业内重点探索的领域，是技术综合应用的集成体现。无人值守便利店A m azonG o，是对智慧零售门店管理的一种理想状态。即消费者用手机扫码进入，并登录自己的ID，就可以选择商品，实现线下选购、线上结账。智媒云图人工智能工作室经采访调研发现，目前A I实际落地门店主要是通过摄像头的图像识别、人脸识别辅助管理。例如在百货商场不同的门上装上摄像头后，能通过图像识别相关技术，对人流做评估，也可为安全疏散提供决策建议，为标准化作业提供监测，减少人力巡店成本。据了解，未来的智慧门店将结合摄像头的图像识别、情绪识别，与移动端的管理A PP协作，实现远程店面管理。
除智能门店外，A I在优化后端的供应链有着广泛应用空间，核心为合理控制库存。通过智能买手，便可对接整个供应链。例如过去采购人员采购水果，需要先考察果农，了解产量，结合店内销售数据，下订单。如果能够利用A I相关技术，对接门店销售数据、天气数据、汽车交通数据、种植数据，系统实现产品组合优化，自动采购，采购后物流部门自动拉货、自动销售，在这个过程中，机器担任了买手的角色。据了解，以上这样的采购系统已经在国外一些大型线下超市发挥作用，中国的一些大型超市近年也已开始实施。
从物流到体验，软硬兼施
智能仓储也是A I切入零售行业的重要场景。射频识别(R FID )是产品电子代码(EPC)的物理载体，附着于可跟踪的物品上，可全球流通并被识别和读写。这个系统基本可以代替人工，可实现智能盘点货物。据介绍，如今亚马逊、京东都已经实施了无人分拣系统，所有商品由机器分拣，分拣完后放在传送带上打包，最后发货。
对于电商领域，客服的角色不可或缺。智能客服的应用降低了人工客服的工作量，提高了问题解决的效率。过去，智能客服用于解决客户向公司提出的咨询和投诉，且仅支持文字回复。如今人工智能客服面向千万商家，具备自然语言处理能力和深度学习技术。它可以对商品有关问题进行回复，并根据客户信息定制个性化产品推荐，还能提供修改订单、退货和退款等服务。
此外，改善顾客体验是A I落地零售行业的重要场景之一。个性化推荐已经广泛落地于线上零售，是线上精准营销的一种重要手段。机器根据顾客的浏览轨迹、购买记录等线上行为判断顾客的喜好或需求，向其推荐潜在会购买的商品，提高顾客需求与商品供给的匹配性，以此提高成交量。此外，也有越来越多的终端开始试水营销体验环节，比如虚拟试衣镜等等。
三大难点
数据多样，但连接困难
AI的基础主要是大数据及其算法。相比其它行业而言，由于零售行业的系统化程度发展较快，通过摄像头技术、热感应技术、POS机、在线支付等技术的长期应用，数据获取更容易，因此数据维度更多样，数据积累量更大，且获取数据及时性也更强。这为AI落地零售行业打下了坚实基础。
但与此同时，零售行业依旧面临着大量数据难以互联互通的问题，这也阻碍了数据被深层次应用的探索。据了解，由于零售行业环节很多，产业链上下游公司之间存在数据壁垒。数据作为一个公司的财富，在看不到既得利益时，许多公司不愿意公开自身掌握的数据。例如零售商不愿向制造商公开数据，物流商也不愿向零售商公开数据。整个行业产业链的数据联通谈判周期较长。
利润低，一次性成本较高
零售行业注重利润率，而科技的落地带来的成本并非每个零售商都可以接受。例如，对于大型连锁便利店而言，要让成千上百家门店实现智能化，一次性成本较高，短期内当机器成本比人力成本还高时，零售商往往犹豫不决，倾向依旧采用人力。
比如要建设类似罗森便利店那样的无人值守门店，射频识别(RFID)是其中运用到的重要技术。RFID技术作为构建“物联网”的关键技术近年来受到人们的关注。业内人士介绍：“这个系统基本可以代替人工盘点货物。但是由于成本过高，许多线下大型超市都选择放弃。”
品类多，效果参差不齐
AI落地零售场景很多，但技术落地效果参差不齐。主要是因为零售业涉及环节和品类很多，品类之间性质差别较大。例如家居行业属于高服务、低频消费、高客单价、决策链长、决策人数众多的行业。相比而言，超市的一瓶水，客单价极低、一个人即可决策，无需其他附加服务。两者都属于零售业，但差异很大。如今采购系统可以实现AI自采，但是品类只局限于快消品等，因为这种品类高度标准化且无需售后服务等附加因素。
AI落地，除了跟零售本身具备的“品类多、行业差距大”等特性有关外，也跟不少主观因素有关。这在一定程度上，决定了全行业的AI技术普及还需要相当长一段时间。
路径与机会
以“产品+服务”撬动细分市场
《智媒云图2017A I零售白皮书》，主要按照公司规模以及商业模式，将涉足A I领域的零售公司分为T oC和T oB两大类目。
选择前者的多为互联网巨头，它们将研发的A I技术直接落地其消费者业务中，于此同时开放技术平台，为B端客户提供技术支持。对于创业技术输出公司而言，则更倾向选择采用T o B商业模式，以SaaS服务为主。SaaS(Softw are-as-a-Ser-vice)是软件即服务的简称。主要是企业根据自身实际需求向云端互联网厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
不过，这种被资本市场颇为看好的“产品+服务”模式，却也是一场“持久战”。据了解，有些企业需耗时3-5年打磨产品。后期还需提供长期服务，包括企业培训、产品维运、产品监测、服务续费等。在企业服务持久战中，获客难、客户流失率高一直是许多从业者需要解决的困局。单靠砸广告引进B端精准客户难以奏效。做好产品和服务，形成良好的口碑，形成良性循环才是持续发展的关键。
对此，创业者开始时可以在“细分+合作”中寻找机会。选定巨头暂时看不上的垂直细分市场，做精做透单个行业的解决方案。此外，在处理和巨头的关系时，并不是每个创业者都选择独自拼搏这条路，拥抱巨头也是一种选择。
无人值守与数据互联
继亚马逊推出无人值守便利店A m azon Go后，国内各大零售商也开始尝试无人值守便利店。然而这种模式的便利店噱头大于应用，暂时还处于试点阶段。未来，无人值守店真正落地各大百货、便利店、连锁门店，还有很长的路要走。
此外，零售行业面临着数据互联的困局，数据一旦实现互联，就会促进线上与线下的紧密结合，推动新零售的普及。当数据不断公开和互联，未来技术落地零售还有很多想象空间。
智媒云图研究室出品
统筹：鲁浩 撰稿：郭丽娟
