5G時代下，AI賦能新零售商業化思考

本文分“零售現狀、零售與AI技術融合、AI+零售未來展望”三部分來闡述對AI技術賦能新零售商業化思考。

一、線下零售基本現狀1. 零售優勢

移動互聯網時代極大促進了線上電商崛起與繁榮，伴隨着互聯網紅利耗盡，獲客成本增加，線上電商增長也逐漸見頂，線下零售再次成為了資本與行業巨頭重點關注的戰場。

相比於線上，線下零售有着獨特優勢

可見即可得，線下實體選物體驗好，即見即可選，即選即可得；

覆蓋最後一公里生活圈，選購日常生活用品方便，生活儀式體驗感強；

擴展線上服務邊界，將能力下沉到線下。

2. 零售痛點

線下零售雖然離最後一公里生活圈消費者最近，但仍然也有着自身業務痛點。

用工成本高，零售行業屬於典型勞動力密集行業，在運營、收銀、導購、倉儲、供應鏈、物流等環節需要大量人力資源；

缺乏用户感知，缺少對用户消費數據獲取與管理，如消費者買完就走，很難知道下次是否還來買；

無法多路徑精準觸達消費者，缺少與用户連接的數據管理中心，如傳統線下廣告、派發傳單等營銷方式單一，效率也不高；

獲客難，線上電商品類數字化豐富了消費者選擇，加大了線下商家獲客成本；

巨頭電商幾乎壟斷流量，巨頭電商在線上建立了完整消費者畫像數據管理系統，憑藉着大數據+技術與精準營銷策略，收割了絕大部分用户流量，極大擠壓了線下實體零售生存空間；

SKU管理難、缺乏有效運營數據支撐造成SKU庫存高、週轉期長。

3. 零售轉型

在移動互聯網時代，線上電商平台積極投身數字化、智能化變革，享盡了技術發展帶來的人口紅利，者對於線下零售來説是降維打擊。

線下零售處於劣勢根本原因：沒有選擇智能數字化技術賦能，傳統零售經營方式也無法高效提高運營能力、降低成本、促進銷售額增長。

隨着5G時代到來，人工智能、大數據、雲計算技術不斷成熟，加上國家宏觀政策支持實體零售業創新轉型，各省政府相繼出台指導意見進一步推動零售行業數字化，促進AI+IoT、大數據等先進技術在新零售行業應用落地。

據第三方機構數據統計，AI+零售業領域市場規模2022年將達27億元，2018-2022年複合增長率GAGR達45%，這意味着AI+零售行業市場增長有很大潛力空間。

二、AI賦能零售方案設計與商業邏輯

闡述AI賦能業務框架流程+商業運作模式+創新性思考。

傳統零售領域產業鏈由品牌商、零售商、消費者、代理商等相關方構成，而這些相關方運營數據是孤立的，沒有形成數據鏈條通路。

AI技術賦能零售業目標：打通產業鏈裏品牌商、零售商、消費者、代理商等相關方數據通路，貫通零售業務場景每一環節，構建“人—貨—場+數據”商業閉環；

藉助AI技術實現消費者用户畫像構建&識別、商品品類庫構建&識別、智能化運營+客服、精準營銷、驅動零售業務快速增長。

1. 用户畫像數據建模

構建用户畫像數據本質：將用户在消費場景下的每個信息抽象成具體標籤，根據這些標籤化信息為用户提供針對性服務（如優品智能推薦等）。

用户畫像涉及到以下幾方面：

1）用户特徵

2）用户行為

3）用户興趣愛好數據

• 用户特徵：姓名、年齡、職業、收入水平、住在哪個小區等；
• 用户行為：對商品品類選擇、購物評價、商品消費額度、商品選購時間等；
• 用户興趣愛好：對不同商品品類偏好、日常購物時間段等。

以上維度數據可以通過計算機視覺+智能語音技術對顧客行為分析，再結合深度學習算法模型、大數據進一步加工處理，生成具體用户畫像，有了用户畫像後便可以有針對性制定運營策略，促進消費者轉化率提升，實現業務銷售額增長。

2. AI賦能零售行業商業方案設計

AI技術本質由算法、算力、數據構成，數據是業務發展的基石，AI技術賦能行業初衷，是結合實際應用場景解決業務問題，驅動商業價值增長。

AI賦能零售商業方案框架分為“前端+中台+業務（後）端”三部分構成：

前端：主要完成消費者用户畫像數據構建&初步分析，以攝像頭、麥克風、智能貨架結合計算機視覺、自然語言處理+語音識別、IoT技術完成對消費者行為數據、商品狀態數據輸入並進行結構化處理，提取出用户畫像；

中台：主要通過AI技術+雲計算服務完成對用户畫像+商品數據模型深度學習與訓練，提高實時用户畫像精準度，並建立起消費者與商品SKU之間關係模型，提升對消費者心智模型洞察力，加強精準營銷/商品庫存管控能力，為業務(後)端決策提供數據支撐；

業務（後）端：主要完成精細化運營與業務增長。

下面以具體實際場景對以上商業方案應用進行説明：

實例目標：小A去早上到樓下超市買菜。

購物前：

小A進入超市時，裏面的攝像頭、麥克風開始進入工作狀態，系統首先識別出了小A是超市常客，身高175左右，體重70Kg左右，但還沒在建立會員，還是別到了今天小A心情不錯，還哼着周杰倫的《稻花香》。

購物中：

攝像頭與麥克風持續跟蹤着小A移動軌跡，發現小很快走到生鮮區，仔細挑選了5min左右才拿起一塊半斤左右新鮮牛肉，給賣肉師傅打稱並説“牛肉好貴啊，快吃不起了”；然後走到蔬菜區，很快地挑選了2把菠菜；之後走到海鮮區呆了10min左右，仔細觀看了活魚、大蝦形態和它們價格，喃喃道“海鮮也好貴啊，就不能便宜點嘛…”；最後在超市裏面飲料、零食區停留了1min左右，小A拿起了一瓶可樂，猶豫了一會兒又放回去了，喃喃告誡自己“減肥中少喝甜飲料”。

此時系統已完成了對小A用户畫像構建：一個25歲左右年輕小夥兒、洋溢着青春活力、飲食均衡、對新鮮事物充滿好奇、高質量生活追求者但對價格較為敏感、對自己形體健康有着較高要求。

購物後：

小A來到了收銀區排隊，輪到了小A後他將選購商品放在台上，然後打開手機裏微信支付碼，收銀員此時根據後台系統推送的信息跟小A説：“這次辦理掃碼註冊會員，完善用户信息，可享受八折優惠”；小A非常愉快的拿起手機掃碼辦理了註冊會員，很開心跟收銀員説道“這樣優惠活動往後你們多搞搞啊，我還會常來的”。

小A會員註冊信息完善，再加上系統識別到小A在超市裏行為與選購商品數據綜合分析後，超市的小程序後台主動為小A備薦了零糖可樂飲料、周杰倫代理的低卡路里薯片，同時新增了牛肉海鮮組合滿100減10營銷套餐，選擇合適時機推送給小A。

除此之外，系統後台還新增了低糖飲料品類、低卡路里零食選品組合推薦給到店長參考決策，新增了牛肉海鮮組合滿100減10營銷套餐建議推送給到市場營銷部門參考決策，以及未來牛肉與海鮮增大進貨量信息給到供應鏈管理部門參考決策。

3. 商業邏輯思考

AI計算機視覺、自然語言處理、語音識別技術、機器/深度學習算法等近幾年飛速發展和成熟，已經為很多產業帶來了可觀規模經濟效應；

如：計算機視覺應用於手機終端解鎖、自然語言處理應用於智能客服、大數據和機器學習應用於內容推薦與分發。

新零售即“AI+零售”，以AI（視覺/語言/語音/機器/深度學習等）技術為核心，將線下零售場景中“人—貨—場”數據打通並聯動，構建起動態的用户畫像數據+商品信息數據管理平台，為線下零售選品推薦、供應鏈管理、運營策略制定等決策賦能、提高運營能力、降低人工經營成本、改善顧客消費體驗、促進消費者者轉化率提升，形成業務增長的商業閉環。

三、AI+零售行業展望

從技術、應用、生態三個維度來展望AI+零售行業趨勢。

縱觀每個行業發展規律，通常由技術發展帶來特定場景應用可能性，而場景應用需求又驅動技術工程化迭代落地，技術與場景應用成熟後逐漸培育出產業鏈生態，行業有了成熟產業鏈生態後可以更好實現商業價值增長。

1. 技術趨勢

眾所周知ABCDE技術（AI、Block Chain、Cloud Computing、Data Tech、Edge Computing）。

技術中台+業務中台結合的方式將會成為未來主流趨勢，這裏技術分為兩部分：

隨着5G技術和基建不斷成熟完善，AI方案技術供應商也加快了AI技術能力邊界擴展，優化在視覺、自然語言處理、語音、機器/深度學習算法、算力等領域解決方案能力。

在同樣背景下，零售客户對AI技術方案高質量輔助決策系統需求迫切，採購投入增多，AI賦能零售本質是通過AI技術完成零售行業智能數字化，建立起用户畫像數據模型，深刻洞察用户，全方位挖

其中價值：精準營銷、實現業務增長。

數據是AI技術基礎，也是業務管理的基礎，有了數據即可驅動AI技術+業務兩大飛輪轉動。

2. 應用趨勢

AI技術賦能零售行業應用趨勢將會“由點帶面”，逐步滲透業務全流程。

在零售領域裏，AI技術賦能方案與規劃已完成理論驗證，目前零售行業已在進行點狀AI方案應用試驗，業務與AI技術融合的背後需要企業與AI技術供應商共同調整優化；

在單點業務流程完成降本增效只是時間問題，將來有望逐步一點點推廣到更多業務鏈流程上，形成覆蓋全產業鏈AI技術化。

3. 生態化

AI+零售解決方案落地背後，需要產業鏈多方共同參與打磨技術方案與優化商業邏輯，方能“真正解決場景實際需求，為消費者帶來良好用户體驗”。

新零售產業鏈涉及到雲服務廠商、面向業務的軟件開發商/集成商、零售企業、AI技術供應商等多方資源；

在5G、網絡智能互聯技術助力下，多方協同合作，搭建共贏生態尤為重要。

本文由 @pony 原創發佈於人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基於CC0協議。