Trax全場景零售AI在實體零售的三種落地方式

多元化的中國零售市場，面對獨特複雜的數智化轉型挑戰：市場渠道複雜、零售場景多樣、企業數字化程度不一又各有需求側重。人工智能時代已經來臨，AI技術想要在零售行業獲得廣泛而普及的應用，需要在當下有更全面的佈局和更深入的考量。

全場景覆蓋，是零售現場最首當其衝的需求——從零售的數據統計上看，標準貨架帶來的銷售，佔據了銷售額總量的50%左右，這意味着主貨架之外的場景需要被全面的覆蓋才能客觀瞭解業務的真實情況。

Trax深入每一個零售場景，無論是貨架、冰櫃，還是割箱、端架、地堆……Trax的小店場景自動識別和分割技術，及大店場景全景拼接技術，專門針對中國零售市場設計，提供全渠道數字化解決方案，助零售企業在此消彼長的零售戰場上獲取競爭優勢。

AI落地實體零售，推動零售企業業務智能化發展，加速企業數智化轉型，給產業帶來不同程度的價值創造。根據技術發展趨勢主要存在三種落地方式。

落地方式一：自動化

依靠AI技術來提升業務的自動化程度。這種AI落地方式並不改變原有業務流程，而是在業務流程中的某些環節由機器替代人工來執行，提升效率，降低成本。此種落地方式操作比較簡單，易於企業內部推行，根據企業的圖片量級，落地價格在幾十萬到幾百萬不等，可適用於絕大多數零售行業品牌方，是企業信息化，數智化轉型的基礎。

實體零售作為勞動力密集產業，每天都需要大量的銷售人員下到市場終端進行巡店工作。目前市場上有不少提供銷售巡店系統的SFA公司，這些巡店系統集成了標準的作業流程，為銷售管理和信息收集提供了極大的便捷性，但這種作業方式中有一個重要環節需要耗費大量的時間記錄門店內商品的各種信息，包括不同場景不同產品的分銷，排面，價格，促銷活動，以及商品所屬場景，所在層數，節數等等，信息量大，精準度難以保障。

Trax的Argus識別平台聚焦在自動化落地方式，為各大品牌方提供全場景零售AI服務。

落地方式二：智能化

智能化是更高於自動化落地的一種方式，主要利用認知智能技術，讓機器具備分析和決策能力，可以模擬人工，對業務流程進行改造，從而創造增量價值。例如利用歷史銷售數據做銷量預測，利用在主要進出口安裝攝像頭來做客流分析預測，這種落地方式需要有較全面、多維度、海量信息數據做支持，比較適用於信息化程度比較高的大品牌方或零售商。

智能化落地從技術層面主要利用數據挖掘，NLP、深度學習、增強學習等認知智能技術和算法來進行分析、推理和決策性的工作，這些算法都已經比較成熟的應用於金融、零售、營銷、教育、搜索等領域。

落地方式三：創新化

伴隨着AI技術、物聯網、攝像頭等科技的發展，以及各種技術與行業的深度融合，在零售行業催生了一種新的商業模式。以電商巨頭亞馬遜推出的“無人超市”為典型代表，市場湧現出了一大批以無人貨架、無人貨櫃、自助販賣機、人臉識別支付設備等為形態的產品。這種創新方式重構了整個商業模式和產業鏈結構，從商業本質來講會有比較可觀的前景，但現階段落地還存在技術實施成本較高以及人們消費習慣短期難以改變的挑戰。

Trax引領實體零售AI行業，目前可以提供從傳統的手機拍照採集，到IoT智能攝像頭採集，再到更先進的機器人採集的全方位解決方案。從目前行業應用來説，日化、食品、酒水、飲料等品類應用更多，3C、家裝、OTC等品類也在越來越多地應用。