人工智能如何重构和驱动新零售的“人货场”
“人货场”是零售行业中永恒的概念，不管技术与商业模式如何变革，零售的基本要素离不开这三个字。零售行业未来的大趋势就是企业利用互联网和大数据，以实体门店、电子商务、移动互联网为核心，通过融合线上线下，实现商品、会员、交易、营销等数据的共融互通，将向顾客提供跨渠道、无缝化体验。
根据阿里巴巴CEO张勇的观点，围绕着人、货、场当中所有商业元素的重构是走向新零售非常重要的标志，而其核心就是商业元素的重构能不能有效，能不能真正带来效率。简单来说新零售使零售业通过数字技术，围绕消费者需求，重构人货场，最终实现以消费者体验为中心，创造高效企业，带动消费升级。
未来零售的核心就是消费者体验，通过以消费者的体验感为核心，搭建一种或者多种购物场景，让消费者在场景中感受场景和产品所传递的价值，在合适的时间和地点，以最实惠的价格和最放松、最有成就感和控制欲的情绪之下买到想买的东西，这对任何消费者都是最重要的。
假如这种体验缺乏基于数据的支撑和优化，也会成为无本之木，无源之水。而满足这个最基本需求的能力，仍然是基于消费者购买过程中的数据分析和预判。传统零售很大程度上依赖于员工的个人经验、领导意志拍脑袋来完成这个过程，而真正代表未来的方向的是基于已有的多维度数据来对“人货场”进行优化。
从这个意义上说，未来的零售不是一个简单的商店升级或新利润模式，而是一个以数据驱动的新零售商业模式，决定这个商业模式成败的关键因素是企业收集数据和运用数据来指导零售各种决策的能力。人工智能毋庸置疑成为这种能力的技术核心和基础，进而实现规模化、自动化和前所未有的精准度，通过人工智能重构和驱动新零售的“人、货、场”已经是大势所趋了。
人：洞察最熟悉的陌生人由于每天大量的交易产生，消费者对于零售商来说并不陌生，但对于消费者的需求理解到底有多深，特别是对消费者内在、本质的心理诉求的把握，传统零售商其实是非常茫然的。在新零售的业态下，零售商通过深入洞察消费者，可以对他们的目的、行为和动机进行研究和分析，挖掘用户间的差异，并运用深度学习的算法对他们相似的行为和心理特征进行分类和聚类，从而得到最典型的消费者特征。
通过添加场景、人口学属性就可以让该形象鲜活起来，为他们设计、推荐商品也会更加有针对性。
例如未来零售商家对于“消费者”的个人生物属性、着装打扮、行走路径、驻足停留、表情情绪、触摸观察、历史购买数据等行为都能完整的进行数据记录和搜集，来创建非常有见地的个人资料，然后对于不同的消费者进行聚类分析，来给消费者进行画像，让他们来虚拟代表真实用户，这其实是建立在一系列真实数据之上的用户模型。
根据他们的特征、行为的差异将他们区分为不同的类型并且进行分类和聚类，形成完整的特征总结，模仿他们的思维和逻辑，进而用“特征和行为定向”来预测消费者的消费兴趣和行为，这样能够让消费者获得对他们而言有价值的信息，能够让零售商在适合的时间向合适的消费者提供合适产品的信息，以及与未来有购买产品意愿的消费者建立起良好的关系，让消费者对于商品、零售商的温度提升，最终的目的是提升消费者体验，精准服务消费者。
场：如何让“人货”更加合一没有场，人和货之间就没有链接的途径和媒介。人和货如同是阴阳两极，相互吸引而产生场景，场景具有无形的吸引力，可以拉近人和货之间的距离，最终达到“人货合一”。
未来，随着人工智能技术的进一步成熟发展，消费场景将实现真正的无处不在，所见即所得，同时并对场中的各个元素如支付、环境、等待、距离等进行重构、整合和优化，零售门店就是店型机器人，真正提升消费者体验。
拥挤和等待是零售销量的杀手。消费者讨厌购物和付款时的拥挤和等待，特别是在收款台前面这一消费最后环节前长时间等待，这往往是零售场景中最长时间的等待，这样就让购物所带来的欢愉心情、控制感和自主感一扫而空。
而以深兰科技“Takego”为代表的无人或者少人值守智能零售系统，免现场结算支付系统借助卷及神经网络、深度学习、机器视觉、生物识别、生物支付，AR/VR等先进的技术，将最大程度的减少排队、付款等待时间，从而让消费者真正的忘掉结算。
未来数量众多并且面积不大的无人商店会将之前的大店化为小店，每一个小店的商品将会形成统一和直观的划分，商品的陈列将根据最佳路径、行为习惯、生理特征等进行优化，实现最佳的人店交互体验和互动，SKU数量未必庞大但一定是畅销品，购物就像在家里拿东西一样，看到即接触，所见即所得。
在深度洞察消费者以后，可以对消费者进行人口学属性、行为属性和心理属性三个维度进行划分，深度了解基于当地商圈消费者的购物习惯和兴趣爱好以及过往的购买历史记录。场景其实协助品牌商、零售商连接到最小个体的消费者，并且这种连接是频繁和持续的，在场景中可以和消费者进行沟通，借助人工智能的技术直接询问消费者的需求，并且针对洞察过程中所掌握的信息给消费者进行量身定制的推荐和建议，这也为“千店千面”的最终实现打下了坚实的基础。
货：最容易被忽视的致命因素新零售高度关注人，强调场景消费，提升消费者体验，貌似在和传统零售以“货”为核心在划清距离。
产生这样误解的原因是商品的管理往往扮演的是“幕后英雄”的角色，没有场景那么炫目多彩，也不会和消费者直接发生接触，所以不太被消费者关注，也是零售商所忽视的地方，但涉及商品管理的领域如选品、定价、促销、供应链、采购、物流等所构成的运营体系则成为支撑零售商日常正常运转的半壁江山，也是消费者体验成败与好坏的重要物质基础，这将成为新零售能否成功的致命因素。
在新零售的业态中，大量零售运营数据包括消费者、商品、销售、价格、库存、订单等在不同的应用场景中海量产生，结合在不同业务场景和业务目标，如商品品类管理、销售预测、动态定价、促销安排、自动补货、安全库存设定、仓店和店店之间的调拨、供应计划排程、物流计划制定等，再匹配上合适的算法即可对这些应用场景进行人工智能数字建模，逻辑简单来说就是“获取数据—分析数据—建立模型—预测未来—支持决策”。
本质上说，人工智能是一项预测科技，而预测的目的不是为预测而预测，而是用来指导人类的各项行为决策，以免人在决策时因为未知和不确定而焦虑。就人工智能在新零售业态中“货”的应用而言，其有两大类核心模型，一是预测模型，二是决策模型。
预测模型主要是通过回归、分类、时间序列等算法在大量历史数据的基础建立统计模型上对未来的销售进行预测，而决策模型则通过启发算法、整数规划、解析求解等算法建立运筹模型来对以上具体业务场景应用进行决策，这样就构建了企业预测与决策可视化平台系统，对以上应用场景的决策进行模拟，以提升商业预测准确性为核心，实现相关应用场景的智能和高效决策，精确的为客户解决“卖什么、卖多少、怎么卖、送到哪、赚多少”五大核心问题。
在新零售业态中，商业的本质没有改变，其实还是买卖，人要买货，货要找到合适的购买者，人、货交易要通过场来实现，这种业态下的“人货场”的特点就是“连接、动态和精准”。消费者真正的和商品、商家连接起来，自己真实的需求能够被用心的了解，而动态运营则是基于时刻变动的用户画像，动态的开发或者选择适合的商品，同时动态的调整场景，这是都是以精准的服务消费者为目的。
而在传统零售业态中，这三个要素是完全割裂的，原因是围绕这三个要素的数据虽然有不少的搜集，但这些数据并没有真正的串联起来，还是处在“分而治之”的状态。
新零售业态其实需要的是基于数据对整个链条的整体优化，数据如同企业的血液，出现在企业运营的各个环节，并且能够把“人货场”三个要素有机的整合起来，在选品时充分考虑“人”的偏好和“场”的特性，在备货时充分考虑进入“场”的“人”的类型的流量和转化率，铺货时充分考虑“场”的类型所需的货品结构。
人工智能则如同心脏和水泵，将“数据”血液转化为企业决策依据的能量和动力。
在传统的零售业态中，无论在实践界还是研究界，无论是技术、工具、人才培养、解决方案等都没有找到行之有效的方法对“人货场”进行串联和整合，这三个要素还在各自为政，归根结底还是缺乏这样的技术和数据能力和素养。
而在眼下的市场环境中，阿里、京东等零售巨头基于自身数据能力以及试图在蹚出一条有效路径。同时将来会有更多的零售企业，练就技术与数据的扎实功力，参与到这场变革中来，真正形成“人货场”的联动和协同。
未来是人工智能的时代，人工智能将重新定义零售，零售市场是属于用好人工智能的企业。虽然每个公司都会得益于大数据和人工智能使用所带来的好处，但这并不意味这每家公司都要自己养着数据科学或者机器智能方面的专家，可以由专门的公司例如深兰科技、欧睿供应链等提供给全社会使用，这样才能一同促进新零售的发展。
相关新闻：
0条评论
网友评论
