當AI全面滲透零售，如何更多更快更好的讓消費者掏腰包？

日前，麥肯錫全球研究所發布了《人工智慧：下一個數字前沿》的報告，其中分析了當前大熱的人工智慧實際落地情況，尤其是在零售、製造業、電力、醫療、教育這五大領域的實際應用。雷鋒網就其中「零售業」情況為您進行編譯和解讀。

人工智慧能夠幫助預測需求，自動化操作，提供更好的購物體驗

零售商們已經開始在產業鏈的大部分地方應用AI，機器學習以及機器人學。最重要的是，AI技術在諸如促銷、分類和供應鏈等領域內，能夠很大程度上減少手動操作。短中期來看，三個機遇最大的領域是促銷、分類和補給。大部分零售商都在這些領域進行了AI實驗。「數字原住民」電子商務公司正一馬當先， 使用AI來預測趨勢，優化倉儲和物流，設置價格，制定個性化促銷手段。有些甚至瞄準了全程預測客戶訂單、無需等待確認購買即出貨運送。

AI在零售業的應用有如下好處。

• 首先，它提供更準確和更實時的預測，幫助人們做出更明智的決定。好的預測幫助提高供應管理，決定影響重大的促銷主題，並優化分類和定價。

• 第二，有了機器學和流程優化的結合，能夠提高產量，減少人力勞動成本，AI可以讓運營更有效率。

• 第三，AI使零售商得以創造舒適的、個性化的購物體驗，從而提高顧客數量與他們所花費的金額。

AI是否是否能夠幫助傳統的、非數字化的零售商迎頭趕上，還是會進一步擴大靈活的、數字驅動的互聯網玩家與漸趨落後的傳統品牌之間的鴻溝？成功的關鍵取決於零售商是否能及時上道，確保佔有戰略性數據的同時，打造全新的購物體驗。不過，在深挖取得全面成功的條件之前，讓我們先來探索在2030年未來可能是什麼樣子吧。

在未來，人工智慧能夠幫助零售商實時預測並自動化決策。通過大量識別和學習數據，橫跨不同來源的數據源——歷史交易數據，天氣預測，社交媒體趨勢，購物模式，在線瀏覽記錄，面部表情分析，季節性消費模式——AI能夠幫助企業調整和掌控一個更有活力的市場環境。通過提升預測準確度，機器學習和計算機視覺可以更好的預測消費者的消費預期，同時自動化供應商談判。

利用AI技術，零售商會更加知道購物者想要什麼——甚至比消費者更先知道。

基於AI的預測已經開始展現出它的影響力。例如，一個歐洲零售商使用機器學習演算法就能預測水果和蔬菜的銷售情況，稅前收益能提高1到2個百分點。公司基於這個預測，自動訂購更多的產品，以最大化銷量並將浪費減到最低。與此類似的例子是，德國電商企業Otto使用深度學習模型分析了數十億宗交易並預測了顧客在下訂單之前最傾向於購買的東西，將富餘庫存降低了20%，並每年減產超過兩百萬。這個系統所預測的企業在接下來三十天內暢銷的產品準確率達到90%，因此Otto允許它從供應商處訂購20萬宗商品，無需受到人為干涉。

AI技術還能夠幫助零售商擴張店面的時候預測未來的店鋪表現。隨著更多的銷售移動到線上，非數字化商店銷售的每平米營業額在下降。在英國，零售商需要削減20%的店鋪回歸到2010年的店鋪密度來優化店鋪空間和位置。一個日本零售商應用機器學習來理解在為新的概念商店選址時的盈利的驅動因素。

倉儲和店鋪運營為人工智慧應用提供了大量良機。對於一些非數字化的零售商來說，尤其是超市，自動化運營能夠帶來切實的改變。許多超市供應在線銷售和送貨到家，但是仍然承擔著全部的實體店成本，因此在線服務的成本——在英國，一宗80歐元的交易大約需要5歐元來將貨物從貨架上取下，8歐元來運送——完勝這個行業平均2%的利潤率許多倍。

自主性機器人能夠與人合作，提高生產力降低損傷。瑞仕格將庫存時間降低了30%因為開始在倉儲中使用自動引導機制。DHL去年開發了兩個有軌電車，在倉庫里全程跟在採購者身後來減少他們的體力勞動。

對店鋪來說，機器學習能夠將分類效率提高50%，幫助優化銷售規劃。零售商通過使用地理空間建模來分析微型市場吸引力，利用統計建模來預測和最小化脫銷的可能性，能夠將銷售量提高4到6個百分點。這些效率通過機器學習可以實時實現，並且隨著學習更多新的數據，準確率還會提高。

奧凱多，一個英國線上超市，是一家將AI應用到核心運營的企業。在這家超市的倉庫里，機器學習演算法掌控著迷宮般的傳送帶上數以千計的商品，並將它們及時送到人們面前來填滿它們的購物袋。其他的機器人將包裹送到火車上，司機在AI應用的引導下，根據天氣和交通情況選擇最佳路徑送貨。

受惠於在線購物的安心、經濟和快捷，許多消費者已經開始期待私人化、即時性、精準完美的服務。在未來，AI對於廠商連接能通過在線比價持續重新定義價值的超級用戶至關重要——尤其是當在一個非電子化的店鋪里。智能手機的普及需要一個全渠道的策略，人工智慧可以幫助實時為每個購物者優化、更新和定製服務。基於洞察力的銷售，包括個性化的促銷，分類優化，和定製的顯示器，可以增加1%到5%的銷售量。在網上，這種個性化加上動態定價，可能會促使銷售額增長30%。

得益於在線數據收集，純粹的網路玩家在目標市場已經大幅度領先。傳統零售商需要取得數據集來競爭。發源於法國的全球零售商家樂福，以及美國的塔吉特，都在店鋪里部署了電子信標來收集客戶行為和購買模式的數據，他們使用機器學習演算法來確定在顧客購物的時候發送哪個個性化促銷。僅僅在APP的28家店鋪使用了電子信標之後，家樂福就報告了600%的銷售額增長。

隨著自然語言理解的發展，啟用人工智慧的個性化可以遠遠超出目標促銷的範圍。在商店裡，虛擬助理可以通過面部識別識別回頭客，分析他們的購物歷史來提出建議，並用自然語言處理和生成的對話方式進行交流。與此同時，在線零售商正試圖讓更多的人接觸網路，並向購物者提出個性化建議。在線個人購物服務公司Stitch Fix公司有一種演算法，它可以審查客戶在Pinterest上展示的圖像，以更好地了解他們的風格，即使這在網上很難表達。在線零售商還使用智能代理來了解購物者的需求。其中一個例子是花卉零售商1- 800- Flower的數字禮品禮賓部，由機器學習和語言識別提供動力，它提出了一種基於與購物者聊天的產品的選擇。

全部帶回家

增強的用戶體驗是AI提供最具前瞻性的零售領域的區域。深度學習和計算機視覺技術也將幫助商店所有者與在線零售商的一站式服務競爭，收銀台不再需要存在。亞馬遜(Amazon Go)是西雅圖的一種實驗性食品雜貨店，它允許購物者在貨架上取貨，離開收銀台，或在自助結賬亭駐足。電腦視覺識別他們進入商店，然後將他們與從貨架上取下的產品聯繫起來。當顧客離開時，系統會從他們的亞馬遜賬戶中扣除購物袋的費用，並發送電子郵件收據。

在家中，虛擬助理進一步推動了便利的邊界。在未來，他們可以提醒用戶，他們即將耗盡某種產品，並建議購買更多。谷歌的智能揚聲器服務，谷歌Home，允許消費者完成50個谷歌快遞零售商的訂單，比如Costco、Whole Foods和PetSmart，而亞馬遜的Alexa則與100多個第三方服務合作。智能家居助理最近的發展為重大的購物中斷鋪平了道路，在這種情況下，電腦視覺可以通過拍照或助手識別消費者在網上喜歡的圖像和視頻來識別所需要的商品。例如，亞馬遜的新Echo Look設備於2017年4月推出，它將相機融入了Alexa的虛擬助理功能，結合了機器學習和電腦視覺，並根據用戶的衣櫃和身形推薦了款式。

在未來，人工智慧技術也可以大規模應用在購買後幾分鐘內送貨上。如今的大部分努力都來自於像亞馬遜這樣的大公司以及內華達州里諾(Reno)這樣的小型初創公司，專註於無人駕駛飛機。在2016年7月，Flirtey首次向私人住所投遞了一盒零食。在歐洲，愛沙尼亞的一家初創公司「星際飛船」(Starship Technologies)採取了不同的做法:在城市人行道上以每小時4英里的速度推著六輪送貨機器人。無人機和機器人的泛濫得益於深度學習技術的應用讓創新型問題得到解決，以及空域管制——民用航空部門質疑無人機在人口密集地區的運行並接近駕駛飛機的飛行路線。

在新的零售業領域跟上競爭的潮流將會是非常重要同時也是非常困難的。零售商將會明智地投資上下收集供應鏈的數據，以尋求競爭優勢。這意味著要轉變成一個協作式的心態，讓你的洞察力能夠貫穿整個價值鏈。

一方面，要改善供應鏈和營銷，優化定價，並實現高效的銷售，零售商與其供應商之間的夥伴關係將變得非常重要。主要的零售商已經在嘗試數據集成。例如，沃爾瑪已經開始使用數據湖與主要的消費者包裝商品公司共享實時數據。

另一方面，零售商和其他玩家之間的跨行業夥伴關係將會發展，以實現更好的客戶洞察力。生態系統中將會出現第三方的法律實體，這些實體聚集了零售商、信用卡供應商和銀行等股東。這一趨勢已經在巴西、土耳其、泰國、印度尼西亞、英國和其他國家得到發展。

實體零售店的計算機視覺技術可以通過客戶的足跡數據、顧客反應和促銷(例如，購物者在促銷前站多久，以及他們是否接受產品)提供巨大的洞察力，並能自動結帳。自然語言處理和深度學習將促進虛擬助理的崛起，使對話更加直觀，並更快地提高它。

然而，虛擬助理直接從消費者手中接單，它們的興起可能有一天會導致零售商的非中介化。隨著自動化的發展，零售商也需要重新考慮他們的銷售團隊的技能，因為更高的參與度意味著更多的人際互動，包括情商、優秀的產品知識和品牌支持。零售業革命還有進步的空間。

雷鋒網結語：零售作為一種典型的商業綜合體，絕大部分環節均能依靠人工智慧實現自動化與標準化，從而減少人力投入。從無人超市到無人收銀、機器人送貨、虛擬穿衣鏡，雷鋒網預見，隨著技術的發展，未來將會有更多形態的 AI 產品與解決方案應用在零售當中。由AI引發的創新模式正在為零售企業提供許多新的機會，並為消費者打造了一個高度語境化和個性化的購物體驗和場景。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！