尽管对于人工智能热潮究竟能走多远仍处于激烈的争论中，但与过往的两次人工智能带来的对科技和市场的冲击波相比，这一次的人工智能浪潮对人们生活的影响却已大大超出了想象，并且实体零售和电子商务公司也都在不断将人工智能整合进自己的业务，并同时衍生出了“智能零售”这一全新概念。
如果要举一个零售业拥抱人工智能的最新例子，大家必然会想到AmazonGo。尽管还没有正式开业，但这个由电商巨头亚马逊搭建、充满了“黑科技”的智能实体零售店，在极短时间内为又为智能零售添了一把猛火。
根据介绍，Amazon Go可谓到处充斥着看不见的智能，这项名为“Just Walk Out”的技术整合了计算机视觉、机器学习、传感器等技术，店内遍布传感器和摄像头，以及各种信号接收装置，可以监测商品从货架取下或放回，并在虚拟购物车追踪，操作过程类似无人驾驶汽车。应该说，从目前已披露的店内购买场景看，Amazon Go在购物效率和消费体验方面的突破，人工智能确实起到了至关重要的作用，同时也为AI+零售打开了更大的想象空间。
智能零售应有的关注点
零售业一直在紧随科技的进步而变得更好，这对于人们生活品质的提升无疑是积极而有效的。随着技术的迭代发展，以及越来越多的零售商在自身业务中部署人工智能，人工智能在零售行业的商业化也正逐渐成为一个重要的趋势与潮流。
当然，单纯站在零售行业来感知人工智能或许会放大这种趋势。其实，无论从投资方向、技术落地，还是巨头们在人工智能领域围绕核心技术进行跨行业的市场和研发结盟，零售行业仍是人工智能应用的“小众”市场，还远没有像在健康、交通、医疗、教育、家居等行业那么的深入。
零售的智能化也不仅仅体现在收银与支付端，或者是在自动识别设备、商品的防盗与管理等方面，更应该贯穿零售供应链、管理系统、市场营销、物流、服务等全零售的各个环节，并且要能够真正形成新的商业模式与盈利模式，提升传统产业运营效率、提升用户的消费体验。
从目前看，智能零售应用场景落地在销售端的居多，比如在美国、日本已经出现的迎宾和导购机器人、智能穿衣镜、货架监测和管理机器人、送Pizza的无人车等等。那么，在更多的零售环节和接触点尝试或部署智能应用就是智能零售的真意吗？这个问题还是要先从智能零售究竟应该是什么样的模式来切入。
显然，在智能零售发端之初，对何为智能零售有着各种不同的观点，但以零售本质为出发点，无论是线上零售还是实体零售，如何最大程度地围绕顾客、需求场景、商品、服务等维度，最终实现生活场景感知、解决方案推送、快速交付以及整个上下游从生产到顾客体验全过程的效率最大化，才是智能零售这一商业新模式的追求目标。
商业的本质永远是围绕着顾客的需求，提供适合的商品和服务。从目前的技术进程看，智能零售将更多的基于移动技术、感应器技术、大数据技术以及智能决策技术，达成商业供应、服务与顾客需求的精准匹配。这种模式下，企业（包括不同的零售形态并延伸到生产企业）的库存商品总数与顾客每天购物商品数的比值会大幅降低，库存端压力将极大下降，整个供应链效率得以大幅提高。同时，物流技术也会进化到高度自动化的阶段，包括自动驾驶与机器人上门送货等应用的普及，会让更多短时场景的商品加入到更加贴近顾客的模式。整个零售场景因此实现数字化和无缝化。
作为零售业核心的供应链成本降低和运营效率提升，贯穿整个商业的生命周期，智能零售必然将以其高效率、低成本、高精准，取代以往零售业那些更多靠人管理的职能，从引入客流，提高成交率和销售额，到线上线下会员、粉丝的运营，再到经营每一位一线的导购员，打通整个价值链，最后帮助商家和消费者实现共赢。
笔者认为，随着人工智能的快速发展，智能零售很可能首先在四个方面实现突破：
对顾客管理的智能化——重点体现在对顾客的分析、锁定目标顾客、抓取目标顾客、精准推送、分析目标顾客潜在需求方面，真正实现对每一位消费者的360度全方位画像；
对商品管理的智能化——基于顾客需求的多样化和商品的极大丰富，企业借助智能化手段进行商品管理，并最终向柔性生产和提供个性化商品过渡。
对供应链管理的智能化——建立高效的供应链系统，形成基于消费者、门店销售、客户一体化的供应链智能管理体系，提升企业经营效率，降低企业库存和供应链成本。
对物流管理的智能化——确保正确的货物进了正确的仓库，同时发货效率将大大提高。把用户端潜在需求的判断联动到供应链、物流仓储系统，应用智能技术解决类似商品部署在哪些仓库，如何让商品堆放更合理，物流配送路径的优化等问题。
智能零售与零售大数据
简而言之，智能零售必然是以大数据为主导的。一个最新的例子或许可以比较直接地反映大数据之于人工智能的重要价值。
在人工智的一个重要分支无人驾驶领域，Google公司从2012年起，用超过100辆自动驾驶车辆累计行驶了超过170万英里进行实验验证和研发，而特斯拉，则是从2014年起，以超过10万个司机驾驶带有计算机辅助驾驶功能的汽车总计形成了行驶超过1.4亿英里的实验数据，显然两者在数据积累方面的差距是十分悬殊的。而就在今年12月13日，有消息称，Google已搁置自主研发全自动无人驾驶汽车，而将选择同第三方汽车厂商合作，开发具有自动驾驶功能的“传统”汽车。Google的转向应该有行业竞争激烈的因素，但很难说就没有数据积累缓慢导致研发落后的原因。
大数据的本质是海量的、多维度和多形式的，而任何智能的发展，其实都需要一个学习的过程。近期人工智能之所以能取得突飞猛进的发展，不能不说是因为这些年来大数据长足发展的结果。与以前的众多数据分析技术相比，人工智能技术立足于神经网络，同时发展出多层神经网络，从而可以基于大数据实现深度机器学习。
同样的，正是由于大数据的激增和机器学习的应用，智能零售这样的巨大变动才有可能得以最终实现。大数据正在改变零售业，由数据驱动的电商以及实体零售的变革都已在悄然推进。随着商业发展，数字化、大数据在零售业的不同环节产生更加广泛的影响，并推动消费个性化的普及。智能零售未来必将基于大数据场景、在整个商业生态上发挥作用。如果智能技术不和大数据结合就没有办法智能，人工智能不和商业场景结合也只能是实验室里的产品。
凯文·凯利关于大数据的预言是这么说的：不管你现在做什么行业，你做的生意都是数据生意。对于企业来说，客户的数据将变得与客户同样重要。只有拥有大量的数据，才可以基于数据进行分析预测或者是进行视觉化的处理。这样的表述对于智能零售同样适用。
既然大数据很重要，简单看看电商以及实体零售的大数据获取和应用情况，对合理判断智能零售前景会有一定的帮助。
电商与实体零售企业的最大区别在于，电商构建的各类型数据库相对可以轻而易举地记录全部用户的各类访问数据，快速捕获、实时监控、精准分析，实现数字化运营和管理。而实体零售企业要想做到这一点，不仅成本高昂，在可靠性和精准性上也难有保证。移动互联、社交技术的发展，也恰好为电商提供了持续处理海量数据，并在复杂碎片化的数据关系中提取有价值信息的可能性。这在很大程度上决定了目前积极投入人工智能研发并且逐步开展深度应用且能取得一定成效的往往都是那些领先的电商企业。
反观实体零售企业，大数据收集也同样做了很多年，但真正能做好的寥寥无几，特别是在数据运用中遇到了各种各样的难题。从实体零售基于信息系统的数据获取看，后端供应数据和会员数据获取相对容易，前端运营数据则反之，同时也存在数据不全或缺乏关联性的问题。大数据的核心是数据的关联应用，来自不同的应用场景、物流、采购、财务、运营、市场等环节的数据深度关联，孤立的数据很难发挥出应有的价值，更无从说起形成对人工智能的支撑作用了。
智能零售与新零售
同样是2016年零售业的高热度词语，自从今年10月马云提出“新零售”概念后，众多企业开始进一步探索“线上线下结合”的商业模式。这一概念与国家推动实体零售创新转型的决策相呼应，甚至引发了股市的一波“新零售”行情，特别是一些区域商超上市公司价值有所体现。
应该看到，2015年以来，以电商巨头主导的零售业O2O、全渠道概念已经热度消退，互联网时代下零售业变革的方向究竟在哪儿，提出一个更新的概念确有必要，但基于零售本质的核心诉求不会改变。
新零售时代要融合上下游资源，既要对上游的商家进行变革，解决线上商家的营销难、物流慢，也要着眼线下商家的互联网化、数据化等痛点。无论是马云提出的纯电商将落伍，未来要走线上线下物流融合的新零售模式；还是最近亚马逊新推出的AmazonGo智能实体商店，试图解决的都是电商如何进一步全面拥抱线下的问题。
尽管这种融合对实体零售会更加艰难，但实体零售如何在新零售语境下实现真正的以顾客为中心的经营理念，体现自身对顾客的价值，仍是实体零售面向互联网融合发展的核心要素。无论是建立更加快速的市场反应机制，还是提供更加个性化的消费体验，简单就线下企业开设线上渠道、线上企业布局线下门店而言，其实这种商业模式早已不新鲜，但随着近年来技术的进一步升级，特别是智能技术商业应用的开启，线上线下深度融合发展的新零售确实已经和之前的O2O概念有了很多的不同。
一方面，新零售是生产格局和产业生态发展到一定阶段的产物，在科技的推动下，零售的边界正在进一步向上游推进，正如业内提出的“全零售”概念那样，除了电商与实体零售间可能在新的层次形成新的生态、新的场景、新的模式外，智能技术完全有可能产生更多的“破墙效应”，在数据引导下，形成线上线下、实体商家之间、消费者与商家之间、零售端与生产端之间的多重联盟，并相互引流，利益共享。
另一方面，实体零售基于ERP和CRM等信息系统所进行的数据积累，相对于互联网、特别是移动互联网而言，更加侧重于管理分析和内部効率的提高，缺乏数据的传播性。这也很大程度上造成了O2O模式下，线上线下比如是两条线，难以真正对接起来。因此，智能零售和大数据技术的推动，有可能进一步加速实体零售在数据化、网络化和智能化方面的进程，为实体零售形成高效精准的用户画像、完善的商品和服务定位，以及基于大数据的科学决策，并在融合发展中逐渐缩小与电商在精准营销和一体化互动等方面的差距打下基础。
新零售和智能零售一定会给电商更多的改变，但对于不同形态的零售商而言，如何运用客户数据去及时分析和破解顾客在实体店或网上的消费行为，并将其转化为增加销售的策略与实施方案，是完全一致的。新零售时代，顾客为王、数据为尊，但为顾客创造价值的商业规律不会变。成功的零售商应该用新的方式思考，用新的技术为消费者提供更好的体验，从而获得收入的增长、较低的支出与更高的利润。
布局智能零售需三思而行
尽管随着智能零售的火热，特别是一些零售企业已经在特定场景下实现了智能化升级和变革，并在其中挖掘出新的销售机会，但这些改变究竟能为为企业带来哪些新的竞争力，市场显然还没有给出一个明确的答案。
另一方面，在人工智能这个新兴领域市场初起时，大部分专注零售业人工智能的公司都还处于非常早期的阶段。这些公司特别是一些创业公司，会更加宽泛地专注于个性化市场和定位，而他们试图推荐给零售用户的智能产品是否具有真正的适用性也还值得研究。智能化是零售行业未来的一个重要趋势，但一定不是简单地在销售接触点增加几样新奇玩意儿就能实现的。
一如在今年的很多行业展会上，零售信息化软硬件服务商出现了比往年更加庞大的阵容，也推出了更加闪耀的新品和前沿的技术，除了传统产品线升级外，智能化产品特别是智能硬件都十分抢眼。而随着技术服务商的推波助澜，一定会在市场上形成更大的智能热潮。
在这一波人工智能浪潮刚刚兴起时，业内就有观点认为，人工智能革命注定将是一场慢动作，打响人工智能前奏的硬件产品蜂拥而至时，市场或许应该先驻足下来，让产品进行一场潜移默化的“太极式”革命。
对于人工智能的未来，向来就存在左手期待、右手恐惧的观点。
上文提到的Amazon Go智能商店，目前也仅对内部员工开放，分析原因，可能有隐私保护的原因，也可能存在智能技术精准性的问题。总之亚马逊是否会开放Amazon Go仍是未知数，智能购物不可能一步到位，存在担忧也并不奇怪。
当下火热的人工智能是否已经存在泡沫成分还很难说，但人工智能一定要与产业相结合，单纯的人工智能是不可能形成商业模式的。如今的人工智能本质上依靠的还是计算能力的增强，进而在大数据基础之上在特定领域获得了飞跃，进而实现了一定的商业应用的落地，智能零售真正常设效果仍有待和商业场景相的紧密结合。
当人工智能在某些零售环节充当着炫技角色时，零售企业或许应该放下对人工智能寄予的不符合现状的希望。行业巨头特别是电商巨头和创业者们承担了智能零售技术的研究者和实践者的角色，但在发展方向及实际商业应用仍处试水阶段时，绝大多数的零售企业更应该冷静以待，因为这种等待很大程度上是有价值的，正如面对上一波O2O浪潮那样。
正如一位业内人士所言，在热潮兴起时，人们以追求进步与发展的名义做的很多事，往往因为这个好听的名义而盲从，而紧追不舍，结果却差强人意。当我们被一个个新鲜事物所触发，不妨让思想先归于平静，这样才会有更清晰的思考。
面对市场热潮，也要有敢为人后的自信。
实体零售的这18个智能应用场景
1、智能停车和找车：
停车场是实体零售企业的用户入口，又是用户需求的最痛点。这是实体零售企业的一个重要变革方向，目前已经有越来越多的零售企业，开始布局智能停车模块，帮助用户解决“快速停车及找车”的痛点。
在阿里巴巴推出的喵街App中，智能停车及找车是其中的模块之一，目前已经应用于9个城市40多家购物中心。
2、商品电子价签：
电子价签已经能做到基于红外传输的定位及商品导航功能，相比于卖场传统标签每年巨额的更换费用，加上人工成本、客户口碑、卖场形象等潜在价值，电子价签的投入1~2年时间企业就可以收回成本。
3、室内定位及营销：
在用户购物及浏览过程中，快速根据用户需求、物品位置实现精准匹配，是用户体验的核心环节，其中iBeacon是很多企业选择的一种技术解决方案。
iBeacon功能的基本原理是：配备有低功耗蓝牙（BLE）通信功能的设备或基站使用BLE技术向周围发送自己特有的ID，而接受到该ID的应用软件（如「水滴」）就会根据该ID进行反应。iBeacon的诞生，让商户和终端（智能手机）能够准确感知彼此准确位置。
目前北京大悦城等商场已经实现了室内导航及定位营销。
4、智能搜索及管理联动：
基于Hadoop（大数据智能分析）、DataVisualization（数据可视化）、iBeacon、3D地图Map/Reduce、Hive（数据仓库）等几个核心技术模块，通过行业定制化服务开发平台，可为零售企业提供了更为细致的智能服务及管理联动。
5、基于视觉系统的应用：
基于视觉设备及处理系统、动态Wi-Fi追踪、遍布店内的传感器、客流分析系统等技术，可以实时输出特定人群预警、定向营销及服务建议（例如VIP用户服务）、实时货品调整提醒、以及用户行为及消费分析报告。
6、智能购物车：
在超市领域，购物车作为最常见的硬件载体，将有较大机会首先进行智能化变革。在零售方面的智能化创新包括：将生物识别技术与摄像头系统进行结合，从而可以提供人流量统计和人脸识别服务，零售商可以利用智能手机下载的这些信息进行分析，并向顾客提供个性化的销售。
7、智能穿衣镜：
内置处理器和摄像头，能够动态识别用户的手势动作、面部特征及背景信息。不同于普通穿衣镜，智能穿衣镜可以为用户提供个性化的定制服务，增加用户实际购物体验。工作人员可以通过一个特殊的销售界面，以镜子为媒介向顾客发出建议。镜子提供的视频内容还可以帮助零售商对商场内行为进行评估和分析。
智能虚拟穿衣镜已经在顶级奢侈品牌百货商场Neiman Marcus的加州Walnut Creek店部署。
8、智能试衣间：
通过带触摸屏的镜子及灯光调整，可以帮助用户找到适合自己尺码、颜色和消费场景的服装。消费者进入商店，通过镜子浏览店铺中所有商品，提交试穿申请，它们就会被导购员摆放在试衣间。顾客可以调整灯光亮度和颜色模拟使用场景，镜子感应衣服上的RFID标签并显示在屏幕上，然后镜子给出搭配建议。如果需要试其他颜色或尺码的衣服，也能通过屏幕下指令，让导购员给你送来。当你试穿满意后，可以直接在镜子上通过移动支付付款，试穿过的衣服会保存在个人账户中。试衣间里还可以记录追踪试衣者的动作，这为后续智能试衣间的智能化进行，提供了想象空间。
这套eBay和Rebecca Minkoff合作的系统在Nordstrom的西雅图和圣何塞分店投入使用。主要目的在于通过智能化的手段和亲身体验效果，来提升线下实体店服务的体验，创建线下服务相对于线上电商的差异化竞争力。
9、智能推荐：
基于“视觉过滤技术”，针对用户潜在偏好，建构在线商品推荐模型。具体做法是，通过基于商品图片的问题，创造游戏一样的情景让消费者参与，然后预测购物者的下一个选择，并根据消费者之前的点击，提出售卖建议。每次点击都会通过成千上万的属性来训练人工智能，例如鞋跟高度、小腿长度、系带款式、鞋子的造型、纹理等。
目前人工智能推荐模型，已经在电商网站得到应用，其他零售企业也在逐步推行。
10、机器人导购：
2016年，软银第一款机器人Pepper将以“销售员”的身份入驻日本最大的电器销售商山田电机（Yamada Denki）。Pepper之前也曾帮助销售过智能手机和咖啡机等商品。Pepper接受企业的租赁订单，每月租金55000日元（约合人民币2730元），仅为日本平均最低工资的一半。
机器人销售员的优点很明显：成本低，增加用户购物过程的趣味性，从而提升销售。缺点也很明显：商品识别精准度有待提升，人机对话精准度容易受到周围环境（如噪音）影响，语音、语义技术平台还不成熟
11、机器人店员：
美国老牌装饰零售商劳氏LOWE’s在洛杉矶成立了创新实验室，与硅谷的FellowRobots公司合作，在2014年和2015年期间，分别推出了劳氏Holoroom家装模拟器和OSHbot零售机器人，并均已在实体店里得到应用。
OSHbot可以咨询用户需求，扫描物件并匹配，定位和导航。机器人屏幕上显示的创意内容和营销信息，还会随着机器人位置的变化而改变。客人可以通过机器人屏幕，与店内专家进行视频聊天。机器人的设计中还将融入3D打印技术，甚至能够3D打印小物件。
12、虚拟商品墙：
英特尔是数字标牌技术的领先者，其adiVerse技术，可以通过先进的触控屏和高精准时时3D渲染，让消费者可以在虚拟墙上从任何角度查看产品，进行旋转、放大，并以全新的方式与商品进行互动。该技术还应用在自动售卖机和虚拟试衣镜等常见的线下销售场景。
Adidas基于Intel的技术和解决方案，开发了虚拟鞋墙，实现了超过2000双鞋子的产品展示，通过3D和VR技术实现虚拟试穿，在线购物，快递送货。
13、自助支付：
随着手机支付的普及，自助支付也将成为线下零售店的标配。自助收银机一般提供屏幕视频、文字、语音三种指引方式，使用门槛低，每6台自助收银机只需配1名收银员。除了银行卡、微信、支付宝等多样化支付方式接入外，刷脸支付等技术的支付手段也将逐渐引入，比如国内阿里的刷脸支付尝试。
14、智能比价：
沃尔玛App加载了比价工具SavingsCatcher，顾客在实体店购物场景中，用手机扫描产品进行比价，发现更低价，价差返还。沃尔玛的比价策略并不包含线上零售商，其自由品牌的商品、熟食、糕点和肉禽蛋也不在比价范围内。截止到2015年6月，沃尔玛的企业App的用户已经达到2200万，其年增长率超过400%，SavingsCatcher这个比价工具让用户活跃度由一个月前的400万人猛增至1400万人，极大的提升了线下竞争力。
15、在线客服机器人：
在零售业的电商模式中，客服是其中非常重要且占据很高成本的运营要素，通过机器人客服替代人工客服，是该领域智能化发展的重要方向。
IBMWatson机器人计划替代一个数量庞大的工种——在线客服，基于自然语义识别、人类情感识别，实现商品信息定向推送，实时答疑、咨询和投诉，还可以娱乐消遣讲段子。依靠机器人的自我学习能力，不仅能准确回答问题，还能感知到客户的情感和情绪。
而Google、微软、Facebook等人工智能领域的领军企业，也都在该领域有相关研究和投资。
16、库存盘点机器人：
美国『华尔街日报』盘点的最可能被机器人取代的十大工作中，「仓库管理员」荣登榜首。机器人免去了仓库员工每天走上最多32公里的烦恼。
德国公司MetraLabs在2015年推出和部署了带有RFID功能的机器人Tory，为德国服装零售商AdlerModemrkte提供库存盘点服务。Tory机器人通过传感器进行导航，边走边读取商品上附着的RFID标签。
17、商品管理机器人：
考虑到RFID运营成本及系统要求的相关问题，Simbe公司通过更为精准的图像识别技术，实现除商品管理之外的更多动态应用。
Simbe机器人Tally是一款商品管理机器人，它基于商场商品布局图，通过传感器扫描定位和图像识别，实现商品信息自动识别，商品变化信息动态整理，错放或信息错误提醒，库存联动，缺货提醒，并根据商品变动信息及相关变量，为商场及供应商提供决策服务。
18、物流机器人：
这一领域已经有很多家公司进入，包括：Amazon Robotics（前身为Kiva System），Fetch Robotics（团队来自WillowGarage），Swisslog（瑞士的自动化仓库和配送物流解决方案提供商，其背后是工业机器人“四大天王”之一的KUKA），Gray Orange Robotics。日本日立可行走物流机器人包含两个升降台，两条机械臂，2015年8月开发出成品，预计在2~3年后正式投入使用。
第三十四届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：liuhan
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
