零售的終極之路：人工智慧

而隨著更多的實體零售走向互聯網產業升級，數據的體量將更加龐大，顆粒度也將更細小，更先進的演算法邏輯，更強大的處理能力成為行業所需。

關於新零售，阿里給出的定義是「以消費者體驗為中心的，數據驅動的泛零售業態」，這裡道出了兩個關鍵點，一個是「以消費者體驗為中心」，另外一個是「數據驅動」。

筆者採訪了多名從事數據、零售行業內人士，本文將立足新零售，淺談數據是如何為其賦能？

數據的價值

互聯網的本質在於用戶經營、流量經營，而數據在這其中是最為基礎的一環。

首先，數據的價值在於，可以驅動業務的增長。實際上不僅僅是在零售行業，每一個行業對於數據的應用，數據對於驅動業務本身起到至關重要的作用。

以盒馬鮮生的第一家店金橋店為例，目前線上部分的銷售額已經超過了50%，這樣的營收模型對於傳統零售商來講是可遇不可求的。實際上這個結果並非一蹴而就。

其次，深入進行數據管理與挖掘，可以更好的服務用戶。這裡面包含了兩個維度的用戶，一是服務於企業內部，實現數字化管理。二是在消費者層面，可以提供個性化、多元化的服務。

在傳統零售行業，企業內部管理的效率非常低，總部統一下達任務往往要著急各個分店店長統一參會來傳達。而數字化的好處在於，極大提高了信息同步的即時性。

而在消費者層面，掌握更多的消費行為數據以後，平台方可以藉助這些開展商品的個性推薦以及精準營銷。

此外，數據本身或者基於數據分析得到的結論是具有價值的。我們可以看到，越來越多的企業也在以數據的標籤來標榜自己。比如滴滴出行、摩拜OFO等出行類工具，雖未上市，但估值都在數十億、上百億美金。如果單純看其本身的業務模型來看，雖然可以實現盈利，但不足以支撐如此高的估值。

實際上更多的投資者看重的，是其出行數據背後，有著更大的商業價值。以零售行業，通過這些出行數據，可以做出更好的選址決策，基於人群的年齡、職業、喜好等畫像分析，也可以幫助零售商在商品層面以及運營層面做出更好的策略。

由經驗思維到數字化思維

上文有提到過，對於新零售業態，最核心的一個特徵就是打通了線下和線上，這樣帶來的直接結果就是，新零售業態可以採集到的數據更多。

傳統零售商在數據方面一直不夠重視，一位在零售領域從事多年的高管曾這樣表達：

「這些數據看上去並沒有什麼用處，特別是北上廣一線城市，店面覆蓋的3公里範圍，人員流動性比較大，另外有些人的消費習慣你很難去改變。」

實際上這也是大部分傳統零售人的思維，我們可以把它看作是經驗思維，比如貨架怎麼擺放，商品怎麼選擇、動線怎麼設計。但對於新零售業態，在數字化經營思路下，這些數據並非如想象中那麼無跡可尋。

在傳統零售店面，商品完全依賴供應鏈以及價格體系，促銷活動做了很多，究竟是誰買的單卻很難清楚，包括店面的消費動線設計也是完全以貨為中心，消費者在廚具攤位買完咖啡壺，還要跑到食品區去購買咖啡。此外，諸如天氣等社會公共信息等，其對於到店客流的影響也會十分顯著，傳統零售商僅僅通過銷售數據是很難捕捉到消費者的行為變化，知其然並不知其所以然。

換做新零售，基於消費者為中心的業態，可以藉助門店的wifi探針，藍牙感知技術，可以自動識別他們的手機或者其他聯網設備獲得數據，可以在不驚擾客戶的情況下，調取其資訊並快速提醒前台導購或服務人員。

消費者在哪些貨架停留了多久、經歷怎樣的動線，這些數據對於店面的反向管理都起到至關重要的作用，直接影響了店面的倉儲管理、買點捕捉硬體設備的位置。

下一站，人工智慧？

2000年以前，互聯網發展初期的數據，以結構化文本為主的粗顆粒度數據，以天為單位響應時間，數據結構也十分單一；

進入到2000年以後，互聯網、web飛速發展，真正意義上的結構型數據開始出現，特別是隨著社交媒體發展，多元化的數據包括文本、音頻、視頻，小顆粒度的數據呈現爆髮式增長；

在2008年以後，移動互聯網時代又將數據推向更高的維度，感測器、GPS等便攜設備的出現，數據開始以秒為響應單位，數據量達到PB級別，這也催生了大數據生態圈Hadoop這種分散式處理的軟體框架。

而隨著更多的實體零售走向互聯網產業升級，數據的體量將更加龐大，顆粒度也將更細小，更先進的演算法邏輯，更強大的處理能力成為行業所需。

去年亞馬遜推出Amazon Go，利用了機器視覺智能識別技術，讓無人便利店成為大家津津樂道的話題。包括阿里近期即將初推出無人超市「淘咖啡」，透過其購物流程來看，也極有可能應用到該技術。

雖然這樣的方案隨著店鋪規模擴大，系統的計算量將大幅飆升，對GPU提出巨大的挑戰。但至少目前，在數據方面，零售的終極必將走向人工智慧、機器學習這條路。

本文系投稿稿件，作者：少年維特；轉載請註明作者姓名和「來源：億歐」；文章內容系作者個人觀點，不代表億歐對觀點贊同或支持。