施煒：商業智能屬於新零售，二者交相呼應

【編者按】把新零售與商業智能相連接，似乎並不意外。可以說商業智能是新零售的一個組成部分，但又不僅僅是新零售。本文作者從新零售提出的三大背景、未來新零售的內涵對商業智能和新零售做了分析。針對商業智能在新零售的應用，包括與個人交互的四種情況、以及與顧客群體交互的五種情況進行了闡述。

本文發自「 華夏基石e洞察」，作者： 施煒；億歐編輯轉發，供業內參考。

今天和大家分享的題目是《新零售和商業智能》。為什麼選這個題目呢？因為最近一段時間以來，新零售比較引人注目。商業智能可以說是新零售的一個組成部分。當然商業智能不僅僅是新零售，兩者有交集。

「新零售」引人注目的三個背景

1、亞馬遜開出了無人商店

去年年底，亞馬遜公布了一段在美國西雅圖試運行的無人商店（Amazon Go）的視頻。視頻展示了無人商店的一些圖景：一個人走進商店，用手機掃一下碼，從貨架上拿取一個麵包，再通過手機支付，他就可以直接走出這個商店了。甚至連手機支付的動作都可以沒有，直接通過人臉的識別就把費用從關聯賬號里扣除了。

亞馬遜的這樣一個全新的無人零售形態引起了人們廣泛的關注，很多人認為這個可能屬於新零售的範疇。把目光從亞馬遜移到國內，因為我們創業者很多，現在也有人在做這方面的試驗。基本思路是模仿亞馬遜的做法，在開設無人商店。

2、馬雲認為「新零售」時代已經來臨

「新零售」引人關注的第二個背景及原因就是馬雲去年10月份在杭州雲棲大會上的講話。馬雲在演講中提出新零售的時代已經到來。馬雲講的「新零售」和亞馬遜的「新零售」在我看來不太一樣。因為亞馬遜的「新零售」純粹是信息化的，強調無人化、數據化。馬雲講的「新零售」，比較強調的是線上、線下以及物流的結合。

以前，電子商務通路和線下通路兩者之間是沒有打通的，各自的客戶體驗是割裂的，線上的顧客體驗有線上的特點，線下的顧客體驗有線下的特點。對一個企業或品牌而言，它的數據流沒有能夠實現線上線下的共享。

線上線下融合的形態有點類似於我們以往所說的O2O。O2O曾經熱過一陣，有些模式已經非常成功了，比如一些基於地理位置的O2O。但從實體零售店來看，到現在還沒有哪家店真正嘗試做O2O。

英國有一家零售連鎖商叫Argos，線上線下一體化做得比較好。Argos的門店比較小，店裡面只擺放少量的樣品，顧客可以通過店裡的屏幕上網搜索，選擇商品之後，可以在店裡下單。每個門店後面有個小型倉庫，如果所選的商品是在倉庫里有的，顧客當場就可以把貨提走；如果暫時沒有現貨，顧客可以在約定的時間到門店自提，當然也可以在家裡等待配送上門，但需要交費用。

從Argos的實際情況來看，70%左右的顧客選擇自提，大概只有30%的顧客願意交錢等待送貨上門。

3、傳統零售的衰落

「新零售」比較引人注目的第三個背景及原因是傳統零售的衰落。在電子商務（包括移動電子商務、微商等）的衝擊下，傳統商業舉步維艱，甚至節節敗退。這時候突然有一個「新零售」的概念，讓一些傳統商業覺得有可能找到了一條道路，抱有某種希望。

當然，我們對「新零售」的關注還有一個眾所周知的背景，就是我們的各位朋友包括我們自己在內，對新概念都是比較關注的。一個新概念一出來，可能都會撲上去看看是否能從中得到一些啟發，有沒有顛覆性的創新。

未來新零售的內涵

1、數據化和信息化

大家都知道，線下零售和線上電子商務相比，在信息的獲取、應用方面，線下是不如線上的。比如，對於產品信息的搜尋、評價和分享，價格的比較等，每一個零售店實際上是孤島，顧客體驗顯然是比較少的。從經營者這一方來說，線上的電子商務從一開始就是基於信息流和數據流的。因為看不見真人，只能根據顧客在網上的動作，比如搜尋、瀏覽、點擊，以及實際發生的銷售數據等，來判斷顧客的行為，從而為顧客提供商品推薦等服務。

因為線上有數據和信息的優勢，因此產生了精準廣告投放、推薦銷售、產品之間的交叉銷售等新方式。在很長時間內，線上的商家是有某種優勢的。而在「新零售」背景下，線下的商家也要把自己變成一個巨大的信息流和數據流的集合。

第一，零售店面所有的貨架、貨物、購物籃、收款設施等這樣一些物體，構成了一個通過感測器來相互聯繫的物聯網。形成一個物聯網之後，信息就開始採錄和聚集。比如說顧客在貨架上每拿一樣貨物，後台的信息系統都可以同步顯示，可以知道顧客拿走了第幾排的貨柜上的哪些產品，這樣就解決了傳統的零售貨物的盤點問題。過去優衣庫在日本基本上要一小時盤點一次，比如毛衣、T恤放在貨格子裡面，早上擺了5件T恤，過一小時賣掉2件，還有3件，再動態地預測和補貨。現在有了感測器之後就不用去數了，實現了即時盤點。

第二，零售店無死角地布置攝像頭（有的資料里稱Amazon Go里也安裝了麥克風，這裡我們略去不談），實際上就是圖像採集系統。你走進這個店之後，往哪裡走？在什麼地方停留？有什麼樣的動作（比如拿了一個貨物，拿過來之後，又想要又不想要，就退回去；或者放在購物籃里，放到籃里之後，又放回貨架，等等）？以前的零售店當然也有攝像頭，現在攝像頭更密、更多。

攝像頭對信息全程進行記載之後，和人臉識別技術結合在一起。很顯然，人臉就是最大的標籤和最顯著的標誌。這張臉所對應的人取了多少貨、需交多少錢等，系統可以直接識別，錢就自動扣掉了。當然，這是一種理想的狀態。無人商店的結算可以有多種方式，包括APP、掃掃二維碼等。

第三，高度數據化和信息化的新零售，還有一個體現就是電子標籤的應用。所有的貨品上可能都有一個二維碼，掃一掃二維碼，這個商品所有的信息（包括價格信息、產地信息等）都可以在手機或其他的載體上顯示出來。有了電子標籤之後，對於管理者（即店面的經營者）來說，庫存的盤點、貨物的補充、價格的調整、顧客的結算等，都可以藉助電子標籤完成。

未來，感測信息系統、電子標籤信息系統和攝像（聲音）系統三者之間，既會交互也會共享，還會彼此補充，共同形成零售的海量、動態信息的集合。這樣一來，對於商店的經營者來說，線下的店和網上的店就沒有區別了，甚至比網上的店還更有優勢，因為對顧客的行為（包括行為背後的動機）有更加真切的把握。

現在我本人沒有看到無人商店的實際場景，我只是看了亞馬遜的一段視頻和一兩個商業智能的項目建議書里的描繪，在這裡跟大家簡單說明一下。有講得不對的地方，請大家指正。聽說上海已開出了第一家無人便利店，顧客需要下載專用APP才能交易。

2、虛擬世界和真實世界一體化的體驗

在現實的物理空間中，我們的體驗是受環境限制的，我們每個人只能看到真實世界。而互聯網上會有一些真實世界中不能體會到的炫目、刺激的情景（包括3D畫面）。現在也有人在考慮把一些互聯網上的體驗放到線下來。我們前面舉的英國Argos的案例，其實是個最簡單的模式，就是在線下店裡安裝一些能夠上網的屏幕。

隨著VR、AR技術的發展，線下將會有新的顧客體驗的方式。

新的體驗將首先在遊戲網吧里出現。遊戲網吧是一種線下零售的特殊場合——目前，阿里巴巴把新零售擴展成一切的線下的物理空間的體驗，遊戲網吧、餐飲、咖啡廳、書店等都算。

線下的遊戲很快就會進入虛擬現實的時代。虛擬現實就是每個人頭上戴一個頭盔之後，他所見到的世界不是周邊的真實世界，而是另外意義上的真實世界。我們可能穿越時空進入古代，置身古代的場景，可以參與其中。當然我們也可以看到未來的一些圖景。總而言之，這個和我們戴上3D眼鏡在電影院看3D電影的感受類似。

那麼零售店會怎麼樣？顧客進去之後，戴上一個頭盔，然後通過商店裡的二維碼等一些附著在商品或附著在其他載體上的信息入口，可以進入另外一個世界。它是立體的，在內容上是有無限可能的。這樣就超越了店本身的限制了。

比如說，我要選購一輛日本的汽車，那我就可以通過頭盔看到這輛汽車在日本生產線的過程，當然可能還有一些更縱深的內容。我也可以去選購一個瑞士的產品，那我可以把自己放到日內瓦湖或者阿爾卑斯山的一個背景下，四周有湖水有山，體會瑞士的風光或風土人情。虛擬現實，對於零售有幫助，但是它不是革命性的。

未來會引發革命性體驗的，可能是增強現實，但它的應用在技術上可能更困難。

增強現實是什麼呢？就是在真實的環境中突然出現了虛擬的景象，這是我的一個理解。舉個例子，我們去傢具賣場看顧家皮床。現在我們要看一看在這個床邊上擺放兩把椅子是什麼狀態。這個椅子在現實中是沒有的，但是可以通過電腦或手機選擇兩把椅子，在戴上一個特殊的眼鏡之後，這個椅子就會在沙發旁邊出現。

我還可以通過電腦或手機上的操作，改變椅子的顏色，改變椅子的形態，可以改變椅子的數量，總而言之，椅子是虛擬的，我們將它與現實的真實情境之間進行匹配。

這就有點類似於前段時間我們在手機上看到的一段視頻，就是「鄧麗君」突然「復活」了。這個舞台是真實的，觀眾也是真實的，突然「鄧麗君」就活靈活現地出現了。那個叫全息攝影，這種技術在商業中將來也會運用。

剛才我們提到傢具，瑞典的品牌連鎖——宜家目前試圖做AR（增強現實）方面的努力。至於說VR、AR在國內有沒有應用，據我所知有一些企業在嘗試。

3、商業智能在新零售中的應用

商業智能，是個很寬泛的概念，簡要地說，就是人工智慧在商業中的運用。商業智能目前主要的運作場景、應用的領域就是在零售業。怎麼運用？已經有一些案例。國內很少，幾乎沒有。國外的一些零售商已經開始運用人工智慧了，當然也是初級的運用。

人工智慧的基本要素之一是大數據，也就是說沒有數據就沒有人工智慧。數據是人工智慧、機器深度學習的原料，是給它喂的飯或者是給它添的油。從零售店角度看，是有大數據的。數據一直是存在的，也是流動的，只不過以前這些數據可能流失掉了。

一個零售的賣場，它究竟有哪些數據？很顯然，主要就是顧客購買行為的數據，這裡包括他的行動路線、來店頻率、逗留時間、決策速度、動作特徵等等。此外，還有一些數據就是他的行為的結果，包括顧客買了哪些商品，花了多少錢，等等。這些數據的流量非常大。

基於這樣一些數據，我們要給智能系統一個指令，要給它一個運算邏輯。也就是說，要規定智能系統根據這些數據產生什麼樣的分析結果。從這個意義上來說，人工智慧其實還是人的智能，它基礎的演算法還是由人來設定的，包括輸入什麼信息、輸出什麼信息、中間的轉換的邏輯。或者說是一個函數式，是一個解題的步驟和過程。

將來隨著人工智慧的發展，它是否能模擬人的神經系統，是否有獨立的智慧，今天還沒有看到，未來可能會有。

（1）商業智能和個人交互的四種情形

零售企業獲取大數據並經過計算之後，會針對顧客產生哪些智能化的反應？總的來說有兩個類型和方向。一個類型和方向是針對顧客個體的，根據顧客的信息對每一個顧客進行一對一的精準的營銷。到目前為止，商業智能針對個人，和個人的交互，具體來說可能有四種情形。

第一種情形是基於人像識別的顧客互動。一個人來商場很多次，他的頭像就已經被記錄下來了，以後再去的時候，無論是服務員，還是其他的一些信息設施，可能會很熱情地跟顧客說：「歡迎您第N次光臨，您是我們的老顧客」。這是一種初級的、比較基礎性的運用。頭像的背後還有這個人的一些歷史數據，基於這些歷史數據可以準確地跟客戶互動。

比如，一個人去吃牛扒，經常有服務員會問：你吃幾分熟啊？有人說五分，有人說八分，那人工智慧系統就記住了。你再去的時候，服務員在和顧客交流的時候就可以說：先生，知道您喜歡吃五分熟的，現在有一種牛肉，三分熟更好吃。這樣的溝通會更有效一些。

第二種情形，是商超用得比較多的優惠券。包括電子形態的優惠券。比如商場APP裡面送一些電子優惠券，這些優惠券完全是根據顧客的數據自動生成的。顧客去交錢的時候，一邊交錢，優惠券就打出來了。

優惠券很複雜，結構很精巧，可以根據顧客的購買額，1000元錢以上的給你一張，2000元以上的給你另一張，而且通常都有時間的限定，比如要在5天內用完。有的還有品種的限定，這跟推薦商品有點類似，比如說根據你過去的數據，你似乎比較喜歡喝啤酒，比較喜歡喝德國的黑啤，那就給你兩張黑啤的優惠券。

在優惠券方面，目前還有一些超出我們想象的應用。比如，發現一位顧客從來沒有買過啤酒，基於這樣一個數據，那我們怎麼給他優惠券呢？也給他一張啤酒優惠券，用於測試這個人是不是在其他的店買啤酒。如果他用了優惠券，那就證明他還是喝啤酒的，只是原來不在我這裡買。這個測出來之後，就可以給他更多的啤酒優惠券，這樣就可以對對手構成影響。

基於會員制、積分制以及購買記錄的優惠券系統，是目前商業智能的主要形態。優惠券越來越豐富，越來越有意思。這個在歐美其實是個成熟的系統，可惜的是零售企業還用得非常少。國外有專門的這樣的系統服務商，即營銷服務公司，大的甚至能夠覆蓋幾千萬人，數據量非常大。

第三種就是商品的推薦和交叉銷售。通過數據分析發現某一個人去購買某種商品的時候，他同時還會買其他的商品，這就構成一個關聯。以前他買商品的時候都是果汁和優格一起買，那就可以同時推薦果汁和優格。這在邏輯上比較簡單。另一種邏輯關聯，比如說一位男顧客買了紙尿布，這可能是孩子的爸爸，可以給他推薦奶粉。

人工智慧也在發展。以往這種商品整合起來的推薦都比較刻板，或者說是邏輯僵化。比如我一個朋友跟我說，他給家裡的老人去看過墓地，結果連續一個禮拜甚至更長的時間都有商家給他推薦骨灰盒。

所以，未來商品的推薦可能是智能推薦，根據顧客長期的購買行為進行一些分析，推斷他可能對哪些商品很感興趣。那就可以進行橫向的相關產品推薦和縱向的上下游產品推薦。比如顧客買了電吹風，解決了頭髮的問題，再推薦一個剃鬚刀，一起解決一下鬍子的煩惱，這是橫向的推薦。

縱向的是什麼呢？比如顧客買了刀片，就推薦刀片的上游——刀架。再比如顧客買了CD，就推薦CD的播放機。未來可能還有更加智能的，那就是跳躍式的、非單一線性邏輯的推薦。

比如某個人經常買些比較古典的交響樂，推斷出這個人可能是比較傳統的、文化層次比較高的、行為作風比較西化的，那是不是可以給他推薦一款懷舊型領帶？這個跨度比較大，也比較有意思。

第四種，就是行為的預測，即根據以往的行為來推測未來的行為，這個就比較難了。比如說一對小夫妻，因為剛成家，以前可能購買一些生活用品等，過了一段時間，通過購買的特點、跡象和數據，推測妻子可能已經懷孕了，那就可以贈送一些嬰兒產品的優惠券等。這就是提前推測顧客在未來一段時間的行為特點。

根據顧客購買的時間、動作，還可以分析這個人是屬於簡單購買還是屬於複雜購買。人的購買心理和性格不一樣，有些人買東西比較快，瞬間反應；有些人就要貨比三家，任何事情他都要認真地盤算。人工智慧系統能將他們推斷區別出來，與他們互動的內容和方式也就不同了。另外，更進一步，人工智慧甚至可以判斷每個顧客的生活態度和生活方式。

（2）商業智能和顧客群體的交互

根據大數據做群體分析的時候，大數據的範圍可以擴展到整個互聯網上，比如微博、微信上的顧客心聲和反應。

第一，是對顧客進行分類。商業智能出現之前，商場里的顧客群畫像，依靠人的智慧，維度是有限的。而到了人工智慧的時候，就可以增加很多的維度，從不同的角度對顧客總體進行分類，從而形成多種分類模式。也就是說，畫像可以從不同的角度去畫，把顧客分成很多群。比如，按照遠近來分類，過去沒有數據的時候，怎麼知道這個人來自近的地方還是來自遠的地方？現在通過物聯網的信息，就有可能知道顧客的距離遠近，對不同距離的顧客的服務方式可能就不太一樣。

第二，分析這些顧客群的特點。比如，以是否成家可以將顧客分為單身、兩口之家、三人核心家庭。這就構成了家庭的三種形態。在這三種形態的背景下，人均的購物金額、購買的品種、喜愛的審美風格等，都會形成一些比較鮮明的差異。

了解了這些差異，在貨架的擺放上可以變得更有針對性。比如專門有一些大容量的牛奶是針對三口之家的；比較小包裝的、時尚的就適合兩口之家；還有針對單身的產品，在營養的構成、包裝（怎麼開啟）等方面都可以有不同的特色。

第三，分析顧客為什麼流失。哪些群體流失得最快？流失的原因是什麼？根據顧客群體總的行為特徵，並找到背後的影響因素，基本上能夠判定顧客流失的原因和背景。

第四，找出顧客行為中出現次數較多的典型行為並分析背後的原因。例如某一種新產品，大多數人都是拿起來看了看，並沒有購買。原因是什麼？價格問題，還是產品價值訴求問題？抑或包裝問題？基本上可以建立一個假說，這個假說可以通過大數據和人工智慧來進行驗證。

第五，分析零售店裡面的顧客注意力資源的分佈。簡單地說就是顧客更喜歡聚集在什麼地方，在哪些地方投注了更多的目光。這個主要通過攝像頭、圖像系統等就可以收集到。這是零售商場動線和商品展示的依據之一。同時，也為廣告競爭提供了依據。比如供貨商有A和B，那就可以把廣告位精準地給他們進行推薦，比如這個地方有更多的人流量，顧客停留更長時間，那麼這個地方的廣告就要貴一些了。