人工智慧如何重構和驅動新零售的「人貨場」

「人貨場」是零售行業中永恆的概念，不管技術與商業模式如何變革，零售的基本要素離不開這三個字。零售行業未來的大趨勢就是企業利用互聯網和大數據，以實體門店、電子商務、移動互聯網為核心，通過融合線上線下，實現商品、會員、交易、營銷等數據的共融互通，將向顧客提供跨渠道、無縫化體驗。

根據阿里巴巴CEO張勇的觀點，圍繞著人、貨、場當中所有商業元素的重構是走向新零售非常重要的標誌，而其核心就是商業元素的重構能不能有效，能不能真正帶來效率。簡單來說新零售使零售業通過數字技術，圍繞消費者需求，重構人貨場，最終實現以消費者體驗為中心，創造高效企業，帶動消費升級。

未來零售的核心就是消費者體驗，通過以消費者的體驗感為核心，搭建一種或者多種購物場景，讓消費者在場景中感受場景和產品所傳遞的價值，在合適的時間和地點，以最實惠的價格和最放鬆、最有成就感和控制欲的情緒之下買到想買的東西，這對任何消費者都是最重要的。

假如這種體驗缺乏基於數據的支撐和優化，也會成為無本之木，無源之水。而滿足這個最基本需求的能力，仍然是基於消費者購買過程中的數據分析和預判。傳統零售很大程度上依賴於員工的個人經驗、領導意志拍腦袋來完成這個過程，而真正代表未來的方向的是基於已有的多維度數據來對「人貨場」進行優化。

從這個意義上說，未來的零售不是一個簡單的商店升級或新利潤模式，而是一個以數據驅動的新零售商業模式，決定這個商業模式成敗的關鍵因素是企業收集數據和運用數據來指導零售各種決策的能力。人工智慧毋庸置疑成為這種能力的技術核心和基礎，進而實現規模化、自動化和前所未有的精準度，通過人工智慧重構和驅動新零售的「人、貨、場」已經是大勢所趨了。

人：洞察最熟悉的陌生人

由於每天大量的交易產生，消費者對於零售商來說並不陌生，但對於消費者的需求理解到底有多深，特別是對消費者內在、本質的心理訴求的把握，傳統零售商其實是非常茫然的。在新零售的業態下，零售商通過深入洞察消費者，可以對他們的目的、行為和動機進行研究和分析，挖掘用戶間的差異，並運用深度學習的演算法對他們相似的行為和心理特徵進行分類和聚類，從而得到最典型的消費者特徵。

通過添加場景、人口學屬性就可以讓該形象鮮活起來，為他們設計、推薦商品也會更加有針對性。

例如未來零售商家對於「消費者」的個人生物屬性、著裝打扮、行走路徑、駐足停留、表情情緒、觸摸觀察、歷史購買數據等行為都能完整的進行數據記錄和搜集，來創建非常有見地的個人資料，然後對於不同的消費者進行聚類分析，來給消費者進行畫像，讓他們來虛擬代表真實用戶，這其實是建立在一系列真實數據之上的用戶模型。

根據他們的特徵、行為的差異將他們區分為不同的類型並且進行分類和聚類，形成完整的特徵總結，模仿他們的思維和邏輯，進而用「特徵和行為定向」來預測消費者的消費興趣和行為，這樣能夠讓消費者獲得對他們而言有價值的信息，能夠讓零售商在適合的時間向合適的消費者提供合適產品的信息，以及與未來有購買產品意願的消費者建立起良好的關係，讓消費者對於商品、零售商的溫度提升，最終的目的是提升消費者體驗，精準服務消費者。

場：如何讓「人貨」更加合一

沒有場，人和貨之間就沒有鏈接的途徑和媒介。人和貨如同是陰陽兩極，相互吸引而產生場景，場景具有無形的吸引力，可以拉近人和貨之間的距離，最終達到「人貨合一」。

未來，隨著人工智慧技術的進一步成熟發展，消費場景將實現真正的無處不在，所見即所得，同時並對場中的各個元素如支付、環境、等待、距離等進行重構、整合和優化，零售門店就是店型機器人，真正提升消費者體驗。

擁擠和等待是零售銷量的殺手。消費者討厭購物和付款時的擁擠和等待，特別是在收款台前面這一消費最後環節前長時間等待，這往往是零售場景中最長時間的等待，這樣就讓購物所帶來的歡愉心情、控制感和自主感一掃而空。

而以深蘭科技「Takego」為代表的無人或者少人值守智能零售系統，免現場結算支付系統藉助卷及神經網路、深度學習、機器視覺、生物識別、生物支付，AR/VR等先進的技術，將最大程度的減少排隊、付款等待時間，從而讓消費者真正的忘掉結算。

未來數量眾多並且面積不大的無人商店會將之前的大店化為小店，每一個小店的商品將會形成統一和直觀的劃分，商品的陳列將根據最佳路徑、行為習慣、生理特徵等進行優化，實現最佳的人店交互體驗和互動，SKU數量未必龐大但一定是暢銷品，購物就像在家裡拿東西一樣，看到即接觸，所見即所得。

在深度洞察消費者以後，可以對消費者進行人口學屬性、行為屬性和心理屬性三個維度進行劃分，深度了解基於當地商圈消費者的購物習慣和興趣愛好以及過往的購買歷史記錄。場景其實協助品牌商、零售商連接到最小個體的消費者，並且這種連接是頻繁和持續的，在場景中可以和消費者進行溝通，藉助人工智慧的技術直接詢問消費者的需求，並且針對洞察過程中所掌握的信息給消費者進行量身定製的推薦和建議，這也為「千店千面」的最終實現打下了堅實的基礎。

貨：最容易被忽視的致命因素

新零售高度關注人，強調場景消費，提升消費者體驗，貌似在和傳統零售以「貨」為核心在劃清距離。

產生這樣誤解的原因是商品的管理往往扮演的是「幕後英雄」的角色，沒有場景那麼炫目多彩，也不會和消費者直接發生接觸，所以不太被消費者關注，也是零售商所忽視的地方，但涉及商品管理的領域如選品、定價、促銷、供應鏈、採購、物流等所構成的運營體系則成為支撐零售商日常正常運轉的半壁江山，也是消費者體驗成敗與好壞的重要物質基礎，這將成為新零售能否成功的致命因素。

在新零售的業態中，大量零售運營數據包括消費者、商品、銷售、價格、庫存、訂單等在不同的應用場景中海量產生，結合在不同業務場景和業務目標，如商品品類管理、銷售預測、動態定價、促銷安排、自動補貨、安全庫存設定、倉店和店店之間的調撥、供應計劃排程、物流計劃制定等，再匹配上合適的演算法即可對這些應用場景進行人工智慧數字建模，邏輯簡單來說就是「獲取數據—分析數據—建立模型—預測未來—支持決策」。

本質上說，人工智慧是一項預測科技，而預測的目的不是為預測而預測，而是用來指導人類的各項行為決策，以免人在決策時因為未知和不確定而焦慮。就人工智慧在新零售業態中「貨」的應用而言，其有兩大類核心模型，一是預測模型，二是決策模型。

預測模型主要是通過回歸、分類、時間序列等演算法在大量歷史數據的基礎建立統計模型上對未來的銷售進行預測，而決策模型則通過啟發演算法、整數規劃、解析求解等演算法建立運籌模型來對以上具體業務場景應用進行決策，這樣就構建了企業預測與決策可視化平台系統，對以上應用場景的決策進行模擬，以提升商業預測準確性為核心，實現相關應用場景的智能和高效決策，精確的為客戶解決「賣什麼、賣多少、怎麼賣、送到哪、賺多少」五大核心問題。

在新零售業態中，商業的本質沒有改變，其實還是買賣，人要買貨，貨要找到合適的購買者，人、貨交易要通過場來實現，這種業態下的「人貨場」的特點就是「連接、動態和精準」。消費者真正的和商品、商家連接起來，自己真實的需求能夠被用心的了解，而動態運營則是基於時刻變動的用戶畫像，動態的開發或者選擇適合的商品，同時動態的調整場景，這是都是以精準的服務消費者為目的。

而在傳統零售業態中，這三個要素是完全割裂的，原因是圍繞這三個要素的數據雖然有不少的搜集，但這些數據並沒有真正的串聯起來，還是處在「分而治之」的狀態。

新零售業態其實需要的是基於數據對整個鏈條的整體優化，數據如同企業的血液，出現在企業運營的各個環節，並且能夠把「人貨場」三個要素有機的整合起來，在選品時充分考慮「人」的偏好和「場」的特性，在備貨時充分考慮進入「場」的「人」的類型的流量和轉化率，鋪貨時充分考慮「場」的類型所需的貨品結構。

人工智慧則如同心臟和水泵，將「數據」血液轉化為企業決策依據的能量和動力。

在傳統的零售業態中，無論在實踐界還是研究界，無論是技術、工具、人才培養、解決方案等都沒有找到行之有效的方法對「人貨場」進行串聯和整合，這三個要素還在各自為政，歸根結底還是缺乏這樣的技術和數據能力和素養。

而在眼下的市場環境中，阿里、京東等零售巨頭基於自身數據能力以及試圖在蹚出一條有效路徑。同時將來會有更多的零售企業，練就技術與數據的紮實功力，參與到這場變革中來，真正形成「人貨場」的聯動和協同。

未來是人工智慧的時代，人工智慧將重新定義零售，零售市場是屬於用好人工智慧的企業。雖然每個公司都會得益於大數據和人工智慧使用所帶來的好處，但這並不意味這每家公司都要自己養著數據科學或者機器智能方面的專家，可以由專門的公司例如深蘭科技、歐睿供應鏈等提供給全社會使用，這樣才能一同促進新零售的發展。