人工智慧和機器學習如何顛覆零售行業？

人工智慧被廣泛定義為計算機模仿人類思維和邏輯的能力。機器學習是人工智慧的一個子集，其重點在於計算機如何在不編程的情況下通過使用可不斷適應改變的演算法來從數據中進行學習。

根據IDC預測，人工智慧（AI）預計將在客戶旅程、共贏網路、商品化、市場營銷和商務領域普遍存在。例如，在未來兩年：

- 40%的數字轉型項目將得到認知計算和人工智慧的支持，為運營和變現新模式提供關鍵的、及時的洞察

- 30%的零售商將採用零售全渠道商業平台，整合了集中編排全渠道能力的數據分析層

有一件事情是很清楚的：正如我們所了解的那樣，新的分析技術預計將從根本上改變分析——和零售行業。

零售背景下定義人工智慧和機器學習

人工智慧被廣泛定義為計算機模仿人類思維和邏輯的能力。機器學習是人工智慧的一個子集，其重點在於計算機如何在不編程的情況下通過使用可不斷適應改變的演算法來從數據中進行學習；換言之，這些計算機可以持續「學習」以響應新數據。現在我們看到了這些突破，是因為硬體方面得到了極大的改善（例如，GPU和多核處理），可以應對大數據並運行分析和學習數據所需的深度學習演算法。

IDC副總裁Ivano Ortis最近分享了他的觀點：「人工智慧將把分析帶到一個新的水平，並將成為零售創新的基礎，這已經得到了全球半數零售商的認可。人工智慧可以實現規模化、自動化和前所未有的精度，當適用於超細微客戶細分和上下文交互的時候，可推動客戶體驗。」

鑒於人工智慧和機器學習的能力，很容易看到人工智慧和機器學習是如何成為零售商強大的工具。現在，計算機可以讀取、傾聽數據，了解數據，從數據中進行學習，立即且準確地推薦下一個最佳動作，而不需要明確的編程。這對那些希望能夠準確預測需求、預期客戶行為、優化和個性化客戶體驗的零售商來說是一個福音。

例如，它可以用於自動化：

- 基於關於每個客戶獨特性去和購買傾向的個性化產品建議

- 選擇額外的加售和交叉銷售選擇，推動更大的客戶價值

- 聊天機器人可以推動與客戶進行智能的、有意義的交互

- 根據過去和現在的採購數據和客戶數據推薦額外服務和產品

- 平面圖分析，支持店內產品銷售，告訴人們還缺些什麼，將銷售情況與貨架空間進行對比，通過自動重新訂貨加速貨架補充

- 定價引擎，做定製化的、適合情境的定價決策

特別是在英國，零售商們已經可以收集大量來自客戶的交易數據和行為數據。而且隨著數據量的增長，處理能力的提升，機器學習已經更廣泛地應用於零售行業，進一步優化業務流程，推動更有影響力的個性化、上下文消費者體驗和產品。

零售業的轉型已經開始

零售業已經開始感受到人工智慧和機器學習的影響了，例如：

- 零售商正在通過機器學習結合物聯網技術來預測需求，優化商店業務並減輕員工負擔

- 基於店內攝像頭檢測提供個性化的廣告，承擔店員部分的半手動的、通過在平板電腦或者觸屏終端設備查看客戶的消費記錄

- 零售商可以監控排隊結賬的等候時間，以了解個別店面的流量和商店銷售效率，然後進行分類和調整店面布局來實現購物籃、滿意度和銷售的最大化

- 系統現在可以通過把計劃認為調整為按需活動，來識別和預測客戶行為，改善員工生產效率

- 攝像頭系統可以在店內員工之前檢測易腐產品的新鮮狀態

- 實體店正在實現很多操作任務的自動化，例如設置貨架定價，確定產品分類和混合，優化促銷等

- 店內應用可以顯示客戶在特定通道停留了多長時間，根據個人消費記錄和偏好數據，提供有針對性的優惠和建議（通過他/她的移動設備）

麥肯錫最近的一項研究提供了很多例子，量化了這些技術如何改變零售商運營和競爭方式所帶來的潛在價值，例如：

- 採用數據和數據分析的美國零售商供應鏈業務已經看到，過去5年運營利潤率增長了19%。使用數據和分析來改善商品銷售，包括定價、分類和展示位置優化，使得運營利潤率又提高了16%。

- 個性化廣告是當前機器學習最強大的用例之一。其他具有較高潛力的零售用例還包括優化定價、根據旅行和物流的實時數據優化編排計劃，還有優化商品銷售策略。

最大限度發揮數據的價值

微薄的利潤（尤其是在雜貨行業）以及來自行業領先早期採用者的壓力——例如亞馬遜和沃爾瑪——使得利用客戶數據降低整個價值鏈成本的動力越來越強。但是麥肯錫分析師在2011年估計，美國零售行業僅實現了30%-40%的潛在利潤提升和生產效率的增長——這一增長中有很大一部分是通過降低價格實現的。所以到目前為止，人工智慧和機器學習只發揮了很小一部分的潛在價值。

據福布斯稱，美國零售商有潛力實現凈利潤60%的增長和年生產力0.5%-1%的增長。但是，實現這一價值還存在著障礙，例如缺乏分析人才，企業內的數據孤島。

這時候就需要機器學習和人工智慧了。人工智慧和機器學習可以幫助減輕推動利用可用數據所需的分析任務。當部署了一個全公司範圍的、實施的分析平台時，這將成為所有公司職能優化決策所依賴的事實來源。

這將如何改變分析？

所以人工智慧和機器學習如何改變零售分析？我們預計人工智慧和機器學習不會像我們所想的那樣滅掉分析，而是讓分析對推動零售的未來產生全新的、更有影響力的作用。我們預測：

- 零售商將把機器學習演算法作為分析和監控與機器學習演算法相關業務成果的一個額外因素

- 他們就愛那個利用人工智慧和機器學習來強化分析演算法，檢測更多早期的預警信號，預測趨勢，並在競爭對手之前找出準確答案

- 實時分析，並作為所有業務領域之間的粘合劑

- 分析將越來越多地把重點放在分析製造設備的行為，而不僅僅是業務和消費者行為上

Ivano Ortis在最近的一份題為「零售分析為何是零售利潤的基礎」的報告中，分享了他對這個話題的一些觀點。他指出零售領導者是如何利用這種新型分析推動提高利潤，進一步提供差異化的客戶體驗，更有效地競爭。「總的來說，商業和技術將趨於一致，讓零售商能夠實現短期投資回報率目標，同時發現未開發的需求。

但是，實施分析需要零售企業上下各種關鍵管理角色和業務流程之間的協調。早期採用者從他們的項目中實現了顯著的重要價值——利潤的雙位數增長，同店和電子商務收入，庫存頭寸和銷售額，核心營銷指標。有一個巨大的機會在等著我們。」

歡迎關注「雲途壹看板」，BI工具免費試用！