纺织服装机械网

　　日前，麦肯锡研究所发布了《人工智能：下一个数字前沿》的报告，其中分析了当前大热的人工智能实际落地情况，尤其是在零售、制造业、电力、医疗、教育这五大领域的实际应用。
 

　　零售商们已经开始在产业链的大部分地方应用AI，机器学习以及机器人学。重要的是，AI技术在诸如促销、分类和供应链等领域内，能够很大程度上减少手动操作。短中期来看，三个机遇大的领域是促销、分类和补给。大部分零售商都在这些领域进行了AI实验。“数字原住民”电子商务公司正*，使用AI来预测趋势，优化仓储和物流，设置价格，制定个性化促销手段。有些甚至瞄准了全程预测客户订单、无需等待确认购买即出货运送。
 

　　AI在零售业的应用有如下好处。
 

　　首先，它提供更准确和更实时的预测，帮助人们做出更明智的决定。好的预测帮助提高供应管理，决定影响重大的促销主题，并优化分类和定价。
 

　　第二，有了机器学和流程优化的结合，能够提高产量，减少人力劳动成本，AI可以让运营更有效率。
 

　　第三，AI使零售商得以创造舒适的、个性化的购物体验，从而提高顾客数量与他们所花费的金额。
 

　　AI是否是否能够帮助传统的、非数字化的零售商迎头赶上，还是会进一步扩大灵活的、数字驱动的互联网玩家与渐趋落后的传统品牌之间的鸿沟?成功的关键取决于零售商是否能及时上道，确保占有战略性数据的同时，打造全新的购物体验。不过，在深挖取得全面成功的条件之前，让我们先来探索在2030年未来可能是什么样子吧。
 

　　零售商会更加知道购物者想要什么
 

　　在未来，人工智能能够帮助零售商实时预测并自动化决策。通过大量识别和学习数据，横跨不同来源的数据源——历史交易数据，天气预测，社交媒体趋势，购物模式，在线浏览记录，面部表情分析，季节性消费模式——AI能够帮助企业调整和掌控一个更有活力的市场环境。通过提升预测准确度，机器学习和计算机视觉可以更好的预测消费者的消费预期，同时自动化供应商谈判。
 

　　利用AI技术，零售商会更加知道购物者想要什么——甚至比消费者更先知道。
 

　　基于AI的预测已经开始展现出它的影响力。例如，一个欧洲零售商使用机器学习算法就能预测水果和蔬菜的销售情况，税前收益能提高1到2个百分点。公司基于这个预测，自动订购更多的产品，以大化销量并将浪费减到低。与此类似的例子是，德国电商企业Otto使用深度学习模型分析了数十亿宗交易并预测了顾客在下订单之前倾向于购买的东西，将富余库存降低了20%，并每年减产超过两百万。这个系统所预测的企业在接下来三十天内的产品准确率达到90%，因此Otto允许它从供应商处订购20万宗商品，无需受到人为干涉。
 

　　AI技术还能够帮助零售商扩张店面的时候预测未来的店铺表现。随着更多的销售移动到线上，非数字化商店销售的每平米营业额在下降。在英国，零售商需要削减20%的店铺回归到2010年的店铺密度来优化店铺空间和位置。一个日本零售商应用机器学习来理解在为新的概念商店选址时的盈利的驱动因素。
 

　　仓储和店铺运营为人工智能应用提供了大量良机。对于一些非数字化的零售商来说，尤其是超市，自动化运营能够带来切实的改变。许多超市供应在线销售和送货到家，但是仍然承担着全部的实体店成本，因此在线服务的成本——在英国，一宗80欧元的交易大约需要5欧元来将货物从货架上取下，8欧元来运送——完胜这个行业平均2%的利润率许多倍。
 

　　自主性机器人能够与人合作，提高生产力降低损伤。瑞仕格将库存时间降低了30%因为开始在仓储中使用自动引导机制。DHL去年开发了两个有轨电车，在仓库里全程跟在采购者身后来减少他们的体力劳动。
 

　　对店铺来说，机器学习能够将分类效率提高50%，帮助优化销售规划。零售商通过使用地理空间建模来分析微型市场吸引力，利用统计建模来预测和小化脱销的可能性，能够将销售量提高4到6个百分点。这些效率通过机器学习可以实时实现，并且随着学习更多新的数据，准确率还会提高。
 

　　奥凯多，一个英国线上超市，是一家将AI应用到核心运营的企业。在这家超市的仓库里，机器学习算法掌控着迷宫般的传送带上数以千计的商品，并将它们及时送到人们面前来填满它们的购物袋。其他的机器人将包裹送到火车上，司机在AI应用的引导下，根据天气和交通情况选择佳路径送货。
 

　　零售商正变得更加个个性化
 

　　受惠于在线购物的安心、经济和快捷，许多消费者已经开始期待私人化、即时性、的服务。在未来，AI对于厂商连接能通过在线比价持续重新定义价值的超级用户至关重要——尤其是当在一个非电子化的店铺里。智能手机的普及需要一个全渠道的策略，人工智能可以帮助实时为每个购物者优化、更新和定制服务。基于洞察力的销售，包括个性化的促销，分类优化，和定制的显示器，可以增加1%到5%的销售量。在网上，这种个性化加上动态定价，可能会促使销售额增长30%。
 

　　得益于在线数据收集，纯粹的网络玩家在目标市场已经大幅度。传统零售商需要取得数据集来竞争。发源于法国的零售商家乐福，以及美国的塔吉特，都在店铺里部署了电子信标来收集客户行为和购买模式的数据，他们使用机器学习算法来确定在顾客购物的时候发送哪个个性化促销。仅仅在APP的28家店铺使用了电子信标之后，家乐福就报告了600%的销售额增长。
 

　　随着自然语言理解的发展，启用人工智能的个性化可以远远超出目标促销的范围。在商店里，虚拟助理可以通过面部识别识别回头客，分析他们的购物历史来提出建议，并用自然语言处理和生成的对话方式进行交流。与此同时，在线零售商正试图让更多的人接触网络，并向购物者提出个性化建议。在线个人购物服务公司Stitch Fix公司有一种算法，它可以审查客户在Pinterest上展示的图像，以更好地了解他们的风格，即使这在网上很难表达。在线零售商还使用智能代理来了解购物者的需求。其中一个例子是花卉零售商1-800-Flower的数字礼品礼宾部，由机器学习和语言识别提供动力，它提出了一种基于与购物者聊天的产品的选择。
 

　　全部带回家
 

　　增强的用户体验是AI提供具前瞻性的零售领域的区域。深度学习和计算机视觉技术也将帮助商店所有者与在线零售商的一站式服务竞争，收银台不再需要存在。亚马逊(Amazon Go)是西雅图的一种实验性食品杂货店，它允许购物者在货架上取货，离开收银台，或在自助结账亭驻足。电脑视觉识别他们进入商店，然后将他们与从货架上取下的产品联系起来。当顾客离开时，系统会从他们的亚马逊账户中扣除购物袋的费用，并发送电子邮件收据。
 

　　在家中，虚拟助理进一步推动了便利的边界。在未来，他们可以提醒用户，他们即将耗尽某种产品，并建议购买更多。谷歌的智能扬声器服务，谷歌Home，允许消费者完成50个谷歌快递零售商的订单，比如Costco、Whole Foods和PetSmart，而亚马逊的Alexa则与100多个第三方服务合作。智能家居助理近的发展为重大的购物中断铺平了道路，在这种情况下，电脑视觉可以通过拍照或助手识别消费者在网上喜欢的图像和视频来识别所需要的商品。例如，亚马逊的新Echo Look设备于2017年4月推出，它将相机融入了Alexa的虚拟助理功能，结合了机器学习和电脑视觉，并根据用户的衣柜和身形*了款式。
 

　　在未来，人工智能技术也可以大规模应用在购买后几分钟内送货上。如今的大部分努力都来自于像亚马逊这样的大公司以及内华达州里诺(Reno)这样的小型初创公司，专注于无人驾驶飞机。在2016年7月，Flirtey向私人住所投递了一盒零食。在欧洲，爱沙尼亚的一家初创公司“星际飞船”(Starship Technologies)采取了不同的做法：在城市人行道上以每小时4英里的速度推着六轮送货机器人。无人机和机器人的泛滥得益于深度学习技术的应用让创新型问题得到解决，以及空域管制——民用航空部门质疑无人机在人口密集地区的运行并接近驾驶飞机的飞行路线。
 

继续前进
 

　　在新的零售业领域跟上竞争的潮流将会是非常重要同时也是非常困难的。零售商将会明智地投资上下收集供应链的数据，以寻求竞争优势。这意味着要转变成一个协作式的心态，让你的洞察力能够贯穿整个价值链。
 

　　一方面，要改善供应链和营销，优化定价，并实现的销售，零售商与其供应商之间的伙伴关系将变得非常重要。主要的零售商已经在尝试数据集成。例如，沃尔玛已经开始使用数据湖与主要的消费者包装商品公司共享实时数据。
 

　　另一方面，零售商和其他玩家之间的跨行业伙伴关系将会发展，以实现更好的客户洞察力。生态系统中将会出现第三方的法律实体，这些实体聚集了零售商、信用卡供应商和银行等股东。这一趋势已经在巴西、土耳其、泰国、印度尼西亚、英国和其他国家得到发展。
 

　　实体零售店的计算机视觉技术可以通过客户的足迹数据、顾客反应和促销(例如，购物者在促销前站多久，以及他们是否接受产品)提供巨大的洞察力，并能自动结帐。自然语言处理和深度学习将促进虚拟助理的崛起，使对话更加直观，并更快地提高它。
 

　　然而，虚拟助理直接从消费者手中接单，它们的兴起可能有一天会导致零售商的非中介化。随着自动化的发展，零售商也需要重新考虑他们的销售团队的技能，因为更高的参与度意味着更多的人际互动，包括情商、的产品知识和品牌支持。零售业革命还有进步的空间。
 

　　结语：零售作为一种典型的商业综合体，绝大部分环节均能依靠人工智能实现自动化与标准化，从而减少人力投入。从无人超市到无人收银、机器人送货、虚拟穿衣镜，随着技术的发展，未来将会有更多形态的AI产品与解决方案应用在零售当中。由AI引发的创新模式正在为零售企业提供许多新的机会，并为消费者打造了一个高度语境化和个性化的购物体验和场景。