编辑导语：如今，AI变得不再遥远，在已经到来的5G时代，AI会与更多的行业进行融合，推出各种新兴模式，AI与零售业的结合就是零售业的一大改变；本文作者对AI赋能新零售商业化进行思考。

本文分“零售现状、零售与AI技术融合、AI+零售未来展望”三部分来阐述对AI技术赋能新零售商业化思考。

一、线下零售基本现状

1. 零售优势

移动互联网时代极大促进了线上电商崛起与繁荣，伴随着互联网红利耗尽，获客成本增加，线上电商增长也逐渐见顶，线下零售再次成为了资本与行业巨头重点关注的战场。

相比于线上，线下零售有着独特优势

可见即可得，线下实体选物体验好，即见即可选，即选即可得；

覆盖最后一公里生活圈，选购日常生活用品方便，生活仪式体验感强；

扩展线上服务边界，将能力下沉到线下。

2. 零售痛点

线下零售虽然离最后一公里生活圈消费者最近，但仍然也有着自身业务痛点。

用工成本高，零售行业属于典型劳动力密集行业，在运营、收银、导购、仓储、供应链、物流等环节需要大量人力资源；

缺乏用户感知，缺少对用户消费数据获取与管理，如消费者买完就走，很难知道下次是否还来买；

无法多路径精准触达消费者，缺少与用户连接的数据管理中心，如传统线下广告、派发传单等营销方式单一，效率也不高；

获客难，线上电商品类数字化丰富了消费者选择，加大了线下商家获客成本；

巨头电商几乎垄断流量，巨头电商在线上建立了完整消费者画像数据管理系统，凭借着大数据+技术与精准营销策略，收割了绝大部分用户流量，极大挤压了线下实体零售生存空间；

SKU管理难、缺乏有效运营数据支撑造成SKU库存高、周转期长。

3. 零售转型

在移动互联网时代，线上电商平台积极投身数字化、智能化变革，享尽了技术发展带来的人口红利，者对于线下零售来说是降维打击。

线下零售处于劣势根本原因：没有选择智能数字化技术赋能，传统零售经营方式也无法高效提高运营能力、降低成本、促进销售额增长。

随着5G时代到来，人工智能、大数据、云计算技术不断成熟，加上国家宏观政策支持实体零售业创新转型，各省政府相继出台指导意见进一步推动零售行业数字化，促进AI+IoT、大数据等先进技术在新零售行业应用落地。

据第三方机构数据统计，AI+零售业领域市场规模2022年将达27亿元，2018-2022年复合增长率GAGR达45%，这意味着AI+零售行业市场增长有很大潜力空间。

二、AI赋能零售方案设计与商业逻辑

阐述AI赋能业务框架流程+商业运作模式+创新性思考。

传统零售领域产业链由品牌商、零售商、消费者、代理商等相关方构成，而这些相关方运营数据是孤立的，没有形成数据链条通路。

AI技术赋能零售业目标：打通产业链里品牌商、零售商、消费者、代理商等相关方数据通路，贯通零售业务场景每一环节，构建“人—货—场+数据”商业闭环；

借助AI技术实现消费者用户画像构建&识别、商品品类库构建&识别、智能化运营+客服、精准营销、驱动零售业务快速增长。

1. 用户画像数据建模

构建用户画像数据本质：将用户在消费场景下的每个信息抽象成具体标签，根据这些标签化信息为用户提供针对性服务（如优品智能推荐等）。

用户画像涉及到以下几方面：

1）用户特征

2）用户行为

3）用户兴趣爱好数据

• 用户特征：姓名、年龄、职业、收入水平、住在哪个小区等；
• 用户行为：对商品品类选择、购物评价、商品消费额度、商品选购时间等；
• 用户兴趣爱好：对不同商品品类偏好、日常购物时间段等。

以上维度数据可以通过计算机视觉+智能语音技术对顾客行为分析，再结合深度学习算法模型、大数据进一步加工处理，生成具体用户画像，有了用户画像后便可以有针对性制定运营策略，促进消费者转化率提升，实现业务销售额增长。

2. AI赋能零售行业商业方案设计

AI技术本质由算法、算力、数据构成，数据是业务发展的基石，AI技术赋能行业初衷，是结合实际应用场景解决业务问题，驱动商业价值增长。

AI赋能零售商业方案框架分为“前端+中台+业务（后）端”三部分构成：

前端：主要完成消费者用户画像数据构建&初步分析，以摄像头、麦克风、智能货架结合计算机视觉、自然语言处理+语音识别、IoT技术完成对消费者行为数据、商品状态数据输入并进行结构化处理，提取出用户画像；

中台：主要通过AI技术+云计算服务完成对用户画像+商品数据模型深度学习与训练，提高实时用户画像精准度，并建立起消费者与商品SKU之间关系模型，提升对消费者心智模型洞察力，加强精准营销/商品库存管控能力，为业务(后)端决策提供数据支撑；

业务（后）端：主要完成精细化运营与业务增长。

下面以具体实际场景对以上商业方案应用进行说明：

实例目标：小A去早上到楼下超市买菜。

购物前：

小A进入超市时，里面的摄像头、麦克风开始进入工作状态，系统首先识别出了小A是超市常客，身高175左右，体重70Kg左右，但还没在建立会员，还是别到了今天小A心情不错，还哼着周杰伦的《稻花香》。

购物中：

摄像头与麦克风持续跟踪着小A移动轨迹，发现小很快走到生鲜区，仔细挑选了5min左右才拿起一块半斤左右新鲜牛肉，给卖肉师傅打称并说“牛肉好贵啊，快吃不起了”；然后走到蔬菜区，很快地挑选了2把菠菜；之后走到海鲜区呆了10min左右，仔细观看了活鱼、大虾形态和它们价格，喃喃道“海鲜也好贵啊，就不能便宜点嘛…”；最后在超市里面饮料、零食区停留了1min左右，小A拿起了一瓶可乐，犹豫了一会儿又放回去了，喃喃告诫自己“减肥中少喝甜饮料”。

此时系统已完成了对小A用户画像构建：一个25岁左右年轻小伙儿、洋溢着青春活力、饮食均衡、对新鲜事物充满好奇、高质量生活追求者但对价格较为敏感、对自己形体健康有着较高要求。

购物后：

小A来到了收银区排队，轮到了小A后他将选购商品放在台上，然后打开手机里微信支付码，收银员此时根据后台系统推送的信息跟小A说：“这次办理扫码注册会员，完善用户信息，可享受八折优惠”；小A非常愉快的拿起手机扫码办理了注册会员，很开心跟收银员说道“这样优惠活动往后你们多搞搞啊，我还会常来的”。

小A会员注册信息完善，再加上系统识别到小A在超市里行为与选购商品数据综合分析后，超市的小程序后台主动为小A备荐了零糖可乐饮料、周杰伦代理的低卡路里薯片，同时新增了牛肉海鲜组合满100减10营销套餐，选择合适时机推送给小A。

除此之外，系统后台还新增了低糖饮料品类、低卡路里零食选品组合推荐给到店长参考决策，新增了牛肉海鲜组合满100减10营销套餐建议推送给到市场营销部门参考决策，以及未来牛肉与海鲜增大进货量信息给到供应链管理部门参考决策。

3. 商业逻辑思考

AI计算机视觉、自然语言处理、语音识别技术、机器/深度学习算法等近几年飞速发展和成熟，已经为很多产业带来了可观规模经济效应；

如：计算机视觉应用于手机终端解锁、自然语言处理应用于智能客服、大数据和机器学习应用于内容推荐与分发。

新零售即“AI+零售”，以AI（视觉/语言/语音/机器/深度学习等）技术为核心，将线下零售场景中“人—货—场”数据打通并联动，构建起动态的用户画像数据+商品信息数据管理平台，为线下零售选品推荐、供应链管理、运营策略制定等决策赋能、提高运营能力、降低人工经营成本、改善顾客消费体验、促进消费者者转化率提升，形成业务增长的商业闭环。

三、AI+零售行业展望

从技术、应用、生态三个维度来展望AI+零售行业趋势。

纵观每个行业发展规律，通常由技术发展带来特定场景应用可能性，而场景应用需求又驱动技术工程化迭代落地，技术与场景应用成熟后逐渐培育出产业链生态，行业有了成熟产业链生态后可以更好实现商业价值增长。

1. 技术趋势

众所周知ABCDE技术（AI、Block Chain、Cloud Computing、Data Tech、Edge Computing）。

技术中台+业务中台结合的方式将会成为未来主流趋势，这里技术分为两部分：

随着5G技术和基建不断成熟完善，AI方案技术供应商也加快了AI技术能力边界扩展，优化在视觉、自然语言处理、语音、机器/深度学习算法、算力等领域解决方案能力。

在同样背景下，零售客户对AI技术方案高质量辅助决策系统需求迫切，采购投入增多，AI赋能零售本质是通过AI技术完成零售行业智能数字化，建立起用户画像数据模型，深刻洞察用户，全方位挖

其中价值：精准营销、实现业务增长。

数据是AI技术基础，也是业务管理的基础，有了数据即可驱动AI技术+业务两大飞轮转动。

2. 应用趋势

AI技术赋能零售行业应用趋势将会“由点带面”，逐步渗透业务全流程。

在零售领域里，AI技术赋能方案与规划已完成理论验证，目前零售行业已在进行点状AI方案应用试验，业务与AI技术融合的背后需要企业与AI技术供应商共同调整优化；

在单点业务流程完成降本增效只是时间问题，将来有望逐步一点点推广到更多业务链流程上，形成覆盖全产业链AI技术化。

3. 生态化

AI+零售解决方案落地背后，需要产业链多方共同参与打磨技术方案与优化商业逻辑，方能“真正解决场景实际需求，为消费者带来良好用户体验”。

新零售产业链涉及到云服务厂商、面向业务的软件开发商/集成商、零售企业、AI技术供应商等多方资源；

在5G、网络智能互联技术助力下，多方协同合作，搭建共赢生态尤为重要。