在过去的十几年中，零售行业经历了商务智能浪潮的进化，通过企业数据的整合快速提供商业决策报表，为企业决策做出参考，而在人工智能技术的冲击下，商务智能的光芒逐渐被遮蔽，针对不同人群的个性化需求推出个性化的解决方案则需要人工智能技术的深度融合，因此，零售业必将经历人工智能化的过程，零售个性化、服务智能化和机器人在零售业中的应用都是人工智能和零售业深度融合的结果，人工智能+零售与传统的零售业相比减少了人工的参与，更多地关注消费者的个人需求，不只是关注一次交易，而是通过对数据的分析来为消费者提供长期的服务，因此为了在未来实现长期利益，无论是电商还是实体零售商会将人工智能和物联网等相关的技术应用到更多的消费场景当中，实现“社交服务+人工智能+零售”的新发展方向。
个性化的人工智能+零售
对于一些忙碌的消费者来说，没有充足的时间去实体店中尝试看起来适合自己的每件衣服，但是线上的购物不能对面料进行抚摸，也不能试穿，因此产生了智能试衣间，智能试衣间是忙碌购物者的好帮手，帮助客户减少他们的购物时间，同时尝试找到合适的衣服和完美的配套配件。
内容 |
需求 |
特点 |
搭配 |
解决的核心需求是让用户看到不同服装单品搭配出来的效果 |
目前的头像拼接技术还显得相当拙劣，因为用户自拍的角度各式各样，直接拼接到模特头像上看上去格外不自然 |
合身 |
解决的核心需求是让用户判断衣服是否合身 |
如果用户和镜子之间的距离可以方便地探测到，则可以做到较为精确的建模 |
优衣库在智能试衣间的应用上已经做出了尝试。优衣库推出了魔镜系统，因为实体店安装魔镜的角度是固定的，所以可以方便地检测用户与魔镜之间的距离，实现更精确的建模。因此，我们预测未来“合身”试衣的应用实现可能就是利用魔镜这样的产品，在实体门店线下采集用户身体数据建模后，可以便利地实现线上和线下的虚拟试衣。
智能购物车是智能购物系统的一个重要组成部分。从消费者角度来说，智能购物系统的设计能够充分解决消费者找不到商品区域、排队结账以及购物太多造成自己负担太重等问题。从超市管理者的角度来说，智能购物车如果含有自助收费模式，则可以减少超市工作人员的数量，在降低成本并且提高收益的同时，还能一定程度上增加客流，为超市未来的发展探索了一种新的模式。
△ 图1 智能购物车
智能推荐是基于消费者以往积累的数据，通过学习消费者留下的数据判断消费者的特征，应用经过训练的推荐模型，最后向消费者推荐可能感兴趣的商品。目前的智能推荐大量地应用在电商平台上，其他的零售企业也在逐步推行，智能推荐需要通过商品图片和用户的选择偏好，预测购物者的下一个选择，智能推荐需要处理大量数据算法，才能更加精准地把对消费者有价值的商品预测出来。
智能广告是指商店通过人脸识别和顾客以往积累的数据，向顾客播放定制化广告，应用场景集中在线下的零售商店当中，例如消费者一般在线下收银台会排队付款从而停留较长时间，这时智能广告屏可以通过人脸识别算法识别出消费者的身份，然后针对不同的消费人群播放不同的商品广告。
然而，这项技术近年来还没有进一步的应用报道，这表明人脸识别技术在新零售的应用中仍然面临着成本和隐私方面的巨大障碍，但一旦障碍突破，就可能形成巨大的针对性广告商机。
服务化的人工智能+零售
智能停车看似与人工智能+零售行业相隔甚远，但是目前已经成为了用户去实体零售商店购物需求的一大痛点，停车难、找车难已经不仅仅发生在一线城市的大商场中，在几乎家家户户都有小汽车的城市中，商场基本都会存在类似的问题，因此智能停车是实体零售企业是亟待变革的重要部分。
△ 图2 智能停车
洛杉矶为了缓解城市交通拥挤问题，在全市 6300 多个停车场使用了智慧停车技术，以智能传感器为智慧停车保驾护航，阿里巴巴开发了喵街 APP，智能停车及找车成为了该软件的核心功能之一。
智能比价系统目前多用于线上平台的销售购买过程，但也逐渐在实体店铺中有所应用。智能比价实现的是商品的自动调价，可以帮助消费者购买到同类商品中价格最低的商品，智能比价系统能够实时查询到所有联网销售的商品价格信息，并自动进行价格比较，同时对自身产品价格进行调整，确保价格足够低或锁定低价商品。
表2 智能比价系统的应用
（3）智能货架
智能货架是应用了 VR 等新技术的发展中产品，各厂家、零售商们还正在摸索和开发智能货架的应用，目前的智能货架结构有如下六个特点：
△ 图3 智能货架的特点
英特尔的数字标牌技术是智能货架应用中的领头羊，消费者可以通过触摸屏和高精度实时 3D 渲染，从各个角度在虚拟货架上观看产品。智能货架还能够应用于日常线下销售场景，如自动售货机和虚拟试衣镜等。阿迪达斯的虚拟鞋墙将数字标牌应用到了运动鞋的展示和销售过程中，不仅可以一次性展示大量商品，而且还能采用 VR 让消费者试穿，实现了消费者在线购物也可以试穿的体验，同时还能享受快递送货的便捷。
智能支付是从移动支付发展而来的，在零售业的发展过程中，随着手机端移动支付的普及，消费场景越来越多元化，同时，大量数据被积累，在这种叠加的影响下，传统的手环支付、扫描码支付和 NFC 近场支付等传统的数字支付方式已经不能满足用户的需求，利用人工智能技术的支付方式正在逐步兴起，包括人脸识别、指纹识别、虹膜识别、声纹识别等，承载了人工智能+零售行业的线上和线下服务的有效连接。
智能防伪是依靠平台来实现的，智能防伪平台是具有统一标识和银行级安全防伪性能，采用 NFC 防伪芯片技术和国密算法，通过手机 APP 提供物联网识别云服务的高端防伪服务平台，智能防伪标签具有防伪、不可转移、标识统一、监督权威、查询方便等五个特点。
智能防伪的特性 |
表现 |
不可伪造 |
标签内含芯片，验证过程受银行级加密算法保护，只有通过我们特有的分段解密算法才能获取防伪标签的数据 |
不可转移 |
叠层3D立体设计和易碎材料复合技术保证了标签一旦被固定到包装上之后无法回收二次利用 |
统一标识 |
设计美观大方，消费者在任何类型的包装上均能一眼认出 |
权威监管 |
由国家工商总局直属单位中国消费者报社投资成立并指导运营 |
查询方便 |
手机轻轻一嘀，商品真假立辩 |
人工智能+零售中的机器人
电商与物流业几乎在同时兴起，相辅相成，机器人技术能够大幅提升物流业的运营效率，有效提升电商的服务体验，促进物流业的降本增效，随着在线购物逐渐成为人们的生活习惯，通过物流运输的零售商品越来越多，机器人技术可以在节约人工成本的情况下完成大量机械性的重复工作，在物流运作过程中发挥着越来越重要的作用，机器人技术不仅可以应用到物流包装当中，而且在搬运装卸的过程中与人工相比体现了非常大的优势。
△ 图4 物流机器人
（2）店员机器人和导购机器人
店员机器人和导购机器人可以实现人工店员的基本功能，可以询问消费者的购物，根据消费者的需求扫描商品然后进行匹配、定位和导航，除此之外，它也能根据消费者的多样性显示创造性的内容和营销信息，还能根据机器人所在的位置不同而有所不同。店员机器人与客人之间主要通过机器人屏幕交互，在无法实现客人需求时还可以通过屏幕与店内的人工专家视频聊天。
优点 |
缺点 |
成本低且能够使用的时间更长 |
语音、语义技术平台还不成熟 |
可以增加用户购物过程的趣味性 |
人机对话精准度容易受到噪音的影响 |
提升销售 |
商品识别精准度有待提升 |
在线客服机器人也称为智能客服，是一种回复咨询并将客户导航至其所需业务模块的服务模式，它的应用使智能机器人完成了大量简单的交流工作，在电商零售业务模式中，客户服务是一个非常重要的部分，在线客服机器人中主要应用到的人工智能技术是自然语言处理技术，计算机可以使用自然语言处理技术对人类的自然语言进行理解，然后利用自然语言生成技术将回复的结构化机器语言输出成非结构化的人类语言，包含的基本模块有对话理解和融合模块、对话分析模块和对话内容管理模块。
△ 图5 客服机器人的组成部分
商品管理和库存盘点是机械性的工作，商品管理和库存盘点机器人是利用人工智能和其他技术的结合，实现对于仓储的管理，是零售业中不可或缺的一部分。机器人进行的商品管理和库存盘点与传统的人工相比有两个主要的优势：一是能在盘点的过程中采集到更加精密的数据，二是能利用收集到的数据根据不同的需求再进一步分析，例如可以为客户提供上下游供应链的实时信息。
结 语
零售个性化、服务智能化和机器人在零售业中的应用都是人工智能和零售业深度融合的结果，人工智能+零售满足的是主张个性、注重体验感的新型消费观，在这个消费者主权的时代，能够满足消费者需求的企业将会占据更大的市场份额，人工智能+零售的关键在于精准化，精准化确保了商品与服务紧密联系消费者，瞄准不同消费者日益凸显的个性需求，人工智能提供的精准化体现在商品精准、价格精准、顾客精准、服务精准和管理精准，以精准服务形成消费黏性，实现价值的增值，打破了传统的消费者与零售商的双向模式，创造了多维度的消费者互动，零售商们参与其中获得相关的商业信息，结合人工智能技术进行增值，实现“社交服务+人工智能+零售”的新发展方向。
如有购买装订版白皮书《人工智能+零售行业研究报告（2019）》需求，请联系王耀羚老师，联系方式：wangyl6@sem.tsinghua.edu.cn。
[1]刘平峰, 聂规划, 陈冬林. 基于知识的电子商务智能推荐系统平台设计[J]. 计算机工程与应用, 2007(19):203-205+220.
[2]杨伟东. 新零售语境下的消费场景塑造[J]. 现代营销(下旬刊), 2019(02):78-79.
[3]张静. 移动远程支付的智能终端研究[D]. 北京交通大学, 2013.
[5]张颖,许弢与余思敏,新零售背景下物流配送模式的发展趋势研究.中国商论, 2019(21): 17-18.
[6]徐可心.零售行业发展现状及政策建议[J].现代经济信息, 2018(14):148+150.
[7]戴雪芬,郑淑蓉.零售业O2O的模式选择及发展对策[J].商业经济研究, 2015(31):26-28.
王耀羚
清华大学互联网产业研究院研究员，管理硕士，持有PMP国际项目管理专业资格认证。主要从事金融科技、产业升级、企业数字化转型、人工智能行研、企业政府战略规划等领域研究。曾参与涉及产业转型指数研究、互联网产业发展、金融科技行业分析、金融科技示范管理、十四五规划社会治理课题、数字发展研究、跨境结算项目、工信部举办的中国云端与大数据高峰论坛项目筹划工作、联合艾瑞咨询等知名市场调研机构开展项目合作等。曾负责或参与编写《云计算和人工智能产业应用白皮书2018》《人工智能+零售行业研究报告2019》、《人工智能+金融行业研究报告2019》、《金融科技在小微企业信贷中的应用发展研究报告》等。学术文章曾发表在数据杂志、中国工商银行《现代商业银行》等期刊。
