新零售变革逻辑的推广 相比于传统零售有什么区别?

新零售已经成为未来发展的一大态势,但是面对日渐丰富的新零售模式,能够拨开缭绕洞察本质却实属不易。本文通过探究其中AI视觉技术,来找寻零售的核心究竟是什么?探究零售业中的商业逻辑的变革是否具有普适性?

新零售之新,首先在于技术之新,对于技术而言,人工智能是众所周知实践于商业中的重要技术。现在的人工智能技术主流有三个方向——视觉图像、语音识别、语音合成。依托于大数据的企业级分析平台是新零售的一大技术特色,从技术特点上看,涉及到数据分析过程中,视觉图像技术是现阶段最为重要的辅助技术。

一、视觉AI赋能者——旷视科技

谈起旷视科技,大家可能不太了解,但现在手机厂商们极力推崇“刷脸”功能却是旷视科技的得意之作,某种程度上而言,旷视科技算的上是人脸识别的“鼻祖”,曾为华为、vivo、小米、锤子等国内一线手机产商提供过该技术方案,同时在2017年《MIT科技评论》评选“全球最聪明50家公司”的榜单中超越阿里、百度位列第11位,前景不可谓不大。

旷世科技主要将视觉技术主要应用于在金融、安防、零售三个方向,并分别开始了商业化探索,AI+新零售通常目的在于强化顾客分析,通过把握消费者端反哺零售商以及上游的供应厂商。

其中本文将重点探讨——以旷视科技为代表的AI技术是如何赋能零售,产生了怎样的巨变?

二、新零售之光——AI赋能零售

旷视科技现在在人脸识别技术上,已经可以成功实现对图片或视频流中的人脸进行检测,精准定位人脸关键点,获取包括年龄、性别、表情等等人脸属性信息,并且能够进行人脸搜索和人脸比对,帮助企业来开展基于人脸分析等各项工作。

技术从来都不是独立的,技术的集成应用才是飞跃的根本。——子木君曰

旷视科技的图像识别本质上就是实现由点到面的突破的关键点,传统零售行业中,很常见的一个现象是生产端和消费端分离,中间涵盖了许多层级的分销商或者零售商,产生于C端的一手消费数据从未得到有效的记录,实质上造成了极大的浪费——一手消费数据可以直接作用于生产方商品的更新迭代以及兴盛退市,以及更多生产方的生产和战略决策,这也就成为了人工智能赋能零售业的突破点。

基于沃尔玛的商业图谱我们可以看一看,当消费端和生存端数据联通之后是一个什么样的效果,是否能够通过消费者这一个点来打开整条生态链的想象空间。

2.1 构建商业图谱

在解决了人脸和情绪识别的技术难点之后,加之其他软硬件进行辅助决策,很容易构建出下面一幅到店图谱:

以摄像头为载体实现对于人脸以及会员身份的识别,通过追踪顾客在店内的行为动作、运动轨迹、注意力分布以及情绪变化等多方面的要素,实现对用户的商品偏好和可能性喜好的追踪,实现线上精准化营销;

结合上述数据,保证店内商品分布布局的最优化决策 ,同时通过对于商品的流动速度和库存的统计,保证店内备货成本始终维持较低的水平;同时,生存端上游企业可以选择性进行快销品的生产工作,剔除冗余产品,将更多地精力成本放在产品的升级和创新之中;

为了保证数据统计和分析的准确性,通过压力感应器、RFID技术以及图像识别来辅助旷视科技的数据搜集,并为决策的精准性进行二次判断。

总结一下:在新零售中,以旷视智能视觉算法为核心,通过建立一个第三方数字化平台,为线下零售场景中的人、货、场等提供数据服务,并实现全面数字化升级,实现线下零售从数据采集、存储、分析到优化提升的服务闭环,提供完整的端 (采集终端)到端(展终端)的智能服务。

2.2 举个栗子

上述的流程由于篇幅的关系可能不能直接反应出核心,我们可以借助实地的消费场景来进行说明~

目的:小明到了好邻居便利店里想要买一点东西。

场景介绍:

(1)小明进店前

那从他进门开始,店里的摄像头其实就开始工作了。他首先先对小明进行了人脸识别,通过数据对比发现小明是店里的会员。

(2)小明进店后

摄像头持续追踪小明的轨迹,先是发现小明走到了巧克力货架前面,拿起了多款巧克力在进行比较,并且放大小明的表情发现他似乎在考虑什么的样子,过了一会儿脸上露出了微笑。接着,小明又走到了牛奶货架边上,开始挑选牛奶。摄像头追踪发现小明牛奶挑选的比较快,之后便在店内游荡,有些货架逛的很快,在像水果、零食等一些货架边上有所停留。

于是系统自动录入小明喜欢的食品是巧克力,xx牛奶是小明的偏好商品,可能想买水果和零食了。同时,系统就可以构建出一张小明的行踪轨迹图,并结合对小明的行为识别和情绪识别来分析小明的商品喜好以及店内的注意力分布。

除此之外,通过商品下方压力传感器,RFID标签等辅助设备,进一步验证记录的真实性。

(3)小明离店后

通过对顾客行为数据和商品状态检测的分析,零售店的APP上主动推荐水果、零食等可能性喜好商品,实现精准营销。同时,通过比对诸多消费者之后,对于商品的品类进行优化,陈列位置进行调整,来实现精准营销。

在第三方数字平台的作用下,传统零售业信息的滞后性得到了解决,实时的信息采集分析传输确保了经济行为的发生是可预测可把握的。

三、从商业模式探析命题——AI+新零售相比于传统零售究竟有什么区别?

我们都知道对于零售而言,人货场是关键的要素(有异议或不懂的朋友,可以移步前两篇文章啦《以环球捕手为例,谈谈社交电商破局》),那么从商业模式上看:传统零售行为发生参与方主要包括三个——生产商(包括 多层级的经销商)、零售商、消费者。

剖析原有的业务流程可以构建出下面这幅商业模式图:

3.1 传统零售业商业模式

这里的零售商是商品的交换场所,其本质作用是商品和资金的流转,通过物流和现金流链接供需双方,而信息流难以在其中发挥应有的作用,传统的零售中不难发现一些问题:

对于供应商和零售商而言,由于需求的不确定性,零售商经常出现高库存的现象,由此导致的成本高,资金压力过大;由于需求和库存的不匹配,商品的流通慢导致了资金流量小,账期长,制约了供应商和零售商的

展。

对于消费者和零售商而言,由于货物和需求的不匹配,商品挑选的时间精力成本大,会降低商品的销售量;而在消费阶段,延期支付和现金短缺经常会出现资金需求。

那么,针对问题集中的供应方和消费者,新零售是如何打破原有的牢笼的呢?我们依旧可以从商业模式的角度来进行拆解。

3.2 新零售的解决方案

在这样的情况之下,围绕消费者的各类数据产生的变革恰好解决了相关的问题,在新零售的商业图谱中:

零售商不仅仅是单一的商品和资金流转的媒介,同时也成为了信息搜集分析的中心,通过在店内获得消费者喜好及需求、店铺选品等一手信息,更新迭代店铺内的布局,提升坪效。

同时,反馈至生产商,为生产商的研发和推广提供关键信息,生产商可以直接向消费者提供个性化的商品推荐,也可以为零售商供应最佳的商品(高流通率、高价低占地等等),降低其库存并提升坪效,实现三方的共赢。

零售商作为零售活动服务者:

对于消费者而言,零售商通过了解消费者需求,强化与消费者互动,为消费者提供多样化商品与服务;

对于供应商而言,通过自身消费数据积累,为其提供了消费者行为数据与营销、研发活动。

从这边可以看出,零售商不再仅仅是商品的交换场所,淡化了其渠道作用,更像是供应商前置的服务平台。越来越多的无人零售店、小米之家、天猫小店等的井喷,似乎都在印证弱化零售渠道、打通数据互联成为了趋势。

四、新零售变革逻辑的推广

新零售的业务变革是由技术推动,实现了很多原来可能无法做到的事情,那么这样逻辑的一个变革究竟对于我们有什么意义?

我想可以这样理解:

核心——数字一体化和全渠道的互联互通是促进零售业革命两个法宝。

推广——反哺供应链上游

随着数字化和全渠道的快速发展,传统零售业尾大不掉的弊端也通过同样的逻辑获得了解决,例如:

永辉超市与中粮的合作关系的变化之中可以看出一二——传统零售中,中粮经销商只能通过付钱进货,再完成销售后收款的方式运转,资金压力过大限制其业务扩展;

而现在通过永辉这一零售商的角色,通过历史中粮经销商的运营数据、合作往来记录等多维度优良数据向其提供背书,优先获得贷款,买卖结束后按期还款,大大缩减了资金压力提高了现金流动性。

虽然是供应链的问题,但实际上和新零售是殊途同归,模式图中通过“永辉金融”这一第三方数据平台的进入,信息流的流通速度大大提升,原本因为信任问题而受制约的业务能够得到较好的发展,中粮经销商的信誉得到了有力的背书。

相应的可以取得来自集团的物料和金融平台的资金,促进了业务运转的速度,更快的订单交付无疑能够提高三方的收益。

总结

旷视科技主导的新零售变革,并不只是因为技术的优越性,更重要的是打通了数据和渠道,改变了商业模式中信息传递的特点进而改变了原有的商业模式。

在设计产品中,要像数据库分析一样,将一个商业图谱中的信息流、资金流、物流搞清楚,才能搞清楚商业模式的运作模式并在此基础上创新

惠氏臻选好配方好奶粉 推动品牌在新零售时代焕发活力

惠氏营养品中国有限公司上海分公司 04-29

李斐:疫情促进线上及新零售发展, 品牌运营思路需随消费者而变

04-22

布局线下新零售,玩木乐园破局获客难、坪效低

04-10

2020,新零售的卖货逻辑:从产品输出到策划输出

02-06

渠道至上,高效新零售成乳业新宠

01-03

标签:新零售
热点招商类目
奶粉
辅食
奶瓶
纸尿裤
洗护
首页联系客服关于我们
全球婴童网-母婴用品行业门户平台,助力行业发展
《中华人民共和国增值电信业务经营许可证》浙B2-20110190
取消
  • 搜产品
  • 搜品牌
  • 搜企业
产品分类查找
行业 食品 服饰 寝居 用品 童车 孕妇 玩具 洗护 学习
大类
小类
地区 北京 上海 重庆 天津 广东 河北 山西 辽宁 吉林
行业 食品 服饰 寝居 用品 童车 孕妇 玩具 洗护 学习 机构
大类
地区 北京 上海 重庆 天津 广东 河北 山西 辽宁 吉林