施炜：商业智能与新零售的真正内涵

发布时间：2017-08-25 作者：施炜来源：微信

关键字：商业智能新零售

收藏好文推荐打印

视频展示了无人商店的一些图景：一个人走进商店，用手机扫一下码，从货架上拿取一个面包，再通过手机支付，他就可以直接走出这个商店了。甚至连手机支付的动作都可以没有，直接通过人脸的识别就把费用从关联账号里扣除了。

人工智能的基本要素之一是大数据，也就是说没有数据就没有人工智能。数据是人工智能、机器深度学习的原料，是给它喂的饭或者是给它添的油。从零售店角度看，是有大数据的。数据一直是存在的，也是流动的，只不过以前这些数据可能流失掉了。

一个零售的卖场，它究竟有哪些数据？很显然，主要就是顾客购买行为的数据，这里包括他的行动路线、来店频率、逗留时间、决策速度、动作特征等等。此外，还有一些数据就是他的行为的结果，包括顾客买了哪些商品，花了多少钱，等等。这些数据的流量非常大。

基于这样一些数据，我们要给智能系统一个指令，要给它一个运算逻辑。也就是说，要规定智能系统根据这些数据产生什么样的分析结果。

从这个意义上来说，人工智能其实还是人的智能，它基础的算法还是由人来设定的，包括输入什么信息、输出什么信息、中间的转换的逻辑。或者说是一个函数式，是一个解题的步骤和过程。

将来随着人工智能的发展，它是否能模拟人的神经系统，是否有独立的智慧，今天还没有看到，未来可能会有。

（1）商业智能和个人交互的四种情形

零售企业获取大数据并经过计算之后，会针对顾客产生哪些智能化的反应？总的来说有两个类型和方向。一个类型和方向是针对每个顾客个体的，根据顾客的信息对每一个顾客进行一对一的精准的营销。到目前为止，商业智能针对个人，和个人的交互，具体来说可能有四种情形。

第一种情形是基于人像识别的顾客互动。

一个人来商场很多次，他的头像就已经被记录下来了，那么以后再去的时候，无论是服务员，还是其他的一些信息设施，可能会很热情地跟顾客说：“欢迎您第N次光临，您是我们的老顾客”。这是一种初级的、比较基础性的运用。

头像的背后还有这个人的一些历史数据，基于这些历史数据可以准确地跟客户互动。

比如，一个人去吃牛扒，经常有服务员会问：你吃几分熟啊？有人说五分，有人说八分，那人工智能系统就记住了。你再去的时候，服务员在和顾客交流的时候就可以说：先生，知道您喜欢吃五分熟的，现在有一种牛肉，三分熟更好吃。这样的沟通会更有效一些。

第二种情形，是商超用得比较多的优惠券。包括电子形态的优惠券。

比如商场APP里面送一些电子优惠券，这些优惠券完全是根据顾客的数据自动生成的。顾客去交钱的时候，一边交钱，优惠券就打出来了。

优惠券很复杂，结构很精巧，可以根据顾客的购买额，1000元钱以上的给你一张，2000元以上的给你另一张，而且通常都有时间的限定，比如要在5天内用完。有的还有品种的限定，这跟推荐商品有点类似，比如说根据你过去的数据，你似乎比较喜欢喝啤酒，比较喜欢喝德国的黑啤，那就给你两张黑啤的优惠券。

在优惠券方面，目前还有一些超出我们想象的应用。比如，发现一位顾客从来没有买过啤酒，基于这样一个数据，那我们怎么给他优惠券呢？

也给他一张啤酒优惠券，用于测试这个人是不是在其他的店买啤酒。如果他用了优惠券，那就证明他还是喝啤酒的，只是原来不在我这里买。这个测出来之后，就可以给他更多的啤酒优惠券，这样就可以对对手构成影响。

基于会员制、积分制以及购买记录的优惠券系统，是目前商业智能的主要形态。优惠券越来越丰富，越来越有意思。

这个在欧美其实是个成熟的系统，可惜的是我国零售企业还用得非常少。国外有专门的这样的系统服务商，即营销服务公司，大的甚至能够覆盖几千万人，数据量非常大。

第三种就是商品的推荐和交叉销售。通过数据分析发现某一个人去购买某种商品的时候，他同时还会买其他的商品，这就构成一个关联。

以前他买商品的时候都是果汁和酸奶一起买，那就可以同时推荐果汁和酸奶。这在逻辑上比较简单。另一种逻辑关联，比如说一位男顾客买了纸尿布，这可能是孩子的爸爸，可以给他推荐奶粉。

人工智能也在发展。以往这种商品整合起来的推荐都比较刻板，或者说是逻辑僵化。比如我一个朋友跟我说，他给家里的老人去看过墓地，结果连续一个礼拜甚至更长的时间都有商家给他推荐骨灰盒。

所以，未来商品的推荐可能是智能推荐，根据顾客长期的购买行为进行一些分析，推断他可能对哪些商品很感兴趣。

那就可以进行横向的相关产品推荐和纵向的上下游产品推荐。比如顾客买了电吹风，解决了头发的问题，再推荐一个剃须刀，一起解决一下胡子的烦恼，这是横向的推荐。

纵向的是什么呢？比如顾客买了刀片，就推荐刀片的上游——刀架。再比如顾客买了CD，就推荐CD的播放机。

未来可能还有更加智能的，那就是跳跃式的、非单一线性逻辑的推荐。比如某个人经常买些比较古典的交响乐，推断出这个人可能是比较传统的、文化层次比较高的、行为作风比较西化的，那是不是可以给他推荐一款怀旧型领带？这个跨度比较大，也比较有意思。

第四种，就是行为的预测，即根据以往的行为来推测未来的行为，这个就比较难了。

比如说一对小夫妻，因为刚成家，以前可能购买一些生活用品等，过了一段时间，通过购买的特点、迹象和数据，推测妻子可能已经怀孕了，那就可以赠送一些婴儿产品的优惠券等。这就是提前推测顾客在未来一段时间的行为特点。

根据顾客购买的时间、动作，还可以分析这个人是属于简单购买还是属于复杂购买。人的购买心理和性格不一样，有些人买东西比较快，瞬间反应；有些人就要货比三家，任何事情他都要认真地盘算。

人工智能系统能将他们推断区别出来，与他们互动的内容和方式也就不同了。另外，更进一步，人工智能甚至可以判断每个顾客的生活态度和生活方式。

（2）商业智能和顾客群体的交互

下面讲讲商业智能应用的第二个方向，不是针对某个顾客，而是针对顾客的群体。根据大数据做群体分析的时候，大数据的范围可以扩展到整个互联网上，比如微博、微信上的顾客心声和反应。

第一，是对顾客进行分类。商业智能出现之前，商场里的顾客群画像，依靠人的智慧，维度是有限的。而到了人工智能的时候，就可以增加很多的维度，从不同的角度对顾客总体进行分类，从而形成多种分类模式。

也就是说，画像可以从不同的角度去画，把顾客分成很多群。比如，按照远近来分类，过去没有数据的时候，怎么知道这个人来自近的地方还是来自远的地方？现在通过物联网的信息，就有可能知道顾客的距离远近，对不同距离的顾客的服务方式可能就不太一样。

第二，分析这些顾客群的特点。比如，以是否成家可以将顾客分为单身、两口之家、三人核心家庭。这就构成了家庭的三种形态。在这三种形态的背景下，人均的购物金额、购买的品种、喜爱的审美风格等，都会形成一些比较鲜明的差异。

了解了这些差异，在货架的摆放上可以变得更有针对性。比如专门有一些大容量的牛奶是针对三口之家的；比较小包装的、时尚的就适合两口之家；还有针对单身的产品，在营养的构成、包装（怎么开启）等方面都可以有不同的特色。

第三，分析顾客为什么流失。哪些群体流失得最快？流失的原因是什么？根据顾客群体总的行为特征，并找到背后的影响因素，基本上能够判定顾客流失的原因和背景。

第四，找出顾客行为中出现次数较多的典型行为并分析背后的原因。例如某一种新产品，大多数人都是拿起来看了看，并没有购买。原因是什么？价格问题，还是产品价值诉求问题？抑或包装问题？基本上可以建立一个假说，这个假说可以通过大数据和人工智能来进行验证。

第五，分析零售店里面的顾客注意力资源的分布。简单地说就是顾客更喜欢聚集在什么地方，在哪些地方投注了更多的目光。这个主要通过摄像头、图像系统等就可以收集到。这是零售商场动线和商品展示的依据之一。

同时，也为广告竞争提供了依据。比如供货商有A和B，那就可以把广告位精准地给他们进行推荐，比如这个地方有更多的人流量，顾客停留更长时间，那么这个地方的广告就要贵一些了。

小结一下，今天我们前面分享了新零售产生的缘由，后面讲到新零售的三个方面的涵义：一是信息化和数据化，二是虚拟世界和真实世界一体化的体验，三是基于人工智能的、针对个人以及针对群体的策略回应以及顾客互动。这是目前我从实践的角度所理解的新零售和商业智能。

两点感受

最后，我分享最近的两点感受。

在5月份的时候，我去美国看了七八家美国家具的零售店，感触很深。其实美国绝大多数店没有人工智能这些噱头，只是一些会员制的店在做一些尝试。

但是，美国的零售店在基本环节上做得比我们好得多，比如说目标市场定位，这个产品是给谁的；基于这个基础，产品、品牌宣传、展示风格是高度一致的。

另外就是空间的节奏，疏密有致，空间搭配感觉很舒服，很场景化，也很开放，很通透，色彩很协调。这些方面我们中国的零售企业似乎都不是很关注，所以我们一下子跳到智能化并不能改变我们过去基本功差的局面。这是我的第一点感受。

第二点感受，涉及到一个话题，就是未来人工智能对管理的影响。

前几天，我们华夏基石内部，彭老师等几位老师做了一个座谈，我们一致的观点是：未来人工智能不仅是对初级劳动力进行替代，而且对高级劳动力也会进行替代。

比如，营销部门的一些数据分析人员、统计人员，现在可能不需要了，因为人工智能能够自动生成很多的数据结果。以前可能还有很多人专门对顾客进行分析，现在除了不能把握特别隐秘的顾客的心理状态之外，需求的轮廓、行为的基本特点，人工智能基本是能够把握的。

但是，人工智能不管怎么演进，人还是起作用的。数据是自然形成的，但是数据怎么加工、用什么样的逻辑去加工、加工成什么样的结果，还是人制定出来的。

不管阿尔法狗怎么厉害，围棋胜负的规则还是人类去告诉阿尔法狗的。阿尔法狗为什么能赢人类，其实很简单，它已经研究了几万盘棋。柯洁也好，李昌镐也好，这些人不可能了解那么多棋局。阿尔法狗把几万盘棋深度学习之后，把每一步的胜负概率都算出来了，往这个方向走，胜率是多少，往那个方向走，胜率是多少，那就选一个胜率较大的步骤。

我的理解不一定对，阿尔法狗其实还是人类智慧的结晶。给阿尔法狗喂了这么多的数据，赋予它底层的算法规则，它是否能够自己长出一套独立的神经系统、认知系统出来，我们现在不知道，让我们拭目以待。

共2页

上一页 1 2

第1页：施炜：商业智能与新零售的真正内涵(1)
第2页：施炜：商业智能与新零售的真正内涵(2)

本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处，如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正。联系方式：editor@e-works.net.cn tel：027-87592219/20/21。

上一篇文章：商务智能的意义，以及构成
下一篇文章：2017年商业智能 BI 发展趋势分析