從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
其中，人工智能（AI）技術是連通線上、線下場景的橋樑，可以跨越在線電商與實體門店的鴻溝，實現線上、線下數據互補，打造全新的購物體驗。下面，我們從人、貨、場三個維度舉例說明。
一
人的維度：智能推薦
想象一下，施瓦辛格和赫本走進一家超市，理想情況下，我們希望門店會自動引導他們關注符合各自需求的單品，以不同的動線逛完這家店。
可實際上，目前大多數零售店提供的是完全一樣的服務，因為在傳統的零售市場裡，他們即使被區分為不同客群，得到的也是幾乎相同的服務。
眾所周知，施瓦辛格和赫本無論是性別還是消費習慣等都差異極大，應當有完全不同的購物體驗。這正是人工智能技術在新零售體驗中發展的方向，針對不同人群的差異化需求，推出個性化的解決方案，這需要人工智能的深度融合。
個性化、定製化的推薦服務在零售行業能很好的提升顧客體驗，隨著消費的不斷升級，品質消費、個性化消費也開始日漸崛起，越來越多的零售企業開始推出私人定製的服務：服裝店可以根據尺寸定製服裝，食品店可根據口味定製蛋糕，等等。
對於線上場景，如網上商城，通過埋點獲取每個用戶的頁面瀏覽數據，根據這些數據，可以統計用戶從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點擊或收藏，最後在哪個頁面結束。基於此類數據可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、優化空間等，為優化頁面設計提供基礎，提升線上精準營銷的效果。
線上購物的一個缺點是無法直接觸摸感受商品，圖片往往是消費者對商品認知的主要來源，尤其是服裝的網銷，如尺碼、色差、質地等經常會有偏差導致糾紛。
這幾年，網絡虛擬試衣技術的發展相當迅速，虛擬試衣的難點在於既要對消費者的體型建模，又要對服裝建模，對兩者進行匹配，展示穿著效果。首先，消費者體型數據的採集大多依賴用戶輸入的測量數據，缺點是測量和填寫的步驟比較繁瑣，而且不完全精準。
相對的，此類數據收集問題在實體門店更加容易解決，比如蘇寧推出的虛擬試衣鏡系統。在實體門店中，試衣鏡安裝的角度是固定的，用戶和鏡子之間的距離可以通過引導探測，做到較為精確的建模。
從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
其中，人工智能（AI）技術是連通線上、線下場景的橋樑，可以跨越在線電商與實體門店的鴻溝，實現線上、線下數據互補，打造全新的購物體驗。下面，我們從人、貨、場三個維度舉例說明。
一
人的維度：智能推薦
想象一下，施瓦辛格和赫本走進一家超市，理想情況下，我們希望門店會自動引導他們關注符合各自需求的單品，以不同的動線逛完這家店。
可實際上，目前大多數零售店提供的是完全一樣的服務，因為在傳統的零售市場裡，他們即使被區分為不同客群，得到的也是幾乎相同的服務。
眾所周知，施瓦辛格和赫本無論是性別還是消費習慣等都差異極大，應當有完全不同的購物體驗。這正是人工智能技術在新零售體驗中發展的方向，針對不同人群的差異化需求，推出個性化的解決方案，這需要人工智能的深度融合。
個性化、定製化的推薦服務在零售行業能很好的提升顧客體驗，隨著消費的不斷升級，品質消費、個性化消費也開始日漸崛起，越來越多的零售企業開始推出私人定製的服務：服裝店可以根據尺寸定製服裝，食品店可根據口味定製蛋糕，等等。
對於線上場景，如網上商城，通過埋點獲取每個用戶的頁面瀏覽數據，根據這些數據，可以統計用戶從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點擊或收藏，最後在哪個頁面結束。基於此類數據可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、優化空間等，為優化頁面設計提供基礎，提升線上精準營銷的效果。
線上購物的一個缺點是無法直接觸摸感受商品，圖片往往是消費者對商品認知的主要來源，尤其是服裝的網銷，如尺碼、色差、質地等經常會有偏差導致糾紛。
這幾年，網絡虛擬試衣技術的發展相當迅速，虛擬試衣的難點在於既要對消費者的體型建模，又要對服裝建模，對兩者進行匹配，展示穿著效果。首先，消費者體型數據的採集大多依賴用戶輸入的測量數據，缺點是測量和填寫的步驟比較繁瑣，而且不完全精準。
相對的，此類數據收集問題在實體門店更加容易解決，比如蘇寧推出的虛擬試衣鏡系統。在實體門店中，試衣鏡安裝的角度是固定的，用戶和鏡子之間的距離可以通過引導探測，做到較為精確的建模。
在未來，試衣鏡可能是線上、線下的鏈接點，在實體門店線下采集用戶的體型數據建模後，便可以真實可靠地實現線上和線下的虛擬試衣。虛擬試衣鏡能智能匹配許多套不同的搭配，這些款式既可以是店鋪陳列的，也可以是從廠家訂製的。試衣下單後，商家可以直接安排調貨，寄送到指定的地點。
此外，線下實體店還可以創造店內互動體驗，讓線下購物更高效、更有趣、更個性化。相對於傳統購物體驗，有人工智能助力的購物更像是一種線下的生活方式，這對零售業生態提出了新的要求，也帶來了巨大的變化。
二
貨的維度：智能貨架管理
在零售終端的智能化管理領域，雖然消費者支付方式發生了快速的迭代，從鈔票支付，到卡支付，再到移動支付，店鋪的貨架管理手段卻還停留在比較原始的階段。其實，實體店的貨品擺放可以通過人工智能實現更有效的終端管理。
設想一下，週末晚上有場精彩的足球賽轉播，作為球迷的你準備邀請幾個朋友一起喝啤酒觀賞比賽。但當你到超市的時候，發現自己最喜歡的啤酒已經空架了，是不是有點抓狂？
對於廠商而言，產品在各個超市的貨架擺放情況、是否及時補貨、銷售情況及關聯因素、相應調整措施等信息都要通過人工巡查獲得。缺陷很明顯，信息收集和反饋的時間過長，並且監測數據不一定全面。
從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
其中，人工智能（AI）技術是連通線上、線下場景的橋樑，可以跨越在線電商與實體門店的鴻溝，實現線上、線下數據互補，打造全新的購物體驗。下面，我們從人、貨、場三個維度舉例說明。
一
人的維度：智能推薦
想象一下，施瓦辛格和赫本走進一家超市，理想情況下，我們希望門店會自動引導他們關注符合各自需求的單品，以不同的動線逛完這家店。
可實際上，目前大多數零售店提供的是完全一樣的服務，因為在傳統的零售市場裡，他們即使被區分為不同客群，得到的也是幾乎相同的服務。
眾所周知，施瓦辛格和赫本無論是性別還是消費習慣等都差異極大，應當有完全不同的購物體驗。這正是人工智能技術在新零售體驗中發展的方向，針對不同人群的差異化需求，推出個性化的解決方案，這需要人工智能的深度融合。
個性化、定製化的推薦服務在零售行業能很好的提升顧客體驗，隨著消費的不斷升級，品質消費、個性化消費也開始日漸崛起，越來越多的零售企業開始推出私人定製的服務：服裝店可以根據尺寸定製服裝，食品店可根據口味定製蛋糕，等等。
對於線上場景，如網上商城，通過埋點獲取每個用戶的頁面瀏覽數據，根據這些數據，可以統計用戶從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點擊或收藏，最後在哪個頁面結束。基於此類數據可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、優化空間等，為優化頁面設計提供基礎，提升線上精準營銷的效果。
線上購物的一個缺點是無法直接觸摸感受商品，圖片往往是消費者對商品認知的主要來源，尤其是服裝的網銷，如尺碼、色差、質地等經常會有偏差導致糾紛。
這幾年，網絡虛擬試衣技術的發展相當迅速，虛擬試衣的難點在於既要對消費者的體型建模，又要對服裝建模，對兩者進行匹配，展示穿著效果。首先，消費者體型數據的採集大多依賴用戶輸入的測量數據，缺點是測量和填寫的步驟比較繁瑣，而且不完全精準。
相對的，此類數據收集問題在實體門店更加容易解決，比如蘇寧推出的虛擬試衣鏡系統。在實體門店中，試衣鏡安裝的角度是固定的，用戶和鏡子之間的距離可以通過引導探測，做到較為精確的建模。
在未來，試衣鏡可能是線上、線下的鏈接點，在實體門店線下采集用戶的體型數據建模後，便可以真實可靠地實現線上和線下的虛擬試衣。虛擬試衣鏡能智能匹配許多套不同的搭配，這些款式既可以是店鋪陳列的，也可以是從廠家訂製的。試衣下單後，商家可以直接安排調貨，寄送到指定的地點。
此外，線下實體店還可以創造店內互動體驗，讓線下購物更高效、更有趣、更個性化。相對於傳統購物體驗，有人工智能助力的購物更像是一種線下的生活方式，這對零售業生態提出了新的要求，也帶來了巨大的變化。
二
貨的維度：智能貨架管理
在零售終端的智能化管理領域，雖然消費者支付方式發生了快速的迭代，從鈔票支付，到卡支付，再到移動支付，店鋪的貨架管理手段卻還停留在比較原始的階段。其實，實體店的貨品擺放可以通過人工智能實現更有效的終端管理。
設想一下，週末晚上有場精彩的足球賽轉播，作為球迷的你準備邀請幾個朋友一起喝啤酒觀賞比賽。但當你到超市的時候，發現自己最喜歡的啤酒已經空架了，是不是有點抓狂？
對於廠商而言，產品在各個超市的貨架擺放情況、是否及時補貨、銷售情況及關聯因素、相應調整措施等信息都要通過人工巡查獲得。缺陷很明顯，信息收集和反饋的時間過長，並且監測數據不一定全面。
新一代零售的發展方向必將是貨架管理的智能化，有效提升用戶體驗。比如：通過攝像頭的人臉識別功能，可以在顧客進店時進行新老客戶的身份識別，對老客戶可以根據購物歷史及週期習慣推薦購物路線，對新客戶可以製作客戶畫像，精準營銷；客戶進店後，攝像頭可以記錄客戶的行進軌跡，優化貨架擺放設置。此外，還可以使用壓力傳感器監測商品被拿起、放下的情況，以及存貨數量，對貨架進行自動化的實時監測管理。
這對於零售管理的意義重大，將會真正實現從決策到銷售的全流程貫通管理。例如，當缺貨或者貨品信息展示不合規時，可以實時發出警示；同時，對用戶的挑選、購物行為可以有大量的數據積累，從而可以結合人工智能技術進行本地化展陳優化。
三
場的維度：智能物流管理
如今，零售行業不斷髮展，數字化的商品信息、高效的倉儲和物流，從產品的生產到配送，正形成一個完整的智慧化零售業態。國內外的電商巨頭都已經開始部署智慧供應鏈，自動預測、採購、補貨、分倉，根據實時情況調整庫存精準發貨，從而對海量商品庫存進行自動化、精準化管理。
具體來說，目前可以看到的智能供應鏈應用場景主要有：
（1）自動預測備貨：通過歷史記錄、節假日及促銷、週期性因素、商品特性等數據預測備貨，有效減少庫存；
（2）智能選品：智能化診斷當前品類結構，優化品類資源配置，實現了商品全生命週期智能化管理；
（3）智能分倉調撥：預先將商品匹配到距離消費者最近的倉庫，儘量減少區域間的調撥和區域內部倉庫之間的調撥，提高時效性，同時優化調撥時的倉配方案，最大化降低調撥成本。
從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
其中，人工智能（AI）技術是連通線上、線下場景的橋樑，可以跨越在線電商與實體門店的鴻溝，實現線上、線下數據互補，打造全新的購物體驗。下面，我們從人、貨、場三個維度舉例說明。
一
人的維度：智能推薦
想象一下，施瓦辛格和赫本走進一家超市，理想情況下，我們希望門店會自動引導他們關注符合各自需求的單品，以不同的動線逛完這家店。
可實際上，目前大多數零售店提供的是完全一樣的服務，因為在傳統的零售市場裡，他們即使被區分為不同客群，得到的也是幾乎相同的服務。
眾所周知，施瓦辛格和赫本無論是性別還是消費習慣等都差異極大，應當有完全不同的購物體驗。這正是人工智能技術在新零售體驗中發展的方向，針對不同人群的差異化需求，推出個性化的解決方案，這需要人工智能的深度融合。
個性化、定製化的推薦服務在零售行業能很好的提升顧客體驗，隨著消費的不斷升級，品質消費、個性化消費也開始日漸崛起，越來越多的零售企業開始推出私人定製的服務：服裝店可以根據尺寸定製服裝，食品店可根據口味定製蛋糕，等等。
對於線上場景，如網上商城，通過埋點獲取每個用戶的頁面瀏覽數據，根據這些數據，可以統計用戶從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點擊或收藏，最後在哪個頁面結束。基於此類數據可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、優化空間等，為優化頁面設計提供基礎，提升線上精準營銷的效果。
線上購物的一個缺點是無法直接觸摸感受商品，圖片往往是消費者對商品認知的主要來源，尤其是服裝的網銷，如尺碼、色差、質地等經常會有偏差導致糾紛。
這幾年，網絡虛擬試衣技術的發展相當迅速，虛擬試衣的難點在於既要對消費者的體型建模，又要對服裝建模，對兩者進行匹配，展示穿著效果。首先，消費者體型數據的採集大多依賴用戶輸入的測量數據，缺點是測量和填寫的步驟比較繁瑣，而且不完全精準。
相對的，此類數據收集問題在實體門店更加容易解決，比如蘇寧推出的虛擬試衣鏡系統。在實體門店中，試衣鏡安裝的角度是固定的，用戶和鏡子之間的距離可以通過引導探測，做到較為精確的建模。
在未來，試衣鏡可能是線上、線下的鏈接點，在實體門店線下采集用戶的體型數據建模後，便可以真實可靠地實現線上和線下的虛擬試衣。虛擬試衣鏡能智能匹配許多套不同的搭配，這些款式既可以是店鋪陳列的，也可以是從廠家訂製的。試衣下單後，商家可以直接安排調貨，寄送到指定的地點。
此外，線下實體店還可以創造店內互動體驗，讓線下購物更高效、更有趣、更個性化。相對於傳統購物體驗，有人工智能助力的購物更像是一種線下的生活方式，這對零售業生態提出了新的要求，也帶來了巨大的變化。
二
貨的維度：智能貨架管理
在零售終端的智能化管理領域，雖然消費者支付方式發生了快速的迭代，從鈔票支付，到卡支付，再到移動支付，店鋪的貨架管理手段卻還停留在比較原始的階段。其實，實體店的貨品擺放可以通過人工智能實現更有效的終端管理。
設想一下，週末晚上有場精彩的足球賽轉播，作為球迷的你準備邀請幾個朋友一起喝啤酒觀賞比賽。但當你到超市的時候，發現自己最喜歡的啤酒已經空架了，是不是有點抓狂？
對於廠商而言，產品在各個超市的貨架擺放情況、是否及時補貨、銷售情況及關聯因素、相應調整措施等信息都要通過人工巡查獲得。缺陷很明顯，信息收集和反饋的時間過長，並且監測數據不一定全面。
新一代零售的發展方向必將是貨架管理的智能化，有效提升用戶體驗。比如：通過攝像頭的人臉識別功能，可以在顧客進店時進行新老客戶的身份識別，對老客戶可以根據購物歷史及週期習慣推薦購物路線，對新客戶可以製作客戶畫像，精準營銷；客戶進店後，攝像頭可以記錄客戶的行進軌跡，優化貨架擺放設置。此外，還可以使用壓力傳感器監測商品被拿起、放下的情況，以及存貨數量，對貨架進行自動化的實時監測管理。
這對於零售管理的意義重大，將會真正實現從決策到銷售的全流程貫通管理。例如，當缺貨或者貨品信息展示不合規時，可以實時發出警示；同時，對用戶的挑選、購物行為可以有大量的數據積累，從而可以結合人工智能技術進行本地化展陳優化。
三
場的維度：智能物流管理
如今，零售行業不斷髮展，數字化的商品信息、高效的倉儲和物流，從產品的生產到配送，正形成一個完整的智慧化零售業態。國內外的電商巨頭都已經開始部署智慧供應鏈，自動預測、採購、補貨、分倉，根據實時情況調整庫存精準發貨，從而對海量商品庫存進行自動化、精準化管理。
具體來說，目前可以看到的智能供應鏈應用場景主要有：
（1）自動預測備貨：通過歷史記錄、節假日及促銷、週期性因素、商品特性等數據預測備貨，有效減少庫存；
（2）智能選品：智能化診斷當前品類結構，優化品類資源配置，實現了商品全生命週期智能化管理；
（3）智能分倉調撥：預先將商品匹配到距離消費者最近的倉庫，儘量減少區域間的調撥和區域內部倉庫之間的調撥，提高時效性，同時優化調撥時的倉配方案，最大化降低調撥成本。
以蘇寧為例，蘇寧超級雲倉是自主研發的定製化、系統化解決方案。它使貨物從入庫、補貨、揀選、分撥到出庫全流程自動化、智能化作業，極大的提升了倉儲水平以及工作效率。
在這個過程中，採用了大量的物流機器人進行協同與配合，通過人工智能技術，讓機器人適應不同的應用場景，完成各種複雜的任務，在商品分揀、運輸、出庫等環節實現自動化。
與傳統倉儲或者僅在單個環節實現自動化的倉儲模式相比，智能倉儲最大的特點在於機器人融入生產，改變生產模式，以及人工智能算法指導生產。因此，機器人技術、人工智能算法、海量商品的精準識別成為實現無人倉的主要技術瓶頸。
從上世紀五十年代起，人工智能歷經多年的起伏發展，不斷在業務場景中嘗試應用，終於在2016年出現轉折——世界圍棋冠軍李世石在與Alpha Go的比賽中投子認輸，之後的幾年裡，各種形式的人機大戰不斷上演（從圍棋、德州撲克到即時戰略遊戲等），機器相對人類取得一連串壓倒性的勝利。人們驚訝地發覺，人工智能的力量已經不容忽視。
過去的二十年，算法的優化、數據的積累和計算力的提升，這三個要素極大地助推了人工智能的崛起。
從設備感知，到大數據分析，再到輔助決策，人工智能能力的提升逐步帶來了各領域商業形式的改變。今天，人工智能被視為數字網絡的升級版，相關的產品或服務，加速在不同領域商業化實踐。其中，在零售業的表現尤其明顯，正在經歷以消費者為核心的“零售革命”，助推傳統零售行業升級。
新零售是以數據為驅動的，對人、貨、場等角色及相互關係的重構。互聯網時代，碎片化的消費行為令傳統的零售方式難以為繼。而基於數據分析，綜合使用各個維度來源的數據：歷史交易數據、社交網絡關係、購物習慣、在線瀏覽記錄、週期性消費習慣等，人工智能在零售場景中可以實現營銷預測並輔助決策。如今，智能貨倉、無人快遞車、精準營銷等，都是人工智能與新零售結合的產物。
其中，人工智能（AI）技術是連通線上、線下場景的橋樑，可以跨越在線電商與實體門店的鴻溝，實現線上、線下數據互補，打造全新的購物體驗。下面，我們從人、貨、場三個維度舉例說明。
一
人的維度：智能推薦
想象一下，施瓦辛格和赫本走進一家超市，理想情況下，我們希望門店會自動引導他們關注符合各自需求的單品，以不同的動線逛完這家店。
可實際上，目前大多數零售店提供的是完全一樣的服務，因為在傳統的零售市場裡，他們即使被區分為不同客群，得到的也是幾乎相同的服務。
眾所周知，施瓦辛格和赫本無論是性別還是消費習慣等都差異極大，應當有完全不同的購物體驗。這正是人工智能技術在新零售體驗中發展的方向，針對不同人群的差異化需求，推出個性化的解決方案，這需要人工智能的深度融合。
個性化、定製化的推薦服務在零售行業能很好的提升顧客體驗，隨著消費的不斷升級，品質消費、個性化消費也開始日漸崛起，越來越多的零售企業開始推出私人定製的服務：服裝店可以根據尺寸定製服裝，食品店可根據口味定製蛋糕，等等。
對於線上場景，如網上商城，通過埋點獲取每個用戶的頁面瀏覽數據，根據這些數據，可以統計用戶從哪裡進入頁面，中間如何跳轉並查看了哪些頁面，每個頁面停留的時間及行為：如瀏覽、點擊或收藏，最後在哪個頁面結束。基於此類數據可進行瀏覽軌跡分析，計算網站關鍵路徑的轉化率，以瞭解整個網站設計的合理性、優化空間等，為優化頁面設計提供基礎，提升線上精準營銷的效果。
線上購物的一個缺點是無法直接觸摸感受商品，圖片往往是消費者對商品認知的主要來源，尤其是服裝的網銷，如尺碼、色差、質地等經常會有偏差導致糾紛。
這幾年，網絡虛擬試衣技術的發展相當迅速，虛擬試衣的難點在於既要對消費者的體型建模，又要對服裝建模，對兩者進行匹配，展示穿著效果。首先，消費者體型數據的採集大多依賴用戶輸入的測量數據，缺點是測量和填寫的步驟比較繁瑣，而且不完全精準。
相對的，此類數據收集問題在實體門店更加容易解決，比如蘇寧推出的虛擬試衣鏡系統。在實體門店中，試衣鏡安裝的角度是固定的，用戶和鏡子之間的距離可以通過引導探測，做到較為精確的建模。
在未來，試衣鏡可能是線上、線下的鏈接點，在實體門店線下采集用戶的體型數據建模後，便可以真實可靠地實現線上和線下的虛擬試衣。虛擬試衣鏡能智能匹配許多套不同的搭配，這些款式既可以是店鋪陳列的，也可以是從廠家訂製的。試衣下單後，商家可以直接安排調貨，寄送到指定的地點。
此外，線下實體店還可以創造店內互動體驗，讓線下購物更高效、更有趣、更個性化。相對於傳統購物體驗，有人工智能助力的購物更像是一種線下的生活方式，這對零售業生態提出了新的要求，也帶來了巨大的變化。
二
貨的維度：智能貨架管理
在零售終端的智能化管理領域，雖然消費者支付方式發生了快速的迭代，從鈔票支付，到卡支付，再到移動支付，店鋪的貨架管理手段卻還停留在比較原始的階段。其實，實體店的貨品擺放可以通過人工智能實現更有效的終端管理。
設想一下，週末晚上有場精彩的足球賽轉播，作為球迷的你準備邀請幾個朋友一起喝啤酒觀賞比賽。但當你到超市的時候，發現自己最喜歡的啤酒已經空架了，是不是有點抓狂？
對於廠商而言，產品在各個超市的貨架擺放情況、是否及時補貨、銷售情況及關聯因素、相應調整措施等信息都要通過人工巡查獲得。缺陷很明顯，信息收集和反饋的時間過長，並且監測數據不一定全面。
新一代零售的發展方向必將是貨架管理的智能化，有效提升用戶體驗。比如：通過攝像頭的人臉識別功能，可以在顧客進店時進行新老客戶的身份識別，對老客戶可以根據購物歷史及週期習慣推薦購物路線，對新客戶可以製作客戶畫像，精準營銷；客戶進店後，攝像頭可以記錄客戶的行進軌跡，優化貨架擺放設置。此外，還可以使用壓力傳感器監測商品被拿起、放下的情況，以及存貨數量，對貨架進行自動化的實時監測管理。
這對於零售管理的意義重大，將會真正實現從決策到銷售的全流程貫通管理。例如，當缺貨或者貨品信息展示不合規時，可以實時發出警示；同時，對用戶的挑選、購物行為可以有大量的數據積累，從而可以結合人工智能技術進行本地化展陳優化。
三
場的維度：智能物流管理
如今，零售行業不斷髮展，數字化的商品信息、高效的倉儲和物流，從產品的生產到配送，正形成一個完整的智慧化零售業態。國內外的電商巨頭都已經開始部署智慧供應鏈，自動預測、採購、補貨、分倉，根據實時情況調整庫存精準發貨，從而對海量商品庫存進行自動化、精準化管理。
具體來說，目前可以看到的智能供應鏈應用場景主要有：
（1）自動預測備貨：通過歷史記錄、節假日及促銷、週期性因素、商品特性等數據預測備貨，有效減少庫存；
（2）智能選品：智能化診斷當前品類結構，優化品類資源配置，實現了商品全生命週期智能化管理；
（3）智能分倉調撥：預先將商品匹配到距離消費者最近的倉庫，儘量減少區域間的調撥和區域內部倉庫之間的調撥，提高時效性，同時優化調撥時的倉配方案，最大化降低調撥成本。
以蘇寧為例，蘇寧超級雲倉是自主研發的定製化、系統化解決方案。它使貨物從入庫、補貨、揀選、分撥到出庫全流程自動化、智能化作業，極大的提升了倉儲水平以及工作效率。
在這個過程中，採用了大量的物流機器人進行協同與配合，通過人工智能技術，讓機器人適應不同的應用場景，完成各種複雜的任務，在商品分揀、運輸、出庫等環節實現自動化。
與傳統倉儲或者僅在單個環節實現自動化的倉儲模式相比，智能倉儲最大的特點在於機器人融入生產，改變生產模式，以及人工智能算法指導生產。因此，機器人技術、人工智能算法、海量商品的精準識別成為實現無人倉的主要技術瓶頸。
近年來，無人駕駛技術的研發得到了眾多企業的重視，在商業化應用中不斷成熟，包括無人重卡、快遞機器人、快遞無人機等，在物流運輸、無人配送方面，構成一個完整的智慧物流配送體系。其中，無人重卡是連接區域物流中心的橋樑，快遞機器人為最後一公里配送構建基礎，快遞無人機則全方位、無死角的保證這一公里的配送。越來越多的無人智能化設備被應用到具體場景，每個智能化的場景應用連成一體，構成智慧零售的關鍵一環。
四
困難及前景
當前，人工智能已經成為傳統行業轉型升級的助推力，持續地改變我們的商業模式和生活方式。而人工智能技術在新零售體驗中的應用，必將進一步推動深度定製購物體驗的發展，深度定製購物體驗則會帶來用戶使用的粘性。
當然，在發展過程中，也面臨著一些困難與挑戰。
首先，在目前階段，數據是AI應用的必要基礎，在長期的業務開展中，積累的數據維度多樣、體量巨大、形式複雜，並且數據間很多時候無法融合互聯，形成數據壁壘。
其次，零售行業注重利潤率，而科技落地的成本不是每個零售企業都能夠接受的。例如，對於大型的連鎖便利店，如要實現眾多門店的智能化，一次性投入成本較高，因而升級門檻較高，往往傾向於依舊採用傳統方式。
儘管存在重重困難，眾多的科技企業仍然進行了有益的嘗試，在一些典型場景中探索人工智能技術的應用。尤其在零售行業，新技術的應用落地呈現爆發趨勢。例如，零售企業在加速與人工智能技術融合，在“物”端深耕供應鏈管理的同時，在“人、貨”端的用戶體驗上也增強了線上、線下的融合。從無人值守的便利架到無人配送車，從單個的機器人到智能化的無人超市，各種技術、產品和解決方案，向人們展示了人工智能助跑“新零售”的誘人前景。
本文由公眾號“蘇寧財富資訊”原創，作者為蘇寧金融研究院金融科技研究中心副主任沈春澤