一百多年前，電的發(fā)明改變了無數(shù)行業(yè)，20年前出現(xiàn)的互聯(lián)網(wǎng)亦是如此。而當下，人工智能(AI=Artificial Intelligence)將會對行業(yè)產(chǎn)生同樣的影響。人工智能盡管發(fā)展迅速，但仍不成熟，所以期望AI實現(xiàn)迅速顛覆并不現(xiàn)實。但是只要某個產(chǎn)業(yè)能產(chǎn)生大量數(shù)據(jù)，AI將很有可能將這些數(shù)據(jù)轉(zhuǎn)化為價值和經(jīng)濟效益。恰好傳統(tǒng)零售擁有大量的顧客個人數(shù)據(jù)、購物數(shù)據(jù)、商品受歡迎度數(shù)據(jù)、顧客需求數(shù)據(jù)、商場環(huán)境數(shù)據(jù)等等，這些線下數(shù)據(jù)都是電商公司非常渴求的信息。人工智能的作用就是消除數(shù)據(jù)孤島，主動去吸收更多的數(shù)據(jù)從而進行分析，實現(xiàn)專業(yè)化和高效化。

何為人工智能，通俗講就是讓機器形成聽、說、看、學習、理解等能力，各自所對應(yīng)的技術(shù)分支領(lǐng)域大致包括語音識別、自然語言處理、計算機視覺、機器學習等。目前來講，機器人是人工智能最全面的落地形式。近年來隨著數(shù)據(jù)量的劇增、運算能力的提高以及深度學習等算法地不斷優(yōu)化，使得人工智能在多個方面有了突破性進展，得益于這些進步，零售行業(yè)也開始重視人工智能，并嘗試利用AI促進商品銷售和倉庫管理。

本文把人工智能劃分為機器學習、計算機視覺、語音識別&自然語言處理、機器人四大類進行詳細講述，每一類都在零售中有著較為縱深的應(yīng)用場景。

機器學習

機器學習的核心是讓機器像人類一樣進行學習，根據(jù)以往的“經(jīng)驗(數(shù)據(jù))”，進行總結(jié)和歸納，從而進行執(zhí)行和預測任務(wù)。

機器學習與零售商會員系統(tǒng)的相關(guān)度非常緊密，零售商需要全面掌握會員的購買記錄和身份信息。根據(jù)這些信息把人工智能轉(zhuǎn)化為個性化零售服務(wù)和購買需求預測的關(guān)鍵點，就在于機器學習，它可利用數(shù)據(jù)、統(tǒng)計學和概率學解決問題。其中機器學習主要用于完成以下任務(wù)：

1、用戶畫像

用戶畫像是根據(jù)顧客的身份注冊信息和購買記錄來判斷他的興趣愛好、購買習慣、購物規(guī)律等私人信息，數(shù)據(jù)管理系統(tǒng)對某一顧客的數(shù)據(jù)收集得越多，用戶畫像就愈完整。數(shù)據(jù)管理系統(tǒng)會根據(jù)這些信息為各個顧客打上標簽，數(shù)據(jù)和標簽可對顧客群體細分，有利于瞄準特定的群體進行定向營銷和服務(wù)。

2、標簽匹配

每個顧客在數(shù)據(jù)管理系統(tǒng)中都由很多標簽組成，經(jīng)過機器學習的處理，可讓這些標簽進行匹配：如果發(fā)現(xiàn)顧客A與顧客B很多標簽屬性比較相似，當A購買了某些折扣商品后，系統(tǒng)會做出判斷，考慮給B以直郵或短信等形式發(fā)送這些商品的優(yōu)惠信息。

3、購買行為預測

有了用戶畫像知道“他是一個什么樣的人”之后，就需要對他的購買行為進行預測。維克托在《大數(shù)據(jù)時代》中寫到：美國第二大超市Target公司曾上線一套顧客分析工具，利用機器學習技術(shù)對顧客的購買記錄進行分析，向顧客進行產(chǎn)品推薦。Target把這個利用機器學習訓練出的模型應(yīng)用在各種細分顧客群中，隨后的幾年間，Target的銷售額從440億美元增長到了670億美元。

4、更高級的深度學習解決方案

除了常見的自有數(shù)據(jù)外，零售商應(yīng)該建立起收集或購買第三方數(shù)據(jù)和學習模型的意識。第三方數(shù)據(jù)很容易理解，那么何為學習模型?

零售商在獲得用戶數(shù)據(jù)后，需要把這些數(shù)據(jù)進行訓練從而搭建成一個非常優(yōu)秀的推薦和預測模型。但是數(shù)據(jù)訓練往往難度較大，如果直接使用其他大型零售商的模型是一個不錯的選擇，但由于競爭問題他們往往并不會把模型開放給對手。在這種情況下，我們以“遷移學習”模型為例(一種提高數(shù)據(jù)訓練效率的方式)，遷移學習則可事先把一個預先訓練好的模型挪到一個類似的任務(wù)上使用，不僅節(jié)省訓練時間，同時也可提高精準度。

5、機器學習將是零售商競爭力的重要體現(xiàn)

數(shù)據(jù)固然重要，但很多時候用戶的數(shù)據(jù)非常碎片化。當零售商手中擁有大量數(shù)據(jù)但卻不知如何利用的現(xiàn)象很常見。其實很多數(shù)據(jù)在研究員看來都是“噪音”，這里需要注意“有效數(shù)據(jù)”的收集。對于大型零售商而言，最好的方式是自己搭建機器學習團隊，未來零售商店的數(shù)據(jù)量以及數(shù)據(jù)解決方案會是競爭力的重要體現(xiàn)。如果公司體量較小，外包給其他技術(shù)公司或采用第三方技術(shù)解決方案也不失為一種好的選擇。

計算機視覺

計算機視覺(computer vision)簡稱CV，是模擬人類視覺的人工智能技術(shù)，用機器來“看”圖像，“理解”圖像。人類經(jīng)過數(shù)千萬年的進化，早已擁有了復雜而精密的識別和傳感系統(tǒng)，而且在現(xiàn)實世界中，如果以幀計算，我們每天都在看和學習數(shù)以萬計的圖像，而對只有寥寥幾十年歷史的計算機而言，利用計算機視覺技術(shù)讓它看懂圖像是一件很復雜的事情。

計算機視覺在近些年開始逐漸被應(yīng)用在零售行業(yè)當中，主要出于兩點：圖像識別率不斷提高;成本下降。由于國內(nèi)傳統(tǒng)零售商對計算機視覺的認知并不成熟，所以導致應(yīng)用相對較少。

計算機視覺主要包括兩大分支：人臉識別和物體識別。近期非常火熱的無人零售商店Amazon Go就是把人臉識別、物體識別技術(shù)應(yīng)用地淋漓盡致，同時配合各種傳感器和自動化裝置打造出一個先進的未來超市。

1、人臉識別

人臉識別應(yīng)用在安防、支付以及身份驗證。人臉識別落地到商場，專注于對顧客的人臉進行采集和記錄，采集后這張人臉就成為顧客的ID。廠商可在結(jié)賬臺設(shè)置一個智能攝像頭，并與收款設(shè)備連接。當顧客在臺前結(jié)賬時，攝像頭先捕捉到顧客的人臉，然后實時記錄他的購買記錄，隨后將這些數(shù)據(jù)傳輸至云端，利用機器學習技術(shù)進行處理，讓人臉信息和購買數(shù)據(jù)結(jié)合成完整用戶畫像。當顧客進入商場，門口的攝像頭會自動識別出這張人臉，顧客的用戶畫像也隨之呈現(xiàn)。與此同時，在結(jié)賬臺前安置智能攝像頭的另一個應(yīng)用是可實現(xiàn)刷臉支付，把自己的臉與銀行卡綁定，實現(xiàn)“人臉即密碼”。

2、物體識別

(一)商品識別

自動結(jié)賬已成為一大趨勢，但自動結(jié)賬仍舊需要消費者掃描商品條形碼。自動結(jié)賬系統(tǒng)目前在國內(nèi)仍然處于嘗鮮階段，以深圳地區(qū)為例，目前僅華聯(lián)、華潤萬家、ole 、永輝等部分超市設(shè)置了自助收銀機，之所以未在國內(nèi)普及開來，一方面受限于高昂的成本，另外國內(nèi)消費者并未養(yǎng)成使用自動結(jié)賬系統(tǒng)的習慣。

(二)圖片檢索

圖片檢索是指顧客通過上傳圖片來找到需要購買的物品，無需輸入關(guān)鍵字，其更多應(yīng)用在商場的線上店鋪。除了根據(jù)圖片搜索與之相同的商品外，它還會向顧客推薦視覺上相似的商品，目前淘寶已擁有圖片搜索功能。國內(nèi)人工智能公司碼隆科技在圖片檢索技術(shù)方面有著較為深厚的積累，其提供的解決方案根據(jù)調(diào)用次數(shù)來收服務(wù)費。

語音識別與自然語言處理

語音識別技術(shù)就是把語音信號轉(zhuǎn)變?yōu)槲谋镜募夹g(shù)，自然語言處理其實是試圖理解這些轉(zhuǎn)化好的文字，與機器進行語言上的交流，讓機器聽懂你說什么。語音識別產(chǎn)品，可以識別“現(xiàn)在幾點”這樣的問句，作出響應(yīng)。但是這個問法必須是固定的，用其他的問法，它們就無法作出響應(yīng)。如果給出“現(xiàn)在很晚了么”這個指令，一般語音識別產(chǎn)品是無法理解你要做什么的。而自然語言處理的產(chǎn)品則可以告訴你，現(xiàn)在是晚上9點有點晚。

零售與語音識別、以及自然語言處理的結(jié)合，一般會以會話商務(wù)的形式存在：利用聊天軟件和聊天機器人以文本或語音的形式協(xié)助消費者購買商品。

虛擬助理

讓機器像人一樣跟你對話聊天、解決問題，這就是語音識別和自然語言處理的終極目標之一。

虛擬助理一方面以軟件的形式存在，但未來更多會以實體機器人的形式安置在超市的各個地方。當顧客和實體機器人進行交談時，它會問你的購物需求以及興趣，回答完你要尋找的東西后，它將顯示你要尋找的物品照片和一些其對應(yīng)價格的統(tǒng)計。

機器人

機器人無疑是人工智能最佳形態(tài)之一，因為機器人可以同時嵌入機器學習、計算機視覺、語音識別、自然語言處理技術(shù)，使得其在多個維度滿足顧客的需求。既能看、又能說、也能處理復雜的問題。

1、全能型機器人

全能型機器人以軟銀的Pepper為代表，其在日本已完成一萬多臺的銷售額，主要出現(xiàn)在零售店和大型商場中。Pepper機器人置入了語音識別和自然語言處理技術(shù)，既能聽懂購物者的需求，與顧客進行交流。也能識別人的聲調(diào)，知道顧客是生氣還是開心。此外，Pepper也置入了計算機視覺技術(shù)，識別出人臉的表情和神態(tài)，并記錄下每張人臉，根據(jù)顧客的用戶畫像數(shù)據(jù)，判斷顧客身份從而提供個性化服務(wù)。Pepper也有著很全面的導購功能，以及可為顧客提供排隊叫號的服務(wù)。

2、導購機器人

Pepper機器人的最大優(yōu)勢在于交流和互動，而有些機器人則專注于導購和解決其他實際問題。Budgee就是這類機器人的代表。

Budgee是由沃爾瑪與機器公司Five Elements Robotics合作開發(fā)的智能購物車形機器人，Budgee購物車機器人可實現(xiàn)自動行駛，自動跟著顧客走，甚至能完成上山下坡。顧客只需將購物清單發(fā)送給Budgee，Budgee就能分析購物清單并定位商品，規(guī)劃出購物路線，智能機器人還能分析購物車中的商品，并告訴顧客此商品的一些優(yōu)惠以及促銷信息。

3、貨架巡邏機器人

超市的商品貨架管理是一項非常繁雜的工程。超市里往往會出現(xiàn)工作人員弄錯商品的價格標簽，混淆商品的擺放位置，嚴重影響顧客的購物體驗。為了解決這一問題，Simbe Robotics推出一款能夠幫助理貨的機器人Tally，既可避障，也可探測掃描。根據(jù)后臺的貨品數(shù)據(jù)，對整個商場進行掃描以及分析，從而了解哪些商品需要補充上架、哪些商品定價錯誤或者位置放置不正確，最終及時將這些問題反饋給工作人員。此外，Tally可以計算出庫存，提供詳細的補貨意見。

4、倉庫機器人

上述提到的幾款機器人更多應(yīng)用在臺前，對零售商而言，背后的倉儲管理也極為重要。

Locus機器人可協(xié)助工作人員完成倉庫的分配、送貨任務(wù)。Locus配有攝像頭和2D條形碼驗證，利用雷達系統(tǒng)來追蹤它在預置地圖中的位置。Locus熟知每個商品在倉庫中的位置，會自動導航到物品的所在位置等待執(zhí)行任務(wù)。這時，工人的作用就是巡邏倉庫區(qū)域，當他們發(fā)現(xiàn)有機器人在貨架旁待命時，工人只需在機器人的屏幕上看其需要什么，分揀出來過后移動到下一個位置，或者直接駛向貨運站。目前已有公司生產(chǎn)出能夠用吸盤和夾子、機械手撿起盒子、瓶子的機器人。但由于商品形狀、大小、重量等各不相同，對機器人來說要像人一樣操作它們有一定的難度。

國內(nèi)不少公司尤其是京東和阿里開始廣泛使用倉庫機器人，倉庫機器人不像Pepper那樣擁有圖像識別和語音識別等能力，它們更多采用了以下技術(shù)和功能：

(一)感知和避障

通過攝像頭、距離傳感器、雷達等組件，感知外界環(huán)境信息，通過嵌入式算法模塊對這些信息進行處理，形成對外部環(huán)境的理解，從而進行實時避讓。

(二)路線規(guī)劃

感知和避障只是這類機器人功能之一，此外，它們還可以參照地圖測算和定位，根據(jù)行駛過程中景物的變化，實時地改變移動路線。

總結(jié)

盡管零售與人工智能相結(jié)合確實能大大提高工作效率、促進商品銷售和倉庫管理，但其仍舊面臨成本高和市場教育難等問題。隨著技術(shù)的不斷成熟，解決成本壓力只是時間問題。在這種情況下，零售商應(yīng)以主動的心態(tài)去擁抱人工智能，而非被動接受去接受新事物，唯有這樣才能更快促進人工智能在零售行業(yè)的落地，讓更多業(yè)態(tài)的零售商在與電子商務(wù)公司競爭中擁有更多話語權(quán)。