一百多年前，電的發明改變了無數行業，20年前出現的互聯網亦是如此。而當下，人工智能(AI=Artificial Intelligence)將會對行業產生同樣的影響。人工智能盡管發展迅速，但仍不成熟，所以期望AI實現迅速顛覆并不現實。但是只要某個產業能產生大量數據，AI將很有可能將這些數據轉化為價值和經濟效益。恰好傳統零售擁有大量的顧客個人數據、購物數據、商品受歡迎度數據、顧客需求數據、商場環境數據等等，這些線下數據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據孤島，主動去吸收更多的數據從而進行分析，實現專業化和高效化。

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，各自所對應的技術分支領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。近年來隨著數據量的劇增、運算能力的提高以及深度學習等算法地不斷優化，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，根據以往的“經驗(數據)”，進行總結和歸納，從而進行執行和預測任務。

機器學習與零售商會員系統的相關度非常緊密，零售商需要全面掌握會員的購買記錄和身份信息。根據這些信息把人工智能轉化為個性化零售服務和購買需求預測的關鍵點，就在于機器學習，它可利用數據、統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：

1、用戶畫像

用戶畫像是根據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、購物規律等私人信息，數據管理系統對某一顧客的數據收集得越多，用戶畫像就愈完整。數據管理系統會根據這些信息為各個顧客打上標簽，數據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。

2、標簽匹配

每個顧客在數據管理系統中都由很多標簽組成，經過機器學習的處理，可讓這些標簽進行匹配：如果發現顧客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，系統會做出判斷，考慮給B以直郵或短信等形式發送這些商品的優惠信息。

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《大數據時代》中寫到：美國第二大超市Target公司曾上線一套顧客分析工具，利用機器學習技術對顧客的購買記錄進行分析，向顧客進行產品推薦。Target把這個利用機器學習訓練出的模型應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

除了常見的自有數據外，零售商應該建立起收集或購買第三方數據和學習模型的意識。第三方數據很容易理解，那么何為學習模型?

零售商在獲得用戶數據后，需要把這些數據進行訓練從而搭建成一個非常優秀的推薦和預測模型。但是數據訓練往往難度較大，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(一種提高數據訓練效率的方式)，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上使用，不僅節省訓練時間，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

數據固然重要，但很多時候用戶的數據非常碎片化。當零售商手中擁有大量數據但卻不知如何利用的現象很常見。其實很多數據在研究員看來都是“噪音”，這里需要注意“有效數據”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，未來零售商店的數據量以及數據解決方案會是競爭力的重要體現。如果公司體量較小，外包給其他技術公司或采用第三方技術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，用機器來“看”圖像，“理解”圖像。人類經過數千萬年的進化，早已擁有了復雜而精密的識別和傳感系統，而且在現實世界中，如果以幀計算，我們每天都在看和學習數以萬計的圖像，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用在零售行業當中，主要出于兩點：圖像識別率不斷提高;成本下降。由于國內傳統零售商對計算機視覺的認知并不成熟，所以導致應用相對較少。

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、物體識別技術應用地淋漓盡致，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。廠商可在結賬臺設置一個智能攝像頭，并與收款設備連接。當顧客在臺前結賬時，攝像頭先捕捉到顧客的人臉，然后實時記錄他的購買記錄，隨后將這些數據傳輸至云端，利用機器學習技術進行處理，讓人臉信息和購買數據結合成完整用戶畫像。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。與此同時，在結賬臺前安置智能攝像頭的另一個應用是可實現刷臉支付，把自己的臉與銀行卡綁定，實現“人臉即密碼”。

2、物體識別

(一)商品識別

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

(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，無需輸入關鍵字，其更多應用在商場的線上店鋪。除了根據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。國內人工智能公司碼隆科技在圖片檢索技術方面有著較為深厚的積累，其提供的解決方案根據調用次數來收服務費。

語音識別與自然語言處理

語音識別技術就是把語音信號轉變為文本的技術，自然語言處理其實是試圖理解這些轉化好的文字，與機器進行語言上的交流，讓機器聽懂你說什么。語音識別產品，可以識別“現在幾點”這樣的問句，作出響應。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。如果給出“現在很晚了么”這個指令，一般語音識別產品是無法理解你要做什么的。而自然語言處理的產品則可以告訴你，現在是晚上9點有點晚。

零售與語音識別、以及自然語言處理的結合，一般會以會話商務的形式存在：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價格的統計。

機器人

機器人無疑是人工智能最佳形態之一，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，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，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，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，識別出人臉的表情和神態，并記錄下每張人臉，根據顧客的用戶畫像數據，判斷顧客身份從而提供個性化服務。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。

2、導購機器人

Pepper機器人的最大優勢在于交流和互動，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合作開發的智能購物車形機器人，Budgee購物車機器人可實現自動行駛，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送給Budgee，Budgee就能分析購物清單并定位商品，規劃出購物路線，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。根據后臺的貨品數據，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機器人可協助工作人員完成倉庫的分配、送貨任務。Locus配有攝像頭和2D條形碼驗證，利用雷達系統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行任務。這時，工人的作用就是巡邏倉庫區域，當他們發現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，形成對外部環境的理解，從而進行實時避讓。

(二)路線規劃

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，根據行駛過程中景物的變化，實時地改變移動路線。

總結

盡管零售與人工智能相結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，零售商應以主動的心態去擁抱人工智能，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的落地，讓更多業態的零售商在與電子商務公司競爭中擁有更多話語權。