天壤智能创始人薛贵荣：人工智能如何助力新零售？

2017年10月19日，由亿欧主办，猩便利、EasyGo协办的“新零售智能未来”--GIIS 2017亿欧峰会在上海市长宁区龙之梦万丽酒店成功举办。

天壤智能创始人薛贵荣在现场发表了主题为《人工智能助力新零售》的演讲，其核心观点如下：

1、新零售其实最核心的还是人和货；

2、无论做营销、运营还是各种各样的活动，都需要有对应的精准消费者人群，这样才能把整个营销的成本降低，从很高的价格升级到很高的服务能力。

以下为薛贵荣的现场演讲速记（有所删改）：

大家下午好！刚才光速中国创始合伙人韩彦列了一个大题目说新零售有很多方面，包括数据、线上线下打通以及用户体验的改善。但是落到实处，如果说新零售能够带来这么好用户的体验，那么人工智能在里面起到什么样的作用？这是我今天想介绍的内容。

新零售其实最核心的还是人和货。人去买什么样的东西，货就是消费者喜欢什么样的一些商品。这两者之间其实通过零售或者电商、线上线下的渠道就可以连通起来。

通过各种各样的场景打通消费者购买的渠道，这里面有关一个核心的问题，那就是我们首先要知道消费者是谁，消费者在哪里？这两个问题，一个是消费者的画像，包括BIC的建设一个消费者的位置，这些都是我们了解的人的智能属性。

第二个属性就是货。货的属性是进口还是国产的，是新鲜产品还是不常用的产品，还包括价格等因素以及创意是什么样的，这是货层面上的表达。

第三个方面，我们讲的场景，涉及到线上和线下这两个典型的场景。新零售意味着线上和线下的打通，打通的话也就意味着线上和线下消费者的数据，线上线下所有购买的东西，都能在一个场景里、一个空间里打通。所以无论是线上应用还是线下应用也好，两个渠道的数据到最后都能成为场景数据类的表达。

要想知道人和货、人与场、货与场之间的联系，就要了解算法关系到的各种关联的连接和关系是什么。我们要了解消费者的兴趣是什么，线上比较简单，鼠标点一点就知道要想买什么了，线下就比较难了，人看了什么？拿了什么样的货物？这是比较复杂的东西。

第二个也就是货，线上货的选品比较简单，线下消费者看了什么？选了什么，这一块能不能进一步进行库存优化和库存摆放的依据，这是选品的技术。

再一块我们讲消费者最适宜场景是什么？今天大部分90后是线上的场景，中老年的购物会到线下场景，大部分的消费者在线上或者线下都会涉及，同样的线下的场景针对于消费者的动态如何做？

比如说淘宝，淘宝上你的首页和别人的首页是完全不一样的，这是个性化的体验，但是到线下还能做到这样的程度吗？如果做不到的话，应该做成什么样的程度，才能满足不同消费者的体验呢？这也是场景需要对人做到的技术。

包括很多摆放的货品也是一样的，可能很多场景里的货老板或者售货员会根据自己的经验把货排一下，但这种摆放合不合理呢？不一样的摆放会带来不一样的促销结果。这些都需要依赖于数据，也就是线下数据收集的问题。其中有几个核心的技术问题，也就是消费者的数据结构化问题。另外就是货品的呈现和如何选人问题。两公里之内、三公里之内你的消费者在哪里？

第一个就是数据结构化，Amazon Go的无人店可以快递送到家，也就是在店里不需要有任何拿货放到篮子里再结单的过程。这里面用了很多的技术，比如说摄像头、WIFI的技术，包括RFID；

第二个要知道货是什么，消费者是谁，人与货之间的交互。这里面涉及到视频数据、无线WIFI数据以及RFID的数据，所有的数据都能用是最好的，当然会有成本的问题，比如说用RFID每个技术要贴上去，另外很多情况下摄像头是比较好的选择，但是它会涉及到AI的技术。这里其实有很多问题，也就是我们真的了解到用户看了什么、拿了什么，买了什么。

拿了一个场景来讲。左边是用户在拿的东西，右边是捕获到的拿什么样的东西，最终拿的是哪样的货才是我们真正要捕捉的东西。消费者在货架的地方这一块能数据能不能做到充分的结构化？知道这个客户站在货架的货前面看了几分钟，拿起几个货比了多少次，最终放在购物篮里是哪些东西。

这一块放了多个摄像头去监测，所以说线下动作在线上的APP里面会有体现，这样数据也打通了消费者的闭环，这是数据结构化的事。还有一个事，我们会碰到很多问题，包括消费者在货架的停留时间、看货的时间以及进店的人是什么样的人，这些数据都会变成实实在在的营销数据。

然后就是货品的识别。超市里面有很多的货，货有标品和非标品，标品容易去识别，但是你也得知道它喜欢的是王老吉而不是百事的产品，不是说拿了一个罐子就知道是饮料，你还要知道王老吉和某种饮料产品的差异。

所以技术这一块要有几千万个SKU，每一个商品都要捕捉到。消费者拿了上来什么样的商品，具体拿了几罐等具体的数字。只有做到这样才能真正做到无人售货，否则还是要回到收银台，这也是数据结构化。

另外我们会碰到很多的商场和超级市场，最终消费者在热点前面待了多长时间？游览的路径是什么？这也是需要同样的技术。在这一块我们做了一个实验，上面放了一个鱼眼，通过鱼眼可以看到左边是人在动，右边会把热点区域放下来，线下店的话放几个摄像头就可以知道人的热点是在哪里。这是通过图像识别技术了解出来的。

当然我们还包括人脸识别以及人在店里所有的数据，把这些数据全部结构化，做成一个数据的闭环，形成消费者的DNP管理平台或者消费者的数据，有了这个数据我们就可以后面的工作。

我们做活动也好，做营销、运营也好，都得了解我们消费者需要什么。前面已经知道每个消费者具备什么样的属性，接下来就需要知道在三公里的范围之内，怎么样把这个信息传递给消费者并且激发他的兴趣。我们看到线下真实的店，一公里范围以它为半径画一个圈，这个圈里我们看到的商城、商圈包括街道总共有多少人？大概是十万个消费者，这一块马上就可以画到，若用WIFI的技术是感知不到消费者的。

另外这十万个用户哪些是你合适的消费者？如果对十万个消费者都做营销，成本就会很高。如果只做感兴趣的一千个人营销可能也就是百分之一的成本，所以这一千个人在哪里？

接下来我们会做基于MAB多策略选人优化的模型。这一块测的成本非常低，测的好的话就把量加大，慢慢经过迭代之后，我们会把整个流量从十万降到几千的量级，无论做营销、运营还是各种各样的活动，你都有对应的消费者人群，这样就会把你整个营销的成本降低，从很高的价格升级到很高的服务能力，所以你的效率提升了、成本降低了，你会有更大的竞争力与别人PK新零售领域的机会。

还有几个比较关键的点，我们今天要尽可能收集多类型的数据，特别是高质量消费者活动的数据，比如说今天用WIFI、摄像头尽可能多收集数据，无论线上还是线下，因为数据将来形成闭环之后才能帮我们打通消费者。包括你的APP、线下实体店都会打通，所以要多收集。

第二，我们觉得技术要作为优先的数据，这个也会是主流，就像Amazon Go一样放了很多的摄像头监控人购物的行为。

第三个，也看到人流的特点、每个消费者购买的产品是什么，这些将来都要成为运营和营销数据的反馈。所以我跟大家讲一个例子。大家都知道淘宝上的买卖图片是非常重要的事，图片好会带来百分之百的销量的提升，我们做过一个实验，图片拍得好的话能够带来200%左右的提升，如果拍得不好的话就会降低30%-40%的销售下降。

最后也就是真正的AI是什么？很重要的一点就是动态性。整个店用了AI的技术，但没有把店面的布局、商品的选品做优化，整个东西都是一成不变的；或者没有经过MAB测试，也就是线上店做了各种各样的测试，哪样产品好我们就上，所以测试是一个很重要的手段，通过各种各样的测试才能知道哪一个是最优的，哪一个是更好的，同时不是一个单一的设备能够解决问题，有的时候是多种设备，才能够把数据补全或者达到更好算法的效果。

这是我们今天做这么多工作的总结，谢谢。