AI智能零售电商系统如何开发

日期:2020-06-16 16:35:15 / 人气:56

概念界定:通过人工智能技术作为主要驱动力,为零售行业各参与主体、各业务环节赋能,突出AI 技术对零售业的整体升级改造。

发展特点:AI+零售技术服务可帮助零售企业及品牌商促进降本增效、提升消费者购物体验、塑造新 兴业态等。2019年AI+零售市场规模达到6.5亿元。未来有待需求方数字化基础设施水平的提升、算 法准确度及稳定性提升、落地效果打磨、方案成本优化等,预计2022年市场规模将达到26.7亿元。

应用程度:从各场景的发展程度来看,精准营销及智能客服的发展相对成熟,但长尾客户的市场仍 待开发;智能化运营、商品识别分析的发展速度相对较快,其中供应链网络效率优化未来增益价值 巨大;无人零售在经历风口后,逐渐摒弃追逐新技术的噱头,转而回归销售商品的本质,帮助零售 门店降低人工成本、提升经营效率;而消费者行为洞察作为CV技术的前沿应用,各类头部零售企业 入局试水,意在积累数据资源、跑通业务落地逻辑,以在线下场景的流量争夺中抢占先机。

竞争格局:玩家大致分为云服务商、AI技术企业、软件开发商/系统集成商、零售企业科技子公司四 大类,致力于融合数据、算法与业务经验,加强AI技术赋能零售行业的深度及广度。云服务巨头保 持相对领先地位;AI技术厂商则依靠算法优势寻求发展,例如推荐算法、商品识别分析、线下消费 者行为洞察等垂直细分领域的破局者已初显锋芒。未来,异类玩家间的生态合作将持续增多,助推 产业发展。

发展趋势:总体处于行业探索期,AI+零售行业的发展需要解决浅层次数字化“虚假繁荣”的问题。 即弥补由数据采集到分析直至辅助决策应用之间的落地“鸿沟”。这需要服务提供方加深对零售业 务的深刻理解、零售企业内部组织的协调配合、甚至是多方合作建立AI化的业务发展战略视角。

近年来零售行业重塑行业结构及生态圈,终端零售商、品牌商等多处于升级转型阶段。人工智能(AI)作为新兴技术在零

售业链条的多场景、多环节有所渗透。本报告希望全面地展现AI技术在零售生态中的具体应用及各环节的核心价值;从AI 解决零售业各环节痛点的角度切入,讨论技术方案需求方的真实诉求和应用场景的落地逻辑,探讨不同类型技术提供企业 的发展路径和市场机会。意在描绘人工智能+零售行业的发展现状及未来前景,为行业未来发展提供思考。

现代零售业历经多次商业模式变革,催生了百货商店、连锁模式、超级市场和网络购物等业态。进入网络互联时代,技术 的升级突破则更直接推动了零售业的发展,IT技术管理、移动支付方式普及、数字化零售、人工智能+零售,各阶段相互 叠加影响,形成融合上升的创新格局。AI技术的落地应用需要IT设施及数字化系统的支撑,目前零售领域线下场景的IT数 据打通仍处于发展初期;电商平台的数字化程度相对较高,对AI技术的应用程度相对超前。随着技术渗透的逐步深入,传

统零售企业也将进行更多的AI技术建设。未来,零售业在采购、生产、供应链、营销、销售、服务等多环节的运营模式和 消费者体验将不断优化、智能化水平不断提高。

零售业转型升级受到移动网络、大数据、云计算、物联网、区块链、人工智能等新兴技术的融合驱动。AI技术近年来发展

迅速,在计算机视觉、机器学习、语音识别等技术研发及落地方面取得了明显突破。计算机视觉技术在数据采集方面具有 重要价值,通过对消费者行为及商品信息的识别,可对门店经营情况、消费者游逛行为等进行数据量化,是精准营销、智 能化运营、门店管理等环节应用的必要基础;在此基础上机器学习技术则应用于数据建模及辅助决策。多种AI技术融合作 用于零售各环节,共同提高零售各场景的智能化水平。

零售行业转型阶段,无论是终端销售企业或品牌商,均存在成本管控需求、销售额增长瓶颈等发展痛点。具体来说,实体

零售商由于缺乏有效途径,较难把握消费者日趋多元化的需求偏好、且对潜在消费流量的价值开发不足,同时面临高用工 成本压力;电商平台也需应对互联网流量红利消退、买家增速放缓、获客成本不断提升等问题;对于品牌商,消费者线上 流量和数据被电商平台垄断,传统渠道体系也难以提供全链路的消费者洞察与触达。AI则为辅助零售行业参与者降低成本、 提升经营效率、解决发展瓶颈,提供了新的技术手段。产业技术发展的核心动力依然是经济利益,各类需求企业的核心增 长痛点为AI+零售行业提供了发育土壤。

2019年“AI+零售”相关投融资事件共计17起,占2019全年AI领域投资的3.3%;占比较去年的1.8%,增幅达到83.3%。

另由于零售行业产业链较长,参与者、应用场景较多,部分智能语音、计算机视觉技术研发商依托在金融、安防等行业的 技术积累和资源也在尝试开拓零售场景应用,布局AI+零售行业以寻求新的业务增长点。这部分投融资事件尚未计入统计, 但整体规模不容小觑,AI+零售领域的实际投资热度更高。2019年,无人零售、视觉解决方案、智能运营等应用场景均有 资本注入。随着零售业对新动能需求迫切性的提高,以及AI技术在零售场景的不断试错打磨,未来能为零售企业带来明显 收益的解决方案企业更能脱颖而出,获得资本市场关注。

AI技术在零售领域的应用于2017年起步、2018年落地推进,2019年AI+零售市场规模达到6.5亿,随着AI解决方案能力的

不断提升和需求增多,预计到2022年市场规模将达到26.7亿元,2018-2022年CAGR达到44.6%。其中2020年市场规模 增速下滑的主要原因是受新冠疫情影响,需求企业对购买技术服务的支出相对谨慎;后随疫情后的经济恢复和市场信心提 振、技术应用发展等因素助推增速上涨。另由于阿里、京东、拼多多等零售巨头多以自研方式应用AI技术,AI+零售的建 设投入估算超过对市场营收规模的估算。2019年零售企业在AI技术上的投入达到14.8亿元,预计到2022年将达到42.6亿 元,2018-2022年CAGR达到37.0% 。

在实体零售领域,品牌商需对线下零售门店的产品陈列、货架占有率、促销产品摆放等进行营销效果监测,及时捕捉市场

动态。传统方式下,品牌商需雇佣大量访销人员进行门店产品陈列走访及管理工作。除人工成本昂贵、效率低下外,还存 在执行标准难以统一、管理流程不透明、数据数字化质量差等弊端。基于图像识别技术的AI商品陈列分析解决方案可助力 访销过程,提升一线业务人员人效,以智能化手段实现零售品牌对渠道终端门店的数字化、标准化管理。同时,对于终端 销售企业,该解决方案也可提高门店店员的理货效率、提供货品信息的采集入口,促进线下门店商品陈列管理的数字改革、 为门店的智能化运营和营销推广提供数据资源。

与电商平台可依靠移动应用有效获取消费者搜索记录、浏览痕迹、购买偏好等数据进行个性化推荐不同,线下零售门店在

消费者行为洞察上缺少必要的信息获取手段,以往只能在支付环节对交易数据和客户基本信息(性别、年龄等)进行统计, 对个体消费过程和消费偏好数据的采集与分析不足,难以有效挖掘客户价值。人脸识别和行人重识别(Re-ID)技术的发 展改变了这一局面,以智能摄像头为信息采集入口,通过采集消费者人脸、面部表情、衣着、体态、发型等信息,实现在 线下零售场景对消费者的全流程感知。Re-ID技术可补充人脸识别技术只依赖人脸信息的缺陷,在非配合条件下完成对个 体行进轨迹及动态的追踪。此外通过将人脸信息、购物轨迹等与会员管理系统、消费记录数据进行结构化整合,可实现对 线下渠道消费者营销推广及对业务经营的精细化管理。目前受线下零售场景头部集中程度和IT建设基础等因素影响,基于 视觉的消费者行为洞察解决方案在4S店、家电3C店、大型商业地产等零售业态实验落地。未来,随着算力升级、技术发 展带来的算法成本降低、市场需求度提升等利好因素,基于视觉的消费者行为洞察解决方案落地规模将逐步增加。

“无人零售”以降低人工成本作为切入点,在重视消费者体验、拓展零售场景的同时通过技术手段完成数据收集、分析与

应用,并最终实现消费流程的全面数据化以及整个产业链的智能化升级提效。“无人零售”并非全程无人,目前主要指特 定场景的无人值守,仍需管理人员及配货人员介入。现阶段主要存在以AI技术、物联网技术或移动支付技术为主的三种技 术路线,在无人店、无人货柜、自动贩卖机等业态均有融合落地。其中以AI技术为主的无人零售业态智能化水平最高,主 要应用于消费者引流、快捷支付、提升店内运营效率等环节。虽存在设备稳定性及成本门槛,但长期来看,在规模化应用、 改造供应链、商业模式重塑等方面潜力巨大。

与电商企业的互联网基因优势相比,品牌商及实体零售企业在数字化转型过程中有天然短板。虽然在移动互联网及移动支

付不断普及的大背景下,零售业线上线下融合程度不断提高,积累了大量的支付端数据。但在商品信息、消费者行为、货 品流转、商铺运营等环节中依然蕴含着大量未被数字化采集、处理或分析的“宝藏”数据。机器视觉、语音语义识别等AI 技术的广泛运用提供了更多维度的数据采集与分析方式;机器学习、知识图谱技术等则提供了从生产端到消费端全链路的 数据智能分析能力。围绕业务场景,价值链各环节间细颗粒度、实时性的数据流在大数据、AI等智能分析手段的支持下重 构企业销售、供应链、运营、生产制造等流程,超越传统专家规则的方式,以数据驱动智能决策。

作者:sunhua


COPYRIGHT © 2016-2026 爱炎(北京)科技有限公司 版权所有  京ICP备17034934号  客服热线:15810745364