“人工智能在零售行業的應用，除了前端消費者體驗的優化，還將在企業后端發揮巨大的作用。” 李寧集團 IT 總監朱遠剛日前在接受記者采訪時表示，“一方面是在產品設計研發階段，設計師可以借助AI技術大大提高設計的速度和效率。另一方面是在業務決策中，AI不僅可以幫助企業做數據分析，還可以進行自動化決策。”

 

為消費者提供“炫酷”的體驗

事實上，我們已經看到AI在人們生活衣食住行各個角落提供了諸多的便利。當我們通過淘寶、京東、唯品會等電商平臺網購時，就已經在接觸AI。譬如，在搜索商品時頁面出現“相似商品”的圖案，這就是最簡單的AI應用，即借助AI技術自動為購物者提供有效的建議，減少消費者瀏覽商品的時間和精力。

 

然而，消費者在購物過程中僅僅是通過關鍵字來搜索顯然已經不是最優化的體驗，也不能滿足現下消費者的“胃口”。使用文字、語音和圖片進行綜合搜索正在成為新的趨勢，無疑這將為用戶提供更豐富、更有效的搜索渠道。這種模式被稱為“多模態購物”。

 

 

舉例來說，基于機器學習和深度學習的圖像識別能力，就比標準的圖像識別更準確，并隨著時間的推移，獲得越來越高的精準度。無論是看到一個喜歡的顏色、一種喜歡的材質、還是一款喜歡的商品，我們都可以拍下來，通過圖片搜索出類似的產品。這對于“剁手黨”而言無疑是巨大的福音。

 

美國一家紅遍全球的裝修設計網站——Houzz已經通過一套能夠掃描包含家具和配件的房間圖像的深度學習系統，并且在自己的數據庫中為消費者提供類似家居的購買渠道。該平臺在2014年推出，目前已經通過15，000個商家提供了約600萬種產品。

 

不久前，Facebook也推出了類似技術的自動替代文本，通過圖像的研究為視障者提供書面描述。此外，Google還推出了根據地標線索如植被類型、建筑風格、道路上的車輛等就可以識別拍攝照片位置的深度學習程序PlaNet。

 

據Gartner預測，到2020年，85％的消費者互動將通過AI實現自動化管理，跨渠道機器人能夠在2018年之前識別消費者的聲音和面孔。

 

當然，目前就行業應用而言，我們只接觸到AI的皮毛，無論是企業還是消費者都期待AI技術在商業環境中有更大的發展空間，譬如為品牌商和消費者之間的互動提供更多的新形式、打造更為個性化的體驗，而這也必然是未來的商業趨勢。在接下來的幾年中，基于AI的類似于Google Home、Siri和Cortana的購物助手將大量接入到各類數字設備和平臺中，使得消費者的所有購物行為都可以通過圖片、語音和文字進行。AI個人助理將變得無處不在，變成我們日常生活中的一部分，加之虛擬現實和增強現實平臺的商業化，我們在短信、微信、Instagram、淘寶等各種APP上的體驗都將變得越來越智能化、越來越“炫酷”。

 

 

以數據“養”算法，不斷調優模型

AI從概念提出至今已經足足60年，而直到近兩年來才慢慢從科幻領域轉移到商業應用，這得益于強大的新型GPU、專用的硬件、全新的算法以及深度學習平臺等技術的全面發展，使得大量輸入的數據可以被計算。與此同時，技術的更新迭代也正不斷推動新的算法的出現，從而大大增加機器學習的速度和深度。當下，深度學習甚至可以做到在短短幾秒鐘內跨越數十億個數據點、數千個信號和數十個層次。

 

基于此，AI對于零售行業的“改造”將不僅僅是在消費者的體驗端。具體來說，AI本身是一種“催化劑”而不是獨立存在的技術，因而，隨著更多、更復雜的應用程序的推出，企業應該關注的重點方向是如何更好地利用數據釋放AI的價值。在與消費者的互動中，能夠產生的大量數據，并且反饋到AI算法平臺中，不斷調整和優化語義理解、預測模型和深度學習模型，形成對應的知識圖譜和畫像，建立知識庫，從而更深入地分析消費者偏好和需求，為消費者創造高度個性化的服務和體驗。

 

 

目前，已經有許多零售商已經部署了相關軟件或平臺，使計算機能夠更好地預測和實時提供智能選擇。

 

以李寧公司為例，結合相關數據，通過機器學習技術，并基于單店需求分析、商品賣點分析、競品和相似款分析、需求預測、需求與供應計劃建議等算法和模型，李寧公司已經實現了對不同消費者及地區的差異化營銷和個性化跟蹤服務，并通過對消費者需求進行預測，幫助集團更好地進行產品規劃設計、單店組貨分析、匹配產品需求與供應鏈生產計劃，在快速滿足消費者需求的同時，優化內部成本，最大化企業利潤。

 

再舉個國外的例子，eBay推出的個人購物助手eBay ShopBot，可以通過消費者數據的反饋，分析消費者喜歡的衣服尺寸或者品牌，并進行針對性的推送。所以當你喜歡阿迪達斯時，便不會繼續推送給你耐克的相關信息。此外，eBay ShopBot還可以通過計算機視覺技術，根據類似的圖像或照片，匹配找到相類似的產品。

 

總結：AI在零售行業的五大應用場景

總而言之，由AI引發的創新模式的確為零售企業提供了許多新的機會，為消費者打造一個高度語境化和個性化的購物體驗和場景。

 

 

這里再總結一下目前AI在零售行業的五大應用場景：

 

計算機視覺和模式識別。電商平臺每天都有數百萬張圖片，而通過計算機視覺和模式識別等深度學習技術，將通過對大量圖像進行分類和搜索，在不完整信息的情況下，自動識別圖像和文本中的關鍵要素，為消費者提供個性化和便捷的消費體驗。

 

消費者分析。由于每個個體消費者的數據量在不斷增加，許多公司推出了基于AI的新一代數據分析平臺，從而徹底改變零售企業的分析能力。通過集成傳感器和特征學習，使得零售商更好地分配營銷支出，識別和培育高價值客戶，最大限度地減少對無利潤客戶的影響。

 

“碎片化購物”與NLP（自然語言處理）。移動設備和應用程序的普及，使得越來越多的消費者習慣在碎片化的時間進行線上購物，如何將他們的這一系列瀏覽記錄、消費歷史等分解成數百個碎片化的實時決策，幫助消費者在購物中做出更明智的選擇，對于零售企業而言將變得至關重要。在這一過程中，NLP（自然語言處理）將會發揮非常大的價值。

 

智能庫存管理。有部分零售企業已經開始使用人工智能管理倉庫庫存，如應用基于深層神經網絡的尺寸、包裝解決方案，以消費者需求的精準預測來優化庫存管理等等。

 

人機交互與合作。人機交互（HCI）的重點是人與計算機之間的接口和通信，而人機合作（HMC）將是人機交互的下一步，即融合人類的創造力和常識，強化機器的認知。盡管計算機視覺近期取得了大量進展，但要實現更精準的識別，海需要機器和人之間的協作，才能構建用于增強特殊的圖像識別解決方案的數據集，從而不斷優化機器的圖像識別能力。