您的位置:
导读：一百多年前，电的发明改变了无数行业，20年前出现的互联网亦是如此。而当下，人工智能（AI=Artificial Intelligence）将会对行业产生同样的影响。人工智能尽管发展迅速，但仍不成熟，所以期望AI实现迅速颠覆并不现实。但是只要某个产业能产生大量数据，AI将很有可能将这些数据转化为价值和经济效益。恰好传统零售拥有大量的顾客个人数据、购物数据、商品受欢迎度数据、顾客需求数据、商场环境数据等等，这些线下数据都是电商公司非常渴求的信息。人工智能的作用就是消除数据孤岛，主动去吸收更多的数据从而进行分析，实现专业化和高效化。
何为人工智能，通俗讲就是让机器形成听、说、看、学习、理解等能力，各自所对应的技术分支领域大致包括语音识别、自然语言处理、计算机视觉、机器学习等。目前来讲，机器人是人工智能最全面的落地形式。近年来随着数据量的剧增、运算能力的提高以及深度学习等算法地不断优化，使得人工智能在多个方面有了突破性进展，得益于这些进步，零售行业也开始重视人工智能，并尝试利用AI促进商品销售和仓库管理。
本文把人工智能划分为机器学习、计算机视觉、语音识别&自然语言处理、机器人四大类进行详细讲述，每一类都在零售中有着较为纵深的应用场景。
机器学习
机器学习的核心是让机器像人类一样进行学习，根据以往的“经验（数据）”，进行总结和归纳，从而进行执行和预测任务。
机器学习与零售商会员系统的相关度非常紧密，零售商需要全面掌握会员的购买记录和身份信息。根据这些信息把人工智能转化为个性化零售服务和购买需求预测的关键点，就在于机器学习，它可利用数据、统计学和概率学解决问题。其中机器学习主要用于完成以下任务：
1、用户画像
用户画像是根据顾客的身份注册信息和购买记录来判断他的兴趣爱好、购买习惯、购物规律等私人信息，数据管理系统对某一顾客的数据收集得越多，用户画像就愈完整。数据管理系统会根据这些信息为各个顾客打上很多标签，如：90后、男、运动、学生、电影等等。这些数据和标签可对顾客群体细分，有利于瞄准特定的群体进行定向营销和服务。
2、标签匹配
每个顾客在数据管理系统中都由很多标签组成，经过机器学习的处理，可让这些标签进行匹配：如果发现顾客A与顾客B很多标签属性比较相似，当A购买了某些折扣商品后，系统会做出判断，考虑给B以直邮或短信等形式发送这些商品的优惠信息。
这套系统在亚马逊和当当网等电子商务网站上的应用最广泛，假设用户在查看书籍《安迪沃霍尔的哲学》时，当当网便会在下方推荐”你可能喜欢“的书籍。这个兴趣推荐根据根据两种机器学习算法进行，第一个是推荐和《安迪沃霍尔的哲学》相同类目的艺术类书籍。而在推荐同一类书籍的时会增加另外一种算法来增加精准度，增加精准度则是依靠用户画像，寻找和他属性相似的消费者的查看/购买记录进行匹配，这样就大大提高了推荐书籍的精准度。
3、购买行为预测
有了用户画像知道“他是一个什么样的人”之后，就需要对他的购买行为进行预测。维克托在《大数据时代》中写到：美国第二大超市Target公司曾上线一套顾客分析工具，利用机器学习技术对顾客的购买记录进行分析，向顾客进行产品推荐。他们根据一个未成年女孩在Target连锁店中的购物记录，推断出这个已女孩怀孕，然后开始以购物手册的形式向女孩推荐一系列孕妇产品。虽然这一手段让女孩的家长非常愤怒，但事情的真相是女孩向家长隐瞒了怀孕消息，而超市却事先计算出了她怀孕的迹象。
何准确地判断哪位顾客怀孕？Target先是对顾客的消费数据进行分析建模，在经过机器学习算法的计算后，他们得出规律：许多孕妇在第2个妊娠期的开始会买许多大包装的无香味护手霜；在怀孕的最初20周大量购买补充钙、镁、锌的善存片之类的保健品。最终Target选出了25种典型商品的消费数据构建了“怀孕预测指数”，通过该指数，Target在很小的误差范围内预测到顾客的怀孕情况，于是早早地把孕妇优惠广告寄发给顾客。
Target把这个利用机器学习训练出的模型开始应用在其他各种细分顾客群中，随后的几年间，Target的销售额从440亿美元增长到了670亿美元。
4、更高级的深度学习解决方案
除了常见的自有数据外，零售商应该建立起收集或购买第三方数据和学习模型的意识。第三方数据很容易理解，那么何为学习模型？
零售商在获得用户数据后，需要把这些数据进行训练从而搭建成一个非常优秀的推荐和预测模型。但是数据训练往往难度较大，如果直接使用其他大型零售商的模型是一个不错的选择，但由于竞争问题他们往往并不会把模型开放给对手。在这种情况下，我们以“迁移学习”模型为例（一种提高数据训练效率的方式），迁移学习则可事先把一个预先训练好的模型挪到一个类似的任务上使用，不仅节省训练时间，同时也可提高精准度。
假设研究人员拥有海量线上数据，却缺乏线下顾客数据时，由于两者有着一定的共性，研究者可事先拿线上数据训练模型，基于这个模型在线下训练模型的最后几层，然后对这几层的参数进行微调。香港科技大学教授杨强教授曾提出：大数据设计出来的模型用于小数据上，它的副产品就是个性化。这就是迁移学习的目的。
部分中小零售企业其数据量并没有大型电子商务企业积累的数据多，但可以采用由电子商务训练出来的模型同样能起到非常好的效果。迁移学习可实现将千万人的大数据模型迁移到个别人身上，这样对这个人的购买行为预测就会更加精准。
当然，迁移学习目前仍旧尚未普及开来，但可以预见未来会是改变零售行业的重大利器。
5、机器学习将是零售商竞争力的重要体现
数据固然重要，但很多时候用户的数据非常碎片化。当零售商手中拥有大量数据但却不知如何利用的现象很常见。其实很多数据在研究员看来都是“噪音”，这里需要注意“有效数据”的收集。对于大型零售商而言，最好的方式是自己搭建机器学习团队，未来零售商店的数据量以及数据解决方案会是竞争力的重要体现。如果公司体量较小，外包给其他技术公司或采用第三方技术解决方案也不失为一种好的选择。
计算机视觉
计算机视觉（computervision）简称CV，是模拟人类视觉的人工智能技术，用机器来“看”图像，“理解”图像。人类经过数千万年的进化，早已拥有了复杂而精密的识别和传感系统，而且在现实世界中，如果以帧计算，我们每天都在看和学习数以万计的图像，而对只有寥寥几十年历史的计算机而言，利用计算机视觉技术让它看懂图像是一件很复杂的事情。
计算机视觉在近些年开始逐渐被应用在零售行业当中，主要出于两点：图像识别率不断提高；成本下降。由于国内传统零售商对计算机视觉的认知并不成熟，所以导致应用相对较少。相比而言，以互联网起家的阿里巴巴、京东等电商公司，得益其技术公司属性，他们对人工智能如何应用在商品销售中的探索更为纵深。而且两者也正在着手开拓线下零售业务，这更有利于他们收集线下数据，从而把数据反馈给人工智能系统，使其变得更加智能。
计算机视觉主要包括两大分支：人脸识别和物体识别。近期非常火热的无人零售商店Amazon Go就是把人脸识别、物体识别技术应用地淋漓精致，同时配合各种传感器和自动化装置打造出一个先进的未来超市。
1、人脸识别
人脸识别应用在安防、支付以及身份验证。腾讯优图目前是中国最大的人脸数据库之一，每天需要处理10亿次调用需求，腾讯优图曾在 LFW 技术评测中以 99.65% 的识别率排名世界第一，与此同时，国内的商汤科技、旷视科技、百度IDL等公司（机构）均在该榜单取得全球第一的成绩。
人脸识别落地到商场，专注于对顾客的人脸进行采集和记录，采集后这张人脸就成为顾客的ID。厂商可在结账台设置一个智能摄像头，并与收款设备连接。当顾客在台前结账时，摄像头先捕捉到顾客的人脸，然后实时记录他的购买记录，随后将这些数据传输至云端，利用机器学习技术进行处理，让人脸信息和购买数据结合成完整用户画像。当顾客进入商场，门口的摄像头会自动识别出这张人脸，顾客的用户画像也随之呈现。与此同时，在结账台前安置智能摄像头的另一个应用是可实现刷脸支付，把自己的脸与银行卡绑定，实现“人脸即密码”。
目前计算机对人脸的识别率已超过人类，计算机可以对人脸及其细节进行归纳和抽象，得到最为本质的人脸特征进行比对，甚至比人有更强的区分“双胞胎”的能力。但目前存在的问题是，在实际应用中由于有些场景摄像头拍摄的人脸并不足够清晰，而且受环境影响，准确率会受到影响。除此之外，顾客的隐私问题也是阻碍这项技术难以广泛推广的原因之一。
2、物体识别
（一）商品识别
自动结账已成为一大趋势，但自动结账仍旧需要消费者扫描商品条形码。自动结账系统目前在国内仍然处于尝鲜阶段，以深圳地区为例，目前仅华联、华润万家、ole 、永辉等部分超市设置了自助收银机，之所以未在国内普及开来，一方面受限于高昂的成本，另外国内消费者并未养成使用自动结账系统的习惯。
基于这一痛点，国外有公司在今年推出基于IBM图像识别和PayPal支付的移动应用PepperPay ，将图像识别技术应用到商品识别和支付中来，顾客把选购好的商品放置在配备了PepperPay技术的设备前，设备摄像头就会对商品进行拍照，把照片传送至后台，然后识别出购买的商品，进行计价结账。
（二）图片检索
图片检索是指顾客通过上传图片来找到需要购买的物品，无需输入关键字，其更多应用在商场的线上店铺。除了根据图片搜索与之相同的商品外，它还会向顾客推荐视觉上相似的商品，目前淘宝已拥有图片搜索功能。国内人工智能公司码隆科技在图片检索技术方面有着较为深厚的积累，其提供的解决方案根据调用次数来收服务费。
上述以人脸识别和物体识别分开进行讲述，而目前格灵深瞳、商汤科技、旷视科技可为零售商提供综合的技术解决方案，方案如下：
顾客属性：通过分析顾客身体结构，准确识别出顾客的性别、大致年龄、姿态等多种生理特征。动静态人群行为捕捉：比如说对人的某些动作，可以判断人的动作是否有偷窃等行为。
人群检测：能准确、迅速地找出场景中所有的捕捉到位置。
店内可视化监控：分析货架上的图片和视觉内容，帮助品牌实时追踪产品的储备和推广情况；计算人群数量和密度，检测异常现象。实现促销区、重要区域的人流统计与控制。
其中国内的店小二科技在国内某大型商场通过吸顶式单目、双目或俯视摄像头，对到店顾客的客流量、年龄、性别、购物区域热力图进行统计与分析。也在乐斯菲斯专卖店，通过面部识别技术识别进店顾客，提示店长当前进店顾客基本信息和购物习惯，店长对顾客购物数据的“临时”运用，带来有个性化的导购服务。
语音识别与自然语言处理
语音识别技术就是把语音信号转变为文本的技术，自然语言处理其实是试图理解这些转化好的文字，与机器进行语言上的交流，让机器听懂你说什么。语音识别产品，可以识别“现在几点”这样的问句，作出响应。但是这个问法必须是固定的，用其他的问法，它们就无法作出响应。如果给出“现在很晚了么”这个指令，一般语音识别产品是无法理解你要做什么的。而自然语言处理的产品则可以告诉你，现在是晚上9点有点晚。
零售与语音识别、以及自然语言处理的结合，一般会以会话商务的形式存在：利用聊天软件和聊天机器人以文本或语音的形式协助消费者购买商品。
1、虚拟助理
让机器像人一样跟你对话聊天、解决问题，这就是语音识别和自然语言处理的终极目标之一。
假设你是一家大型运动零售商的销售助理，顾客问你42码的某款安德玛球鞋还有没有库存，你转而询问Stuart，他会告诉你这款42码的安德玛球鞋已售罄。Stuart 是一个类似Siri的人工智能助理软件，它自动连接了零售商的库存管理系统和POS机系统，销售人员无需在库房和销售点之间来回跑动。
虚拟助理一方面以软件的形式存在，但未来更多会以实体机器人的形式安置在超市的各个地方，后面我们会重点讲到这部分内容。当顾客和和实体机器人进行交谈时，它会问你的购物需求以及兴趣，回答完你要寻找的东西后，它将显示你要寻找的物品照片和一些其对应价格的统计。
机器人
机器人无疑是人工智能最佳形态之一，因为机器人可以同时嵌入机器学习、计算机视觉、语音识别、自然语言处理技术，使得其在多个维度满足顾客的需求。既能看、又能说、也能处理复杂的问题。
1、全能型机器人
全能型机器人以软银的Pepper为代表，其在日本已完成一万多台的销售额，主要出现在零售店和大型商场中。台湾也已租用100多台Pepper机器人，其中一部分用于家乐福超市。目前中国版Pepper由软银负责设计研发，阿里巴巴提供 YunOS 系统，富士康生产制造。
Pepper机器人置入了语音识别和自然语言处理技术，既能听懂购物者的需求，与顾客进行交流。也能识别人的声调，知道顾客是生气还是开心。此外，Pepper也置入了计算机视觉技术，识别出人脸的表情和神态，并记录下每张人脸，根据顾客的用户画像数据，判断顾客身份从而提供个性化服务。
除了与人交互外，Pepper也有着很全面的导购功能。顾客在购买物品时需要在货架上逐个逐个寻找，非常耗时，如果购物清单过长，问导购员也是件劳心的事情，而导购员有时也对产品的具体方位并不清楚。此时当顾客把需求用语音告诉Peppe后，它可直接带顾客走到商品的货架跟前，像售货员一样介绍商品的基本信息。
此外，Pepper也可为顾客提供排队叫号的服务，具体流程如下：在领取买单号码之后，消费者可以去看其他商品，快到你买单的时候，Pepper会自动提醒你。如果时间紧急购买的商品量较少，顾客可直接先取号码再找商品，省去排队结账环节。
2、导购机器人
Pepper机器人的最大优势在于交流和互动，而有些机器人则专注于导购和解决其他实际问题。Budgee就是这类机器人的代表。
Budgee是由沃尔玛与机器公司Five Elements Robotics合作开发的智能购物车形机器人，Budgee购物车机器人可实现自动行驶，自动跟着顾客走，甚至能完成上山下坡。顾客只需将购物清单发送给Budgee，Budgee就能分析购物清单并定位商品，规划出购物路线，智能机器人还能分析购物车中的商品，并告诉顾客此商品的一些优惠以及促销信息。
假设顾客将某品牌的红酒放在购物车机器人上，机器人就会提醒顾客，买第二瓶半价；或者提醒其他某品牌的红酒也在搞促销活动，价格更低。如果商店里面没有你顾客购物清单上的商品，它则会给你提供一些替代品作为参考。
除了上述两款明星机器人产品外，俄罗斯的PromoBot也非常受欢迎，目前国内的科希（杭州）微电子技术开发有限公司已购进多台机器人，在商贸中心收集顾客的信息，为顾客提供导航和咨询服务，目前单台售价为1万美元。
3、货架巡逻机器人
超市的商品货架管理是一项非常繁杂的工程。超市里往往会出现工作人员弄错商品的价格标签，混淆商品的摆放位置，严重影响顾客的购物体验。由于超市的商品种类众多，工作人员要找出这些问题也较为吃力，而且核对流程仍旧有可能会出错。据估计，全球零售商每年因货架上要是没有顾客想要的商品最终导致顾客流失，使得流失的收入累计高达数十亿。
为了解决这一问题，Simbe Robotics推出一款能够帮助理货的机器人Tally，既可避障，也可探测扫描。根据后台的货品数据，对整个商场进行扫描以及分析，从而了解哪些商品需要补充上架、哪些商品定价错误或者位置放置不正确，最终及时将这些问题反馈给工作人员。此外，Tally可以计算出库存，提供详细的补货意见。
4、仓库机器人
上述提到的几款机器人更多应用在台前，对零售商而言，背后的仓储管理也极为重要。
2012 年亚马逊收购了Kiva Systems，将其应用在仓储系统中。数据统计，kiva的作业效率比传统的物流作业提升了2到4倍，机器人每小时可移动30英里，所到位置的准确率达到99.99%。据瑞银分析师估计，亚马逊机器人部门每年可帮助亚马逊节省大约9亿美元的人力成本。
除Kiva外，Locus机器人可协助工作人员完成仓库的分配、送货任务。Locus配有摄像头和2D条形码验证，利用雷达系统来追踪它在预置地图中的位置。Locus熟知每个商品在仓库中的位置，会自动导航到物品的所在位置等待执行任务。这时，工人的作用就是巡逻仓库区域，当他们发现有机器人在货架旁待命时，工人只需在机器人的屏幕上看其需要什么，分拣出来过后移动到下一个位置，或者直接驶向货运站。目前已有公司生产出能够用吸盘和夹子、机械手捡起盒子、瓶子的机器人。但由于商品形状、大小、重量等各不相同，对机器人来说要像人一样操作它们有一定的难度。
国内不少公司尤其是京东和阿里开始广泛使用仓库机器人，仓库机器人不像Pepper那样拥有图像识别和语音识别等能力，它们更多采用了以下技术和功能：
（一）感知和避障
通过摄像头、距离传感器、雷达等组件，感知外界环境信息，通过嵌入式算法模块对这些信息进行处理，形成对外部环境的理解，从而进行实时避让。
京东无人配送车配备了雷达和多个视觉传感器，通过生成视差图等方式构建外部环境的三维环境，计算出距离和障碍物的大小。阿里菜鸟的小G则通过深度学习识别环境中的车辆和行人，利用自适应粒子滤波算法对识别出的实体进行准确的轨迹预测，然后提前避让。
（二）路线规划
感知和避障只是这类机器人功能之一，此外，它们还可以参照地图测算和定位，根据行驶过程中景物的变化，实时地改变移动路线。
阿里菜鸟的小G就可根据景物识别结果和地图定位情况，根据内置算法变更已有路线。此外，小G还能根据目标配送点的分布情况，调整配送顺序，以达到最高效迅捷的配送。国内的云迹科技机器人可通过无线信号连接与建筑物内部的电梯控制器通信，加上智能感知的技能，自主乘坐电梯到目标楼层。菜鸟小G还可根据电梯里的拥挤情况主动放弃乘坐。
小结
尽管零售与人工智能相结合确实能大大提高工作效率、促进商品销售和仓库管理，但其仍旧面临成本高和市场教育难等问题。随着技术的不断成熟，解决成本压力只是时间问题。在这种情况下，零售商应以主动的心态去拥抱人工智能，而非被动接受去接受新事物，唯有这样才能更快促进人工智能在零售行业的落地，让更多业态的零售商在与电子商务公司竞争中拥有更多话语权。