人工智能重构“人货场” 新零售的破局之法

  • 2022-06-23

  • 来源:第四范式

关于作者:

向明辉,第四范式供应链业务负责人。拥有20年以上快消、零售、互联网、智能商业相关工作经验,曾服务阿里巴巴、IBM、埃森哲、HP等领先企业,具备Data Science和Industry Expertise复合能力,在电商供应链、数字化供应链、供应链管理咨询方面积累了深厚经验。操盘过多个新零售的前中后台业务、产品及智能化运营体系的设计与落地。

近些年,受益于消费者数据的指数级增长,人工智能算法、算力等能力的提升,以及AIoT、5G等新兴技术的加持下,人工智能在零售行业的应用已逐步渗透到价值链的多个环节。

放在三四年前,大家更多听到的是“AI+零售”、“智能客服、“精准营销”、“智能推送”等词汇,如今,“智能化转型”、“零售业变革”成为了行业新的热词。这些热词的背后,是零售从业者对以人工智能为代表的技术革命的认知思维转变,——不单单是从某个技术领域应用到业务的单项试点,而是从企业转型角度将人工智能全盘渗透。大家对人工智能的态度也逐渐由“质疑”到“认可”、从“尝试”到“依赖”。

如今,行业都在讲各种各样的“智能、智慧”,从企业的角度来讲,智能的本质就是对外部市场环境的变化做出响应的能力,这个主体可以是一个单个元素比如机器人、立体仓库,可以是一个研发团队,一个车间或一个人……。当判断一个车间是不是智能,工厂是不是智能,组织是不是智能时,最重要的一个标志是,这个主体对外部环境的变化响应的能力有多高、有多快。

消费升级时代下,消费者的消费意识崛起,角色从“被动需求者”转变为“市场参与者”。这也让零售业从产品为王、流量为王过渡到了用户为王阶段。那人工智能在这场新零售的变革中,究竟充当了什么角色?又发挥了怎样的价值?

零售的本质是供需匹配。需求在“人”,供给的是“货”,交易的地点是“场”。新零售围绕消费者需求,重构了“人货场”,而人工智能便是帮助零售企业基于“人货场”迅速完成企业战略转型工具,亦是重构过程中最为重要的基础设施。

传统零售“人-货-场〞结构呈线性状态,“消费者、生产活经销商、零售商〞各参与方按照产业链流程进行信息交换,效率较低。在零售业转型浪潮下,“人-货-场”结构发生转变,信息流转速度加快、流转方向逐渐向环状结构演变。

人工智能技术加速优化了这一过程,行业数字化、数字价值挖掘水平不断增高,包括营销网状链路的构建、供应链间的网络协同融合、柔性生产等。“人-货-场”结构的优化,使购买端的消费者信息经过数字化及智能分析后,通过环状结构传递给各方参与者,各方可基于真实的市场需求,联动调整,实现利益最大化。同时,Al技术在消费者体验创新层面的尝试不断,也引导了零售业产业链结构转变。

“人”的重构:洞察最熟悉的陌生人

如今,在高频次、多场景的消费需求下,消费者对于零售商来说并不陌生。但如果问题问的再深入些,你的客户长什么样?兴趣点是什么?喜欢在什么时间看什么内容……传统零售商其实是非常茫然的,特别是对消费者内在、本质的心理诉求的把握。

消费者的需求越来越挑剔,企业竭力为消费者带来专属的、定制化的体验。今天的营销不再是传统的广度和深度的挖掘,而是要在无尽的沙漠中找到那一粒“价值连城”的沙子。环境在变,采用技术和方法也在变,以机器学习为代表的认知型人工智能技术其实看人“更准”。

此前,营销专家将客户划分成若干个客户群,按照不同客群的需求喜好进行产品服务匹配,而基于专家经验,根本难以覆盖“亿人亿面”的个性化挑剔需求。而机器学习可以精细划分并满足每一个个体需求,从而提升用户粘度与营销转化率。

其次,现在消费者的时间高度碎片化,每人每次使用手机的平均时长为2分钟,需要在等个红灯的时间,把握消费者稍纵即逝的想法。传统的营销方式,是提前预先设定好规则,无法做出“临场反应”。而人工智能的实时计算预估能力,将“事后分析”提升至“实时响应”。在顾客打开App的那一刻,系统可完成实施预估、业务决策和营销推荐显示三个步骤,快速推送客户感兴趣的内容和商品。目前,第四范式的推荐系统平均响应延迟在5ms以内,99%请求在20ms内响应,具备日均10亿次以上的毫秒级服务响应能力。

最后,用户的需求和行为也是在不断变化的,接受新事物的速度也在加快,这要求系统能够及时捕获并顺应客户需求的变化,形成数据闭环。传统的数字营销还是基于过去的客户数据在进行分析。用户很有可能因为看了的一段冬奥比赛视频,从而对滑雪产生浓厚兴趣,若基于旧有的数据推荐,则无法跟上消费者的变化步伐。人工智能天生具备自学习能力,可以利用业务过程中产生的反馈数据,持续进行系统自我纠偏与优化。我们看到很多时候,人工智能最大价值提升并不来自于系统上线的那一刻,而是来自于上线以后经年累月的自我迭代闭环。

“货”的重构:打造高效匹配的智慧供应体

供应链往往扮演的是“幕后英雄”的角色,因为不和消费者直接接触,所以不太被外界关注。但在零售企业,流行着这样一句话:销量反应好坏,供应链决定生死。

之所以这么说,是因为供应链涉及如选品选材、采购、定价、补调货、物流等换件环节,构成的运营体系支撑了企业日常正常运转的半壁江山,也是消费者体验成败与好坏的重要基础。

过去,传统供应链体系以“一维流程式供应链”为主,呈现一维的、单向的、链条式流转特征。这种体系下,商品从工厂到消费者手中要经过各种繁琐的流程,效率低下。一旦流程中出现断点或问题,很难快速找到原因并做出响应。此外,传统供应链下的企业仍以供应商/零售商而不是消费者为核心,对市场变化缺乏感知,在灵活性方面也存在一定短板。

智慧供应链是以消费者为核心,打造多维供应体,将消费者的需求、商品的部署、仓库网络协同、物流配送、服务等全链条数字化、智能化,即时响应,实现库存部署、配送链路距离和时效识别、限时送达及按需送达等定制化的客户需求。

智慧供应体的背后,则是在客户、销售、库存、供应、物流、配送等全渠道网络协同的前提下,通过人工智能技术实现智能决策能力,解决“卖什么、卖多少、怎么卖、送到哪、怎么送、赚多少”的问题。

由“链”到“体”,意味着决策的复杂度提升了难以表述的数量级。例如对于生鲜来说,企业为了保证食材新鲜度,既要加快配送时效,又要压缩物流成本。传统模式下,采销人员要依据预测销售计划制定原材料采购、调拨、生产、运输等规划,但计划、调度难以进行全局考量供应链决策速度、质量、稳定性无法达到业务要求,且成本、调度等决策分析数据透明度、可靠性、实时性难以充分保证。

近年来,环境学习、强化学习为代表的决策型人工智能技术在供应链中大显身手。环境学习融合了数据驱动的机器学习与专家知识驱动的机理模型,搭建趋于真实业务的动态仿真环境,从而使得人做决策不再“拍脑袋”,变得有据可依。且该技术也进一步弥补了数字孪生和模拟仿真技术的缺陷。在环境学习的基础上,强化学习通过与仿真环境进行大量交互,帮助强化学习做低成本试错和策略迭代,环境学习和强化学习的融合方案具备了自主决策能力。

自主决策能力的背后,需要企业完成从顶层的订单履约达成率和库存周转分解到各个环节销售预测、仓配物流的库容收发货能力、配送能力、频次、时效,工厂加工能力和时效、实时库存、收入和成本等完整的供应链业务数据化,实现数据到业务化的完整闭环,并利用强化学习持续优化,实现了计划与调度方案可根据不同的环境数据自动输出业务结果,保证了供应链数据透明、可试算、可追溯,计划与执行结果可评估、可分析,同时实现业务的可视、可控、可优化。

在实际的应用中,国内某知名零售企业很早便意识到了智慧供应链的价值,不断探索机器学习、强化学习技术赋能,从“品类规划”、“价盘管理”、“智能全网预测、补货和调拨”等关键业务场景切入,由浅入深的逐步实现供应链体系的自动化智能决策。目前项目已经推广实现38万长尾商品系统智能补货,1个CDC,10个RDC仓,超3000个门店系统自动补货和调拨;实现了插拔式的云仓云配的销售网络和供应网络体系;实现全渠道一盘货的管理。总体可节约人效10万人时/每年,库存周转提升40%。这种以大数据为基础,以智能决策为核心的新一代供应链体系打破了原有系统的诸多弊端,为应对未来10年的市场竞争提供了坚实的保证。

“场”的重构:搭建“人”与“货”的智能化连接

“场”是连接“人”与“货”的关键。与传统集贸式零售、连锁店式零售不同,在互联网时代,电商平台的出现重新定义了零售形态,让卖家和买家直接对话,平台的开放性、多样性、低成本、高效性让消费者能随时随地在网络上购买自己想要的商品。“场”的概念也从线下向线上延伸。广泛且高频的线上购物行为也为人工智能更好的洞悉消费者提供了基础。

与此同时,线下渠道向敏捷化转型,智能导购、数字化卖场等新业态出现。人工智能加速了线上与线下、物理世界与虚拟空间的融合,从而实现“人”与“货”的全渠道链接,搭建起线上购物与线上服务的互动桥梁。例如,顾客在线下享受购物体验,线上购物优惠支付,后台人流数据化管理有机结合,线上、线下双渠道的打通,让消费者的需求能够被更好地感知。

消费者在不同的“场”中有着不同的消费理念、消费行为,需要通过通过智能化手段提升用户粘性,或者有针对性的方式消费转化。比如利用人工智能技术实现创意自动化,可帮助零售企业更加高效地进行千人千面的创意内容制作和匹配,提高内容制作效率及对用户的个性化吸引,提升用户粘性,并通过推送消费者喜爱的促销方式来,提高转化及客单价。

此前,国内某知名奶粉企业在其APP端的不同频道建立不同的心智,针对每个场的核心指标进行数据化衡量和并通过人工智能技术进行迭代和优化的闭环,其用户的在线时长提升30%,同时该部分人群的整体ARPU高于平台用户的40%;与此同时,以促销和转化为心智的场实现用户的下单转化率近25%,年度可提升整体销售额超过数千万元。

在实体零售领域,企业也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,品牌商需通过访销人员进行门店产品陈列走访及管理,效率低下。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,为门店的智能化运营和营销推广提供数据资源,也能更好的帮助企业为消费者提供更优质的购物体验。

在零售行业的智能化浪潮中,围绕“人、货、场”的数智化转型进程仍在不断深化,智能化变革也不断优化人的管理、货的管理和场的管理,将“人、货、场”的数据进行整合打通,人工智能便如同心脏和水泵,将“数据”血液转化为企业决策依据的能量和动力,支撑企业高效发展,这也是人工智能在新零售变革中的核心所在。

  • 新闻
  • IT/互联网
  • CIO
  • IT
  • 人工智能

推荐

我要评论