国产精品看高国产精品不卡-国产精品看片-国产精品蝌蚪-国产精品狼人久久久久影院草久久一区二区三区午夜亚洲福-国产精品老熟女视频一区二区-国产精品理论片

關于作者：

向明輝，第四范式供應鏈業務負責人。擁有20年以上快消、零售、互聯網、智能商業相關工作經驗，曾服務阿里巴巴、IBM、埃森哲、HP等領先企業，具備Data Science和Industry Expertise復合能力，在電商供應鏈、數字化供應鏈、供應鏈管理咨詢方面積累了深厚經驗。操盤過多個新零售的前中后臺業務、產品及智能化運營體系的設計與落地。

近些年，受益于消費者數據的指數級增長，人工智能算法、算力等能力的提升，以及AIoT、5G等新興技術的加持下，人工智能在零售行業的應用已逐步滲透到價值鏈的多個環節。

放在三四年前，大家更多聽到的是“AI+零售”、“智能客服、“精準營銷”、“智能推送”等詞匯，如今，“智能化轉型”、“零售業變革”成為了行業新的熱詞。這些熱詞的背后，是零售從業者對以人工智能為代表的技術革命的認知思維轉變，——不單單是從某個技術領域應用到業務的單項試點，而是從企業轉型角度將人工智能全盤滲透。大家對人工智能的態度也逐漸由“質疑”到“認可”、從“嘗試”到“依賴”。

如今，行業都在講各種各樣的“智能、智慧”，從企業的角度來講，智能的本質就是對外部市場環境的變化做出響應的能力，這個主體可以是一個單個元素比如機器人、立體倉庫，可以是一個研發團隊，一個車間或一個人……。當判斷一個車間是不是智能，工廠是不是智能，組織是不是智能時，最重要的一個標志是，這個主體對外部環境的變化響應的能力有多高、有多快。

消費升級時代下，消費者的消費意識崛起，角色從“被動需求者”轉變為“市場參與者”。這也讓零售業從產品為王、流量為王過渡到了用戶為王階段。那人工智能在這場新零售的變革中，究竟充當了什么角色?又發揮了怎樣的價值?

零售的本質是供需匹配。需求在“人”，供給的是“貨”，交易的地點是“場”。新零售圍繞消費者需求，重構了“人貨場”，而人工智能便是幫助零售企業基于“人貨場”迅速完成企業戰略轉型工具，亦是重構過程中最為重要的基礎設施。

傳統零售“人-貨-場〞結構呈線性狀態，“消費者、生產活經銷商、零售商〞各參與方按照產業鏈流程進行信息交換，效率較低。在零售業轉型浪潮下，“人-貨-場”結構發生轉變，信息流轉速度加快、流轉方向逐漸向環狀結構演變。

人工智能技術加速優化了這一過程，行業數字化、數字價值挖掘水平不斷增高，包括營銷網狀鏈路的構建、供應鏈間的網絡協同融合、柔性生產等。“人-貨-場”結構的優化，使購買端的消費者信息經過數字化及智能分析后，通過環狀結構傳遞給各方參與者，各方可基于真實的市場需求，聯動調整，實現利益最大化。同時，Al技術在消費者體驗創新層面的嘗試不斷，也引導了零售業產業鏈結構轉變。

“人”的重構：洞察最熟悉的陌生人

如今，在高頻次、多場景的消費需求下，消費者對于零售商來說并不陌生。但如果問題問的再深入些，你的客戶長什么樣?興趣點是什么?喜歡在什么時間看什么內容……傳統零售商其實是非常茫然的，特別是對消費者內在、本質的心理訴求的把握。

消費者的需求越來越挑剔，企業竭力為消費者帶來專屬的、定制化的體驗。今天的營銷不再是傳統的廣度和深度的挖掘，而是要在無盡的沙漠中找到那一粒“價值連城”的沙子。環境在變，采用技術和方法也在變，以機器學習為代表的認知型人工智能技術其實看人“更準”。

此前，營銷專家將客戶劃分成若干個客戶群，按照不同客群的需求喜好進行產品服務匹配，而基于專家經驗，根本難以覆蓋“億人億面”的個性化挑剔需求。而機器學習可以精細劃分并滿足每一個個體需求，從而提升用戶粘度與營銷轉化率。

其次，現在消費者的時間高度碎片化，每人每次使用手機的平均時長為2分鐘，需要在等個紅燈的時間，把握消費者稍縱即逝的想法。傳統的營銷方式，是提前預先設定好規則，無法做出“臨場反應”。而人工智能的實時計算預估能力，將“事后分析”提升至“實時響應”。在顧客打開App的那一刻，系統可完成實施預估、業務決策和營銷推薦顯示三個步驟，快速推送客戶感興趣的內容和商品。目前，第四范式的推薦系統平均響應延遲在5ms以內，99%請求在20ms內響應，具備日均10億次以上的毫秒級服務響應能力。

最后，用戶的需求和行為也是在不斷變化的，接受新事物的速度也在加快，這要求系統能夠及時捕獲并順應客戶需求的變化，形成數據閉環。傳統的數字營銷還是基于過去的客戶數據在進行分析。用戶很有可能因為看了的一段冬奧比賽視頻，從而對滑雪產生濃厚興趣，若基于舊有的數據推薦，則無法跟上消費者的變化步伐。人工智能天生具備自學習能力，可以利用業務過程中產生的反饋數據，持續進行系統自我糾偏與優化。我們看到很多時候，人工智能最大價值提升并不來自于系統上線的那一刻，而是來自于上線以后經年累月的自我迭代閉環。

“貨”的重構：打造高效匹配的智慧供應體

供應鏈往往扮演的是“幕后英雄”的角色，因為不和消費者直接接觸，所以不太被外界關注。但在零售企業，流行著這樣一句話：銷量反應好壞，供應鏈決定生死。

之所以這么說，是因為供應鏈涉及如選品選材、采購、定價、補調貨、物流等換件環節，構成的運營體系支撐了企業日常正常運轉的半壁江山，也是消費者體驗成敗與好壞的重要基礎。

過去，傳統供應鏈體系以“一維流程式供應鏈”為主，呈現一維的、單向的、鏈條式流轉特征。這種體系下，商品從工廠到消費者手中要經過各種繁瑣的流程，效率低下。一旦流程中出現斷點或問題，很難快速找到原因并做出響應。此外，傳統供應鏈下的企業仍以供應商/零售商而不是消費者為核心，對市場變化缺乏感知，在靈活性方面也存在一定短板。

智慧供應鏈是以消費者為核心，打造多維供應體，將消費者的需求、商品的部署、倉庫網絡協同、物流配送、服務等全鏈條數字化、智能化，即時響應，實現庫存部署、配送鏈路距離和時效識別、限時送達及按需送達等定制化的客戶需求。

智慧供應體的背后，則是在客戶、銷售、庫存、供應、物流、配送等全渠道網絡協同的前提下，通過人工智能技術實現智能決策能力，解決“賣什么、賣多少、怎么賣、送到哪、怎么送、賺多少”的問題。

由“鏈”到“體”，意味著決策的復雜度提升了難以表述的數量級。例如對于生鮮來說，企業為了保證食材新鮮度，既要加快配送時效，又要壓縮物流成本。傳統模式下，采銷人員要依據預測銷售計劃制定原材料采購、調撥、生產、運輸等規劃，但計劃、調度難以進行全局考量供應鏈決策速度、質量、穩定性無法達到業務要求，且成本、調度等決策分析數據透明度、可靠性、實時性難以充分保證。

近年來，環境學習、強化學習為代表的決策型人工智能技術在供應鏈中大顯身手。環境學習融合了數據驅動的機器學習與專家知識驅動的機理模型，搭建趨于真實業務的動態仿真環境，從而使得人做決策不再“拍腦袋”，變得有據可依。且該技術也進一步彌補了數字孿生和模擬仿真技術的缺陷。在環境學習的基礎上，強化學習通過與仿真環境進行大量交互，幫助強化學習做低成本試錯和策略迭代，環境學習和強化學習的融合方案具備了自主決策能力。

自主決策能力的背后，需要企業完成從頂層的訂單履約達成率和庫存周轉分解到各個環節銷售預測、倉配物流的庫容收發貨能力、配送能力、頻次、時效，工廠加工能力和時效、實時庫存、收入和成本等完整的供應鏈業務數據化，實現數據到業務化的完整閉環，并利用強化學習持續優化，實現了計劃與調度方案可根據不同的環境數據自動輸出業務結果，保證了供應鏈數據透明、可試算、可追溯，計劃與執行結果可評估、可分析，同時實現業務的可視、可控、可優化。

在實際的應用中，國內某知名零售企業很早便意識到了智慧供應鏈的價值，不斷探索機器學習、強化學習技術賦能，從“品類規劃”、“價盤管理”、“智能全網預測、補貨和調撥”等關鍵業務場景切入，由淺入深的逐步實現供應鏈體系的自動化智能決策。目前項目已經推廣實現38萬長尾商品系統智能補貨，1個CDC，10個RDC倉，超3000個門店系統自動補貨和調撥;實現了插拔式的云倉云配的銷售網絡和供應網絡體系;實現全渠道一盤貨的管理。總體可節約人效10萬人時/每年，庫存周轉提升40%。這種以大數據為基礎，以智能決策為核心的新一代供應鏈體系打破了原有系統的諸多弊端，為應對未來10年的市場競爭提供了堅實的保證。

“場”的重構：搭建“人”與“貨”的智能化連接

“場”是連接“人”與“貨”的關鍵。與傳統集貿式零售、連鎖店式零售不同，在互聯網時代，電商平臺的出現重新定義了零售形態，讓賣家和買家直接對話，平臺的開放性、多樣性、低成本、高效性讓消費者能隨時隨地在網絡上購買自己想要的商品。“場”的概念也從線下向線上延伸。廣泛且高頻的線上購物行為也為人工智能更好的洞悉消費者提供了基礎。

與此同時，線下渠道向敏捷化轉型，智能導購、數字化賣場等新業態出現。人工智能加速了線上與線下、物理世界與虛擬空間的融合，從而實現“人”與“貨”的全渠道鏈接，搭建起線上購物與線上服務的互動橋梁。例如，顧客在線下享受購物體驗，線上購物優惠支付，后臺人流數據化管理有機結合，線上、線下雙渠道的打通，讓消費者的需求能夠被更好地感知。

消費者在不同的“場”中有著不同的消費理念、消費行為，需要通過通過智能化手段提升用戶粘性，或者有針對性的方式消費轉化。比如利用人工智能技術實現創意自動化，可幫助零售企業更加高效地進行千人千面的創意內容制作和匹配，提高內容制作效率及對用戶的個性化吸引，提升用戶粘性，并通過推送消費者喜愛的促銷方式來，提高轉化及客單價。

此前，國內某知名奶粉企業在其APP端的不同頻道建立不同的心智，針對每個場的核心指標進行數據化衡量和并通過人工智能技術進行迭代和優化的閉環，其用戶的在線時長提升30%，同時該部分人群的整體ARPU高于平臺用戶的40%;與此同時，以促銷和轉化為心智的場實現用戶的下單轉化率近25%，年度可提升整體銷售額超過數千萬元。

在實體零售領域，企業也需對線下零售門店的產品陳列、貨架占有率、促銷產品擺放等進行營銷效果監測，及時捕捉市場動態。傳統方式下，品牌商需通過訪銷人員進行門店產品陳列走訪及管理，效率低下。基于圖像識別技術的AI商品陳列分析解決方案可助力訪銷過程，提升一線業務人員人效，以智能化手段實現零售品牌對渠道終端門店的數字化、標準化管理，為門店的智能化運營和營銷推廣提供數據資源，也能更好的幫助企業為消費者提供更優質的購物體驗。

在零售行業的智能化浪潮中，圍繞“人、貨、場”的數智化轉型進程仍在不斷深化，智能化變革也不斷優化人的管理、貨的管理和場的管理，將“人、貨、場”的數據進行整合打通，人工智能便如同心臟和水泵，將“數據”血液轉化為企業決策依據的能量和動力，支撐企業高效發展，這也是人工智能在新零售變革中的核心所在。