走向“烏托邦”的智慧零售業

孫亞程 姚岱 鄒逸浚

實體商業走向“深水區”

中國實體零售業在近年來面臨多重困境，其中最為顯著的是疫情的沖擊以及電子商務的快速崛起。疫情的爆發和持續深度改變了主流消費者的消費習慣，居家期間更多消費者選擇線上購物，導致實體店的銷售額和利潤雙雙下滑。即便在疫情前，實體零售業也面臨著電子商務的崛起帶來的巨大壓力和實體店被蠶食的風險。根據瑞吉（JLL）發布的數據，2018年，中國零售商關閉了大約6，600家門店，2019年這一數字達到了9，300家，2020年更是飆升至超過2萬家。在2020年的關店數量中，超過70%的門店屬于百貨商場和購物中心內的租戶。在日益嚴苛的大背景下，除了通過關店裁員來“斷臂求生”，實體零售業應該如何有效的減本增效，最終化危為機？

我們確信，盡管電子商務的崛起為消費者提供了更多的購物選擇，實體零售業并不會消亡。事實上，零售業的復蘇比很多人預想的來的更早更快。根據美國國家零售聯合會（National Retail Federation）發布的數據，2021年3月，美國實體零售業銷售額同比增長了18.3%，這是近年來的最高增長率之一。此外，根據中國國家統計局發布的數據，2021年第一季度，中國實體零售業銷售額同比增長了33.9%。實體零售業之所以在長期能夠穩定和發展，關鍵在于實體零售為消費者提供了獨特且不可被完全替代的購物體驗：消費者可以在店內實際觸摸、試穿、試用商品，同時能夠享受到更好的客戶服務和面對面的人際交流。此外，實體零售店還可以提供更快捷的商品交付和更靈活的退貨/換貨政策。這些優勢無疑可以吸引那些更注重購物體驗的消費者。

實體商業的痛點和盲點

傳統零售業的最大痛點，是缺失對顧客線下購物歷程和行為的洞察。眾所周知，電子商務的長處是商家可對顧客購物歷程全程追蹤，并獲取包括用戶的瀏覽、點擊、搜索等行為沉淀下來的“點擊流”數據。這些數據對商家有著巨大的價值：一方面，通過對宏觀級別的點擊流數據分析，結合營銷轉換漏斗的概念，商家可以（1）清晰了解潛在顧客的來源，進而優化廣告投放策略和媒體合作伙伴關系；（2）精準衡量營銷活動的效果，如廣告點擊率、轉化率等，以便及時調整和優化營銷策略；（3）發現頁面的設計問題，從而優化頁面布局和提高用戶體驗。另一方面，通過分析個體消費者層級的全流程數據，有助于商家深度理解洞察每個用戶的喜好、興趣和需求。之前已有營銷學者使用隱馬爾可夫模型分析點擊流數據，研究發現消費者的線上購物旅程對應不同的心理狀態，例如享樂狀態下，顧客更容易去點擊產品信息頁來獲取產品的深度信息，而在購物狀態下，顧客更容易加購和下單。這些洞察可以幫助商家預測顧客在轉換漏斗不同階段的軌跡，也對商家在合適的時間和合適的頁面用合適的方式引導顧客，提升漏斗的各級轉化率。

而與此相反的，傳統零售業態下消費者的購物歷程無疑是一個“黑箱”，營銷人員的調查研究往往限于對每日的進場人數和銷量進行簡單統計，而對消費者在商場內瀏覽購物行為，不同商鋪之間的相互導流能力等關鍵因素一無所知。作為例子，考慮北京市居民李先生一家人某個周日在北京市萬達購物中心的詳細路線行程，其中共包含若干個主要場景：

場景1 9：10。李先生一家人（李先生和妻子，還有兩個8歲和10歲的孩子）乘車來到了萬達購物中心的地下停車場，從地下車庫的停車電梯進入了商場內部。

場景2 9：10-9：15。李先生一家首先來到了1樓的華為專賣店，他們本想仔細了解華為最新的平板電腦，但門店里外顧客眾多，人頭攢動。李先生和妻子決定等人少一些的時候再來逛。

場景3 9：15-9：40。李先生一家來到1樓的蘋果專賣店。注意到了一則廣告：“購買新款iPhone，享受免費一年的Apple Music會員資格”，這里的顧客相對較少，但銷售人員非常友好和專業。在銷售人員的推薦下，了解了最新的iPhone和iPad產品。

場景4 9：40-9：45。隨后，一家人來到了2樓的H&M服裝店，打算為孩子們挑選一些春季新款的衣服?？墒堑陠T告訴他們有幾款流行的款式賣斷貨了，補貨要等到明天。李先生有點失望，離開了。

場景5 9：50-10：30。路過玩具反斗城，從外面可以看到店內熱鬧非凡，人流涌動。李先生和妻子本想離開，但兩個孩子卻邁不開步子，經過一番討價還價，他們還是同意進店，小朋友們興奮地開始挑選自己喜歡的玩具。

場景6 10：35-11：10。等待孩子們選擇玩具時，李先生和妻子注意到了旁邊的ZARA店正在上新。他們臨時決定去ZARA逛逛，并購買了一些成人的時尚服裝。

場景7 11：20-11：40。路過3樓屈臣氏藥妝店。他們注意到了店外的廣告：“滿200元，即可享受滿減50元優惠?！崩钕壬推拮舆M店購買了一些生活用品和化妝品。

場景8 11：50-12：10。來到4樓的MUJI無印良品店，一家人購買了一些家居用品。

場景9 12：20-12：40。來到商場5樓，這里整整一層都是各種特色餐廳，美食云集，琳瑯滿目，讓人眼花繚亂。他們本打算去品嘗常去的傳統的家常菜館“外婆家”，然而，當他們來到“外婆家”門口時，發現已經排起了長隊，等候時長讓人望而卻步，他們決定去其他地方吃飯。

場景10 12：50-14：00。途經海底撈門口，被熱情的店員邀請進店。李先生一家點了魚丸、豆腐皮、羊肉片等，一家人大飽口福。

場景11 14：00-14：05。李先生一家人回到了1樓的華為專賣店。顧客比上午少了不少，但還是很多。小朋友對華為的電子產品興趣不大并且缺少耐心，而所有的店員都在忙著服務其他客人。他們駐足了一會，最終在小朋友的催促下離開了。

場景12 14：10-14：50。最后，一家人來到了1樓的哈根達斯店。孩子們點了香草冰淇淋，李先生和妻子則點了拿鐵和抹茶拿鐵。

場景13 15：00。李先生一家結束了購物之旅，回到地下車庫駕車離開了北京萬達購物中心。

從以上有代表性的購物旅行記錄中，我們可以看出，由于缺乏消費者的線下購物行為數據，營銷行為可能進退失據。首先，正如奧美之父大衛？奧格威（David Ogilvy）說過，“所有不能被計量的東西都不能被優化”—沒有消費者行為數據，零售店很難準確評估營銷活動（促銷和銷售人員導購服務）的效果，無法快速調整營銷策略以提高效益（如，場景3，7，10）。其次，缺乏消費者行為數據會導致零售商難以預測商品需求，從而無法進行科學的庫存管理，可能導致商品積壓或斷貨的問題（如，場景4）。實體零售店無法準確了解消費者的購物習慣、需求和偏好，這會導致客戶畫像模糊，難以為不同類型的消費者提供精準的營銷策略和個性化服務（如，場景11）。此外，購物中心無法了解店鋪之間的相互引流作用（如，場景6），從而無法對店鋪布局和選擇進駐商鋪優化上有效發力。

為了應對這些挑戰，實體零售店需要加強對消費者行為數據的收集和分析。傳統意義上，實體零售店可以采用會員制、客戶滿意度調查等方法來獲取有關消費者的信息，而這些傳統方式存在幾個問題。

數據完整性問題：由于消費者可能并不總是參與會員制或活動，這些方法可能無法覆蓋到所有潛在顧客。此外，客戶滿意度調查通常依賴于消費者自愿提供信息，因此可能無法獲取到所有客戶的真實反饋。在上述例子中，年輕單身的顧客可能相對容易配合問卷的填寫，而類似李先生這樣拖家帶口的顧客可能不愿意花寶貴的時間完成問卷，這樣回收的問卷無疑會缺乏代表性，無法體現某些重要顧客群體的真實感受。在客戶滿意度調查中，消費者可能會受到外部因素的影響（如情緒、環境等），從而導致調查結果產生偏見。此外，問卷設計本身也可能存在偏見，如引導性問題等。

時效性問題：傳統的數據收集方法通常需要一定的時間才能完成。例如，客戶滿意度調查可能需要花費數天或數周的時間來收集和整理數據。在這段時間內，市場環境可能已經發生了改變，從而導致數據的實時性減弱。

數據分析的成本：實施會員制度、營銷活動追蹤和客戶滿意度調查需要投入人力、物力和財力。對于中小型零售商來說，這些成本可能會成為一個難以承受的負擔。對于大量的調查數據進行分析和解讀需要花費大量的時間和精力。此外，由于數據收集方式的局限性，部分信息可能無法直接得出具體結論，需要進行更深入和專業的分析。類似對點擊流數據的研究，需要營銷科學家結合線下數據特征和消費者行為理論，開發適用線下場景的新模型和新方法論，對顧客洞察進行深入挖掘。除了這些顯性成本以外，另一個隱性成本是顧客隱私和合規性問題：在收集和處理消費者數據時，零售商需要遵守相關的隱私和數據保護法規。如不當處理，可能會引發法律風險和消費者的信任危機。

走向“烏托邦”的智慧零售業

數據驅動“智慧零售業”的概念和技術底座

我們認為，通用人工智能（AGI）的迅猛發展，為實體零售業指明了全新的發展方向，即AGI對傳統實體零售業深度改造的“智慧零售業”?！爸腔哿闶蹣I”的概念和應用已經引起了業界和學術界的廣泛關注。智慧零售業的本質在于使用更先進的技術手段，如物聯網、人工智能和視覺大數據等全新的數據和相應的算法，來收集、分析和利用消費者行為數據，從而克服傳統數據的劣勢，大幅度提高數據的準確性、時效性和可靠性。

智能零售業的價值來源于對商家的賦能，通過獲取全新和深刻的顧客洞察，并基于這些顧客洞察更好地經營客流，為消費者和商家提供新價值。對消費者的價值為線下購物體驗的大幅提升，為商家提供更為精準的客流預測和客流管理方式，從速度、數量、規模發展模式，向效益、質量、價值發展模式轉換。以實體商業中購物中心為例，智慧零售業的技術滲透主要體現在“人·店·場·車·屏”的數字化與智能化，目前主流的智慧應用包括精準客流系統、智慧導覽導視系統及觸點應用（智慧屏等）、智慧停車場系統、AIOT（三維重建、數字孿生應用帶來的物聯網管理）。如圖1所示，這些智慧應用可以對線下顧客旅程進行全流程跟蹤和數字化。這些炫酷的功能后面又包含了哪些底層技術呢？

發展至今，以視覺人工智能為核心的智慧零售業技術底座已經逐步完善成熟，其中包括三個關鍵要素。

首先，三維客流數字空間重建技術，在店內公共區域的通道布置攝像頭，這些攝像頭在三維虛擬空間內計算視野范圍內顧客的坐標位置。此技術不識別人臉，依靠時空關聯及時間戳信息確保每個采集的身份標識映射唯一對應一個人。它收集人體檢測框、人體服裝或體型等表面信息（同時利用人臉圖像等生物特征信息，通過邊緣計算等技術生成匿名身份識別，不保存和傳輸生物特征敏感信息）以及三維空間構建與定位、多攝像頭協同、時間戳信息等，來匿名分析一個人在一段時間內的行為事件信息。

其次，通過視覺算法生成全身范圍人體表面綜合特征值。人工智能攝像機識別人體全身范圍的豐富視覺信息的非生物表面綜合特征（發型、服裝、體型、隨身物品等）。為保護顧客隱私，不識別人臉、耳廓等生物信息。

最后，基于三維地圖坐標，全場攝像機實現連續時空追蹤。通過對每個攝像頭進行位置標定，建立起攝像頭生成的匿名身份標識值與三維空間之間的映射關系，從而將不同攝像頭下的軌跡投影到同一個三維坐標系。再利用視覺特征和軌跡時空特征，對全場軌跡進行聚類，形成每名顧客的完整匿名化連續軌跡動線。匿名化連續軌跡動線通過運算和輸出，數據準確率高，可反映顧客全覆蓋、全流程、全流量的真實動線。

商業運營中關鍵的消費者洞察相關技術在持續的發展演變，精準客流的發展階段大致經歷了四個階段——1.0頭肩識別、2.0人臉識別、3.0跨鏡追蹤、4.0 3D時空動線。

1.0頭肩識別階段：通過監控攝像頭捕捉客流的頭肩圖像，利用圖像識別技術統計不同頭肩在視野內的出現次數和停留時間，以推測客流量和熱力分布。該技術識別精度低，無法區分不同個體，只能做粗略分析。

2.0人臉識別階段：通過人臉識別算法，能夠區分不同的人臉圖像，追蹤同一個人臉的動線，統計每個人的停留時間和頻次，實現基于人臉的客流分析。這使客流分析的精度大幅提高，可以識別回頭客和新客比例等。

3.0跨鏡追蹤階段：利用多視角的攝像頭，通過跨攝像頭的身份匹配算法，實現對同一人從入口到離開的全過程跟蹤，重構個體動線和行為軌跡，達到高精度的客流軌跡分析。這使客流分析涉及到客流通道選擇、熱區駐留分析等更加深入的應用。

4.0 3D時空動線階段：通過3D深度攝像頭采集人體3D圖像，在3D空間內重構個體精確的空間坐標和運動軌跡，搭配時間戳，實現對客流的高精度3D時空動線跟蹤與分析。這使客流分析達到了立體和微觀的層次，可以用于路徑分析（Path Analysis）等應用。

目前，頭部商業較為重視的客流評價方法為“QQCE”體系，包括四大維度，包括客流體量（Quantity）、客流質量（Quality）、客流轉化效果（Conversion）和交叉貢獻度（Externality）。圖2呈現了某商場內的真實客流數據，從圖2中，我們能直觀的看出商場不同位置的客流密度（熱力）以及顧客在商場中的移動軌跡（動線）。事實上，客流數據里蘊含的信息非常豐富，運用得當可以大大提高零售商的運營效率與客戶體驗。實際操作中，智慧零售業可以從客流數據中的“客流交叉”“品牌熱力”“動線熱力”三個關鍵方向開展精準運營：

客流交叉：通過跟蹤不同個體的動線，分析個體之間的交叉頻次和停留時間，找到客流聚集的熱點區域，以及不同客流群體的相互作用強度，為店鋪的放置進行優化，最大限度地刺激客流的互動和消費。

品牌熱力：通過統計不同客流觀看和停留在特定品牌區塊的頻次和時間，清晰地了解不同品牌對哪些客流群體有更高的吸引力，并進行針對性的品牌營銷，為特定客流推薦感興趣度較高的品牌或產品。

動線熱力：通過分析客流在商場內部的詳細動線，可以清楚地看到客流在哪些區域停留時間最長，體驗最深入，這反映出哪些區域對客流有更高的吸引力?？蓳苏{整店鋪空間布局，給予這些區域更多曝光和流量，或在這些區域設置更多互動體驗以提高客流的駐留時間。

綜上，通過對不同維度的客流數據進行深入分析與挖掘，零售商可以清晰地理解不同客流群體的消費心理與行為模式，針對性地進行精準營銷與運營。例如，可以為常駐性較高的客流群體推出會員積分活動，在客流駐留時間最長的區域設置新品體驗區，根據不同客流的品牌偏好進行個性化的品牌推薦等等。

為了進一步挖掘數據的潛力，零售商家可以對客流交叉、品牌熱力和動線熱力等數據進行聯合分析，商家可以通過以下三點，精準定位客戶并提高場內流量。

精準定位客群：通過分析不同客流群體的特征，如年齡、性別、停留時間、駐留區域等，可以清晰地劃分出關鍵客群，如停車場客群，寫字樓辦公族，年輕的潮流客等。然后可以針對不同客群推出定制化的營銷策略，提高客戶體驗與流量。

發現品牌與客流的關聯：通過分析不同客流觀看和駐留在特定品牌區域的時間，可以找到哪些品牌對某些客群有更高的吸引力，然后針對這些客群進行品牌的推薦與互動，提高品牌的曝光度與銷量。這有助于品牌實現更加精準的營銷。

優化動線布局，盤活流量：通過分析客流在店鋪的詳細動線，可以清晰地找到客流駐留時間最長和體驗最深入的區域。然后可以在這些區域設置更多互動體驗，或調整店鋪動線使更多客流經過這些區域，達到吸引更多流量至這些區域的目的。這可以優化商鋪動線，提高場內總體流量與互動。

綜上，通過對客流數據的分析挖掘，零售企業可以實現對客戶、品牌與店鋪動線之間微妙關聯的深入理解。這為企業帶來銷售精準化與流量最大化的雙重好處。例如設計出吸引特定客群的互動活動，發掘出增強品牌影響力的合作機會，調整動線布局以不斷培育新的熱點區域。

數據賦能“智慧零售業”的“價值場景”應用

大數據賦能的智能零售業為企業提供了豐富多元的價值場景。表1提供了數個有代表性的場景。通過對傳統零售模式和智慧零售業的比較，不難看出，智能零售業能夠幫助零售商開發全新的工具箱和方法論，有針對性解決傳統零售業態的盲點和痛點，在提升顧客體驗、準確度量營銷效果，優化營銷策略方方面面均大有可為。

智慧零售業走向“烏托邦”的挑戰和對策

在實際操作中，實現人工智能與智慧零售業的轉型仍然面臨諸多挑戰。首先，智慧零售業的前期面臨巨大的投資成本。實現智慧零售業需要大量投資用于技術研發、設備升級等等。對于中小型零售商來說，這可能是一個難以獨自承受的負擔。其次，智慧零售業的發展存在著技術壁壘。雖然AI技術在零售領域的應用逐漸成熟，但仍存在一定的技術壁壘。這可能會影響智慧零售業在實際操作中的效果。最后，智慧零售業還帶來了日益凸顯的數據安全與隱私問題：在收集和處理海量消費者數據的過程中，數據安全與隱私問題尤為重要。零售商需要建立健全的數據保護機制，遵循相關法規，以免引發消費者不滿。

為了最小化投資成本的風險，零售商可以考慮“雙試點”策略，即先選擇其中最為關鍵的一兩個技術，在一兩個選定的零售場進行試點應用與測試，充分檢驗效果后再逐步推廣與升級?；蛘呖梢酝ㄟ^云服務等靈活的方式實現技術應用，降低自身投資成本。為了克服技術壁壘，零售商可以與專業的科技公司展開深度合作，共同推動關鍵技術的開發與創新應用，實現雙方的共贏。此外，零售商應當嚴格遵循相關的數據法規與指南，在收集與使用數據的全流程建立相應的安全機制。數據采集階段，可以整合顧客隱私保護技術，例如前端攝像頭采用邊緣計算（Edge Computing）技術，在識別圖像和生成匿名身份標識值后立即清除圖像，不傳遞、不保存敏感數據。數據存儲階段，可以通過數據加密存儲，多重身份驗證，權限管控等，以及定期對系統進行安全審核等多種方法保護數據的安全性。同時，在使用非匿名個體數據時，也要透明地向消費者說明數據使用規則，在取得用戶授權與同意后方可收集與運用數據。

綜上，零售商在智慧零售業轉型中既要積極擁抱技術創新與應用，也要高度重視數據安全與消費者信任。通過靈活務實的策略降低投資門檻，密切業界合作破除技術壁壘，用嚴格的數據安全與隱私保護機制維護消費者權益。只有在技術和消費者體驗兩方面齊頭并進，零售商才能真正實現智慧零售業的成功轉型與發展。

智慧零售業去向何方？

展望未來，實體零售業的破局和發展之道，在于進一步挖掘和發揚自己在消費者體驗上無可比擬的優勢。人工智能技術的迅猛發展帶來了更多的想象空間。未來，零售商可以借助人工智能技術重構業態與模式，探索智能客服、無人零售店、虛擬試衣、智慧推薦與沉浸式購物等新體驗。

首先， 智能客服系統可以通過自然語言處理技術和語音識別技術，自動識別并回答消費者的問題，減少等待時間和人力成本，提高消費者的滿意度。

其次，零售商可以建立無人零售店。通過部署計算機視覺、語音識別與自然語言處理系統，零售商可以實現全流程“無人”運營，不僅可以延長營業時間，還可以降低成本。無人零售店模式消除人員限制，為消費者帶來更加靈活便捷的購物體驗。零售商可以引入AI技術，打造智能客服系統，幫助消費者快速解決問題。

再次，虛擬試衣系統可以通過增強現實技術，讓消費者在店體驗虛擬服裝，評估上身效果。這種技術可以展現更豐富的商品選擇，同時為消費者節省在店試衣的時間成本，優化購物體驗，減少退換貨的成本。

基于深度學習的智慧推薦系統可以分析海量數據挖掘消費者偏好，實現個性化商品推薦。相比人工推薦，這種技術可以更精準匹配消費者喜好，顯著提高購物轉化率。

最后，零售商可以采用虛擬現實與增強現實技術，打造沉浸式購物體驗。例如消費者可以“體驗”三維虛擬店鋪選購商品，加深對商品與品牌的記憶。

這些新模式以更加精細與個性化的方式服務消費者，重塑人們的購物方式和習慣。我們確信，未來已來，技術的創新必將催生零售業商業模式的進一步的深度變革。

本文獲國家自然科學基金杰出青年基金（72225003）、國家自然科學基金重大項目子課題（71991461）的資助。