如今零售業也在不斷變化中，即使我們并不總是意識到它，但它確實在發生改變。它逐漸成為日益復雜的客戶旅程中，又一個步驟。那么零售業如何實施機器學習和深度學習？由于數字化和零售自動化，零售業本身不再是目的，而是滿足整個品牌需求的一種手段。體驗的質量，歸屬感和認可度，以及購買的舒適度……所有這些參數現在都與銷售量息息相關，因此必須遵守數據科學及其“智能算法”規定的優化措施（又名機器學習和深度學習形式的人工智能）。

人工智能的使用首先是競爭的必要。的確，電子商務參與者沒有等待任何人：例如，注意將在線搜索結果調整為最終客戶，或者根據數字資料提出的建議。對于磚塊和砂漿，這兩個方面是不可能的（目前）。但是，物理商務有其自身的優勢。嗅覺，視覺，聽覺等數據可用于使消費者有一種體驗，體驗獨特的東西并專門為他們量身定制。除了改善客戶關系外，人工智能還可以尋求解決長期以來給零售商帶來負擔的問題的方法：更好的庫存管理，零售業空間的優化，員工時間的優化……

我們將在下面完整展示一下深度學習/機器學習用例，這些用例已實現以創建未來的零售業，并有實際示例支持。

　　1.調整零售業及其庫存以更好地為客戶服務

眾所周知，電子商務參與者可以使用動態統計信息實時優化其網站。這使他們可以根據可用資源和預定義的客戶細分來定義最有效的策略。像任何物理空間一樣，零售業也沒有這種奢華。

但是，這要歸功于從智能算法中獲得的見識，因此并不能阻止物理空間的周期性優化。在過去（不到20年前），我們聘請學生來跟蹤和統計零售業特定區域的顧客。幸運的是，這些時代已經過去了。熱圖，平均路線圖，在屏幕上花費的時間，與總出勤率相關的各種比率，相關性……零售業中的攝像頭和計算機視覺算法現在提供了基于圖像的可操作工具。如今，熱圖和活動識別解決方案不僅幫助定位促銷活動，而且還有助于制定完整的營銷策略，并衡量每個部門以及產品展示位置的績效。RetailFlux之類的公司提供的解決方案可以分析零售業視頻，為零售商提供有關零售業中的人數，進入零售業后所走過的路以及留在哪里的數據。這有助于營銷人員確定受歡迎的地點，從而使他們可以更改家具，展示，廣告或員工的布局，從而更好地為客戶提供服務并增加收入。

隨著技術的發展，我們也開始聽到“ 人口統計 ”的信息：這些工具由DeepVision AI，MyStore-e，RetailDeep和RetailNext等初創企業創建，可讓我們估算前行人員的年齡和性別相機，從而使零售業可以訪問全新的分析粒度。這一點對于現在市場營銷人員和類別經理的合理化至為重要。

盡管這些攝像頭經常懸掛在天花板上，但情況并非總是如此：例如Walgreens（與Cooler Screens合作），最近在其零售業的冷卻器門中集成了攝像頭，傳感器和數字屏幕創建“智能”展示廣告網絡，品牌商可以使用該廣告網絡將廣告定位到特定類型的客戶。這些門既可以充當數字化商品銷售平臺，以最佳狀態描繪食物和飲料，也可以作為店內廣告牌，根據年齡，性別和當前天氣等變量，向正在接近的消費者展示廣告。連接的冷卻器內的攝像頭和傳感器還可以確定購買者已經購買或查看了哪些物品，從而使廣告客戶能夠洞悉其促銷在屏幕上的工作方式，并迅速通知零售商是否不再有庫存。

因此，關鍵問題從“哪里”和“多少”轉變為“誰”，“何時”，“多少”，“多長時間”和“多少個cookie?”。

　　2.預測增加利潤

這些數據與結帳和忠誠度計劃的數據混合在一起，對于預測需求和創建零售業集群至關重要，從而改善了零售商的供應鏈。通過更好地預測哪些產品將在特定領域中表現最佳，Symphony RetailAI等初創公司的機器學習算法可以減少庫存空缺，幫助優化定價（和利潤）并提高客戶忠誠度（人們顯然傾向于尋找正確的產品組合)在最近的零售業）。

的確，未售出的庫存可能是零售業最大的障礙之一：未使用的庫存每年使美國零售商損失約500?億美元。減少這個數字是該行業長期生存的關鍵：花在無用的存貨上的每一美元都是寶貴的錢，本可以用于培訓人才，更好的研發，或者最明顯的是全新的智能算法。

預測還可以幫助零售商優化促銷活動：倉庫中的死庫存越少，促銷活動就越有戰略意義，而不僅僅是反動。許多定價愛好者會特別欣賞這方面的內容，因為這將使他們的工作更加輕松，并且減少了很多不必要的工作。

　　3.個性化推廣店內體驗

與網站可以實時適應最終用戶的方式一樣，零售業中也可以提高計算機視覺的粒度，使其可以針對個人。但是，這些算法所基于的元素要多于上述元素，因此更加復雜/可靠性較低。為了在個人層面上工作，這些算法需要結合人口統計，忠誠度代碼識別和增強現實，通常將其集成到諸如鏡子之類的智能對象中。

盡管它們尚不能大規模實施，但這些解決方案例證了零售業銷售方式的深刻變化。我們正在從產品銷售轉向體驗銷售，在這種情況下，有形要約變成了副產品。這就是購物的概念。低廉的價格和種類繁多的目錄對于客戶而言已經遠遠不夠，他們可以在網上找到這樣的價值主張。真實的品牌體驗成為生存的關鍵：零售業是一個吸引人的體驗，想法和互動的倉庫。

用例當然很多（即使它們經常位于AI赤道的科幻技術邊緣）：在2019年的NRF期間，谷歌展示了一個連接鏡子，該鏡子將視覺識別數據和零售業產品數據庫鏈接在一起。例如，在光學零售業的情況下，鏡子可以識別測試的模型并顯示與之相關的產品或營銷信息。賣家還實時掌握了使用鏡子的統計信息：他們知道嘗試過某種眼鏡的人已經在那里呆了一段時間或在兩副眼鏡之間猶豫了。這有助于賣方的工作，從而可以向顧客提供真正令他們感興趣的產品的建議。

H&M與微軟合作，共同測試了一個鏡子，該鏡子可以通過語音命令拍攝自拍照，而Lululemon的鏡子的作用更像是一塊木板，鼓勵客戶與該品牌創建和維護的社區互動。

當然，可以在購買過程中的不同間隔放置智能鏡子：拉爾夫·勞倫（Ralph Lauren）位于試衣間，以改變試穿衣服時經常令人沮喪的體驗。購買者可以與鏡子互動，以改變試衣間的照明，并可以為員工選擇不同尺寸或顏色的服裝，而這將是員工的選擇。鏡子還建議其他與嘗試的物品搭配使用的物品。

化妝品公司也采用了以下解決方案：絲芙蘭智能鏡子使用一種智能算法，該算法混合了看著它的人的性別，年齡，外觀和風格，以便提出建議。它甚至聲稱可以區分穿著中性或鮮艷色彩，大膽或保守風格的人以及帶有花卉和幾何圖案的衣服。

通過深度學習，我們還看到了一種新技術的出現：情感計算。它是計算機識別，解釋并可能刺激情緒的能力。確實可以識別出諸如頭部和身體動作之類的手勢，而語音的語氣也可以表達有關個人情緒狀態的聲音。這些見解可以在零售業中使用，以免給顯然不需要幫助或打擾的客戶帶來不便。但是，這些技術是新技術（僅Releyeble提供零售用例）且具有侵入性：因此，最好不要對將來的用例發表評論。

　　4.使客戶的購物體驗更加順暢

鏡子，增強現實，虛擬現實……他們很少響應零售商及其顧客的真正痛點。而且我們深知這些痛苦點：結帳時間，快速產品本地化和庫存管理……對于那些尋找使用機器學習和深度學習解決方案的方式的零售業來說，這些應該是優先事項。

　　減少結帳時的摩擦

例如，在中國，某些肯德基的客戶可以使用支付寶技術，將自己的臉部圖像鏈接到數字支付系統或銀行帳戶后，將自己置于配備攝像頭的POS機前進行購買。美國連鎖店Caliburger也已在其一些餐廳測試了面部識別的想法：首次顧客使用店內自助服務亭進行訂購時，他們被邀請使用（NEC）NeoFace?'s將他們的面孔與他們的帳戶關聯面部識別軟件為了從眾多優勢中受益。仍然需要通過銀行卡付款，但是如果初始測試階段成功，該公司打算轉換為通過面部識別付款。

但是，對網絡安全的擔心可能會阻止這種解決方案大規模出現。確實，顧客越來越嫉妒他們的個人數據（正確的是）：根據Wavestone的一項研究，只有11%的消費者愿意在零售業中接受面部識別。為了被移動應用識別，這個數字上升到40%。

因此，正在考慮使用計算機視覺來使結賬更加流暢的其他更可行的方法。到目前為止，我們都熟悉Amazon Go的自動零售業（不太希望，有人希望如此），該零售業允許具有Prime帳戶的客戶使用手機上的代碼進入零售業，進行購物，然后不走零售業就離開零售業。通過結帳。一種算法“跟蹤”了客戶，自動扣除了購買金額，并通過電子郵件發送了發票。與XXII合作，也在Casino進行了這項技術的測試。

這個領域有很多初創企業：Standard Cognition，Zippin，Trigo Vision …都聲稱可以幫助公司消除客戶結賬。同時，中國正在通過歐尚的Bingo-Box隨意地修改零售業的概念。

　　減少缺貨

所有這些攝像機都可以用來為客戶提供更多的視野：確實已經出現了許多用于監視貨架的解決方案。他們提出在人員短缺的情況下向員工發送警報，以便迅速做出響應。

這對于零售業而言至關重要：缺貨每年在北美造成的銷售損失超過1290億美元（占收入的4%）。不僅如此，缺貨還會使客戶積極參與競爭：亞馬遜24%的收入來自在當地零售商缺貨的客戶。此類解決方案的例子很多：在法國，Angus AI與Les Mousquetaires合作。自去年以來，沃爾瑪就一直在研究這一概念，ABInbev也在Focal Systems進行了研究。有趣的是，尤奧比奇的解決方案提供了類似的過程，但是相機要由個人掌握才能拍攝將由算法分析的照片。同時，在中國，Hema（阿里巴巴的未來零售業）在全球范圍內不斷擴大增強零售業的邊界。

　　通過語音技術進行購物建議

當然，圖像并不是零售業中唯一可以分析的東西。語音在簡化客戶旅程中也可以發揮作用。這種低估的購物方式是一場小小的革命：根據OC&C Strategy Consultants的數據，2017年美國所有家庭中有13%擁有智能揚聲器。預計到2022年，這一數字將上升到55%。

亞馬遜還是語音技術的領導者這一事實表明，西雅圖巨人在實體市場（已經征服了虛擬空間）方面的重視程度。該品牌的Echo Buds于2019年推出，可與Alexa合作，以解決客戶在旅途中遇到的任何疑問。對于零售而言，更有趣的是，它還會通知用戶最近的Whole Foods（亞馬遜擁有Whole Foods）是否有顧客要尋找的商品。收到通知并進入零售業后，Echo Buds可以將其引導至正確的過道。你可以想象Alexa不僅可以指導您制作一個商品，而且如果您告訴您要制作千層面，它還可以指導您在零售業中購物，從而為您提供最快的方式來提取所有必需的食材。未來就在耳邊（懂嗎？）。

虛擬助手的數量確實在上升。例如，火星代理商已與美國零售商BevMo!合作!到測試SmartAisle，數字威士忌采購助理。通過在架子上混合使用人工智能，語音激活技術和LED燈，SmartAisle幫助買家選擇完美的威士忌酒瓶?？焖俳徽労?，建議使用三個瓶子，并且相關的貨架會亮起來，以引導客戶找到首選的瓶子。如果客戶已經有了一個品牌，助手可以推薦其他具有相似風味的品牌或瓶子。整個體驗持續不超過2分鐘。語音助手結合了開玩笑和有用的信息，為您帶來愉悅而豐富的體驗。

從NLP到虛擬助手，以上兩個示例表明，如果使用得當，語音技術可以釋放更多員工的時間，并將關鍵數據提供給零售商。

　　機器人自動化

沒有圍繞機器人技術的討論，就不會完成關于改進和簡化流程的討論。這些物品長期以來一直屬于科幻小說，現在在世界各地的零售業中顯示其實用性。盡管機器人技術本身并不是人工智能的子類別，但是在過道中漫游的機器人使用計算機視覺和NLP的概念。就像亞馬遜一樣，沃爾瑪也在技術的最前沿：Bossa Nova專門用于掃描貨架上的物品以幫助提高價格準確性和補貨的機器人（稱為“ Auto-S”）已經在其1000家零售業中出現。這些六英尺高的設備各包含15個攝像頭，可掃描貨架并實時向員工發送警報。這使工作人員從專注于可重復，可預測和手動的任務中解放出來，從而使他們有時間專注于銷售和客戶服務。

沃爾瑪還推出了機器人，用于清理地板，從卡車上卸下物品并對其進行分類以及在零售業接訂單。有趣的是，這一小眾市場正迅速變得競爭激烈，Simbe的機器人已在全美的Schnuck零售業中部署，具有與Bossa Nova相同的價值主張，而Lowe于2016年推出了一種能夠理解和響應的機器人簡單的客戶問題。在冠狀病毒之后，幾乎可以肯定的是，在未來幾個月中，機器人技術的發展將會加速。

　　5.預防損失

“收縮”（盜竊）的成本巨大：在歐洲范圍內，每年490億歐元（占分銷部門年營業額的2.1%），這對已經受到價格戰高度壓力的分銷商的利潤造成沉重負擔。因此，安全性成為當務之急。由于成本，自動化也是如此。這可以采取多種形式。例如，增強型相機可以識別產品是否被隱藏，并向人類發出警報。然而，由于全知相機的物理不可能，這將產生許多誤報。諸如Vaak或DeepCam AI之類的公司聲稱，只有在訪客的行為高度可疑時，才可以通過提醒某人來避免此問題。StopLift等解決方案還提供檢測“甜心”（假裝進行交易，但實際上是在不付款的情況下將產品送給熟人的雇員）。重要的是要記住，大部分零售業盜竊都是通過員工進行的。這些解決方案的投資回報率很容易計算：零售業準確地知道他們因盜竊和錯誤而損失了多少。這樣，該用例很可能是第一個要實現的用例。

以上就是關于零售業如何實施機器學習和深度學習的全部內容，想了解更多關于機器學習的信息，請繼續關注中培偉業。