作者 | 範鵬 鄔學寧 李湘

當人工智能的發展成為新的風口後，如何通過AI技術對新零售進行賦能，是當下不可迴避的趨勢。新零售在提出並經歷了市場的部分驗證後，其通過數據科學進行“被賦能”的過程中也出現了很多值得探討的話題。

作為秒針營銷科學大會內容共建夥伴，第一財經旗下DT財經發起的數據社群——數據俠，特邀三位數據俠成員，就大數據、人工智能在新零售、新消費領域的應用展開了一次深入探討。

三位數據俠分別是CBNData首席商業分析師李湘，SAP硅谷創新中心首席數據科學家、復旦大學客座講師、數據科學50人成員鄔學寧以及暢銷書《新零售：吹響第四次零售革命的號角》作者、深圳樸素資管投資總監、數據俠聯盟成員範鵬，下面就隨DT君一起來看看，他們碰撞出了怎樣的思維火花。

▍大數據與AI如何賦能“新零售”

2016年10月13日，馬雲與雷軍在同一天提出了一個新名詞——“新零售”，作為暢銷書《新零售：吹響第四次零售革命的號角》的作者，範鵬在同年12月的《市場與營銷》雜誌上發表一篇文章解釋新零售的概念。同樣的釋義，範鵬在參加此前的“數據俠實驗室”活動中提到：迴歸到零售的本質，就是高效地為消費者提供所需商品。傳統零售方式不知道貨賣給了誰，消費者是誰，消費者在哪裡，更不知道消費者有什麼樣的特點，而新零售是則是將“人-貨-場”（消費者-商品-場景）三個方面進行數字化，並將用戶購物體驗做到極致。

在這種數字化的過程中，人工智能技術的使用又將“新零售”昇華，滲透到更加智能化的場景中。

CBNData首席商業分析師李湘在營銷科學大會的數據俠圓桌環節拋出了第一個問題：大數據、人工智能給新零售帶來價值是什麼？

範鵬認為，現在人們對新零售並沒有很明確的定義。從阿里和騰訊的實踐來看，新零售等同於數字化零售，是對人貨場數據化的重構。大數據則應用在零售端的每一個環節。

“數據賦能新零售”首當其衝的是商業選址，相較以前利用人的經驗預測人流，研究周邊有什麼門店，現在則通過軟件按需求挑選合適的地鋪位置。第二是選貨，適配固定的商圈狀況，銷售的貨品，利用科學的數據更好地備貨。第三是商品品類的管理。日本7-11（便利店）每年商品換貨率是70%，他們的理念是通過數據的監測只賣暢銷品。第四是根據精準的營銷或促銷匹配不同的方案。目前大家對新零售的應用涉及在零售的每一環節。

作為在技術領域專研十餘載的數據科學專家，鄔學寧理性樂觀地看待人工智能的發展。在他與團隊撰寫的《SAP企業機器學習——賦能業務創新》一書中提到：目前全球正處於一個空前的數字化轉型階段，未來十年，人工智能將成為新的“電力”，大部分行業將被AI改變。

鄔學寧解釋：大數據可以做到的是非常個性化地考慮每個人需求。現在工業化革命會更多地滿足每個人的需求，這就是人工智能現在的定位。包括霍金、埃隆·馬斯克都認為AI可能會統治人類，其實這很遙遠，人工智能在很長的時間裡將是人類的助手，幫助更好地服務人類。

人工智能現在已經影響了所有行業。前百度首席科學家吳恩達問過一個問題，十年內什麼行業不會被人工智能所改變？有人說理髮行業不會被人工智能所改變，女人的頭髮不好說，但男生的頭髮機器人應該可以搞定。

每個行業都有AI創新，但狀況各不一樣。金融、零售屬於AI與大數據應用條件比較好的。在零售的場景中，人們就遭遇了信息熵增（系統的無序和混亂狀態）的問題，所以我們就要藉助大數據與AI解決與控制熵增問題？在零售中就出現了推薦算法、推薦系統。比如說你在淘寶上買東西，它給你推薦相關的這些內容，目的是更好地服務消費者，個性化地服務消費者。

▍數據時代的消費分級

2012年中國第三產業服務業在三產中產比與第二產業持平，並在2013年首次超過第二產業。2015年，第三產業佔比突破50%之後，中國已經成為一個消費型社會，消費在經濟三輛馬車中的重要性不言而喻。

（圖片說明：第一產業為農業，第二產業為工業，第三產業為服務業）

2018年年中，“消費降級”成為一個熱詞，在生活中也不乏“降級”的個案。但大數據之下，“降級”立論者是否站得住腳呢？

未來商業通過智能的方式定製滿足消費者的需求，李湘說：“從大數據看到了一些現象，比方說之前微博微信上都在傳消費升級慢慢走向消費降級了，但事實上我們通過消費數據分析會發現與其簡單地說是從消費升級到消費降級，不如說在消費者越來越成熟、越來越懂得自己需求的情況下回歸理性，從簡單地追求消費升級走向了消費分級。比如說我們會看到有一些消費者的群體在線上是特別喜歡購買一些奢侈品牌、進口商品，但同時他在某些特定的消費場景裡也會選擇淘寶精選的化妝棉或者收納盒。”

對於“消費分級”以及未來商業如何更好地符合迎合消費者日益成熟的需求？範鵬與鄔學寧都秉持相對獨立又兼容的立場。

作為新零售領域專家，範鵬直言不諱消費降級是偽命題。普通人以拼多多為消費降級案例，其實拼多多對於五環外小鎮青年類的消費群體，從買不到正品，到現在換一個渠道買高仿的產品，實際無法證偽消費升級，這只是消費分級的分歧案例。像拼多多的群體從來沒有升級過，所以無所謂“降級”。

消費升級會更加關注性價比而非價格。以前的消費中，買好的等於買貴的，這樣誤解的背景原因來自於信息不對稱。很多商品打廣告闡述品牌價值，但廣告也增加了成本。相較之下，像網易嚴選的高性價比產品並沒有品牌，但特別實用，性價比應該是消費者關注的第一個點。第二個點，來自於90、95後年輕人消費力的崛起，產生了“輕奢”，這個群體與80後的消費習慣很不一樣，他們更加註重生活品質、IP偶像，偶像用的東西就會用，所以他們注重的是輕奢的消費理念。

範鵬總結認為，首先消費降級是一定不存在的，另外消費升級會引起兩個方向——即為輕奢與高性價比。

鄔學寧的觀點與範鵬稍顯對立。隨著中國經濟增速的放緩，“口紅指數”現象出現，從大數據的角度來說，有人發現口紅賣得多了經濟就在往下走，因為普通人對貴的化妝品消費力不足，消費相對低價的口紅的能力與動機卻很強。另外，還有從大數據的角度分析裙子長短的指數，這類案例都可以通過洞察某一特定類目指標與相關性關係，從大數據角度分析、丈量經濟。

▍新零售的“數據孤島”與“數據割裂”

在這個DT（Data Technology）的時代，很多人都在致力於打破“數據孤島”問題。在數據源頭，我們看到推動數據開放的Open Data以及Open API項目，但似乎依舊難以讓大數據真正地開放或公開；同時，商業體也在面臨著線上與線下數據融合難的問題。

以做“人群細分”為例，鄔學寧認為，關鍵問題就在“數據孤島”。對人群做細分需要對個體的數據全方位地採集，比如個人在淘寶上購物，淘寶擁有數據標籤，但在淘寶以外的數據是沒有的，但如果阿里和滴滴合作了就有你的出行數據了，如果和攜程合作了有你到國外旅行的數據。

現在我們缺乏一個數據開放與公開的機制。當下最大的問題是每個公司都認為數據是最重要的資產，需要做好數據保護，形成了數據壁壘，這些數據沒有辦法公開。

作為一線的數據分析師，李湘也發現了數據獲取的限制問題。她說，以新零售的研究為例，線上與線下的數據顯得非常割裂。

範鵬以電子價籤舉例，認為這是一個產品沒有很好地讓線上線下結合起來的案例。原來的商品是冷冰冰地放在商場裡，現在有了電子價籤可以和商品進行互動。線上購物最大的弱點是看不到實物，但是有個好處是可以看到評價，商品差評太多你就不買了，線下購物致命的弱點是你看到商品可以用，但看不到評價。

如果你有電子價籤掃碼就可以很好地解決這個問題，你可以知道這個產品在別人購買的時候評價怎麼樣，如果還好的話也可以去購買。但範鵬依舊認為，未來3到5年在新零售一定會實現線上線下的融合，電子價籤是很好的切入。現在電子價籤可以通過AI來自動變價，每天晚上不同的時點價籤是不一樣的。

另外，範鵬指出了線上數據採集的一個致命的弱點——即為只有結果數據。比如消費者將商品加入天貓入購物車，這個時候如果鹿晗給消費者來電話，這位消費者一定會接電話，如果范冰冰敲你門了你肯定會去開門。AI識別認為消費者最終沒有買產品，並以為是消費者對產品不滿意的，但其實可能並非不滿意，只是由於各種原因。相較之下，線下的數據可以採集過程數據，比如說無人超市可以識別你是含情脈脈地看著這瓶農夫山泉，還是很不屑地看著，都可以採集出來。線上線下融合未來會形成360度的畫像。

作為數據科學家，鄔學寧則把“鹿晗的電話和范冰冰的敲門”定義為小概率事件。鄔學寧說：“大數據就是噪音，這些噪音基本上都是可以抵消的，線下可以採集到更多的信息。”他舉例說，比如說有一箇中國的零售商巨頭要求我們監控消費者眼睛看著商品的時間有幾秒鐘，現在有微表情分析，線下可以看出微表情是怎麼樣的，這樣研究還未應用落地。

關於線上與線下數據的融合，鄔學寧還指出，把線上線下識別成是同一人，最難的是你能不能把京東的用戶和阿里的用戶關聯起來？如果你都是阿里的線上線下，只要把用戶識別的問題解決基本上就能夠整合了，難度並不是太大。

▍AI如何解決數據分析的煩惱

負責CBNData數據分析工作的李湘在研究與分析的過程中會面對很多豐富的數據源，但每一方數據源都有他對於數據標準的模式，怎麼滿足多方的數據源整合起來也是未來的命題。

李湘發現分析消費數據時的一大痛點來自於：

鄔學寧從人工智能技術的手段上，提出了一些可行的解決方法。鄔學寧說，在我們做的所有大數據項目中，其中70%左右的工作都是在做數據清洗和整理。因為有很多的數據，以前做過巴塞羅那的項目，這個項目是看垃圾桶什麼時候會滿，然後把垃圾收掉，有些垃圾桶的垃圾會越來越多，有些垃圾桶的垃圾會越來越少，因為有揀垃圾的人會把垃圾桶打開把裡面的垃圾揀走。

“現在有很多物聯網的數據進來，傳感器數據要不是零，要不是一，要不很多是壞的。坦白說每一個大數據項目中60%到80%的工作量都在做數據清洗和整理”，鄔學寧說到。現在鄔學寧的團隊也用一些算法協助填充部分缺失的數據，或者把異常的數據剔除出來。

▍AI與大數據如何賦能新業務模式

未來的商業社會，一定會基於科技的進步源源不斷地產生新業務模式，如炒得火熱的智慧營銷、新零售。對於這類概念到底能產生多少的商業價值、經濟價值，似乎已成為商業觀察家、投資人的重點關注。

作為投資人，範鵬認為效率、成本是新商業模式的核心。通過結合AI、大數據與線下零售，產品從設計、生產製造到消費者手中的時間正在縮短。另外，成本也在不斷降低。以盒馬鮮生為新零售代表案例，商品售價並不高，主要是通過直接採購，結合冷鏈物流，再通過數據預測最佳到貨時間，以及倉儲佈局，這樣的商品總成本變得越來越低。

但目前新零售企業似乎面臨了來自技術、資金等方面的難題。企業本身的技術需要合作或者購買來實現，同時大部分傳統門店的數據採集意識並不強。而反思為什麼盒馬能夠成功，總結來說，阿里在技術和資金上都有優勢。

圓桌的最後，鄔學寧補充了一些零售行業的創新商業模式。包括創新工場創始人李開復投資的公司有做智能貨櫃的，以及在去年CES展上展出的智能電冰箱。據統計，美國人家中冰箱裡20%的食物都會過期，智能電冰箱可以通過AI技術識別過期食品，然後一鍵下單，進行線上採購。鄔學寧認為，這樣的電冰箱也會在未來成為新零售的入口；另外，包括無人車等新技術都可能在未來帶來場景的衝擊。

注：以上內容根據秒針營銷科學大會數據俠“數據科學相對論”圓桌實錄整理。內文配圖來自視覺中國，本文僅為參與圓桌討論的嘉賓觀點，不代表DT數據俠立場。

期待更多數據俠乾貨分享、話題討論、福利發放？在公眾號DT數據俠（ID：DTdatahero）後臺回覆“數據社群”，可申請加入DT數據社群。

▍數據俠門派

鄔學寧，SAP硅谷創新中心首席科學家，復旦大學人工智能客座講師，數據科學50人成員。致力於機器學習與人工智能算法研究，在全球零售、金融、製造、醫療、智慧城市等不同行業擁有豐富的利用大數據進行產品與商業模式創新的經驗，著有《SAP企業機器學習》。

範鵬，新零售投資總監，商業諮詢師，暢銷書《新零售：吹響第四次零售革命的號角》作者，北京大學匯豐商學院MBA，廈門大學經濟學和法學雙學位。中國營銷第一刊《銷售與市場》《中國人力資源開發》《營銷界》等雜誌專欄作者。

李湘，CBNData首席商業分析師。 畢業於紐約大學，曾供職於尼爾森市場研究有限公司，擅長消費品領域行業研究及消費者洞察， 擁有豐富的行業研究經驗及紮實的數據分析能力，長期關注零售快消、互聯網相關消費領域，並將傳統市場研究理論與大數據分析方法結合起來，發掘消費數據背後的商業價值，深入洞察和刻畫消費者偏好及行為特徵。

▍加入數據俠

“數據俠計劃”是由第一財經旗下DT財經發起的數據社群，包含數據俠專欄、數據俠實驗室系列活動和數據俠聯盟，旨在聚集大數據領域精英，共同挖掘數據價值。瞭解數據俠計劃詳情請回復“數據俠計劃”，申請入群請添加DT君微信（dtcaijing003）並備註“數據社群”，投稿、合作請聯繫[email protected]。

閱讀更多 DT財經 的文章

關鍵字: 零售 電子商務 賦能