「未來的十年、二十年,沒有電子商務這一說,只有新零售。」在2016年的阿里雲棲大會上,馬雲在演講中第一次提出了新零售概念。隨著新零售的不斷發展,到現在,「新」還是回歸到零售的本質——創造極致的消費者體驗,這是所有零售業的本質。
要說人工智慧技術離人類最近的使用場景,新零售行業絕對值得有姓名。
從「新零售」這個名詞第一次進入大眾的視野,到現在結合人工智慧技術的落地應用,其發展的時間也不過短短幾年。從現在的商業發展來看,各類新興「物種」已經層出不窮,智慧門店、無人便利店、智能客服、人臉支付、AI購物體驗等,都是人工智慧與新零售結合的產物。
可以說,人工智慧技術對零售業提高運營效率、降低成本、提高消費體驗等方面發揮了重要作用,也為新零售打開了更大的想像空間。
新零售的誕生和發展
從近幾年的零售市場整體趨勢看,整體消費延續放緩趨勢,實體商貿零售甚至出現負增長的情況,電子商務在經歷了近年來的高速發展之後,開始面臨線上用戶數量增速放緩、流量紅利漸趨萎縮等現實問題與挑戰。
與此同時,隨著我國居民人均可支配收入的提高和商品市場的持續繁榮發展,人們越來越重視購物過程的體驗而非商品價格的高低,線上電子商務在滿足消費者體驗方面的短板也日益突顯。消費升級、品質需求提升、個性消費等紛紛崛起,無論是傳統零售業還是電子零售業都在尋求新的發展思路,業界由此提出了「新零售」的概念,從多方面積極探索新零售的未來發展空間。
新零售的概念基於對商業三要素——人、貨、場的重構,從過去以商家、生產商為中心,轉為以滿足消費者的需求為中心,重新組合零售行業的邏輯和鏈條。
而人工智慧技術可以服務整個新零售業態,從人、貨、場的角度出發,可以有針對性地服務每一個商業元素;同時,也能產生規模效應整體提升行業效率——用人工智慧商品識別技術「合縱連橫」服務新零售業態。
比如,目前新零售的商品識別環節主要應用為條碼識別和RFID射頻識別技術,在成本、監管和兼容性方面都有很大提升的空間。而通過人工智慧視覺商品識別,可以通過攝像頭錄入,一拍即可識別所購商品,實現真正意義上的無人零售。
此外,在實際場景中,人工智慧商品(圖像)識別技術還可以實現對商品進行數位化管理——實現商品分類、商品屬性標籤管理、提供「商品去重」和「比價」服務等,解決一系列管控問題問題。
新零售落地的瓶頸與困境
雖然新零售的發展一片向好,但實際上也有著其落地的瓶頸與困境亟需突破。
以目前市面上常見的智能貨櫃為例。目前主要流行的一種智能貨櫃解決方案是「視覺識別解決方案」,即以圖像識別為技術核心,攝像頭、主板為硬體核心,對目標產品進行目標檢測和分類,實現自動識別與結算,提升購物體驗與節省人力成本。
然而,在實際應用的過程中,部分問題也開始逐漸暴露,核心點集中於物品的識別準確率上。
智能貨櫃存在多場景全渠道售賣,兼容各類商家和商品的特點,所以會覆蓋各種各樣的複雜場景。比如每天上下班路過的地鐵站、或下班回家的小區門口、或者在辦公樓的一個角落;同時其售賣商品的範圍也很廣泛,還存在諸如商品遭遮蓋、倒放、推倒、疊放等問題。這些問題都給計算機視覺算法的識別帶來了很多的困難,導致出現識別異常的情況出現。
因此,如何解決圖像識別的精準度和覆蓋場景豐富性,成為新零售落地應用要攻克的一大難關。
Testin雲測助力新零售企業建立數據競爭壁壘
我們知道人工智慧應用有三要素:算法、算力、數據。其中AI數據是基石,其質量的高低會極大的影響最終模型的效果,是決定人工智慧應用最終落地水平的重要指標。因此提高AI算法的訓練數據質量,是解決新零售行業上述問題的關鍵。
某科技公司創始人表示,通過採用Testin雲測的高質量、場景化的AI數據採集與標註服務,結合其本身成熟的算法,解決了新零售場景下的AI數據覆蓋(場景)不足、數據標註精度不夠的問題,加速了其產品智能化進程,提升了用戶體驗。
其實在新零售目前的發展階段,不管是面對智能貨櫃、超市或大型客戶而言,AI數據的數量可能並不稀缺,但高質量、場景化的AI數據卻備具稀缺性。誰能擁有大量精準的落地場景AI數據進行訓練,就擁有了核心的數據競爭壁壘,並在很大程度上直接影響其在新零售市場上的競爭地位。
對於行業而言,Testin雲測的 AI數據標註業務在助力新零售相關企業「打地基」。通過行業首創的「數據場景實驗室」提供的場景化AI數據,保障了新零售+AI落地應用的場景豐富性;並結合高質量、高精度的數據標註能力,解決了AI數據良莠不齊的問題,從根源上提升了相關應用的底層能力。有了成熟的AI算法,加上高質量的AI數據,相關環節企業各有分工但協同並發,便可在新零售落地應用中發揮出1+1>2的效果,共同推動新零售的業態成熟,真正實現「創造極致的消費者體驗」。
隨著新零售落地不斷走向深水區,人工智慧將提供越來越重要的驅動力和支撐作用。站在AI數據服務的發展歷史角度看,AI對數據的要求也是伴隨著不同發展階段逐步提高。Testin雲測將從實際落地場景出發,持續產出高精度、高質量以及更多維度的AI數據,助力現階段及未來新零售的不斷進化,持續扮演助力產業智能化的關鍵角色。