施炜：商业智能与新零售的真正内涵

Posted 2021-04-20 华夏基石e洞察

•  本文根据华夏基石e洞察【思享会】总第159期施炜博士《新零售和商业智能》主题分享整理而成

• 施炜，“华夏基石e洞察”智库撰稿人，著名管理学家，中国人民大学金融证券研究所首席研究员

• 来源：华夏基石e洞察（ID：chnstonewx）

• 管理咨询及其它业务合作：15967150643（手机及微信）

各位朋友，晚上好！今天和大家分享的题目是《新零售和商业智能》。为什么选这个题目呢？因为最近一段时间以来，新零售比较引人注目。商业智能可以说是新零售的一个组成部分。当然商业智能不仅仅是新零售，两者有交集。

 “新零售”引人注目的三个背景

1.  亚马逊开出了无人商店

 

去年年底，亚马逊公布了一段在美国西雅图试运行的无人商店（Amazon Go）的视频。视频展示了无人商店的一些图景：一个人走进商店，用手机扫一下码，从货架上拿取一个面包，再通过手机支付，他就可以直接走出这个商店了。甚至连手机支付的动作都可以没有，直接通过人脸的识别就把费用从关联账号里扣除了。亚马逊的这样一个全新的无人零售形态引起了人们广泛的关注，很多人认为这个可能属于新零售的范畴。把目光从亚马逊移到国内，因为我们中国创业者很多，现在也有人在做这方面的试验。基本思路是模仿亚马逊的做法，在中国开设无人商店。

 

2.  马云认为“新零售”时代已经来临

 

“新零售”引人关注的第二个背景及原因就是马云去年10月份在杭州云栖大会上的讲话。马云在演讲中提出新零售的时代已经到来。马云讲的“新零售”和亚马逊的“新零售”在我看来不太一样。因为亚马逊的“新零售”纯粹是信息化的，强调无人化、数据化。马云讲的“新零售”，从他讲的一些内容来看，比较强调的是线上、线下以及物流的结合。

 

以前，中国电子商务通路和线下通路两者之间是没有打通的，各自的客户体验是割裂的，线上的顾客体验有线上的特点，线下的顾客体验有线下的特点。对一个企业或品牌而言，它的数据流没有能够实现线上线下的共享。

 

线上线下融合的形态有点类似于我们以往所说的O2O。O2O曾经热过一阵，有些模式已经非常成功了，比如一些基于地理位置的O2O。但从实体零售店来看，中国到现在还没有哪家店真正尝试做O2O。英国有一家零售连锁商叫Argos，线上线下一体化做得比较好。Argos的门店比较小，店里面只摆放少量的样品，顾客可以通过店里的屏幕上网搜索，选择商品之后，可以在店里下单。每个门店后面有个小型仓库，如果所选的商品是在仓库里有的，顾客当场就可以把货提走；如果暂时没有现货，顾客可以在约定的时间到门店自提，当然也可以在家里等待配送上门，但需要交费用。从Argos的实际情况来看，70%左右的顾客选择自提，大概只有30%的顾客愿意交钱等待送货上门。

 

3.  传统零售的衰落

 

“新零售”比较引人注目的第三个背景及原因是传统零售的衰落。在电子商务（包括移动电子商务、微商等）的冲击下，传统商业举步维艰，甚至节节败退。这时候突然有一个“新零售”的概念，让一些传统商业觉得有可能找到了一条道路，抱有某种希望。

 

当然，我们对“新零售”的关注还有一个众所周知的背景，就是我们中国的各位朋友包括我们自己在内，对新概念都是比较关注的。一个新概念一出来，可能都会扑上去看看是否能从中得到一些启发，有没有颠覆性的创新。

 

上面我们讲了新零售出现的三个背景：一是亚马逊的实践；二是马云的提法；三是传统零售的问题。

未来新零售的内涵

下面，我们结合这三个背景来谈一谈未来的新零售可能包括的内涵。

 

1.数据化和信息化

 

大家都知道，线下零售和线上电子商务相比，在信息的获取、应用方面，线下是不如线上的。比如，对于产品信息的搜寻、评价和分享，价格的比较等，每一个零售店实际上是孤岛，顾客体验显然是比较少的。从经营者这一方来说，线上的电子商务从一开始就是基于信息流和数据流的。因为看不见真人，只能根据顾客在网上的动作，比如搜寻、浏览、点击，以及实际发生的销售数据等，来判断顾客的行为，从而为顾客提供商品推荐等服务。

 

因为线上有数据和信息的优势，因此产生了精准广告投放、推荐销售、产品之间的交叉销售等新方式。在很长时间内，线上的商家是有某种优势的。而在“新零售”背景下，线下的商家也要把自己变成一个巨大的信息流和数据流的集合。

 

第一，零售店面所有的货架、货物、购物篮、收款设施等这样一些物体，构成了一个通过传感器来相互联系的物联网。形成一个物联网之后，信息就开始采录和聚集。比如说顾客在货架上每拿一样货物，后台的信息系统都可以同步显示，可以知道顾客拿走了第几排的货柜上的哪些产品，这样就解决了传统的零售货物的盘点问题。过去优衣库在日本基本上要一小时盘点一次，比如毛衣、T恤放在货格子里面，早上摆了5件T恤，过一小时卖掉2件，还有3件，再动态地预测和补货。现在有了传感器之后就不用去数了，实现了即时盘点。

 

第二，零售店无死角地布置摄像头（有的资料里称Amazon Go里也安装了麦克风，这里我们略去不谈），实际上就是图像采集系统。你走进这个店之后，往哪里走？在什么地方停留？有什么样的动作（比如拿了一个货物，拿过来之后，又想要又不想要，就退回去；或者放在购物篮里，放到篮里之后，又放回货架，等等）？以前的零售店当然也有摄像头，现在摄像头更密、更多。

 

摄像头对信息全程进行记载之后，和人脸识别技术结合在一起。很显然，人脸就是最大的标签和最显著的标志。这张脸所对应的人取了多少货、需交多少钱等，系统可以直接识别，钱就自动扣掉了。当然，这是一种理想的状态。无人商店的结算可以有多种方式，包括APP、扫扫二维码等。

 

第三，高度数据化和信息化的新零售，还有一个体现就是电子标签的应用。所有的货品上可能都有一个二维码，扫一扫二维码，这个商品所有的信息（包括价格信息、产地信息等）都可以在手机或其他的载体上显示出来。有了电子标签之后，对于管理者（即店面的经营者）来说，库存的盘点、货物的补充、价格的调整、顾客的结算等，都可以借助电子标签完成。

 

未来，传感信息系统、电子标签信息系统和摄像（声音）系统三者之间，既会交互也会共享，还会彼此补充，共同形成零售的海量、动态信息的集合。这样一来，对于商店的经营者来说，线下的店和网上的店就没有区别了，甚至比网上的店还更有优势，因为对顾客的行为（包括行为背后的动机）有更加真切的把握。

 

现在我本人没有看到无人商店的实际场景，我只是看了亚马逊的一段视频和一两个商业智能的项目建议书里的描绘，在这里跟大家简单说明一下。有讲得不对的地方，请大家指正。听说上海已开出了第一家无人便利店，顾客需要下载专用APP才能交易。

 

2.虚拟世界和真实世界一体化的体验

 

在现实的物理空间中，我们的体验是受环境限制的，我们每个人只能看到真实世界。而互联网上会有一些真实世界中不能体会到的炫目、刺激的情景（包括3D画面）。现在也有人在考虑把一些互联网上的体验放到线下来。我们前面举的英国Argos的案例，其实是个最简单的模式，就是在线下店里安装一些能够上网的屏幕。

 

随着VR、AR技术的发展，线下将会有新的顾客体验的方式。

 

新的体验将首先在游戏网吧里出现。游戏网吧是一种线下零售的特殊场合——目前阿里巴巴把新零售扩展成一切的线下的物理空间的体验，游戏网吧、餐饮、咖啡厅、书店等都算。目前，有一些公司比如有一家叫顺网科技的，它是线下网吧信息软件系统的主要提供商，将来在虚拟现实方面可能会比较领先。

 

线下的游戏很快就会进入虚拟现实的时代。虚拟现实就是每个人头上戴一个头盔之后，他所见到的世界不是周边的真实世界，而是另外意义上的真实世界。我们可能穿越时空进入古代，置身古代的场景，可以参与其中。当然我们也可以看到未来的一些图景。总而言之，这个和我们戴上3D眼镜在电影院看3D电影的感受类似。

 

那么零售店会怎么样？顾客进去之后，戴上一个头盔，然后通过商店里的二维码等一些附着在商品或附着在其他载体上的信息入口，可以进入另外一个世界。它是立体的，在内容上是有无限可能的。这样就超越了店本身的限制了。比如说，我要选购一辆日本的汽车，那我就可以通过头盔看到这辆汽车在日本生产线的过程，当然可能还有一些更纵深的内容。我也可以去选购一个瑞士的产品，那我可以把自己放到日内瓦湖或者阿尔卑斯山的一个背景下，四周有湖水有山，体会瑞士的风光或风土人情。虚拟现实，对于零售有帮助，但是它不是革命性的。未来可能会引发革命性的体验的，可能是增强现实，但它的应用在技术上可能更困难。

 

增强现实是什么呢？就是在真实的环境中突然出现了虚拟的景象，这是我的一个理解。举个例子，我们去家具卖场看顾家皮床。现在我们要看一看在这个床边上摆放两把椅子是什么状态。这个椅子在现实中是没有的，但是可以通过电脑或手机选择两把椅子，在戴上一个特殊的眼镜之后，这个椅子就会在沙发旁边出现。我还可以通过电脑或手机上的操作，改变椅子的颜色，改变椅子的形态，可以改变椅子的数量，总而言之，椅子是虚拟的，我们将它与现实的真实情境之间进行匹配。

 

这就有点类似于前段时间我们在手机上看到的一段视频，就是“邓丽君”突然“复活”了。这个舞台是真实的，观众也是真实的，突然“邓丽君”就活灵活现地出现了。那个叫全息摄影，这种技术在商业中将来也会运用。

 

刚才我们提到家具，瑞典的品牌连锁——宜家目前试图做AR（增强现实）方面的努力。至于说VR、AR在国内有没有应用，据我所知有一些企业在尝试。

 

3.商业智能在新零售中的应用

 

第三点是我们今天讲的重点，就是新零售和商业智能。商业智能，是个很宽泛的概念，简要地说，就是人工智能在商业中的运用。商业智能目前主要的运作场景、应用的领域就是在零售业。怎么运用？已经有一些案例。国内很少，几乎没有。我搜集了一些资料，国外的一些零售商已经开始运用人工智能了，当然也是初级的运用。

 

人工智能的基本要素之一是大数据，也就是说没有数据就没有人工智能。数据是人工智能、机器深度学习的原料，是给它喂的饭或者是给它添的油。从零售店角度看，是有大数据的。数据一直是存在的，也是流动的，只不过以前这些数据可能流失掉了。

 

一个零售的卖场，它究竟有哪些数据？很显然，主要就是顾客购买行为的数据，这里包括他的行动路线、来店频率、逗留时间、决策速度、动作特征等等。此外，还有一些数据就是他的行为的结果，包括顾客买了哪些商品，花了多少钱，等等。这些数据的流量非常大。

 

基于这样一些数据，我们要给智能系统一个指令，要给它一个运算逻辑。也就是说，要规定智能系统根据这些数据产生什么样的分析结果。从这个意义上来说，人工智能其实还是人的智能，它基础的算法还是由人来设定的，包括输入什么信息、输出什么信息、中间的转换的逻辑。或者说是一个函数式，是一个解题的步骤和过程。

 

将来随着人工智能的发展，它是否能模拟人的神经系统，是否有独立的智慧，今天还没有看到，未来可能会有。

 

（1）商业智能和个人交互的四种情形

 

零售企业获取大数据并经过计算之后，会针对顾客产生哪些智能化的反应？总的来说有两个类型和方向。一个类型和方向是针对每个顾客个体的，根据顾客的信息对每一个顾客进行一对一的精准的营销。到目前为止，商业智能针对个人，和个人的交互，具体来说可能有四种情形。

 

第一种情形是基于人像识别的顾客互动。一个人来商场很多次，他的头像就已经被记录下来了，那么以后再去的时候，无论是服务员，还是其他的一些信息设施，可能会很热情地跟顾客说：“欢迎您第N次光临，您是我们的老顾客”。这是一种初级的、比较基础性的运用。头像的背后还有这个人的一些历史数据，基于这些历史数据可以准确地跟客户互动。比如，一个人去吃牛扒，经常有服务员会问：你吃几分熟啊？有人说五分，有人说八分，那人工智能系统就记住了。你再去的时候，服务员在和顾客交流的时候就可以说：先生，知道您喜欢吃五分熟的，现在有一种牛肉，三分熟更好吃。这样的沟通会更有效一些。

 

第二种情形，是商超用得比较多的优惠券。包括电子形态的优惠券。比如商场APP里面送一些电子优惠券，这些优惠券完全是根据顾客的数据自动生成的。顾客去交钱的时候，一边交钱，优惠券就打出来了。优惠券很复杂，结构很精巧，可以根据顾客的购买额，1000元钱以上的给你一张，2000元以上的给你另一张，而且通常都有时间的限定，比如要在5天内用完。有的还有品种的限定，这跟推荐商品有点类似，比如说根据你过去的数据，你似乎比较喜欢喝啤酒，比较喜欢喝德国的黑啤，那就给你两张黑啤的优惠券。

 

在优惠券方面，目前还有一些超出我们想象的应用。比如，发现一位顾客从来没有买过啤酒，基于这样一个数据，那我们怎么给他优惠券呢？也给他一张啤酒优惠券，用于测试这个人是不是在其他的店买啤酒。如果他用了优惠券，那就证明他还是喝啤酒的，只是原来不在我这里买。这个测出来之后，就可以给他更多的啤酒优惠券，这样就可以对对手构成影响。

 

基于会员制、积分制以及购买记录的优惠券系统，是目前商业智能的主要形态。优惠券越来越丰富，越来越有意思。这个在欧美其实是个成熟的系统，可惜的是我国零售企业还用得非常少。国外有专门的这样的系统服务商，即营销服务公司，大的甚至能够覆盖几千万人，数据量非常大。

 

第三种就是商品的推荐和交叉销售。通过数据分析发现某一个人去购买某种商品的时候，他同时还会买其他的商品，这就构成一个关联。以前他买商品的时候都是果汁和酸奶一起买，那就可以同时推荐果汁和酸奶。这在逻辑上比较简单。另一种逻辑关联，比如说一位男顾客买了纸尿布，这可能是孩子的爸爸，可以给他推荐奶粉。

 

人工智能也在发展。以往这种商品整合起来的推荐都比较刻板，或者说是逻辑僵化。比如我一个朋友跟我说，他给家里的老人去看过墓地，结果连续一个礼拜甚至更长的时间都有商家给他推荐骨灰盒。

 

所以，未来商品的推荐可能是智能推荐，根据顾客长期的购买行为进行一些分析，推断他可能对哪些商品很感兴趣。那就可以进行横向的相关产品推荐和纵向的上下游产品推荐。比如顾客买了电吹风，解决了头发的问题，再推荐一个剃须刀，一起解决一下胡子的烦恼，这是横向的推荐。纵向的是什么呢？比如顾客买了刀片，就推荐刀片的上游——刀架。再比如顾客买了CD，就推荐CD的播放机。未来可能还有更加智能的，那就是跳跃式的、非单一线性逻辑的推荐。比如某个人经常买些比较古典的交响乐，推断出这个人可能是比较传统的、文化层次比较高的、行为作风比较西化的，那是不是可以给他推荐一款怀旧型领带？这个跨度比较大，也比较有意思。

 

第四种，就是行为的预测，即根据以往的行为来推测未来的行为，这个就比较难了。比如说一对小夫妻，因为刚成家，以前可能购买一些生活用品等，过了一段时间，通过购买的特点、迹象和数据，推测妻子可能已经怀孕了，那就可以赠送一些婴儿产品的优惠券等。这就是提前推测顾客在未来一段时间的行为特点。

 

根据顾客购买的时间、动作，还可以分析这个人是属于简单购买还是属于复杂购买。人的购买心理和性格不一样，有些人买东西比较快，瞬间反应；有些人就要货比三家，任何事情他都要认真地盘算。人工智能系统能将他们推断区别出来，与他们互动的内容和方式也就不同了。另外，更进一步，人工智能甚至可以判断每个顾客的生活态度和生活方式。

 

（2）商业智能和顾客群体的交互

 

下面讲讲商业智能应用的第二个方向，不是针对某个顾客，而是针对顾客的群体。根据大数据做群体分析的时候，大数据的范围可以扩展到整个互联网上，比如微博、微信上的顾客心声和反应。

 

第一，是对顾客进行分类。商业智能出现之前，商场里的顾客群画像，依靠人的智慧，维度是有限的。而到了人工智能的时候，就可以增加很多的维度，从不同的角度对顾客总体进行分类，从而形成多种分类模式。也就是说，画像可以从不同的角度去画，把顾客分成很多群。比如，按照远近来分类，过去没有数据的时候，怎么知道这个人来自近的地方还是来自远的地方？现在通过物联网的信息，就有可能知道顾客的距离远近，对不同距离的顾客的服务方式可能就不太一样。

 

第二，分析这些顾客群的特点。比如，以是否成家可以将顾客分为单身、两口之家、三人核心家庭。这就构成了家庭的三种形态。在这三种形态的背景下，人均的购物金额、购买的品种、喜爱的审美风格等，都会形成一些比较鲜明的差异。

 

了解了这些差异，在货架的摆放上可以变得更有针对性。比如专门有一些大容量的牛奶是针对三口之家的；比较小包装的、时尚的就适合两口之家；还有针对单身的产品，在营养的构成、包装（怎么开启）等方面都可以有不同的特色。

 

第三，分析顾客为什么流失。哪些群体流失得最快？流失的原因是什么？根据顾客群体总的行为特征，并找到背后的影响因素，基本上能够判定顾客流失的原因和背景。

 

第四，找出顾客行为中出现次数较多的典型行为并分析背后的原因。例如某一种新产品，大多数人都是拿起来看了看，并没有购买。原因是什么？价格问题，还是产品价值诉求问题？抑或包装问题？基本上可以建立一个假说，这个假说可以通过大数据和人工智能来进行验证。

 

第五，分析零售店里面的顾客注意力资源的分布。简单地说就是顾客更喜欢聚集在什么地方，在哪些地方投注了更多的目光。这个主要通过摄像头、图像系统等就可以收集到。这是零售商场动线和商品展示的依据之一。同时，也为广告竞争提供了依据。比如供货商有A和B，那就可以把广告位精准地给他们进行推荐，比如这个地方有更多的人流量，顾客停留更长时间，那么这个地方的广告就要贵一些了。

 

小结一下，今天我们前面分享了新零售产生的缘由，后面讲到新零售的三个方面的涵义：一是信息化和数据化，二是虚拟世界和真实世界一体化的体验，三是基于人工智能的、针对个人以及针对群体的策略回应以及顾客互动。这是目前我从实践的角度所理解的新零售和商业智能。

两点感受

最后，我分享最近的两点感受。

 

在5月份的时候，我去美国看了七八家美国家具的零售店，感触很深。其实美国绝大多数店没有人工智能这些噱头，只是一些会员制的店在做一些尝试。但是，美国的零售店在基本环节上做得比我们好得多，比如说目标市场定位，这个产品是给谁的；基于这个基础，产品、品牌宣传、展示风格是高度一致的。另外就是空间的节奏，疏密有致，空间搭配感觉很舒服，很场景化，也很开放，很通透，色彩很协调。这些方面我们中国的零售企业似乎都不是很关注，所以我们一下子跳到智能化并不能改变我们过去基本功差的局面。这是我的第一点感受。

 

第二点感受，涉及到一个话题，就是未来人工智能对管理的影响。前几天，我们华夏基石内部，彭老师等几位老师做了一个座谈，我们一致的观点是：未来人工智能不仅是对初级劳动力进行替代，而且对高级劳动力也会进行替代。比如，营销部门的一些数据分析人员、统计人员，现在可能不需要了，因为人工智能能够自动生成很多的数据结果。以前可能还有很多人专门对顾客进行分析，现在除了不能把握特别隐秘的顾客的心理状态之外，需求的轮廓、行为的基本特点，人工智能基本是能够把握的。

 

但是，人工智能不管怎么演进，人还是起作用的。数据是自然形成的，但是数据怎么加工、用什么样的逻辑去加工、加工成什么样的结果，还是人制定出来的。不管阿尔法狗怎么厉害，围棋胜负的规则还是人类去告诉阿尔法狗的。阿尔法狗为什么能赢人类，其实很简单，它已经研究了几万盘棋。柯洁也好，李昌镐也好，这些人不可能了解那么多棋局。阿尔法狗把几万盘棋深度学习之后，把每一步的胜负概率都算出来了，往这个方向走，胜率是多少，往那个方向走，胜率是多少，那就选一个胜率较大的步骤。我的理解不一定对，阿尔法狗其实还是人类智慧的结晶。给阿尔法狗喂了这么多的数据，赋予它底层的算法规则，它是否能够自己长出一套独立的神经系统、认知系统出来，我们现在不知道，让我们拭目以待。

 

今天的主题分享就到这里。这个话题对我来说是一个新课题，在国内也没有见到特别多的实例，所以带有一些设想性。讲得不对的地方，请大家批评指正，谢谢！

 

（文字整理/编辑 吴林君）

“施炜：新零售和商业智能”课程音频已上线

总第159期【思享会】

囿于华夏基石管理思想高级群入群条件硬性要求，更多的华夏基石e洞察粉丝并不能被邀请入群亲自聆听大师的在线分享课，加之老师们的诸多精彩讲授群内分享完毕又无法保存，为解决这一痛点，自总150期开始（每周更新一期，全年50期），我们陆续将各期管理思想群内的分享剪辑合成系列音频专栏课程，方便大家收藏学习！欢迎点击左下角“阅读原文”收听往期分享！