2018年是新零售爆发的一年。相信大家都有同感。便利店比以前多了很多，几乎随处可见。感觉好像一两个月没去超市了。我用手机买日用品和日用品。下了单，第二天早上就有人送货上门，街上不时看到一些新零售业态。但我经常看到街上很多店铺空无一人，不一会儿就关门了。从中，我们感受到了存在的残酷。对于零售企业来说，核心竞争力在于“增销控本”，即增收节支。新零售企业的发展得益于越来越多新技术的应用，得益于新技术在增收节支两个方面的不断应用。以下是大数据和人工智能在新零售行业的一些主要应用方向，请带走！一、运营1、会员管理会员运营是新零售企业非常重要的工作，做好运营的前提是有效的要知道会员，会员运营是基于会员标签的。会员标签包括基本标签和高级标签。通过建立算法模型计算高级标签。主要使用的算法模型有：成员分组，包括价值分组、行为分组、生命周期分组等；会员流失预警，从结果中筛选出流失和休眠的会员，通过流失恢复、睡眠唤醒等活动策略激活这些会员；会员偏好评价，包括购物偏好、品类偏好、品牌偏好、价格偏好、购买时间偏好等；购买倾向预测，预测会员未来购买网站内某一商品或类别的可能性，可用于筛选出特定产品的潜在目标客户群；到货时间预测，可用于提醒会员下次光临或购买，可用于VIP到货提醒；重复购买预测，分析会员是否定期购买某个单品或品类，并据此判断会员下次到店购买的时间和可能购买的产品；会员忠诚度，忠诚度高的会员是企业需要维护的优质会员；会员稳定性反映了会员消费行为的稳定性，不稳定的会员需要维护；会员购买力包括会员整体购买力和会员单一品类购买力（即倾向性）2.活动圈内人士发起促销活动时，除了精心设计活动外，还需要识别目标客户群体，此时需要结合内外部数据，对会员进行精准刻画，形成多维度、深层次、精细化的标签体系。3、线上运营新零售的特点之一是线上线下融合，线上触达客户，线下购物体验，线上领取优惠券，线下门店享受优惠，线上下单，线下自提。线上，新零售企业一般有微信公众号、微信群（比如新兴的社区营销）、网上商城（小程序、APP、自建商城等）、第三方生活服务平台（如美团、饿了么）等渠道和工具。商品推荐是根据会员的基本属性、消费、浏览、搜索、活动参与等信息，分析用户的消费偏好，在不同场景、不同时机向会员推荐合适的商品。例如，会员在浏览圣诞帽的商品详情页时，可以推荐圣诞树、圣诞袜、圣诞苹果等与圣诞节相关的商品；当会员进入购物车页面，购物车中有婴儿奶粉，则可以向会员推荐与婴儿用品相关的商品（如奶嘴、奶瓶等）。网站优化对于网上商城，通过埋点获取每个会员/访客的详细页面浏览数据。根据这些数据，就可以知道会员/访客是从哪个页面进入的，中间浏览了哪些页面，停留了多长时间，浏览、点击还是收藏，***从哪个页面跳出。基于这些数据，可以进行漏斗分析或浏览轨迹分析，分析网站中某些关键路径的转化率，从而判断整个流程的设计是否合理，每一步的优劣，以及是否有优化空间等，不断优化页面设计，提升用户体验。二、商品/代购1、新零售时代智能选品时代，选品很重要！由于新零售基本做到线上线下同价，可以利用爬虫技术获取门店所在商圈竞品信息，包括商品名称、品牌、产地、属性、价格、销量、活动等。通过这些信息，我们可以知道：当前同行业竞争产品的品类结构和分布情况如何，每个品类销售了多少产品？圈内人的购物偏好）哪些产品是“我有他们和其他”，找出与店内销售的产品最相似的竞品，看看这些产品的当前价格是否低于您自己的价格，又低了多少？同行业竞品哪些产品刚刚上市，哪些产品已经下架？同时，结合商圈客流人群特点和人群兴趣变化，智能选品可以提供有效的品类建议、单品建议、动态定价。支持和协助商品或采购部门决定“什么能卖、什么不卖、卖多少”。2、精准定价基于大数据和算法的商品“智能”定价，是一种动态的定价策略。以价格为轴心，根据商品的价格弹性，结合市场竞争环境，为商品量身定制最适合的竞争动态定价策略。3.门店1.客流分析/动线分析通过摄像头视频监控技术，实时抓取进店顾客、离店顾客、店外顾客人群的人脸图片，并利用人脸识别算法进行处理人脸图片判断收集顾客性别、年龄等信息，创建顾客画像，包括到店频率、时间段、进店频率、进店时间、新老顾客、在店停留时长等。此外，还可以在每个展示区放置摄像头或探头，实时掌握每位顾客在店内的行走轨迹数据。此外，自助结算终端还可以在客户结账时自动抓拍客户人脸，让你知道哪些客户进店后最终会购买，哪些客户是VIP会员。过去，零售企业只知道会员和消费信息，现在可以通过摄像头和人脸识别技术将消费数据和客流数据连接起来，获取更丰富的信息，包括顾客（甚至周边人群）和消费前的信息。通过分析客流数据和消费数据，可以了解近期店外客流和店内客流的变化趋势，是否存在异常波动，找出原因，评估对店内客流的直接或间接影响门店，如天气、节假日、周边设施建设、大型活动、促销活动、新品发布、门店装修、店内布局优化、服务提升等；不同时间段的店外客流和店内客流分布。当店外客流较多时，可采取措施吸引顾客在此期间进店；当店内客流较多时，这段时间可在店内合理安排更多人手，提高服务水平和顾客满意度；看店内外的客流在时间段分布上是否存在差异，并分析原因。店内外客流特征。看看每天经过店铺的人，以及进店的人，就可以判断店铺的目标客户群和进店的客户群是否一致。如果不一致，就需要调整经营策略；为了了解店铺是否“在对的地方找到了对的人”，店铺外有哪些主要客群是店铺没有覆盖到的，店铺可以制定差异化的经营策略，吸引这些客群进店供消费。店外客流有多少百分比进入店内，即店内转化率，反映了店铺的吸客能力，即吸引店外客流并转化为店内-门店客流；通过对比前后的店内转化率，我们可以知道店铺的客流情况。吸引顾客的能力是否有所提高，或某项促销活动的效果如何；它还可以用来比较不同商店之间吸引顾客的能力。店内客流中有多少人会购买商品，即消费转化率，一定程度上反映有效潜在客户在店内客流中所占的比例；结合店内客流，通过对比前后的消费转化率，可以知道店内的服务水平和销售能力是否有提升，或者某项促销活动的效果如何；也可以用来比较不同店铺之间的消费转化率，看哪个店铺的综合服务水平更高。动线分析，即顾客在店内如何走动，在哪个区域停留时间长，从而知道哪个区域客流量大，产品关注度高，有助于优化产品陈列，提高整个效率存储、优化人员配置，并为辅助决策提供促销安排。另外，当顾客进店时，可以与后台数据库的人脸身份进行比对，判断顾客是否是会员，是否有优惠券未使用，然后发送提醒给客户增加客户购买的概率。2、刷脸支付刷脸支付采用人脸识别算法，将用户支付时扫描的人脸与后台用户档案库中的人脸图片进行实时比对。如果确认是同一个人，则支付通过。现阶段，人脸识别支付还存在一定的安全隐患。用户支付时扫描的人脸容易受光线、角度等影响，导致与后台数据库中的人脸图片比对不成功，进而无法支付，或者用户A的人脸和人脸图片后台数据库中的用户B被误判。比较成功，导致“A消费但是扣了B的钱”。刷脸支付需要具备极高的判断准确率，将这两种情况的风险降到最低，才能得到广泛应用。3.口碑分析采用文本分析算法，通过分析用户评论数据（来自网上商城产品评论、公众号文章评论等）和客户满意度调查数据，可以了解客户对各个方面的评价对店铺的评价，包括：店铺的整体口碑好坏；顾客评价主要涉及哪些方面，如服务态度、店铺卫生、店内体验、产品质量、自助服务工具、物流配送、促销活动等；除了评价，客户还提出了哪些需求或建议；口碑分析结果可反馈给研发、运营、商品、物流、门店等部门人员，促进门店运营综合服务质量的整体提升。此外，还可以实时获取与企业有关的特殊或重大事件的网络舆情数据，以便管理者及时掌握舆情情况，及时采取有效应对措施。4.购物篮分析购物篮分析源于沃尔玛超市的经典案例——“啤酒和尿布”。主要解决的问题是：一群顾客购买了很多产品后，哪些产品更有可能被同时购买？哪种产品更有可能同时被A购买？购买产品A后，哪种产品更有可能被购买？如果在研究问题中，假设一个顾客购买的所有商品是同时购买的，那么分析的重点是所有顾客购买的商品之间的相关性；如果假设客户在不同时间购买商品，分析需要及时突出相关性，比如先买什么，后买什么？那么这类问题就叫做关联问题的特例。购物篮分析的结果主要用于：将高度相关的产品捆绑或放置在一起，以折扣吸引顾客购买；推荐购买过与商品相关度高的商品的客户5.商品陈列零售三大场景包括陈列、收银和库存。商品陈列直接影响顾客的购物体验，店家也在陈列上下功夫，尽量迎合顾客的消费习惯。通过对动线的分析，可以引导顾客在店内的行走轨迹，结合订单数据的分析，找出顾客的购物习惯，从而指导商品陈列。例如，发现一些客户经常购买一些单价较高的产品，但这些产品并没有放在一起，或者与其他产品放在一起很难找到。客户选购；2018年俄罗斯世界杯期间，数据发现同时购买啤酒和小龙虾的订单很多，因此可以将啤酒和小龙虾捆绑在一起打折销售。6、货架监控利用摄像头和图像识别技术，对冰柜、货架、柜台等陈列设备上的任何产品进行扫描分析，判断货架上的产品是否已经开始变质或即将过期（例如，比较随着昨天，今天的香蕉皮开始出现斑点），物品是否杂乱，是否有物品放错地方或放回原处（例如，香蕉区的苹果），哪个物品开始缺货等，并将结果及时通知店员。7、智能验店智能验店为管理者提供视频验店、照片验店、现场验店等多种验店方式，让管理者“运筹帷幄，决胜千里”。店长可以在监控中心和移动端看到各门店的实时视频，也可以通过监控中心向前端云平台发送控制命令，控制云平台观察门店详情，以及对门店进行远程实时抽查和监控。平台支持视频截图编辑和在线测评操作，确保企业各级管理者无障碍直达门店，随时对货架、员工、卫生等进行监督测评，降低门店成本巡查，提高门店巡查效率。8、智能防损防损工作是超市经营的重中之重。对于内部原因造成的货物丢失，可以在收银环节进行POS收银监控。系统将收银过程中的单张发票内容与监控视频实时叠加显示，通过时间和收据编号实现历史交易视频的快速查询和回放。不仅可以为实体零售经营者提供有效的门店防损监管手段，还可以为交易纠纷提供可视化的交易溯源证据。此外，人工智能技术可以快速识别“惯偷”等特殊群体的人脸信息并发出警报，以便店员及时采取措施，减少损失。同时，人脸信息也可以共享，关键人员信息可以同步到各个门店。9、人员调度通过时间段分析，可以知道哪个时间段客流多，哪个时间段客流少。进一步的，你可以知道每个时间段哪些区域客流多，哪些区域客流少。这样就可以确定每个营业时间安排多少人，分别安排哪些区域等等。此外，还可以通过算法预测高峰期（如大促、节假日等）各门店的业务量，灵活调配人员现场支持。10.商圈分析通过整合各种内外部数据，可以得到各门店所在商圈的信息，包括：商圈宏观经济发展数据、人口规模、居民收入水平；有多少写字楼（分别是高、中、低），房子有多少，楼价是多少，有没有学校、工厂、政府部门/事业单位等，从中可以知道企业的构成商界人士，即白领、居家人士、学生、上班族等身份；商业区的位置和交通状况；商圈人群特征，包括基本信息、购买偏好等；利用这些信息，可以应用于店面选址，也可以帮助管理者做出“卖什么、不卖什么”的决策和合适的促销策略。例如，高档办公区的店面可以有质优价高的饭盒、水果、零食等，生鲜品少，小区门店生鲜品多。11.竞争店铺动态通过线上数据抓取和线下调研收集获取各店铺周边竞争者的信息，包括：竞争者目前销售的产品品类结构，即哪些品类的产品多，哪些品类的产品少;竞争对手在卖什么产品，价格是多少，是否降价，销量如何；竞争对手目前在做什么活动，他们吸引了多少客户，他们的效率如何？竞争对手店铺的陈列与布置；有关竞争对手的其他信息；所谓知己知彼，百战不殆。了解竞争对手动态，门店可以在品类结构优化、选品、促销、陈列等方面采取相应措施。12、大屏可视化数据可视化是信息化的最后一公里，是用户直接了解的第一环节感受数据的魅力。尤其是看到像阿里双十一大屏这样的实时大屏可视化，相信很多人都惊叹不已。可视化大屏采用大数据技术实时计算关键KPI指标，加入高度的数据可视化，最终动态呈现在大屏上。通过可视化大屏，用户可以了解当前各项核心指标的销售状况，如当前累计成交额、新增会员数、哪些产品销量最好等。可视化大屏特别适用于以下场景：新店开业；大型促销活动；投资者、合作伙伴、重要客户来访、公司能力展示；四、拓展1、智能选址。并且”，一件事情的成功有三分之一取决于选址，可见选址的重要性。对于线下零售店来说，选址的重要性不言而喻。传统的选址周期长，成本高决策所需的大量数据来自于抽样调查、实地考察、现场卡牌统计等人工采集，区域人口分布、人群特征等数据依赖于少量的问卷调查和现场监测人员的经验和判断，二手数据，过于依赖人工经验，人工采集的数据质量滞后、不准确，容易影响最终的选址结果，数据准确性低，而且选址效果难以保证。此外，选址也缺乏目的性。目前的选址犹如大海捞针，需要从区域中找到大量可行的区域，然后从许多区域的大量街道和商店中找到一个基本合适的出口地址。智慧选址通过数据采集、数据交换、数据引入等多种方式整合外部维度丰富的数据，并根据区域经济发展、配套设施、客流及趋势、竞争者分布等信息，综合评价选址。各区域的价值，筛选出有潜力、适合拓展的潜力区域。在此基础上，洞察潜在区域客户群体特征，分析潜在区域主要客户群体与企业自身客户群体定位的匹配度，从而进一步从潜在区域中确定目标区域。简单来说，智能选址可以帮助零售企业“在哪里开店，卖什么，卖给谁，覆盖多少”。五、客服1、智能客服目前，我国智能客服市场涌现了一大批提供第三方智能客服服务的企业和智能客服产品，如IBMWatson、科大讯飞、小i机器人等。、智齿科技、小能机器人。智能客服机器人基于自然语言处理、大规模机器学习、深度学习技术，利用海量数据建立对话模型，结合多轮对话和实时反馈自主学习，准确识别用户意图，支持文字、语音、图片交互。多领域语义分析、多形式对话，批量、高效、准确、灵活地响应客户问题，降低企业客服人工成本，提升客户满意度。智能客服机器人的大致工作流程如下：首先，用户将遇到的问题以文字或语音的形式进行描述。机器将用户的问题转化为可理解的形式，通过模型解析文本，在知识库中找到最匹配的。“答案”***输出答案并以文字或语音VI的形式反馈给用户。仓储1、库内监控通过对仓库作业的监控，实现可视化管理，指导现场管理人员介入处理，提供辅助决策支持。建立实时仓储运行监控系统，建立仓储、盘点、发货三大系统管理实时监控功能。提供仓库订单预测和调度建议，并根据预测的订单数量和人工效率实时计算调度员，为仓库调度提供数据支持。仓库监控的目的是使入库信息实时、透明、公开，建立监控监督机制，提高人效、场效、产品周转率。2、拣选路径的优化拣选效率的提高取决于货物的摆放、拣选路径的优化、设备的改进。货物应该放在合适的货架上的合适的地方，并遵循一些原则，例如，销售量或促销品应该放在靠近仓库出口或进口的货架上；销量或促销商品应放在黄金货架中间的黄金位置；销量小的商品放在货架底部或顶部；采摘路径优化是地理信息科学中的一个路径规划问题，主要采用运筹学和动态规划算法来最小化采摘。在交货时间和成本等各种约束条件下，确定最高效的拣选路径。依靠人工拣选，错误率高，效率低。因此，目前已经开始在仓库进行无人拣选，比如拣货机器人。七、配送1、智能配货根据需求预测，采用优化模型计算各区域的补货频率。同时结合车型、运载能力、运输成本等相关运输数据，计算出下周最优车辆调度方案。排计划会结合每个补给计划员负责的区域，以平衡每个人的工作安排和更好的人力分配。由于公司战略、产品推广、库存分配、人力安排等因素的影响，车排计划存在一定的可变性。规划者可以灵活方便地进行更改，这些变化被系统记录下来，分为计划调整和临时更改两种状态，作为以后用车调度的依据和分析用车效果的数据来源调度。2.运输路线的优化同样，运输路线的优化也是地理信息科学中的一个路线规划问题。利用运筹学和动态规划算法，在最小化运输成本和最大化交货及时性等各种约束条件下，输出最佳运输方案。3、交通监控利用网络通讯和GPS定位技术，结合车载摄像头和大数据可视化技术，对交通运输中的车辆进行实时定位和跟踪，随时掌握车辆的实际位置和运动趋势，监督车辆的运行状态汽车。同时，实时判断以当前速度到达目的地是否有延误，并发出延误预警，以便及时采取应对措施。八。供应链1.销售预测基于机器学习、深度学习等算法技术，结合天气、节假日、促销、新品发布等影响因素的考虑，从商品销售或销量的波动趋势中发现变化规律，并预测下一个时期的销售量或一个时期的销售额。销售预测模型可以实现自动化、批量化、分层预测，可以预测不同级别商品（大类-中类-小类-商品）的销售预测。销售预测结果可应用于以下方面：公司战略或年度计划的制定；仓库划分决策；自动补货计划制定；业务高峰期的人员、物资等资源配置；2、智能分仓可以利用遗传算法等优化算法，根据销售预测、仓库网络布局、运输成本和时效等因素，模拟计算出各种可能的分仓方案的成本和时效，给出最佳的分仓方案划分方案。3、自动补货大多数零售企业都存在客户需求与库存水平的矛盾：一是库存过剩，即客户的需求低于库存。在这种情况下，会出现库存积压，增加库存成本；首先是库存不足，即客户的需求高于库存。这种情况会导致部分客户无法及时购买到自己需要的产品，服务水平也会下降。解决方案是：预测客户需求，按需供应，优化库存水平。当库存水平刚好能满足客户的需求时，就是最好的库存。这是最理想的状态，在实践中很难完全达到，只能尽可能接近最大库存水平。自动补货策略的制定主要基于多级补货网络，从成品生产工厂到物流中心到外仓，再从外仓到门店，综合考虑预测的销售和需求变化、运输时间、每件商品的包装。基于规格、库存成本、运输成本、运输频率、客户服务水平、库存策略、最小订单数量等因素，更细粒度和动态地制定库存补货策略，包括再订货水平和订货水平.这些补货策略可以针对每个仓库、每个门店的每件商品，动态适应市场变化，随着时间的推移做出相应的调整。九。人力资源1.人岗匹配人岗匹配模型利用文本挖掘和知识图谱技术，从家庭背景、学历、工作年限、工作经历、项目经历、职位、业绩等方面有效分析简历和工作信息。在此通过这种方式，可以将简历和职位进行精准匹配，从而提高HR工作效率，降低招聘成本，帮助HR全面运营和盘活人才库，更好地实现企业人才积累价值的最大化。此外，模型会根据更多招聘行为的发生进行自动学习和优化，进一步学习和绘制该职位的候选人画像，极大地保证了“职适其人”、“人适其才”。适合这份工作”。2.离职预警通过分析员工基本信息（职位、工龄、从业年限、薪酬、绩效、家庭情况等）、签到、工作绩效、浏览网页、问卷调查等量化数据.,利用机器学习算法，挖掘员工离职前的绩效特征，预测哪些员工最有可能在近期离职，帮助HR和用人部门提前介入安抚，保持人员稳定。
