“黑科技”用于新零售的本质是精细化运营

【编者按】经验靠不住的时代要靠什么？谁能告诉我们用户真正需要什么？“只有数据，只有计算才能告诉我们答案。”阿里云 新零售 业务事业部高级架构师刘振宇在6月10日于上海举行的云栖大会上如是说。他还认为，新零售首先要实现的就是对于用户的“五可”：可感知，可识别，可洞察、可触达和可服务。

本文转载自新零售智库。亿欧编辑整理，供行业内人士参考。

---

纵观整个零售业的历史，我们不难发现两个特征：一是零售业态的变迁和技术的发展息息相关，二是这两个相互推动相互促进的进程，前行的速度越来越快。零售从传统的百货业，到超市、购物中心，再到电子商务，移动电商，再到今天的新零售，每一个阶段持续的时间越来越短，业务和技术的发展速度远远超过人们的想象。

这种加速引发了零售业界普遍面临的问题：以往，做零售主要靠经验——在哪里开店、卖什么、货品如何摆放……时至今日，依靠多年积累的经验，零售商们还可以做些事，但会明显感到越做越艰难。年轻化的用户、快速迭代的潮流趋势、瞬息万变的需求，都让依靠经验的零售商感到无所适从。

经验靠不住的时代要靠什么？谁能告诉我们用户真正需要什么？“只有数据，只有计算才能告诉我们答案。”阿里云新零售业务事业部高级架构师刘振宇在6月10日于上海举行的云栖大会上如是说。

新零售要实现对于用户的“五可”

新零售并不是一个全新的概念，它是从零售业的发展中逐步进化来的，其核心是两点：第一是以用户为中心，紧紧围绕用户，知道用户的需要和诉求；第二是数据驱动，要把所有的重心放在数据上。

如前所述，今天做零售，已经不能靠选个好地点，开个店，摆上货，按照传统生意的模式来经营了。如果不知道周围的用户是谁，不知道他们过着什么样的生活，也不知道他们到底需要什么的话，就很难找准业务逻辑和商业模式。

所以，新零售首先要实现的就是对于用户的“五可”：可感知，可识别，可洞察、可触达和可服务。

假设你开了一家服装门店，经营了一年，你能记住这一年中有多少客人到过店、分别买了些什么吗？凭借经营一年的经验，你或许可以知道，来店的客人里是年轻人多，还是中年人多，是喜欢买裤子的多，还是喜欢买裙子的多，但是，在这样的传统场景之下，用户只有在成交的那一刻是可感知的，而且这种感知还无法沉淀下来，只能形成一个模糊的记忆。

当然，假如你在电脑上做了销售记录，你就可以很准地知道一年里究竟卖了多少条裤子和多少条裙子，那么，它们都被谁买走了呢？另外，那些来到过店里但没有购物的用户究竟是谁？怎样才能吸引他们再来并购物？这就需要在感知用户的基础上识别用户。

很多商家还会困惑于用户“越来越难伺候”，这是因为用户的需要和诉求的变化越来越快。如果你无法洞察客户，或者无法以最快的速度跟上他们的需求变化，就无法及时地把他要的东西给到他。在洞察到用户需要什么之后，你还需要把“我有这些好东西”告知给用户。最后，在客户服务环节做成闭环。

围绕“五可”能玩哪些 黑科技 ？

“五可”是实现新零售必不可少的环节，而每一个环节之中都少不了技术的身影。这是IT厂商和技术服务商的商机，但是，如果仅仅卖服务器和计算资源，是远远不够的。就像在四五年前，传统的线下商超看到电商的发展势头，都会很恐慌，匆匆寻求IT厂商和技术服务商的帮助，来“转型做电商”。很多商家以为做了一套线上的电商平台，把产品放上去卖，就做到了互联网转型，但实际上，很多线下做得很好的实体企业，生硬地搬到线上之后，销量十分惨淡。

同样的道理，今天，当线下商超和mall再做互联网转型时，不会再去做线上电商平台，互联网能帮他们做的，是从上述的“五可”出发，帮他们了解他们的客户。其中主要的技术，包括了前端用户感知、IoT（物联网）与高精度位置服务、 大数据 精细化运营、图像计算、视频计算和智能语音服务等。

“未来的世界跟人是类似的，先要看（感知）到外部，然后通过脑（计算）来处理。这件事正在发生。”刘振宇说。

这其中，用于感知的技术，包括 云AP 、IoT和高精度位置服务。

云AP ：AP（AccessPoint）是有线网络和无线网络之间的连接点，就像是传统有线网络中的HUB，WiFi路由器就是一种AP。云AP则是一种云化的WiFi服务，可以实现多个AP的云端管控，管理员在云端做出的更改，可以即时同步到AP。在商场或酒店里，大家都会去连WiFi，基于云AP的部署，商场或酒店根据用户某一次或者多次的连接，来洞察到用户的需求，这是有可能的。传统的HUB和路由器不具备数据统计功能，而云AP部署范围内可以实现全景的数据统计。结合背后的数据处理和分析，云AP就能准实时或实时地感知客户。

IoT ：连接WiFi的终端主要是手机，但要想感知用户，手机并不是唯一的途径。前些年， 智能硬件 的火爆可以反映出，IoT深入生活是未来的趋势。比如共享单车的服务就和IoT紧密相连，用户的每一次骑行，骑了多久，从哪里骑到哪里，这所有的数据能够留存，都是因为有IoT才可以做到。而基于这套技术和积累的数据，共享出行才能服务做交通出行的优化，并且服务于智能交通。

高精度的位置服务 ：以共享专车为例，如果没有高精度的位置服务，你在一条河边叫车，APP很可能给你推荐河对岸的车辆，因为系统识别出那辆车离你的直线距离最近，但为了过河来接你，那辆车很可能要绕行3公里才能找到过河的桥。因此精准的定位非常重要，需要将这类“现实的误差”排除掉。对于购物中心的室内而言，精准定位同样非常重要：如果能精准地判断用户在布满了楼梯、电梯的购物中心内部如何行走，停留在哪里，就可以基于用户逛店的路线和附近的商家来做精准营销。

感知之后所需的就是计算。想象一下，如果前端用户感知、物联网和位置的数据都被收集并积累起来，哪怕只是一家购物中心，数据量都会非常巨大，而且随着数据越来越受到重视，智能化设备越来越多地投入使用，数据量的增长速度只会越来越快。在如此巨大的数据体量之下，传统的数据处理方式很难奏效，当每天入库的数据达到几个TB或者几十个TB的时候，怎么能把数据算起来？

目前运用得比较多的大数据处理方案，聚焦于如何做离线计算，如何做在线计算，如何在搜索引擎里做流计算，然后把相应的数据结果呈现出来。这些结果，就可以为业务提供支持，并且拓展业务的边界。

比如，在一家商场布置一云AP，当用户入场连上WiFi，商家就知道他何时进入商场、在商场里的行走路线是什么样的，在哪些店停留的时间长。假如他在母婴店和儿童乐园停留时间长，那之后可能更多地向他推送亲子类的产品。

用户画像只是其中一例，通过大数据的处理方案，可做的分析还很多，比如客流的分类，或者针对进店的人流来做区域分析，据此判断店铺的分布是否合理，或者对店铺进行一些重新规划。比如百货、餐饮和儿童娱乐的比例，以及如何规划位置。

除此之外，还有一些“黑科技”为新零售带来了新颖的玩法，比如视觉计算、视频图像的语义标注等等。前者主要依赖深度学习技术来做，能实现的功能包括以图搜图等。以图搜图不仅可以满足“找同款”的需要，在做用户感知时也很有用。例如，在一个用户停车进店的过程里，就会经历很多次以图搜图，像是给车拍个照，走的时候就可以自动计费了。后者则是给图片和视频“打标签”，标签可以让图像和视频这一类不太容易被量化的东西具备语义信息。标签打得越精准，语义越丰富，从中可分析出的信息就越多。基于这项技术，还可以实现在用户看视频的时候，根据用户的喜好程度，在视频中实时或者准实时地推送广告。

“黑科技”的本质是精细化运营

眼花缭乱的“黑科技”背后，核心其实是精细化运营。“互联网的流量红利和移动互联网的流量红利都已经见顶了，现在获取一个新客，成本非常高，这就是为什么要从流量增长转到精细化运营。”刘振宇打了个通俗的比方：就是当用户群体不能再快速扩张的时候，想要从有限的用户群体中，把用户兜里的钱掏出来，就需要更精准地知道用户想要什么。

数据就是为了精准地刻画用户。但是，用数据来刻画一个人，其实是一件非常困难的事。因为人在不同的环境和场合下表现出来的需求是完全不同的。曾有有一段时间，洗车机在三四线的农民群体中特别畅销，乍一想，这事不合常理，因为三四线的汽车保有量并不高，洗车机的销量和汽车保有量不匹配。后来调查发现，洗车机用来洗红薯、玉米、土豆等非常好用，水压大而且省水。同样的道理，一个用户在电商平台上购买了一双老年人穿的平底鞋，接下来是否该向他推荐老花镜？也不一定，因为鞋也有可能是老年人的子女买的。

通过精细化的有运营，商家可以知道很多以前不知道的事情，但这需要尽可能地获取完整的数据。所以，未来，这种用户画像可能会超过某一个行业的范畴，体现为许多行业的融合。比如商场除了感知和洞察进店的人，还可能会跟马路上的人、停车场里的人联系起来，只有这样，才能获取尽可能完整的数据，来精准地刻画一个人。对于客户的了解越透彻、越彻底，才能获得越大的效果。