最新消息，來自HiShop友數(shù)，現(xiàn)在是人工智能的時代，零售商都變成了一家技術企業(yè)，零售行業(yè)需要設計一個新的生態(tài)系統(tǒng)，改變目前現(xiàn)狀。

想象一下這樣的場景：你正準備出門接孩子放學。當你抓起鑰匙時，咖啡桌上的語音助手Alexa提醒說：“牛奶明天就喝光了，今天的酸奶特價1.19美元。你想在TraderJoe’s(譯者注：美國一家私營雜貨連鎖店)以5.35美元的價格一起下單購買嗎?”假如你回答“是”，那么Alexa就會幫你確認訂單。15分鐘之內(nèi)，商品就能準備齊全，當你從學校返回家時，就能直接從路邊取件了。

上述場景其實并沒有想象中那么遙遠。亞馬遜、Facebook、谷歌和蘋果正在加速消費者期待方面的研究以及進行技術上可行的嘗試，例如當日送達和機器驅(qū)動的圖像識別技術。現(xiàn)在，你已經(jīng)能夠通過蘋果手機的Siri使用Uber打車服務，或者完全依靠Facebook Messenger聊天機器人訂購一張機票。

回應型零售(Respon siveretail)已經(jīng)發(fā)展到了頂峰，我們即將進入預測型商業(yè)(Predictive commerce)時代。對于零售商來說，是時候在人們產(chǎn)生需求的確切瞬間，幫助他們找到相應的產(chǎn)品——甚至是在他們形成這種意識之前——無論消費者是否登錄了購物網(wǎng)站，是否準備好點擊屏幕上的購買按鈕。這種商業(yè)模式的轉(zhuǎn)移，要求我們設計出一種全新的體驗，這種體驗要將對人類行為的理解與大規(guī)模自動化、數(shù)據(jù)整合相融合。

機器學習的價值

在過去幾年中，零售業(yè)巨頭一直采用機器學習的算法來預測需求和設定價格。2014年，亞馬遜取得了預測庫存技術的專利權，并聲稱有關人工智能、機器學習和個性化定制的技術已“有所改善”的言論太過輕描淡寫。零售商需要像技術公司一樣進行思考，不要僅僅利用人工智能和機器學習去預測如何安排店內(nèi)庫存和制作排班表，更要向消費者動態(tài)地進行產(chǎn)品推薦，進行富有吸引力的產(chǎn)品定價。

假設你正在出差，突然意識到自己忘了帶手機充電器。為了能在會議開始前用上，你就不得不考慮重新買一個。在這種情況下，一家電子產(chǎn)品零售商很有可能會預測你還想要一副新耳機?？紤]到你明天晚上還要搭乘航班，它會推薦你購買一副消音耳機，這副耳機兼顧了亞馬遜上的定價、BestBuy店內(nèi)的庫存量以及快遞費用。

為了實現(xiàn)這一層面的預測，技術人員要做到能夠從動態(tài)的海量數(shù)據(jù)中識別出微妙的模式。這些數(shù)據(jù)集包括：消費者的購物歷史，產(chǎn)品偏好，購物清單，競爭對手的定價和庫存，以及當前和未來的產(chǎn)品需求。這是人工智能和機器學習發(fā)揮作用的地方，也是許多公司正積極投資的領域。為了提高搜索功能的預測能力，Etsy剛收購了一家專攻機器學習的公司，從而向用戶呈現(xiàn)存在細微差別的產(chǎn)品推薦，而不單單是基于購買歷史或產(chǎn)品偏好。這是產(chǎn)品推薦的自然演進，也將會成為未來的標準模式。

發(fā)揮互聯(lián)設備和數(shù)據(jù)的潛能

預測型零售將在不同場景下激發(fā)消費者的購買欲望——購物前、購物中和購物后。商業(yè)已經(jīng)逐漸成為日常生活中的有機部分，不再是一種強行買賣。除了智能手機以外，還有很多東西會讓我們不由自主地瀏覽和購買商品;亞馬遜的Dash按鈕和由語音助手驅(qū)動的Echo設備都可以讓人們在家中享受到便捷的購物。當你發(fā)現(xiàn)家里的洗滌劑快用完了，就可以點一下Dash按鈕;當你想起媽媽下周就要過生日了，就可以讓Alexa幫你訂一束鮮花……所有這些，其實都只是開始。

下一代智能助手和互聯(lián)設備將通過學習用戶習慣、識別行為模式和環(huán)境模式，來使得消費體驗更具預測性。像Echo這樣的互聯(lián)設備將獲取用戶日常交互產(chǎn)生的數(shù)據(jù)，對可能發(fā)生的交易及其時機做出精準預測。

在預測消費者行為和滿足個體需求方面，零售店中的互聯(lián)設備還有巨大潛力。許多零售商早已使用智能手機關注顧客動態(tài)，以及進行特定的商品推薦。未來，生物識別技術、身份驗證技術和位置傳感器的進步，將能夠使零售商在綜合考慮各個因素后為消費者提供個性化推薦，例如根據(jù)消費者的心情、花多少時間瀏覽商品，以及剛從公司下班還是剛做完健身等。

零售商需要用與線上購物相同的定位和個性化服務來設計線下體驗。想象一下，當你經(jīng)過諾德斯特龍(Nordstrom)時，收到了一條手機推送通知，它建議你購買一雙新運動鞋。你這才意識到腳上穿著的鞋已經(jīng)陪你跑過500英里，有些破舊了——所有這些都被鞋底的芯片記錄下來，并發(fā)送給了你的健身App。隨后，你滑動手機點開了這一通知，開始選擇鞋的款式。然后，一張店內(nèi)地圖會引導你走進店里、找到店員，而店員早已拿著你想要的鞋子，耐心地等待著你。

擁抱以人為本的設計

預測型零售的未來需要我們?yōu)樯虡I(yè)設計出一個新的生態(tài)系統(tǒng)。這些系統(tǒng)將會依人而建，而非局限于一個特定的設備，或單純關注線上和線下的體驗。這些系統(tǒng)需要整合人情紐帶和敘事手法、空間設計和環(huán)境，以及許許多多的數(shù)據(jù)。

通過建立創(chuàng)新實驗室，許多零售商走在了預測型零售變革的前列。這些實驗室配有專門的研究團隊，致力于孵化新創(chuàng)意、對連接線上和線下的數(shù)字體驗進行測試。絲芙蘭(Sephora)的創(chuàng)新實驗室就是一個非常棒的例子。該品牌在App中引入了一種“商店模式(StoreMode)”，這種功能整合了用戶的網(wǎng)上購物車和BeautyInsider積分卡，提醒用戶收藏的產(chǎn)品、獲得的消費點數(shù)，以及他們目前享有的優(yōu)惠福利，例如一次免費的化妝服務等。

零售連鎖店、品牌和電商也經(jīng)常通過合作的形式來將新的想法付諸實踐。幾年前，韋斯特菲爾德商城(WestfieldMall)的實驗室同eBay合作，在其位于舊金山的購物中心建造了一塊10英尺高的交互式屏幕。購物者通過滑動屏幕來瀏覽如瑞貝卡·明可弗(RebeccaMinkoff)和索尼等品牌的產(chǎn)品，隨后便能直接用手機進行購買。

在人工智能驅(qū)動的基礎上提高預測能力，將會為企業(yè)的發(fā)展帶來巨大潛力。想象一下，手機可以直接連接實體店的櫥窗，為你展示個性化的內(nèi)容。例如，手機上會推薦展示為愛人準備的生日禮物或為度假準備的泳裝，而所有推薦都是根據(jù)你在Pinterest和Instagram上關注的圖片和品牌進行個性化定制而得。通過連接多方的數(shù)據(jù)和以用戶為本進行個性化定制，零售商能創(chuàng)造相關性更高的購物體驗，讓消費者不由自主地進入實體店、登陸網(wǎng)站或點開App進行購物。重要的是，它們能提前預測出消費者的需求。

重視個人隱私和建立信任

隱私和個性化之間經(jīng)常存在一些取舍;這一點對于每一代技術革新來說都是如此。零售商需要把透明、尊重和安全作為優(yōu)先考慮的事項，并及時采取行動。同時，他們還需要展示自身的價值。谷歌在這一方面做得很好，不僅是個性化搜索方面，還有服務方面，例如，谷歌Now可以將你的日歷和谷歌地圖整合起來，提醒你目前的路況要比平時更糟糕，而且會告訴你，為了準時抵達會場，你應該什么時候離開辦公室。

我們中的許多人都愿意為了奇妙和有價值的體驗分享個人信息，因為這些體驗通常無法在別處獲得。零售商需要讓這種奇妙和價值變得顯而易見。革新早已開始。未來，人們將期待比今天更便捷、更智能的服務。在不久的某一刻，“按需型”商業(yè)將轉(zhuǎn)變?yōu)?ldquo;預測型”商業(yè)。零售商需要在這次革新中搶占先機。

友數(shù)門店零售系統(tǒng)，幫助企業(yè)打通線上線下讓網(wǎng)店，門店數(shù)據(jù)互聯(lián)互通。