商业智能在零售中的崛起

作者：暂无

来源：《理财·市场版》 2017年第11期

文/ 魏 鹏

中央财经大学经济学硕士，中国农业大学MBA，荷兰商学院DBA，现为平安银行北京分行互联网清结算中心副总经理。

商业智能，简言之，就是人工智能在商业中的运用。商业智能目前主要运作的场景、应用的领域就是在零售业。

人工智能的基本要素之一是大数据，数据是人工智能机器深度学习的原料，没有数据就没有人工智能。

那么零售中，都有哪些数据呢？

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。此外，还有一些数据就是他行为的结果，包括顾客买了哪些商品，花了多少钱等。

零售企业通过获取大数据并经过计算之后，针对顾客产生两个类型和方向的智能化反应。一个类型和方向是针对顾客个体的，根据顾客的信息对每一个顾客进行一对一的精准的营销。目前，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。

第一种是基于人像识别的顾客互动。顾客来到商场，他的头像就被记录下来了，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，一个人去吃牛排，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。

第二种是商业超市用得较多的优惠券。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，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，只是原来不在我们这里买。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。

第三种是商品的推荐和交叉销售。通过数据分析发现顾客去购买商品的时候，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，还可以分析顾客是属于简单购买还是复杂购买。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。

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，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？是价格问题？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，那就可以位精准地向他们推荐广告位，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。