#51design行业洞察#
人工智能和新零售，这两个近期火爆的热词的结合，会把我们未来的购物体验带向何方？
想象一下，在未来的某个奇妙的平行世界里，
奥黛丽赫本和玛丽莲梦露同时走进一家精品时装店，
门店会自动引导她们关注符合自己风格和品味的单品，从而以不同的动线逛完一家店，
并且即使同样的服装，在她们阅读时也会显示出不同的描述方式，以适应她们不同的文化程度和关注点，
并根据她们不同的反馈，作出关联推荐。
而当前，99%的零售店铺会给这两位女性提供完全一样的服务，因为在传统的零售市场分类里，她们年龄相仿（仅相差3岁）、职业类型、事业成就和收入规模都应当归入同一类人群，即高收入、高价值、高时尚品味女性客群。
但是众所周知，她们的体型、性格、文化程度、品味偏好迥异，她们应当有完全不同的服装购物体验。
而这，正是人工智能技术在未来零售体验中应用的发展方向。
过去的十几年中，零售行业经历了BI（Business Intelligence， 商务智能）浪潮的进化，通过企业数据的整合快速提供商业决策报表，为企业决策做出参考。
而在互联网商业的冲击下，互联网商业本身解决了消费和浏览行为数字化统计分析的问题，使得大数据浪潮的热度逐渐遮蔽了BI的光芒。
而大数据浪潮如何在终端解决方案的落地，针对不同人群的个性化需求推出个性化的解决方案，则需要AI（Artificial Intelligence，人工智能）技术的深度融合。
因此，新零售的体验必将经历人工智能化的过程。
那么，当前在新零售领域有哪些AI技术结合的尝试呢？
虚拟试衣——搭配的人工智能化推荐
当前线上购物一大痛点在于，无法直接抚摸、触碰到商品，消费者对于商品的认知来源于拍摄图片，无法即刻试穿试用。尤其是服装的网销，受尺码不统一和图片色差的影响，会导致退换货的问题。
我们发现，近几年网络虚拟试衣技术的开发相当迅速。虚拟试衣解决的需求其实有两层，一层是“合身”，另一层是“搭配”。
早期的虚拟试衣因为技术的限制集中在“搭配”上，解决的核心需求是让用户看到不同服装单品搭配出来的效果。
我们当前看到的大量虚拟试衣APP集中在这个领域，如每日新款，Every，衣恋时尚，天天试衣等。
这类试衣APP大多采用标准模特身形，部分APP可实现换脸功能，将用户本身的头像简单拼接到模特头像中去，但目前的头像拼接技术还显得相当拙劣，因为用户自拍的角度各式各样，直接拼接到模特头像上看上去格外不自然。
搭配类虚拟试衣app吸引用户的核心点在于——如何在浩瀚的网络服装库中找出特定用户可能会感兴趣的单品，唤起他们搭配的欲望，并推动下单。
当前主要采用的是大量展示明星同款的方式来吸引用户关注单品并进行搭配。而人工智能在这一类虚拟试衣中的应用则可以帮助APP快速准确地了解到用户的服装偏好，使得优先呈现给用户的，是他们真正感兴趣的风格和产品。
美国一家专门做服装搭配订阅销售的公司Stitch Fix的人工智能化尝试如果与国内的虚拟试衣APP结合，则有可能产生全新的虚拟试衣商业模式。
Stitch Fix的做法是让用户在网上填完关于体型、预算、穿衣风格之类的问卷之后，通过算法向用户每月发一个符合其风格和预算要求的服饰包裹，包括服装、鞋和配饰等等。用户可留下喜欢的单品，不喜欢的单品在三天内退回，邮资由 Stitch Fix 负责。
▲Stitch Fix 对于穿衣风格的问卷
如果用户一件都没买，则需要自己支付 20 美元的退货邮资。同时根据退货情况优化算法，使得推介产品的购买率不断提高。
这虽然看上去是相当费时间和人力的算法优化模式，但大多数人倾向于避免退货的麻烦而留下单品，而如果一个包裹里面有1-2个令用户相当满意的单品或搭配，则会让用户的满意度相对较高。同时这个商业模式一次性卖出多件商品，确保了客单价的水平。
根据国外网络媒体相关报道，这一商业模式目前的接受度还不错，超过80%的用户在90天内会下第二单，近1/3的用户在Stitch Fix的消费超过了他们服饰类消费的50%钱包份额。
对于国内大量的“搭配类”虚拟试衣APP来说，获取用户数据并进行算法优化的数据来源会更加方便。
他们只需要让用户完成几款固定场景的搭配任务，并对后期APP自动推荐的搭配和单品进行喜好评价即可，算法优化后进行每日搭配推荐和月购套餐营销即可对当前的在线服装零售模式开展全新的尝试。
在搭配的基础上，我们也发现有越来越多的开发者在虚拟试衣上实现“合身”的试穿，如衣恋时尚、Metail、宜定时尚、好买衣虚拟试衣间等。
▲衣恋时尚APP的人体身材数据采集
通过虚拟试衣对是否合身进行考量的难点在于既需要对消费者的身体进行建模，又需要对服装进行建模，两者匹配之后才能看出来实际效果。
首先是消费者身体数据的采集，当前大部分“合身型”虚拟试衣APP采用的是用户输入身体测量数据的方式对标准模特的身材进行调整。
而这样的缺点在于填写和测量的前期工作较为繁琐，且不是完全精准。也有部分APP探索通过手机拍照的方式进行推测性建模，但由于不同人拍照的角度差异，使得预测建模十分困难。
▲虚拟试衣APP Metail的试衣界面
而这一问题在实体门店则更加容易解决，比如优衣库推出的魔镜系统，因为在实体门店中魔镜安装的角度是固定的，用户和镜子之间的距离可以方便地探测到，则可以做到较为精确的建模。
因此我们预测未来“合身型”试衣的线上线下链接点可能在魔镜这一环节，在实体门店线下采集用户身体数据建模后，可以便利地实现线上和线下的虚拟试衣。
虚拟试衣同时需要对服装进行建模，服装尺寸的标准化程度比较高，因此当前在固定人体模型姿势下的建模较为简单，难点在于在不同人体姿势下的服装替换。
比如上图优衣库的魔镜，采用的是体感辨识系统及半反射镜荧幕科技，在同一款羽绒服的基础上实现变换颜色则相对简单，但如果想换的是连衣裙或衬衫，在当前的姿势和服装上则难以做到与人体的贴合了。
这一点的实现则需要人工智能的辅助，将体感辨识与服装在不同材质、类型的服饰在不同姿势下的垂坠模式进行学习，才能够模拟出更加精确的效果。
如果你关注零售终端的智能化管理领域，会发现尽管消费者支付方式发生了快速的迭代，从钞票支付到卡支付再到移动支付，但是店铺的铺货管理手段还停留在极其原始的阶段。
今天大部分实体门店的铺货情况是通过神秘客走查或者巡店的方式进行管理的，而这个领域早已可以通过人工智能实现更有效的终端管理。
铺货问题的核心需求来源于，厂商并不完全掌握销售终端的铺货情况。
比如一家饮料厂商，
他们的产品在不同超市的货架摆放情况如何？
货架上没货了是否及时补货？促销信息是否及时传达给了消费者？
这些表现与当季的销售表现有哪些关联？
应该做出哪些调整？
这些信息都需要通过神秘客走查或者巡店的方式获得，当前国内有一家叫“拍拍赚”的企业正尝试通过神秘客监测+机器视觉识别的方式来协助企业做销售渠道管理。
但这样的缺陷在于信息收集的时间过长，反馈的速度太慢，并且监测的是切片性的局部数据而非全面数据。
而我们认为，新一代零售的发展方向必将是货架的智能化。
货架的智能化目前来看主要分三个方向：取货与支付的智能化绑定、电子化货物标签和铺货智能监测。
Amazon Go显然做的是第一个方向，即取货与支付的智能化绑定。它主要通过感知人与货架之间的相对位置和货架上商品的移动，来将取货和支付进行绑定，从而取消掉收银环节。
而在国内，我们看到了另一类智能货架的发展方向是智能化电子标签。
有报道称伊泰特伦帮波司登打造的智能货架系统，当顾客从货架上取下服装时，智能货架显示屏能够在2-3s内显示产品相关信息，同时由于货物本身采用了射频技术吊牌，可以实现货品的实时盘点。
此外当线下产品电子标签化以后，更有利于厂商实时对线上线下价格进行实时调整，未来线下促销活动的玩法也将逐渐多样化，线上线下渠道的打通则成为可能。
而我们认为，除了以上两种智能货架发展方向之外，带摄像头的能够进行铺货监测的智能货架发展方向，恐怕对于零售管理的意义更加重大，真正实现从决策人到销售重点的贯通管理。
首先当缺货或者货品信息展示不合规时可以发出相关警示，此外对用户的选择行为可以有大量的数据积累，从而可以结合人工智能技术进行本地化展陈优化。
提到面部识别技术在新零售中的应用，很多人第一时间想到的是进店识别老客户的运用。
但仅仅将这项技术用在辅助店员与顾客拉近关系上，显然不够直观有效，此外对喜欢声称自己有社交恐惧症，不愿与店员进行不必要互动的顾客来说也不是良好的体验。
面部识别在新零售中更好的应用是店内定向广告营销和店内动线优化。面部识别不仅仅在于识别出消费者的身份，还可以通过特征识别用户年龄、性别、心情状态等等。
2013年Tesco就做过通过人脸识别播放定制化广告的尝试。顾客一般在收银台附近会停留等待较长时间，收银台附近的广告屏会对消费者脸部进行扫描，识别出各项面部特征，并根据算法得出年龄性别等基本信息，从而根据情况给推荐最具有说服力的护肤品。
然而这项技术在近几年却没有看到进一步应用的报道，说明面部识别技术在新零售的应用在成本和隐私权上面还面临着较大的障碍，但一旦障碍突破，则可能形成定向广告巨大的商机。
以上我们列举的，只是人工智能技术在新零售发展过程中几个方向的一些应用案例。
可以看出AI的应用使得BI的洞察更加准确和落地化，实现全新的零售客户体验。因此零售终端的人工智能化建设，必将是下一轮浪潮的主题。
而人工智能技术在新零售体验中的应用，必将进一步推动深度定制购物体验的发展，深度定制体验则会带来用户使用的粘性。
在共享经济大潮袭来之时，标准化统一体验的产品人们会更加偏向于租赁使用共享产品的某些阶段，只有深度定制化的产品与体验，才可能驱动购买。这或许正是文章开头的那个平行世界里，奥黛丽-赫本和玛丽莲-梦露会进入这家门店的原因呢。
作者：樊灵芝，MassThinker 研究总监
ABOUT：MassThinker 麦思哲
国内唯一一家将用户体验与机器学习技术开发结合的
设计咨询公司,
提供最具洞察并能够落地的新零售解决方案
合作 想与 MassThinker 或其它团队合作吗？
51design甄选全球优秀设计师和供应商，为您对接产品、品牌、交互、空间体验等多方设计服务。有合作意向请致电151-2103-3529或发送邮件至media@51design.com。我们将尽快进行业务对接，为用户的合作保驾护航。
———
合作与咨询
151-2103-3529
media@51design.com
