如何用AI技术打造智慧新零售

作者:会飞的火凤凰 时间:2019-07-01 11:28:33 阅读次数:

在如火如荼的新零售领域发展过程中,越来越多的实体企业希望借助技术的力量,更直接地与用户建立联系,为用户提供高效便捷的服务体验。在这一过程中,AI技术已经体现出至关重要的作用,智能化、数字化已然成为“新零售时代”实体企业发展的必然趋势。

重塑“新零售概念”

新零售的概念自2016年下半年提出伊始,就成为企业改变销售策略的风向标。龚孙策认为,研究如何利用AI技术打造智慧新零售,首先要明确新零售的业务概念与边界。

新零售是对线上服务、线下体验以及物流进行深度融合的零售新模式。“新零售”的核心要点在于推动线上与线下的一体化进程,对商品的生产、流通与销售各个环节进行数据改造。

举例来说,要想做新零售行业中的服装行业,先要理清其业务特点。

第一个业务特点是服装行业各个环节的业务场景的特有属性。对于服装商品,即SKU,每个SKU的生命周期都要经历两节四段的流转过程。两节指从一个商品上市作为新品,一直到它退市作为老品的两个节奏;四阶段指新品从进入消费者和品牌管理方的视野范围内,要进行包括生产端、季前端、季中端、季后端四个阶段的流转。

第二个业务特点是服装商品的生命周期具有循环周期性。即在进驻期、成长期、成熟期和衰退期四个阶梯中有跳跃和自身循环。龚孙策解释道,每一个SKU都有可能会即将下市时,因为某个网红对这件SKU或款式进行了推广,又重新活跃到消费者视线范围内。“所以对服装行业空间的生命周期的考量,一定要考虑的因素包括颜色、款式、材料、价格、竞品,还有门店和消费者的偏好,这些因子都要纳入模型输入范围内。”

基于新零售行业下服装行业的业务特点及服装商品特性,新零售行业的后端业务痛点总结如下。

1.库存积压问题。公司库存量高,产品积压严重,货物周转慢、区域分配不均衡等问题,没有形成一张动态牵制的前置仓网络,门店都是游离的。这些问题很大程度上影响了企业资金周转率和毛利率等指标。

2.预测方法单一。目前预测主要由品类主管完成,无法做出全面科学的分析,无法做出SKC个性化的基于门店基于周的销量分析预测体系,导致预测存在全局不精准。

3.信息资源的局限。对内:不同时间节点消费者的历史喜爱度缺失、门店特有属性缺失。对外:寒冬or暖冬及节气等因素与销量的相关性分析缺失、宏观经济政策数据未考虑。

4.多部门协同共享问题。部门之间没有形成一个产业链,没有形成一条顾客的偏好轨迹,顾客都是断点的。有效的销量预测体系除了可以指导商管部门铺货、补货之外,还应该对供应商和公司的财务、企划、运营等给予支持与决策。产品设计应该落地于消费者的实际偏好,与销量预测形成闭环反馈机制。

智慧新零售是渠道协同

面对打造智能新零售的挑战,龚孙策认为,我们要做到的是实现渠道的协同而非冲突,也就是说作为赋能业务价值的数据分析人员,要关注的是“如何把蛋糕做大”,而非“如何分蛋糕”。

那么如何才能实现渠道协同?

龚孙策提出,渠道协同过程分为两个大方向,一是管理,二是决策。“管理”要做到各个渠道数据协同共享,在此基础上,还要做到各部门的差异。“决策”要做到将商品、消费者,包括活动过程中的价格等内部因素,都纳入决策范围。

如上图,具体来说,就是帮助零售企业打造一体化的数据中台,明确新零售功能架构。包括底层的数据资产管理(数据采集、整合与清洗),中层的数据分析、建模,及上层的业务应用服务,实现商品链、市场链、供应链无缝对接。

尤其在上层的业务应用服务中,有很多人工智能技术可以介入的业务场景来帮助客户进行价值提升。具体来说,建立AI智能模型,为客户的某个应用场景服务,离不开数据采集,建立指标体系,对模型进行筛选和调优,对模型进行验证和评估,最后可视化输出这五大环节。

依然以服装行业为例,接下来具体展开来说在服装行业供应链侧,如何运用优化算法实现商品智能调拨及如何运用预测算法打造智能补货。

1、智能调拨

新零售智能调拨,尤其是服装行业的智能调拨,首先要明确调拨类型,包括同层级(门店到门店)和不同层级(NDC,RDC,FDC)。其次遵循模型搭建的最核心目的,评估各个节点之间的平衡,这也是做调拨模型的关键所在。

做调度模型有三个核心内容:1.首先搭建企业级的网络拓扑图,了解企业内部管理机机制。2.做决策管理,考虑动态规划,达到路径最短及到达消费者手上的时间最少的平衡。3.信息处理规则。 

2、智能补货

用预测算法打造智能补货,首先要对预测内容进行剖析,充分了解预测范围的级数和预测的时间窗口,明确是要对未来三个月还是一周进行滚动预测,亦或是对商品的总量还是品类做预测。然后对全网数据进行指标体系的分析,包括商品、价格、渠道、促销和政策等因素,全网数据都要纳入模型范围内。

龚孙策强调,每一个独立算法都不可能完整拟合所有数据的模态,现有的数据形态是动态过程,所以在工程领域,尽可能利用融合算法。对算法进行融合处理,才能达到整体精确度高的效果。

最后龚孙策总结道,在新零售行业,用AI技术为客户赋能要基于三个原则:敏捷、协同、精准。因为在所有企业的业务链上,每一个部门都相当于是一个齿轮,而数据挖掘师要做的就是让这些齿轮更好地咬合在一起,为企业发挥出最大的价值。



Copyright@2009-2019 厦门好实用科技有限公司 版权所有 闽ICP备15022977号-14

客服中心
售前客服
4008-884-884
在线客服
售后客服
4008-955-666
在线客服
扫一扫,关注我们