原文：新零售 —— 智慧门店原理详解 - 2019.08.18

作者：Em_workout

推荐同系：进入AI领域做产品 —— 我的自学之路

长篇好文，学习.

随着AI进入商用元年，单点的技术已经不再能够满足客户的需求. 同时，CV中以人脸识别为代表的技术，也已经开始被整合到了整个业务体系之中，来帮助构造完整的端到端的解决方案.

零售行业亦是这场技术革命的受益者，其中的一项完整解决方案——智慧门店，正是零售被CV赋能的非常好的例子. 所以，本文将对智慧门店一探究竟，一方面是加深对应行业的理解，一方面也是通过对业务原理的拆解来对CV的能力有更进一步的认知.

1. 零售的前世今生

智慧门店是零售发展到今天所呈现的一种新模式. 但在讨论智慧门店之前，对零售的前世今生有一个了解很有必要，因为对其因果关系的理解，有助于去分析行业未来的演变.

1.1. 零售的本质

说起零售，想象到的首先是在街市上一家家人流攒动的店铺，再然后想到的是网上的各大电商平台. 通过零售进行的商品交易，是实体经济运转的主要途径.

无论线下店铺还是网上商城的零售都无外乎这四件事情，在不提高成本的情况之下，要提高流量，提高转化率，提高客单价，提高复购率 —— 但这四点均是手段.

所以，零售的本质，是利用这些手段，“高效”地完成供给与需求的匹配，在合适的“场”，把合适的“货”，卖给合适的“人”.

1.2. 零售的复杂之处

零售是一个非常复杂的行业，需要将关注点放在供应链的各个环节，并且每个环节都极其复杂.

想要做好零售，首先需要深入到后端的产品生产制造，关注产品的机会、风险、用户价值、商业价值、生产效率、成本.

然后需要管理极其庞大的品类和库存，并保证供给和存货的平衡.

接着还要建立能够高效流通的物流体系，保证无论是供应链之间的传递还是面向客户的配送，都要保证效率、品质、成本.

再接着还要进行精细化的运营，从拉新、促活、留存、付费、推荐一个个环节去想办法提升指标.

最后也是最重要的 —— 需要触及前端的消费体验，为客户尽可能最高效地提供优质产品、服务，进一步去提升运营的指标.

如此庞杂、巨大的体系造就了零售长久以来“低效”的痛点，零售的发展史也离不开“效率”二字.

1.3. 零售的发展史

零售不断发展、变革的本质是因为效率升级后，人、货、场三者关系的重新匹配.

随着时代变迁，零售在面对社会的进步、技术的革新下，供给与需求的匹配效率也在不断地提升. 当提升的值达到一个阈值时，人、货、场三者的关系将会改变，而这也将带来整个行业的巨大变革.

1.3.1. 第一次零售革命 —— 百货商场

1852年，世界上第一家百货商店出现，也宣告了第一次零售业革命诞生，这种模式打破了“前店后厂”的小作坊运作模式，分离出的生产端支持了大批量生产.

这种专业化经营与生产模式的变革，在追求效率的同时也导致了生产与销售的分离.

所以，第一次零售革命的本质是，生产力大幅增长导致供给效率提升后，货与场关系的重新匹配.

1.3.2. 第二次零售革命 —— 连锁商店

1859年，美国人发明了连锁商店——美国大西洋和太平洋茶叶公司建立了世界上第一家连锁商店，第二次零售革命完成.

连锁商店模式建立了统一化管理和规模化运作的体系，提高了门店运营的效率，并降低了成本. 随着连锁商店的快速发展，其分布范围也越来越广泛，尤其是贴近社区的连锁商店，让居民生活更便捷.

所以，第二次零售革命的本质是，管理体系以及流通效率提升带来的供给效率提升后，货与场关系的重新匹配.

1.3.3. 第三次零售革命 —— 超级市场

1930年，开始跨入信息时代后，连锁店模式下的零售业态已经不能满足人们追求多样化、效率的购物需求. 随着超级市场在此时发展成形，揭开了第三次零售革命的序幕.

超级市场的诞生，开创了开放货架销售、自我服务的模式，为客户创造了一种全新的“一站式购齐”购物体验. 同时，在IT技术的赋能下，现代化收银体系以及订货系统让商品流转效率大幅提升、采购成本降低，SKU管理也比以往也更加容易. 这样，拥有上万SKU数量的超级市场满足了人们对于品类多样化以及效率的需求，促进了消费的升级.

所以，第三次零售革命的本质是，随着消费需求升级、供给端在IT赋能的进化后实现了供给效率的双升级，第一次进行了人、货、场关系的重新匹配.

1.3.4. 第四次零售革命 —— 电子商务

1990年，随着互联网的发展，电子商务开始诞生，而这也开启了第四次零售革命.

电子商务将商品数据化，客户可以通过互联网实现远程交易. 同时，这种模式颠覆了传统多级分销体系，降低了分销成本，使商品价格进一步下降，对传统零售业的流通渠道造成了颠覆式的打击.

在全民电商的时代，更加扁平化的渠道使得商品的流通渠道成本进一步降低，并打破空间限制，真正意义上实现了商品的自由流通.

所以，第四次零售革命的本质，是在供应链效率、客户购买效率的再一次进化之后，重新定义了人、货、场之间的关系.

1.3.5. 第五次零售革命 —— 新零售

2016年，随着新零售这一概念被提出后，零售业的第五次革命正如火如荼地进行着.

这所谓的第五次革命，不仅仅是单一要素驱动下人、货、场关系结构的变化. 而是要融合刚才提到的，零售的复杂 —— 设计制造、物流仓储、精细化运营、前端客户体验，是全渠道的生态化学反应.

所以，第五次零售革命的本质，是由数字化作为基础，以大数据、AI等技术赋能全渠道的效率革命.

下面，进一步分析这一次变革的原因.

1.4. 行业改变

1.4.1. 线上

[1] - 流量红利逐渐减少;

[2] - 电商增速放缓;

[3] - 获客成本增加;

[4] - 电商渗透率放缓.

线上体验的劣势日益凸显：

[1] - 消费体验较差导致转化率低；

[2] - 实效性较差，即使是货找人，客户对物流的时效标准也越来越高；

[3] - 品控得不到保障导致退货率非常高，能达到30%，而线下的退货率几乎为0；

[4] - 售后服务较差，退换货流程麻烦.

1.4.2. 线下

[1] - 线上带来冲击后，到店客流下降，近年各大商超迎来大规模关店潮；

[2] - 成本增长——房租和人工费用逐年增加，但是门店营业的利润率仍很低；

[3] - 转化率虽然比较高的，但流量难以数字化，不能像线上产品一样精细化运营，这种痛点愈加不能被接受.

近年来电商的增长速度开始变缓，而线上流量红利也基本耗尽了，同时获客的成本也开始越来也高甚至超过了线下. 再进一步线上的市场格局已经定，新入者门槛将非常高，只能挖空心思去进一步细分市场 —— 跨境、社交、网红等，这种种现象表明电商天然劣势逐渐凸显.

而由于同时受到线上分流的冲击和人力成本的增加的压力，再基于长期的痛点 —— 高库存、反应慢、供应链低效，实体零售企业也开始寻求转型升级.

总之，线上线下的瓶颈让企业日益艰难，需要寻找新的方法去突破瓶颈.

1.5. 客户改变

[1] - 人口增速放缓

[2] - 可支配收入增加

[3] - 消费群体年轻化，80、90成为消费主力军，中产阶级增加

[4] - 消费升级

[5] - 注重品牌品质；注重服务；注重个性化；注重精神性体验.

随着人口增速放缓，中国市场由“人口增量市场”转为“人口存量市场”. 存量市场下，依靠低价策略吸引更多客户的效果会越来越差，所以客户粘性和复购率显得更为重要.

因此，企业需要通过对客户潜在需求进行深度挖掘，从而释放消费能力. 而这一切都要求企业更加了解客户，为客户提供“更佳的体验”，零售行业理念由“低价零售”转为“体验式零售”.

而关于主力消费人群的现状，其中80后有经济基础的中产阶级开始崛起、90后沉迷于做月光族、00后敢于借钱消费. 所以，当下处于一种消费升级的状况，客户对价格的敏感性逐渐降低，对“非必需品”的需求增加，注重品牌、品质、服务、个性化、精神性体验.

总之，客户群体变了，消费需求也变了，变得更加强劲也更加挑剔.

1.6. 技术改变

在以外零售中，人、货、场存在时间和空间上的隔离. 如今，通过应用大数据、AI等技术，虽然不能完全打破隔离，但也逐渐能够让这种隔离接近无缝化. 随着近几年大数据、AI技术开始商业化落地，线上线下深度融合的技术储备已基本就绪.

总之，能够造就极致体验并突破线上线下瓶颈的新解决方案，已经得到了新技术很好的支撑.

1.7. 总结

行业因素 + 消费因素+ 技术因素，三因素叠加在一起，可以判断 —— 新零售是一场需求刚性的、准备充分的战役.

与其说新零售是对传统零售业的颠覆，倒不如说是在技术迭代下，零售业数字化、一体化、生态化的自然演进.

2. 新零售

要探寻智慧门店的究竟，则要先对其父级的新零售有清楚的认知.

2.1. 新零售到底是什么

所谓“新零售”，是2016年10月的阿里云栖大会上，马云第一次提出来的概念. 核心含义是企业以互联网为依托，通过运用大数据、AI等先进技术手段，对零售的全产业链进行数字化的升级改造，并对线上服务、线下体验以及现代物流进行深度融合，构建私域流量，进而重塑业态结构与生态圈的一种新业态.

但是这就是新零售了吗？新零售真的是一种新的零售业态吗？业态是满足消费者需求的渠道形式，新业态是渠道形式的创新，但新零售并未创造一个新的形式.

所以，新零售到底是什么？

在供应链中，商品从生产到交付给客户经历了五个过程 —— D、M、S、B、b、C. 第一个D是设计，最开始产品是被设计出来. 然后是制造M，制造之后再通过供应链S —— 包括了总代、省代、市代. 大B就是大型商场、大型销售机构. 小b可能是家门口的夫妻老婆店，流转到最后才到最终用户C.

对于D、M、S、B、b、C，任何一个环节，无论是打通还是融合还是以其他手段赋能，只要提高了效率，就是新零售.

所以，新零售到底还是能用简单一句话总结的 —— 更高效率的零售模式.

3. 智慧门店

智慧门店是面向卖场、商超、购物中心等零售主的新零售解决方案，是新零售思路的很好的体现，作为新零售的“端”，智慧门店重构了零售的卖场空间，既实现了线上线下融合，又实现了以客户为中心的体验升级.

3.1. 思路

智慧门店具体的思路是建立在新零售上的，利用大数据、AI赋能，实现门店数字化后建立私域流量，接着将全渠道打通，进一步建立数据平台并利用大数据指导门店的运营管理，最终提供给客户的更好的消费体验以及定制化服务，并实现门店的降本增效.

3.2. 门店数字化

数字化是新零售最重要的转型和创新的突破口，也是核心所在. 一直以来，线下门店的数据是不健全的，熟客和会员多次购买，但企业很难获取其感受以及其需求，导致不能用数据驱动决策，通过产品迭代、活动策划来满足客户的需求，形成很大的资源浪费.

而现阶段，以人脸识别为代表的CV技术，成为了将线下门店数字化的绝佳解决方案. 通过用摄像头、传感器去将人、货、场识别分类，将采集到的数据进行结构化，为全渠道打通、建立数据平台奠定了基础.

3.3. 建立私域流量

随着线上红利见顶，获取新客户日益困难这种现状，衍生了私域流量这个概念，试图去从老客户身上去挖掘更多价值.

这一概念也在新零售中占据了一个重要的位置，在将线下门店数字化后，企业通过这种流量管理的思路将老客户划入自家的私有流量池中，顺应了当下零售从流量思维到客户运营思维的转变.

而当企业真正建立起私有流量池后，一个是实现了流量的增值，二个是大大提升了会员管理的效率.

3.3.1. 流量池

要理解私域流量，首先要了解流量池的概念；

流量池指的是流量巨大的平台，企业只要预算足够就能够通过这个平台持续不断地获取新客户，比如微信、淘宝、百度、微博等.

3.3.2. 私域流量

私域流量是相对流量池其而言的，整个玩法、流量、数据资产属于企业私有，不是流量平台方赋予的，比如自媒体的抖音号、公众号、小程序、微信群等；

将线下的、易分散的客户转化为会员，即是构造私域流量；

私域流量优点：

• 在私域流量中流量更可控，流量内的交易成交不需要交费；
• 通过私域流量，也拉近了企业与客户的距离，制造了深入服务的机会；
• 企业可以任意时间、任意频次，直接触达到客户，实现直接对话，直接变现，让客户离产品更近，更加信任品牌，也有助于产生复购，让其成为忠实客户.

3.4. 全渠道打通

线上线下融合，即是实现多触点的连接，全渠道覆盖. 对于企业来说，基于数字化、线上线下的数据产生了交集后，企业能够轻松连接到了客户，让大数据的效用能够发挥到极致，实现降本增效.

对于客户来说，通过各种渠道，能够轻松连接到了商品，体验到了购物渠道的多样、便捷性，实现了购物体验上的随心所欲，怎么方便怎么来.

全渠道打通需要在会员、商品、门店服务三个环节打通才能实现，相应环节在数字化在线后将贯穿为一个整体.

3.5. 建立数据平台、分析处理数据

线上线下打通，完成了数字化后，将形成3个数据处理平台 —— 视频大数据平台、客户大数据平台、进存销大数据平台.

AI算法将进入系统，形成决策基础，每一个日常的决策全部由“中央大脑”确定，各个环节严格执行系统的指令.

随着“中心大脑”在数据中的不断成长，AI的决策将帮助企业提升管理者、员工的能力边界、优化经营策略与供应链管理，达到改善用户体验、降本增效的目的.

3.6. 市场分析

时下的智慧门店方案基本是通过第三方提供的云服务，除了腾讯、阿里正在积极布局之外，商汤、旷视等AI独角兽也在利用其在CV领域的优势来横向拓展业务边界，在智慧门店这一赛道上开疆扩土.

3.6.1. 市场规模

中国的实体门店数量过于庞大，光是在网络上能查到的商超就有13万家，连锁便利店约8万家，夫妻老婆店更是超过700万家，加上无法获取数据的各行各业的各种品牌门店，中国的零售商的规模至少是百万级的（假设800万），实体门店规模至少是千万级别的（假设3000万）.

时下智慧门店的服务费用，是按单店收取. 所以，假设以云服务年费1万，单店环境搭建5000来粗略计算的话，整个市场的天花板约为4500亿人民币，假设其中50%都愿意积极布局的话，也有2250亿人民币的规模.

3.6.2. 市场增速

2018年时，连锁百强的门店数量同比增长10%. 以此参照，假设2020年中国总零售企业数量的增涨为5 %，门店总数量增长12%，那么智慧门店市场的增速即为6%. 虽然增速不快，但待开发的空间仍无比巨大.

3.6.3. 市场格局

据粗略统计阿里云、腾讯优图 、商汤、旷视、依图、码隆、图普等约20多家企业入局.

假设每家赋能的商家企业平均数达到100个的话，再加上没有考虑在内的入局者，被赋能的商家企业不超过10万家，而零售商的规模是百万级的，市场远远没有形成垄断.

3.6.4. 风险

智慧门店的涉及的各项新兴AI技术，尚未完全成熟，大多传统的零售企业更偏向实用主义，赋能这些企业需要跨越鸿沟，是具有一定难度的.

成本是企业非常敏感的指标，同时零售行业竞争激烈，大多数企业都处于微利状态. 所以，企业要使用新技术转型的话，就会非常关注成本，而目前AI的成本高居不下，开拓市场具有一定的困难性.

3.7. 总结

可以通过估测的数据看出，智慧门店赛道的潜力是非常巨大的，并且具有巨大的、未被开发的市场空间.

但是，目前智慧门店被当下的大数据、AI技术赋能后，客户的体验仍没有达到一个很好的水平，仍然是有很大的提高空间的.

随着AI的进一步发展，用更智能化、人性化的AI能力升级门店体验，还是有非常大的想象空间的.

4. 智慧门店的业务闭环

仅仅是把门店数字化、线上线下打通是不够的，达到智慧的关键是一定要有业务闭环，要全方位从人、货、场的效率、成本等各方面进行优化升级.

智慧门店是新零售的“端”，背后是大数据平台的支撑. 如果做了大量的数据应用，就需要评估这些应用的实际回报和效果，这些都需要做好业务闭环，将营销的效果更加准确的测量和识别出来，确保每一分钱都花得物超所值. 从营销的过程中，收集各方面的消费者数据，用于后续产品的开发和改进.

4.1. 闭环图

线上线下的数据打通、融合，线上可以通过APP以及公众号等渠道去触及客户，线下则可以使用互动大屏来进行引流，不断将大量的线下转化为私域流量.

涌入大量可控的流量后，线上则可以通过后台的数据统计来搜集客户数据，线下则可以通过摄像头以CV技术来感知客户，这将为下一个环节输入更多数据.

搜集了线上、线下的海量数据后，数据平台的算法不断进化，对以下环节提供更精准的指导.

在门店赋能过程中，通过精准的数据决策将带来更好的客户体验，并带来业绩的进一步增长，因此客流将进一步扩大，流入第一环的私域流量中，进而实现业务的正向增长，形成业务闭环.

5. 智慧门店的架构

在学习一件新的事物的时候，其前因后果最好都了然于胸，技术是手段而不是目的，因为技术仍然是需要回归业务本身的. 所以，只有先了解业务的产生这样才能更好地去理解技术、理解AI应用的意义.

5.1. 架构图

5.2. 智慧门店的数据采集

一个消费者在接触一个品牌到最终购买的过程，有五个关键环节：搜寻、比较、下单、体验、分享，企业必须在这些关键节点保持与消费者的全程、零距离接触，掌握消费者在购买过程中的决策变化，为大数据平台输送养料.

5.2.1. 数据采集渠道-线上

• 企业在线上获取客户数据的渠道有网页、APP、公众号、小程序、客户群等，目的是为了构建客户画像、门店选品；
• 此外还需要通过第三方渠道获取天气、地域、商圈等数据，目的是为了门店的选址以及选品.

[1] - 网页/APP/公众号/小程序/客户群：

• 通过以上各种形式的客户端，可采集客户访问时留下的商品点击率、收藏率、购买率、客户购买历史、客户基本信息等数据；
• 通过将这些数据输送至客户大数据平台进行处理后，即可完善客户画像、客户偏好.

[2] - 天气/节日/热点事件数据：

• 通过爬取对应网站信息，可采集每个地区未来的天气情况、气温、交通、关键日程、新闻和本地化社交热点等数据，这些因素与客户的消费行为具有很大的相关性；
• 通过将这些数据输送至客户大数据平台进行处理后，即可结合用户偏好以及这些因素进行建模，计算出“因素敏感型商品”.

[3] - 地域/商圈数据：

• 通过爬取网站信息，可采集每个地域、区段的地理信息，商圈分布等数据；
• 通过将这些数据输送至客户大数据平台进行处理后，预测地域门店分布、客流密度、竞争情况.

5.2.2. 数据采集渠道-线下

[1] - 店外客户感知系统：

• 店外客户感知系统是为了进一步获取门店周边的客群信息，完善客群画像，帮助选址；
• 服务商一般会在店铺开设前1-2周时间，在零售商意向的门店进行数据采集，进而挑选更好的位置.

1.1 - 人脸抓拍机

• 人脸抓拍机主要是为了采集路过门店的客流数据，应用范围在5-10米内，能覆盖一个门口的范围；
• 通过将这些数据输送至视频大数据平台进行处理后，可计算客流密度并进一步识别入店客户等.

1.2 - 蓝牙/WIFI探针/GPS定位：

• 以上三种手段主要是利用无线信号技术，采集门店周边的客流数据，应用范围；
• 利用设备接收客户手机的蓝牙信号、WIFI的MAC地址、手机GPS位置后，将这些数据输送至客户大数据平台进行处理后，计算范围更广的客流密度、客流动向、客户驻留时间等.

[2] - 店内监控设备：

• 店内监控设备是通过计算机视觉的能力对店内情况进行全面掌控.

2.1 - 人脸识别摄像头：

• 首先，服务商会对零售门店的环境进行评估，尽量以复用摄像头为最高优先级，原有设备不达标才会进行采购；
• 人脸识别摄像头是具备边缘计算能力的高清摄像头，在前端即能完成人脸、人体、商品等识别，录制的视频数据在进一步的视频大数据分析平台中可进行客流分析、商品分析等；
• 通过人脸聚类，将入店客户、员工进行归档，实现客流标签化；
• 通过商品聚类，将门店SKU进行归档，实现商品标签化；

• 硬件基础要求：

  • 摄像头分辨率500万-800万，摄像头可以根据不同应用场景选择不同的摄像头，例如红外、双目、定焦、鱼眼等. 目前市面上的摄像头基本为双目，性价比更高；
  • 广角范围 ≥ 5 °；
  • 镜头 ：2.7mm — 12mm，选用自动变焦 ；
  • 抓拍人数：最大10人/帧 ；
  • 抓拍速度：最大1.5帧/秒 ；
  • 抓拍率 ≥ 95 %；

• 其他要求：

  • 目标停留时间 ≥ 2秒 ；
  • 目标移动速度 ≤ 2米/秒 ；
  • 目标平均亮度 ≥ 50 Lux ；
  • 目标宽高：80 * 80 pixels ；
  • 左右角 ≤ 45°；
  • 俯仰角 ≤ 20°.
  • 补光、防曝；
  • 防尘、防震；
  • 防突破、浪涌等能力的话，门店场景基本上不需要，注意控制成本.

2.2 - 监控一体机/边缘计算盒子：

• 除了架设人脸识别摄像机之外，门店也可在原有的监控系统的基础上接入边缘计算节点；
• 通过节点的能力，零售商可对采集到的视频信息进行视频流处理，对视频大数据平台进行定制开发.

注意事项：

1] - 存储压力：

• 1.单以门店的摄像头为例，以最基础的720P为标准，每个摄像头每天的数据量在100G以上，如果以1000个摄像头估算，视频大数据平台每天的视频数据处理量将达到100TB；
• 2.所以，主要还要靠将数据进行结构化，面对不同的场景，去除场景人员不关注的信息，保留关注信息，做到将数据尽量压缩；
• 3.通过了解，商汤通过对应手段，可将10G的视频数据压缩至几KB的大小，极大缓解了存储的压力.

2] - 成本：

• 1.门店规模化架设采集环境的话，就需要考虑成本以及性价比；
• 2.因此针对不同层级不同规模的店面需定制化配套解决方案，调整智能终端的布置数量和方位，将成本控制在合理范围内.

3] - 架设环境：

• 1.零售业中人脸识别智能终端的安装需是无感知的，这也对安装位置、光线条件、镜头方案、硬件性能等技术层面提出更高要求；
• 2.门店除了追求高性价比之外，在定制化布局店内摄像头时，也需要注意基于店内的物理空间进行计算，降低环境的影响.

2.3. - 互动大屏：

• 互动大屏主要是用于获取客户的注意力以及行为数据；
• 提供游戏、自助选购等功能，客户在操作的过程中产生的行为数据输送至客户大数据平台进行处理后，进一步完善客户画像、偏好等信息.

2.4. - 智能货架：

• 智能货架主要是用于获取商品的数据、状态.

2.5. - RFID价签（无线射频技术）：

• 通过将RFID价签贴在商品上、植入商品中，将每一个商品都唯一化、数字化；
• 商品数字化后，视频大数据平台、进存销大数据平台可对商品更精准识别、定位.

2.6. - 眼动检测仪：

• 通过装置在货架上的眼动检测仪，获取客户在货架前驻留时的视线轨迹数据；
• 通过将这些数据输送至客户大数据平台进行处理后，进一步完善客户画像、偏好等信息.

2.7. - 电子支付系统：

电子支付系统则是通与商品、客户绑定，获取销售数据.

• 人脸识别一体机：

  • 人脸识别一体机主要通过识别客户并完成会员转化、收银等工作，来采集会员数据、销售数据；
  • 通过将这些数据输送至客户大数据平台进行处理后，实现客户画像与商品数据进行绑定，进一步完善客户偏好，对门店品类优化进行指导.

• POS机：

  • 目前POS机主要用于识别商品码，采集销售数据；
  • 通过将这些数据传输至进存销大数据平台进行处理后，对库存、进货进行指导.

5.3. 智慧门店的数据处理

获取数据后将数据传至云端，然后进行结构化、分析处理，这里即是所谓的“中心大脑”. “中心大脑”将为企业提供客户分析、商品分析、运营分析等数据能力.

5.3.1. 视频大数据处理

视频大数据处理品平台是智慧门店最核心的部分，通过实时的边缘计算，以及对视频数据进行结构化处理、挖掘后，真正将客流数字化. 这一块将实现客流分析、员工管理、商品分析、安防监控的数据分析.

[1] - 客流分析：

客流分析是通过对视频监控中的人脸进行检测、定位、识别后，提取出与门店运营相关的数据，如进店率、停留率、购买率、复购率等.

1.1. - 客流统计以及峰值分析：

• 客流统计，基于区域、方向，将人脸抓拍机抓拍到的人脸进行统计、去重得到数量；
• 通过商场客流量的历史数据的对比，就可以知道不同时间段的客流量的峰值、变化趋势、客流聚集或者分散的区域.

1.2. - 客户行为动线：

• 路线轨迹：

  • 路线轨迹跟踪，即是通过人脸识别摄像机定位多个人脸后绘制人脸轨迹，客户在店内的移动路径、移动速度都会与沿途的商品进行关联，统计对应货架的客户浏览量、对应货架前客户的停留时间；
  • 通过路径轨迹于商品的关联，可进一步完善客户的画像和偏好数据.

• 行为识别：

  • 行为识别既是对客户的动作进行预测、识别；
  • 一般是将人体提取18个关键点，来判别客户的动作，触碰，拿取、放回.

• 情绪识别：

  • 对客户面部进行定位，并对关键点检测；
  • 基于关键点检测后分析出的客户面部属性、情绪，与对应货架商品进行关联，可进一步完善客户的画像和偏好数据.

1.3. - 热力图：

• 店面热力图：

  • 店面热力图仍然是通过人脸统计的方式，用热力图这种可视化的手段来呈现区域的人流活跃度；
  • 通过热力图的展示，可以让到访客群、会员、潜客在门店中的分布状况一目了然.

• 货架热力图：

  • 货架热力图，就是通过眼动检测仪，进一步聚焦客户的视觉关注点在货架的什么位置，仅仅通过店面的热力图对客户行为的分析仍然不够彻底.

[2] - 员工管理：

2.1. 员工行为规范：

• 除了对客户的行为进行识别之外，视频大数据分析也针对员工的行为进行识别与监测；
• 识别员工失职行为如，服务流程不规范、出现与工作无关的行为等.

2.2. 店面异常环境识别：

• 店面异常环境包括地面脏乱、货篮遗拉、餐桌脏乱等场景识别.

[3] - 商品分析：

3.1. 货物识别：

• 对商品进行图像识别，并配合商品的RFID价签，可精准识别对应商品及其位置.

3.2. 货物状态分析：

• 货架、货篮的状态也可以通过视频大数据进行标签化；
• 其中包括，货架中对应商品脱销、商品规定位置与实际位置不符、在收银时货篮是否清空的识别.

[4] - 安防监控：

4.1. 越界行为分析：

• 这个部分实际也是应用了人脸、人体识别，对客户的行为进行判断，只是将其中的异常行为进行分类打标后，归入安防监控的范围；
• 其中越界行为识别包括，偷盗、擅入、肢体冲突等.

4.2. 可疑人员人脸库：

• 基于人脸抓拍建立的客户画像，将越界行为的标签也归入其中，结合公安部门提供的嫌疑犯人脸库来进一步划分黑名单、灰名单库；
• 当在黑名单、灰名单中的可疑人员入店，通过人脸识别摄像头即可进行实时识别.

4.3. 灾难监测：

• 实时识别视频中发生的火灾、水灾等情况.

5.3.2. 客户大数据处理

客户大数据处理品平台通过将线上网页、APP等渠道采集的客户行为数据，以及线下视频大数据采集更具体的客户行为数据进行融合，设计庞大的标签系统，核心目的在于得到极其精准的客户画像以及客户偏好，让门店的运营决策更有的放矢.

[1] - 客户固定特征：

• 人脸照片；
• 会员等级；
• 消费能力；
• 注册时长；
• 性别；
• 年龄；
• 身高/体重；
• 受教育程度；
• 职业
• 种族等.

[2] - 客户变化特征：

• 社交偏好；
• 生活偏好；
• 常去地点；
• 购物渠道偏好；
• 购物时间偏好；
• 线上购物习惯；
• 线下购物习惯；
• 兴趣品类/商品；
• 周围人群特点.

[3] - 异常信息：

• 投诉次数；
• 退货次数；
• 越界行为等.

[4] - 门店客户分析：

• 门店客户分析，即是对到店的客群进行更直观地聚类，总结每日到店客群的规律；
• 到店新、老客户比例；
• 到店客户数量/时段峰值；
• 到店客户男女比例/年龄层次比例等.

5.3.3. 进存销大数据处理

进存销大数据，即是接收到了客户大数据之后，基于精准的需求偏好、需求强度，对每个门店进货、库存、销售进行分析、预测、管理.

门店供货的实效性越高，体验就越好，流转的效率就越高，成本就越低. 所以需要一个“中心大脑”来决定商品的流向，把哪些商品，放到哪个仓库，放多少，什么时候放.

[1] - 供应链——进货/库存：

1.1. - 对供应商在选定的时间内的各项指标进行分析，为商品的引进、储备、淘汰以及供应商库存商品的处理提供依据，指标如：

• 订货量；
• 订货额；
• 到货时间；
• 库存量；
• 退换量；
• 销售量；
• 销售额；
• 周转率等.

1.2. - 主要分析的主题有：

• 供应商的组成结构；
• 供应商的送货情况；
• 供应商所供应商品情况，比如销售贡献、利润贡献；
• 供应商的结算情况等.

1.3. - 完全根据客户大数据分析后得出每个门店货物品类、数量的配比，之后进行按需生产、针进货，并实现库存共享；

1.4. - 通过这种动态的进货方式，实现每个地域独特的客户需求与供给的平衡，以及门店库存合理囤积.

[2] - 销售：

2.1. - 销售量数据通过电子支付系统进行采集，并作为大数据预测需求量的基础，这个部分将分析各项销售指标，如：

• 毛利；
• 毛利率；
• 坪效；
• 交叉比；
• 进销比；
• 盈利能力；
• 周转率；
• 同比；
• 环比等.

2.2. - 对于分析维度可以采用多级钻取，从而获得相当透彻的分析思路，维度如：

• 管理架构；
• 类别；
• 品牌；
• 日期；
• 时段等角度观察.

2.3. - 同时，根据海量数据预测信息、告警信息等分析数据，还可以根据各种销售指标产生新的透视表（如最常见的ABC分类表、商品敏感分类表、商品盈利分类表等）；

2.4. - 最后，通过订单管理，销量数据与进货、库存实时关联，形成门店商品流通的闭环.

[3] - 商品分析：

商品分析，即是基于到店的客户画像、偏好、商品数据等进行的需求分析，总结每个地域的需求；

3.1. - 主要数据来自销售数据和商品基础数据，据此产生以分析结构为主的分析思路，主要分析数据有：

• 商品类别结构；
• 品牌结构；
• 价格结构；
• 毛利结构；
• 结算方式结构；
• 产地结构；
• 季节；
• 未来天气；
• 日期事件；
• 交通；
• 地域客群需求；
• 地域客群需求量等.

3.2. - 从而对这些数据的分析中产生衍生的指标，通过对这些指标的分来指导企业调整商品结构，加强商品的竞争力，进行合理配置，衍生指标如：

• 商品广度；
• 商品深度；
• 商品淘汰率；
• 商品引进率；
• 商品置换率；
• 重点商品；
• 畅销商品；
• 滞销商品；
• 天气敏感商品；
• 季节商品等.

5.4. 智慧门店的数据应用

通了线上、线下渠道获取了更多数据，再基于大数据分析平台处理了数据，最终的目的还是要通过数据的指导来赋能门店本身. 当下的数据应用已经覆盖了门店运转的整个流程，让客户原本需要消耗一个小时的购物流程，大概率缩短到十几分钟内就能完成.

5.4.1. 门店选址

通过客户大数据、进存销大数据的支撑，获得门店备选点周边的客群密度、画像、竞争关系、预期投资回报比等数据，企业可针对性切入或是发掘潜力地点.

价值：

• 用户：

  • 提升效率.

• 企业：

  • 提升流量；
  • 提升客单价；
  • 提升效率.

5.4.2. 门店优化

[1] - 商品结构以及场景优化：

1.1. - 选品：

• 通过客户大数据的指导，基于当前区域客群来进行选品、选货；
• 数据处理平台每月向各个门店推荐新商品，让门店中的商品每隔几天就更迭一次，保持以一个高淘汰率去不断适应市场的变化；

1.2. - 价值：

• 客户：

1. 提升客户体验；
2. 提升效率.

• 企业：

1. 提升转化率；
2. 提升客单价；
3. 降低成本；
4. 提升复购率.

[2] - 店内装修选择：

2.1. - 基于对客户大数据提供对客户群体的了解，企业可针对目标客户制定更合适的店内装修风格，并实现规模化、标准化；

2.2. - 通过装修风格营造的良好场景氛围，客户在场景中的体验更好，更愿意再次造访.

2.3. - 价值：

• 客户：

1. 提升客户体验.

• 企业：

1. 提升流量；
2. 提升复购率.

[3] - 店内布局优化：

3.1. - 货架的摆放决定了客户逛店时的位置、路线，线下每一个平方都是要算钱的，所以商家对店内的每一个位置的布局都很重要，不好的布局会增加客户迷茫的时间、降低效率，并降低商家自己的转化率；

3.2. - 通过客流分析、热力图即可快速知晓门店真正的“中心”在哪里，进而可以深入分析不同品类、商品的畅销或者滞销的原因，将货架、商品的位置进行调整，提升坪效、促进对应商品的转化率.

3.3. - 价值：

• 客户：

1. 提升效率；
2. 提升客户体验.

• 企业：

1. 提升转化率.

[4] - 定价优化：

4.1. - 结合客户大数据和进存销大数据，分析预测供给和需求关系，实现更高转化率、客单价的实时定价；

4.2. - 同时将同步线上的商品价格实现同款同价，最终价格通过店内的电子水墨价签同步更新（电子价签只需要PDA发射器扫码商品和价签，几秒就能修改所有的价格，大大减少人力物力成本）；

4.3. - 价值：

• 企业：

1. 提升转化率；
2. 提升客单价；
3. 降低成本.

[5] - 进货/库存优化：

5.1. - 线下的门店补货是需要时间的，库存数据不准确则会出现断货. 当前大多数门店库存数据的准确率不超过70%，每年因为库存不准确造成的损失十分巨大；

5.2. - 当下通过进存销大数据平台对销量的预测、中心仓与门店存货的实时库存共享、调度来解决这个痛点，实库虚库一盘发货、门店按需备货，同时加速门店的周转速度；

5.3. - 价值：

• 客户：

1. 提升客户体验.

• 企业：

1. 降低成本；
2. 提升效率.

[6] - 管理优化：

6.1. 员工管理：

• 结合远程巡店、员工行为识别，管理者可以更轻松地掌握门店的情况，并对员工进行考勤；
• 价值：

1. 客户：
   1.提升客户体验.
2. 企业：
   1.提升效率.

6.2. 员工维护提醒

• 通过店内异常环境识别后，系统对员工进行提醒，指示其前往对应区域进行服务、整理、打扫，提升员工维护、服务的响应速度；
• 价值：

1. 客户：
   1.提升客户体验.
2. 企业：
   1.提升转化率；

2.提升复购率；
3.提升效率.

6.3. 人员最优化配置：

• 通过客流分析得到的门店时段峰值，可以对员工的排班进行灵活的管理，指示员工利用高峰和低谷时期间的空档进行补货，提升资源的利用率；
• 价值：

1. 企业：
   1.降低成本；

2.提升效率.

6.4. 营销活动制定：

• 通过客户的消费行为，并结合客户画像、偏好等数据，可针对性赠送礼券，刺激客户进行复购；
• 其次，可以结合客流分析，把握黄金转换时间，通过促销等手段拉新、提升业绩等.
• 价值：

1. 客户：
   1.提升用户体验；

2.效率.

1. 企业：
   1.提升效率；

2.降低成本.

6.5. 营销活动验证：

• 通过客流分析对活动前后数据进行比对，管理者在每次营销活动之后可立即评估效果，调整方向；
• 价值：

1. 企业：
   1.提升效率.

6.6. 经营分析：

• 经营分析即是管理者获取到门店的客流分析、客群画像、营收数据之后可进行门店诊断，通过诊断后不断优化对应环节，沉淀一套适合自己的标准可复制的门店经营方法；
• 基于大数据平台中的数据分析，系统将生成每日各时段、以及汇总对比报表. 管理者可通过网页版轻松掌握各分店运营情况，为接下来的决策提供可视化的数据参考；
• 价值：

1. 企业：
   1.提升效率.

[7] - 消费体验优化：

7.1. 店前：

• 线上：

1. 通过GPS、WIFI等无线数据获取客户位置，当客户距离门店达到一定范围时，通过APP推送、短信等方式，将门店上新、促销、客户偏好预测商品等信息推送给客户；
2. 若是在线上直接下单，客户可选择就近门店提货，也可以选择物流配送；
3. 但是需要注意的是，推送的信息必须对客户有价值，反复推送会引起客户方案，会导致屏蔽、取消关注，甚至是差评；
4. 价值：
   1.企业：

a)提升流量；
b)提升转化率.

• 线下：

1. 门店前的智能广告屏，基于路过店前客流、地域客群画像，智能预测能够吸引店前客户的广告进行播放；
2. 门店前的互动大屏，基于人脸识别+小游戏+礼券的结合，或是其他趣味的体感交互游戏吸引客流的注意力，增加门店的吸粉能力以及转化率；
3. 价值：
   1.客户：

a)提升客户体验.
2.企业：
a)提升流量；
b)提升转化率.

7.2. 店中：

• 客户识别：

1. 通过人脸识别之后，店员可立刻获知对应客户是新客户还是老客户、VIP，对应不同类型的客户进行区别服务；
2. 新客户将由店员或智能导购的方式，转化为会员，接入会员体系后，实现移动支付账号与门店会员的绑定，数据统一，无论客户下次通过什么渠道访问，都能获取其数据；

3. 价值：

   • 客户：
     a) 提升客户体验；

   b) 提升效率.

   • 企业：
     a) 提升流量；

   b) 提升转化率；
   c) 提升复购率；
   d) 提升效率.

• 智能导购：

1. 人脸识别一体机，客户可在刷脸后获得个性化的商品推荐、商品介绍、商品位置、购买二维码等信息，提高了客户自助购买的效率；
2. 员工导购赋能，导购可通过移动设备获取客户的画像、偏好，更容易向客户推荐合适的商品，同时导购端还具有商品的详细介绍、具体位置信息，帮助导购更好地去介绍以及找货；

3. 价值：

   • 客户：
     a) 提升客户体验；

   b) 提升效率.

   • 企业：
     a) 提升转化率；

   b) 提升效率.

• 增强体验：

1. 目前，AR技术已经能为客户提供更高质量的产品效果可视化，利用叠加虚拟图像信息图层，去帮助客户更好地做选择；

   • 服装店的AR镜子，通过识别客户身体，客户可选择对应款式衣服实现直接替换，还可以和之前的选择进行比对，省去了脱衣的麻烦；
   • 化妆品店的AR试妆，通过识别客户的面部关键点，客户可选择对应化妆品实现虚拟上妆，省去了卸妆的麻烦；
   • 家居店的AR效果图，通过将对应家居效果模型在房间图像中叠加，可以让客户对实际效果更心中有数.

2. 价值：

   • 客户：
     a) 提升用户体验；

   b) 提升效率.

   • 企业：
     a) 提升转化率；

   b) 提升复购率；
   c) 降低成本.

• 刷脸支付：

1. 目前的刷脸支付，主要是通过专门的刷脸支付机，或是人脸识别一体机；
2. 通过识别人脸，找到用户之前绑定的openid，调用免密代扣接口实现刷脸支付；
3. 人脸识别技术在人脸库比较大的时候，会有一定的误识别和通过率降低，这就需要产品设计的时候尽量规避纯粹通过人脸识别支付，例如需输入手机号码后几位，在识别不出时自动提示使用其他支付方式等；
4. 在支付环节，用户只需面向摄像头，摄像头会自动检测人脸动图并识别.

5. 价值：

   • 客户：
     a) 提升用户体验；

   b) 效率.

   • 企业：
     a) 提升效率；

   b) 降低成本.

7.3. - 店后：

• 退换货一体：

1. 线上线下打通后，除了可以选择方便的渠道提货之外，还能实现方便的渠道来退换货；
2. 例如，客户可以通过网购得到任一品牌商品后，在其小区旁的该品牌门店进行退货.

3. 价值：

   • 客户：
     a) 提升用户体验；

   b) 提升效率.

   • 企业：
     a) 提升复购率；

   b) 提升效率；
   c) 降低成本.

6. 智慧门店的展望

6.1. 瓶颈

当下智慧门店虽然仍在不断发展，但从成本、效率、体验三个维度来看，当下的局限性也非常明显：

6.1.1. 成本

[1] - AI刚趋于商业化，大多产品的生命周期仍处于引入期，解决方案的价格不会像成熟期一样趋于下降. 而智慧门店需求的整体解决方案整合了多项单点AI技术，这就决定了早期解决方案的成本将居高不下；

[2] - 除了解决方案之外还需要计算硬件成本，随着入局的技术商增多，硬件价格会随着技术商的业务需求增多也会随之提高，这就决定了早期硬件的性价比不高，需要技术商去认真权衡性能与成本的关系；

[3] - 当前门店中依然高度依赖人力维护，虽然在一些场景中，人类导购的说服力以及提供给客户的情感体验不可取代，但是在运维门店的过程还是可以利用AI实现进一步降本增效的.

6.1.2. 效率

[1] - 目前，智慧门店的效率主要集中在“端”的B2C效率，即人与货快速匹配，并快速配送. 但是前几个环节的流转，D（设计）→M（制造）→S（分销）→B（商家），仍然称不上高效；

[2] - AI与CV的赋能需要从“端”反向渗透整条“链”.

6.1.3. 体验

[1] - 当下智慧门店的虽然在店前、店中、店后各个关键环节做了一些努力，但是体验仍然体现在环节的效率上，而在环节的服务效果上仍较为欠缺；

[2] - 目前的解决方案同质化严重，市面上几乎所有AI公司提供的技术服务雷同，无一例外都是客户识别、客流分析/热力图、刷脸支付之类的识别向功能，如果CV技术跨入推理、理解阶段，提供的服务将更有想象力与竞争力.

6.2. 发展趋势

随着开题的观点，新零售即是更高效率的零售，那么发展趋势也即是围绕着“效率”二字来对瓶颈实现突破：

6.2.1. 云化

[1] - 最终，智慧门店也并不是“端”，只是获取数据的一个入、一个与客户“嬉戏”的场景；

[2] - 未来的零售只存在“云端”，客户将选择最方便、最喜欢的方式去购物，做到真正的随心所欲.

6.2.2. 消费效率升级

[1] - 门店将进一步实现智能化、趋向更少的人力投入，并营造更棒的服务效果，成为“店型机器人”；

服务上：

• 随着CV的发展，“人”将成为自己最好的证明，门店则将全面实现拿起就走的高效体验；
• CV和NLP结合进一步赋能员工导购，通过精准理解出需要帮助的客人后，提供个性化的策略去辅助导购来引导、服务客户，即减少了导购对客户的烦扰，又提高了导购的能力边界；
• AR/VR与AI推理结合，客户在试用产品时通过与语音与AI交互，即可迅速推荐合适的效果并切换，在客户任意调整搭配方案后可立即成单，接着在出口提货或是选择送货上门.

维护上：

• 门店基于大数据自动提交采购信息，货到后仓自动分拣，门店内也通过数据的安排，指示员工去及时配货、补货到对应区域、货架，货架标利用电子价签实现价格动态变化.

管理上：

• 少人化后，通过少部分管理者远程监控管理多数门店；
• 门店的人员调配上，通过计算，实现门店维护需求工作量与人力的平衡，同时按需调配人员来解决问题.

6.2.3. 物流效率升级

[1] - 随着对客户更精确的理解，算法让“货”和“场”进一步接近、渗透各个细分的客户群附近，配以前置仓+无人机等手段，实现真正的短、平、快.

6.2.4. 分销渠道效率升级

[1] - 分销商方面也实现数据共通，需求预测和高效物流也接入此环节，避免库存危机；

[2] - 这样，就有助于企业去精简环节、降低价格、质量提高；

[3] - 最重要的是，提高毛利，议价能力，将牛鞭效应破解.

6.2.5. 制造效率升级

[1] - 对于制造上的效率，一个是“端”的数据决定制造量；

[2] - 二个是利用工业机器人实现自动化制造、智能分拣、智能运输.

6.2.6. 设计效率升级

[1] - 对于设计上的效率，一个是“端”的数据得出客户画像、需求预测，为设计提供方向；

[2] - 二个是利用精益创业的方式，利用MVP迅速投放至对应客群的门店实现快速检验，利用更为敏捷的方式加快产品的节奏，提升成功率.

7. 致谢

[1] - 《新零售 吹响第四次零售革命的号角》

[2] - 《新零售 模式+运营全攻略》