受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、AIoT、虚拟现实、5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。
AI技术与零售产业的融合或是零售企业的发展良方之一。AI技术对零售业的革新价值不仅体现在重构消费者关系、刺激消费需求；同时加速促进零售业“人-货-场”的环状结构优化；也改变了对零售商品及消费者数据的采集、分析和价值应用形式。下面创鑫君把《2020年中国AI+零售行业研究报告》分享给大家，方便大家参考学习。
AI+零售行业概念界定
近年来零售行业重塑行业结构及生态圈，终端零售商、品牌商等多处于升级转型阶段。人工智能（AI）作为新兴技术在零售业链条的多场景、多环节有所渗透。本报告希望全面地展现AI技术在零售生态中的具体应用及各环节的核心价值；从AI解决零售业各环节痛点的角度切入，讨论技术方案需求方的真实诉求和应用场景的落地逻辑，探讨不同类型技术提供企业的发展路径和市场机会。意在描绘人工智能+零售行业的发展现状及未来前景，为行业未来发展提供思考。
AI技术辅助实体零售企业、电商及品牌商的业务拓展及优化
零售行业转型阶段，无论是终端销售企业或品牌商，均存在成本管控需求、销售额增长瓶颈等发展痛点。具体来说，实体零售商由于缺乏有效途径，较难把握消费者日趋多元化的需求偏好、且对潜在消费流量的价值开发不足，同时面临高用工成本压力；电商平台也需应对互联网流量红利消退、买家增速放缓、获客成本不断提升等问题；对于品牌商，消费者线上流量和数据被电商平台垄断，传统渠道体系也难以提供全链路的消费者洞察与触达。AI则为辅助零售行业参与者降低成本、提升经营效率、解决发展瓶颈，提供了新的技术手段。产业技术发展的核心动力依然是经济利益，各类需求企业的核心增长痛点为AI+零售行业提供了发育土壤。
2022年市场规模将达26.7亿元， 2018-2022年CAGR达44.6%
AI技术在零售领域的应用于2017年起步、2018年落地推进，2019年AI+零售市场规模达到6.5亿，随着AI解决方案能力的不断提升和需求增多，预计到2022年市场规模将达到26.7亿元，2018-2022年CAGR达到44.6%。其中2020年市场规模增速下滑的主要原因是受新冠疫情影响，需求企业对购买技术服务的支出相对谨慎；后随疫情后的经济恢复和市场信心提振、技术应用发展等因素助推增速上涨。另由于阿里、京东、拼多多等零售巨头多以自研方式应用AI技术，AI+零售的建设投入估算超过对市场营收规模的估算。2019年零售企业在AI技术上的投入达到14.8亿元，预计到2022年将达到42.6亿元，2018-2022年CAGR达到37.0% 。
AI+零售应用场景
AI+零售应用场景概览
帮助提升零售企业经营质效，改善顾客消费体验
AI技术在零售领域的渗透，围绕品牌商、零售商、消费者等参与主体及零售产业链条，构建数据打通、场景贯通、深度触达的“AI+零售”体系。应用场景包括精准营销、商品识别分析、消费者识别分析、智能化运营、智能客服及无人零售等。基于计算机视觉、语音语义及机器学习技术，赋能线上及线下零售商，应用场景间多有融合。零售企业引进AI技术，可提高运营能力、促进销售额增长、降低人工等经营成本；且可通过改善顾客消费体验，促进消费者转化率提升，为零售企业业务发展增添动能。
围绕消费者用户标签进行个性化推荐及智能广告营销
AI技术在零售营销领域的应用主要围绕消费者用户标签进行，包含个性化推荐及智能广告营销。
个性化推荐依靠推荐系统算法向消费者提供个性化的信息服务和决策支持，基于深度学习技术的推荐系统可以提高推荐质量，促进营销转化；
智能广告营销主要包括广告精准投放和AI视频营销。除了应用推荐算法外，在AI视频营销中还需应用视频结构化和图像检索等技术，以对象识别、特征提取、动态物体识别等技术处理视频数据信息，实现对应场景下自动、批量、标准化的广告植入。
对业务痛点感知力和精细化运营成为价值突破点
以商品为主要识别对象的机器视觉技术结合深度学习等AI技术已衍生出以图搜图、陈列分析、自助结算等商业化落地场景。目前，ISV企业可通过按调用量计费或定制开发的方式获得AI图像检测能力，降低了商品识别分析应用的落地普及门槛。因此，对零售业务需求痛点的理解与把握和精细化运营能力，成为各类型解决方案提供商抢占市场的突破点。
Re-ID等CV技术助力感知消费者线下购物场景的全流程信息
与电商平台可依靠移动应用有效获取消费者搜索记录、浏览痕迹、购买偏好等数据进行个性化推荐不同，线下零售门店在消费者行为洞察上缺少必要的信息获取手段，以往只能在支付环节对交易数据和客户基本信息（性别、年龄等）进行统计，对个体消费过程和消费偏好数据的采集与分析不足，难以有效挖掘客户价值。
人脸识别和行人重识别（Re-ID）技术的发展改变了这一局面，以智能摄像头为信息采集入口，通过采集消费者人脸、面部表情、衣着、体态、发型等信息，实现在线下零售场景对消费者的全流程感知。Re-ID技术可补充人脸识别技术只依赖人脸信息的缺陷，在非配合条件下完成对个体行进轨迹及动态的追踪。此外通过将人脸信息、购物轨迹等与会员管理系统、消费记录数据进行结构化整合，可实现对线下渠道消费者营销推广及对业务经营的精细化管理。
目前受线下零售场景头部集中程度和IT建设基础等因素影响，基于视觉的消费者行为洞察解决方案在4S店、家电3C店、大型商业地产等零售业态实验落地。未来，随着算力升级、技术发展带来的算法成本降低、市场需求度提升等利好因素，基于视觉的消费者行为洞察解决方案落地规模将逐步增加。
仍待不断完善数据资源及优化算法，未来增益价值巨大
零售企业盈利主要依靠于薄利多销，一方面需通过精准营销等手段开源，同时也需要通过精细化运营手段节流。随着IT基础设施建设的日益完善、云服务技术的革新发展推动以及大数据的资源支撑，越来越多的零售企业投入到智能化运营体系建设中，并逐渐从浅层决策向多维决策阶段转型。深度学习模型可辅助满足零售企业对运营流程高效、全局、自动化的管理需求。
现阶段店铺选址、销售额预测、动态定价建议、库存优化的应用情况较好；供应链网络效率优化、产品研发优化建议等多维决策因对AI算法的可用性要求较高，仍处于发展初期，但赋能的零售链条更长。作为零售场景升级改造的核心环节，随着商品识别分析、消费者识别分析等应用场景数据资源获取量级及精细度的提高；模型算法的优化迭代；业务落地逻辑的逐步标准化，智能化运营体系建设在零售企业的覆盖率将逐步走高，未来增益价值巨大。
数据和算法驱动供应链网络各节点协同，提升整体效率
随着零售新业态的快速发展及以消费者需求为核心的经营理念变化，订单碎片化、显著增加的SKU数、仓储管理复杂化等均对传统零售供应链形成全方位挑战。零售渠道商在库存品类及库存量上缺乏前瞻性及灵活性将导致顾客流失、仓储成本增加、流动资金被占据等负面影响。因此零售企业需要在积累的大量商品数据、消费者数据、业务数据中提取信息，基于AI、大数据技术辅助供应网络各节点的数字信息流通及自动化分析，驱动需求预测、销量基线预测、选品及采购、库存计划、自动订货补货、库存优化、货物追踪、订单管理等过程的高效协同，重塑产业链模式，推进传统供应链模式向智慧供应链网络转型。
目前，电商巨头在互联网基因加持下，可相对快速、便捷地打通各节点数据流，采用机器学习算法辅助运营决策，但算法的精度和复杂度仍需提高；传统零售商则由于难以触达不同渠道、不同区域的数据资源，在数据信息的获取和标准化上有较大的短板，亟需引入数字化工具加快响应速度。
应用AI技术提高电商客服服务效率、节省运营成本
对电商客服需求增加、要求提高的同时，以FAQ技术为基础的客服系统存在人工及培训成本高、回复质量难保证、响应速率慢等诸多痛点。受益于AI和云计算等技术的不断发展，以自然语言处理（NLP）技术为代表的智能客服系统在零售企业中的应用不断增加，覆盖售前、售中及售后全过程。7×24h的服务可高效、高质量地满足消费者商品咨询、自助购物、订单查询、物流跟踪、自动退换货等需求，提高消费者满意度、提升店铺询单转化率、节省客服人力成本50%以上。
在此基础上，智能客服系统同时可采集消费者信息标签，洞察用户行为，为精准营销、智能化运营等环节提供支撑数据。另随着语音交互技术的不断发展，越来越多的消费者交互行为也通过语音进行，语音机器人、智能外呼等服务场景也逐渐丰富。
AI技术支持的无人零售场景智能化水平最高，赋能环节最广
“无人零售”以降低人工成本作为切入点，在重视消费者体验、拓展零售场景的同时通过技术手段完成数据收集、分析与应用，并最终实现消费流程的全面数据化以及整个产业链的智能化升级提效。“无人零售”并非全程无人，目前主要指特定场景的无人值守，仍需管理人员及配货人员介入。现阶段主要存在以AI技术、物联网技术或移动支付技术为主的三种技术路线，在无人店、无人货柜、自动贩卖机等业态均有融合落地。其中以AI技术为主的无人零售业态智能化水平最高，主要应用于消费者引流、快捷支付、提升店内运营效率等环节。虽存在设备稳定性及成本门槛，但长期来看，在规模化应用、改造供应链、商业模式重塑等方面潜力巨大。
深耕小零售业态场景，无人便利店成为落地实践首选
以快速消费品为例，在电商渠道份额占比逐年走高的压力下，大卖场、杂货店等线下零售渠道已呈现负增长，仅便利店和超市/小超市渠道呈上涨趋势。2018年中国便利店实现零售额2264亿元，行业增速达19%，门店数量达12万家。与传统便利店相比，无人便利店聘用运营店员产生的人力成本至多为同等规模24h便利店的1/6，甚至更低。
鉴于大型实体零售场所落地AI无人零售解决方案的成本压力，伴随便利店等线下小零售业态的不断渗透趋势，无人货柜、无人便利店成为“无人零售”场景落地的中坚力量。2020年商务部发布的《关于推动品牌连锁便利店加快发展的指导意见》也突出了连锁便利店在实体零售业数字化转型中的先锋地位。
无人零售解决方案商价值初显，市场发展进入理性期
自2016年底亚马逊提出“无人零售”概念至今不过三年多，国内无人零售市场已经历风口、遇冷、沉寂、复兴等多阶段。多家曾经的无人零售明星企业经营困难甚至倒闭。在商业模式未清晰时就大规模的铺设网点，入店消费频率过低无法覆盖店铺投入成本是根本原因。虽为新兴业态，但商业逻辑仍需回归零售业本质，即消费者在注重购物体验创新的同时，更注重货品比价、购物便捷性等敏感因素；零售商则注重方案落地成本、以及是否可量化地降本增效。
据此，AI无人零售参与者跳出仅通过开设无人店铺赚取商品差价，技术成熟后收取加盟费的业务发展思路；转向赋能连锁便利店品牌或小型零售业态的商业模式，输出覆盖营销、支付、门店运营等环节的无人化解决方案，为零售企业创造价值。在2020年新冠疫情对实体零售业态的重创下，“无人化门店”价值也开始展现。现今AI无人零售行业发展已逐步进入理性期，规模化扩张尚待市场教育：技术优化、投入产出比、供应链整合能力、私域数据安全性和消费者信任度提升等都是未来市场培育重点。
