“新零售”内涵
近来，“新零售”引发普遍关注。这一概念的出现有3个背景：一是去年年底，亚马逊公布了一段在美国西雅图内部试运行的无人商店（amazon go）的视频；虽然信息很不充分，但还是引起人们对于零售领域新技术运用的遐想。二是马云2016年10月在杭州云栖大会上的演讲中，提出“新零售”时代已经到来。从他讲的一些内容来看，强调的是线上、线下以及物流的结合和一体化。过去，我国电子商务和线下通路之间是没有打通的，各自的顾客体验是割裂的。对绝大多数企业或品牌而言，数据流未能实现线上线下共享。马云的“新零售”概念与这一状况有关。三是近年来传统零售业在电子商务冲击下，举步维艰、节节败退，整体上出现了衰落；而“新零售”的概念，使传统零售业为之一振，似乎出现了一条新的道路。
未来新零售的特征和内涵究竟是什么？由于目前只有少数无人店，我们目前难以全面、细致地描绘和分析，但若干要点和轮廓是清晰和明确的：
第一，线下零售的信息化、数据化和物联网化。
线下零售和线上电子商务相比，在信息、数据的获取、应用方面是不如线上的。对顾客而言，在产品及价格信息的搜寻、评价、分享和比较上，每个零售店都是孤岛。而电子商务的运作从一开始就是基于信息流和数据流的。因为看不见活生生的真实顾客，只能根据顾客在网上的搜寻、浏览、点击等动作，以及实际发生的销售数据等，来判断顾客的行为；在数据流和信息流基础上，产生了精准广告投放、推荐销售以及交叉销售等新运作方式。
而在“新零售”背景下，线下的零售店将会把自身变成一个巨大的信息流和数据流的集合：
——零售店内所有的货架、货物、购物篮、收款设备等构成了一个通过传感器等来相互联系的物联网。形成物联网之后，信息、数据就可以流转、采录和聚集。比如说顾客在货架上每拿一件货物，后台的信息系统都可以同步显示相关数据，这样就解决了传统零售店的货物盘点、统计问题，为快速补货创造条件。
——零售店无死角地布置图像（声音）采集系统。摄像头等对信息全程进行记录之后，可以和人脸（语音）识别技术结合在一起。在此基础上，将衍生出自助付费、机器人自动服务、顾客资料（信息）自动积累、顾客互动策略自动生成等多种应用。
——电子标签在零售店内广泛应用。所有的货品物和商上可能都有一个二维码；扫一扫二维码，商品的所有信息（包括功能信息、品质信息、原料信息、价格信息、可溯源的产地信息等）都可以在手机或其他的载体（屏幕）上显示出来。库存的盘点、货物的补充、价格的调整、顾客的结算等，都可以借助电子标签完成。
未来，传感信息系统、电子标签信息系统和摄像（声音）系统三者之间，既会交互也会共享，还会彼此补充，共同形成零售店的海量、动态信息的集合。这样一来，线上线下可以实现信息和数据的互通和共享了。从某种意义上说，线下商店的信息流和数据流比线上更有价值和优势，因为对顾客的行为（包括行为背后的动机）有更加真切的把握。
第二，虚拟世界和真实世界的一体化体验。
在现实的物理空间中，顾客的体验是受环境限制的，人们只能看到真实世界。而互联网虚拟世界里会有一些真实世界中不能体会到的情景。现在一些零售企业正尝试把一些线上体验放到线下来。随着vr（虚拟现实）、ar（增强现实）技术的发展，线下顾客体验方式将会出现重大突破。
基于虚拟现实（vr）技术的新体验估计将首先在游戏网吧里出现。游戏网吧是一种线下零售的特殊场所——目前阿里巴巴把新零售扩展成线下一切物理空间里的体验，包括游戏网吧、餐饮、咖啡厅、书店等。虚拟现实（vr）就是每个人头上戴头盔之后，所见到的非真实世界——或许是另外意义上的“真实”。我们可能穿越时空进入古代或未来并置身其中。这种体验将使线上游戏进入新的境界。零售店会出现怎样的情景呢？顾客进去之后，戴上一个头盔，然后通过商店里的附着在商品或其他载体上的信息入口（二维码），可以进入另外一个世界。它在形态上是立体的，在内容上是有无限可能的。这样就超越了零售店本身的限制了。比如说，顾客要选购一辆日本的汽车，可以通过头盔看到这辆汽车在日本生产线的过程，以及一些更加宽阔或更加纵深的内容。顾客选购一个瑞士的产品，可以把自己放到日内瓦湖、阿尔卑斯山的背景下，欣赏瑞士的湖光山色。
虚拟现实技术，对于零售创新会有帮助，但它可能不是最重要的体验手段。未来真正为顾客创造新的体验价值的可能是增强现实技术，虽然它的应用或许更困难。所谓增强现实，通俗地说，就是在真实的环境中突然出现了虚拟的景象。假如顾客去家具卖场准备购买顾家皮床，想要看一看在床边上摆把椅子是什么样子。椅子在现实中是不存在的，但顾客戴上一个特殊的眼镜（或头盔）之后，椅子就会在床旁边出现。顾客可以通过电脑或手机操作，改变椅子的颜色、形态、材质乃至数量等。总之，椅子是虚拟的，虚拟现实将技术与真实情境进行了匹配。
第三，商业智能在零售中的应用。
商业智能，是个涵义丰富的概念，简要地说，就是人工智能在商业中的运用。商业智能目前主要的应用领域和场景之一是零售业。
人工智能的基本要素之一是大数据。大数据是人工智能及机器深度学习的原料和营养，是人工智能生成和演进的必要条件。显然，线下零售店拥有流动着的巨量数据（以前这些数据可能流失掉了），包括顾客购买行为数据（行动路线、来店频率、逗留时间、决策速度、动作特征等）以及行为结果数据（购买品种、购买金额等）。基于这样一些数据，人工智能通过另外一个基本要素（算法）产生零售经营者所需要的分析结果。零售经营者需给人工智能系统设定一个运算逻辑。具体地说，要设定输入什么、输出什么以及中间的转换（解题）方法和步骤。（从这个意义上说，人工智能目前仍属于“人”的智能。将来人工智能能否超越人类而具有独立的智慧，今天我们还不得而知。）
零售企业获取大数据并经过人工智能系统计算之后，会针对顾客产生哪些智能化的反应？一个类型和方向是针对顾客个体的，即对每一个顾客进行一对一的精准营销。另一个类型和方向是针对顾客群体的，即根据各个顾客群的不同特征进行差别营销。
商业智能和个体顾客的交互
零售商店的商业智能，和个体顾客的交互，目前主要有四种情形：
第一种情形是基于人像识别及顾客数据库的顾客互动。某个顾客多次光临商店，其头像等信息就已经被记录下来了。以后再去的时候，无论是服务员，还是服务机器人，都会热情地和顾客打招呼：“欢迎您第n次光临，您是我们的老顾客！”这是一种最初级的人工智能运用。顾客头像只是一个标签，背后还有他的一些历史数据（数据库），从而可以准确、精妙地跟顾客互动。比如，牛扒店里，服务员经常会问顾客：您吃几分熟啊？有人说五分，有人说八分，人工智能系统就记住了。顾客再次到来，服务员就可以说：“您喜欢吃五分熟的，现在有一种牛肉，三分熟更好吃，要不要尝试一下？”
第二种情形是会员优惠券设计。优惠券包括电子形态的、手机app里的优惠券。这些优惠券是根据顾客的购买数据动态、自动生成的。比如顾客结账的时候，优惠券和购物小票一起就打印出来了。优惠券种类很复杂，结构很精巧，可以根据顾客分品种购买额设计，通常都有时间和品种限定。比如要在一周内用完，或只能购买某些特定的品种（这和推荐商品有点类似）。
优惠券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牛奶，但也给他牛奶优惠券，用于测试他是不是在其他的商店购买。如果他用了优惠券，那就证明这位顾客原先很可能在其他商店购买牛奶。这个结果出来之后，就可以给他更多的牛奶优惠券，这样就可以对竞争对手构成一定的影响。
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，也越来越有意思。优惠券系统在欧美发达国家是很成熟的系统，可惜我国大部分零售企业还用得比较粗放和简单。
第三种情形是商品的推荐和交叉销售。如果某顾客购买某种（或某几种）商品的时候，通常还会买其他某种（或某几种）商品，这就构成了一个事实关联。根据这种关联，可以将相关的商品一并向这位顾客推荐。还有一种关联称作逻辑关联，它是根据某些事实作出的延伸性的合乎逻辑的判断。例如一位男顾客买了纸尿布，这很可能是孩子的爸爸，于是向他推荐奶粉。
以往将商品整合起来的推荐，其逻辑都比较僵化和直接——比如一位朋友跟我说，他为家里的老人看过墓地，结果连续一个月都有商家向他推荐骨灰盒。随着人工智能技术的发展，未来商品推荐将会更加多维和准确。例如，根据顾客的购买行为，推断他可能对哪些商品很感兴趣。进行横向的相关产品推荐和纵向的上下游产品推荐。顾客买了电吹风，解决了头发的问题，再推荐一个剃须刀，一起解决胡子的烦恼，这是横向的推荐；顾客买了果汁机，同时推荐用于榨汁的水果，这是纵向的推荐。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，某个人经常买些高档次的古典交响乐唱片，人工智能系统推断出这个人可能属于文化层次、收入水平比较高的、行为做派比较西化和传统的，那是不是可以给他推荐一款暗花怀旧型领带？这个跨度比较大，也才真正具有智能推荐的意味。
第四种情形是根据现在的购买行为来推测未来的购买行为。这在技术上比较困难，但是未来人工智能的重点。其模型之一是顾客的消费生命周期；方法是基于顾客消费生命周期现阶段的行为特征推测出下一阶段的行为特征。例如，一对小夫妻刚刚结婚，现阶段主要购买家庭生活用品；通常情况下他们下一阶段的消费主题就是母婴产品了（当然，先要判断他们有无怀孕计划了）。商家在顾客下一个消费主题出现之前或尚在萌芽状态时，就可以未雨绸缪，提前与顾客互动、引导顾客消费。
推测顾客未来行为的第二种模型，是根据顾客目前的行为刻画顾客的生活态度、生活方式和消费心理；在此基础上再推断出顾客将来可能出现的购买行为。例如，某一顾客的购买记录证明他是年轻的、追求时尚的、喜欢运动的、有活力的；那么他将来可能喜爱及购买哪些风格、调性、功能的产品和服务，就会有一个较为清晰的轮廓、指向和范围。这是零售商店与顾客一对一的精准、高效交互以及进行前瞻、愿景营销的依据。
商业智能和细分顾客群体的交互
零售商店的商业智能，和不同类别细分顾客群的交互，有以下若干种作用方式和功能：
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，维度是有限的，依据也是不足的（常常是“假说”）。而到了人工智能时代，就可以增加很多维度以及维度内部的区隔颗粒度，从而形成繁复的顾客结构。比如，过去没有顾客的头像数据，就无法对顾客按头像肤色进行分类；更无法按肤色的细微差别，将女性顾客区隔为众多细分类别。而这与化妆品销售有密切的关联。
第二，分析顾客群的特点。这是差异化营销的前提和基础。例如，前来商店购买商品的家庭顾客分为单身、两口之家、三人核心家庭等三种形态；它们的购物金额、购买品种、喜爱的审美风格等，都有一些比较鲜明的差异。知晓、理解了这些差异，在商品的引进、推广乃至货架上的摆放都可以变得更有针对性：牛奶产品系列中，大容量的包装主要是针对三口之家的；稍小一点的包装比较适合两口之家；而针对单身者的包装，会更加时尚和精巧。除此之外，适用于不同顾客群的牛奶产品，口感、开启方式等方面都会有不同的特色。再假如，商场数据表明：中产阶级群体水果购买总量中，进口水果的比例持续提高；那么商店通过优化针对“中产”的进口水果品种以及现场体验，则能提高顾客价值以及自身的经营效益。
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？根据顾客群体行为特征，可以设定背后的影响因素；通过大数据分析以及实验的方法，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以及分布较广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？价格问题，还是产品价值诉求问题？抑或包装问题？这些假说可以通过大数据和人工智能来进行验证。
第五，搜集顾客注意力资源在店内的分布。简单地说，就是了解顾客更喜欢聚焦在什么地方，在哪些产品、货架、场景以及媒体上投注了更多的目光。这是零售店中顾客动线设计、产品展示及顾客体验安排的依据之一。同时，也为店内媒体资源的充分利用提供了条件。零售商可以精�...