商業智能在零售中的崛起

商業智能，簡言之，就是人工智能在商業中的運用。商業智能目前主要運作的場景、應用的領域就是在零售業。

人工智能的基本要素之一是大數據，數據是人工智能機器深度學習的原料，沒有數據就沒有人工智能。

那么零售中，都有哪些數據呢？

很顯然，主要就是顧客購買行為的數據，這里包括他的行動路線、來店頻率、逗留時間、決策速度、動作特征等。此外，還有一些數據就是他行為的結果，包括顧客買了哪些商品，花了多少錢等。

零售企業通過獲取大數據并經過計算之后，針對顧客產生兩個類型和方向的智能化反應。一個類型和方向是針對顧客個體的，根據顧客的信息對每一個顧客進行一對一的精準的營銷。目前，商業智能針對個人和個人的交互，具體來說可能有四種情形。

第一種是基于人像識別的顧客互動。顧客來到商場，他的頭像就被記錄下來了，那么以后再去的時候，無論是服務員，還是其他的一些信息設施，可能會很熱情地跟顧客說：“歡迎您第N次光臨，您是我們的老顧客。”這是一種初級的、比較基礎性的運用。頭像的背后還有這個人的一些歷史數據，基于這些歷史數據可以準確地跟客戶互動。比如，一個人去吃牛排，經常有服務員會問：“你吃幾分熟啊？”有人說五分，有人說八分，那人工智能系統就記住了。你再去的時候，服務員在和顧客交流的時候就可以說：“先生，知道您喜歡吃五分熟的，現在有一種牛肉，三分熟更好吃。”這樣的溝通會更有效一些。

第二種是商業超市用得較多的優惠券。包括電子形態的優惠券。比如商場APP里面送一些電子優惠券，這些優惠券完全是根據顧客的數據自動生成的。顧客去交錢的時候，優惠券就打出來了。優惠券很復雜，結構很精巧，可以根據顧客的購買額，1000元錢以上的給你一張，2000元以上的給你另一張，而且通常都有時間的限定，比如要在5天內用完。有的還有品種的限定，這跟推薦商品有點類似，比如說根據你過去的數據，你似乎比較喜歡喝啤酒，比較喜歡喝德國的黑啤，那就給你兩張黑啤的優惠券。

在優惠券方面，目前還有一些超出我們想象的應用。比如，發現一位顧客從來沒有買過啤酒，基于這樣一個數據，那我們怎么給他優惠券呢？也給他一張啤酒優惠券，用于測試這個人是不是在其他的店買啤酒。如果他用了優惠券，那就證明他還是喝啤酒的，只是原來不在我們這里買。這個測出來之后，就可以給他更多的啤酒優惠券，這樣就可以對對手構成影響。

基于會員制、積分制以及購買記錄的優惠券系統，是目前商業智能的主要形態。優惠券越來越豐富，越來越有意思。這個在歐美其實是個成熟的系統，可惜的是我國零售企業還用得非常少。國外有專門的這樣的系統服務商，即營銷服務公司，大的甚至能夠覆蓋幾千萬人，數據量非常大。

第三種是商品的推薦和交叉銷售。通過數據分析發現顧客去購買商品的時候，他同時還會買其他的商品，這就構成一個關聯。以前他買商品的時候都是果汁和酸奶一起買，那就可以同時推薦果汁和酸奶。這在邏輯上比較簡單。另一種邏輯關聯，比如說一位男顧客買了紙尿布，這可能是孩子的爸爸，可以給他推薦奶粉。

人工智能也在發展。以往這種商品整合起來的推薦都比較刻板，或者說是邏輯僵化。比如我一個朋友跟我說，他給家里的老人去看過墓地，結果連續一個禮拜甚至更長的時間都有商家給他推薦骨灰盒。

所以，未來商品的推薦可能是智能推薦，根據顧客長期的購買行為進行一些分析，推斷他可能對哪些商品很感興趣，那就可以進行橫向的相關產品推薦和縱向的上下游產品推薦。比如顧客買了電吹風，解決了頭發的問題，再推薦一個剃須刀，一起解決一下胡子的煩惱，這是橫向的推薦。縱向的是什么呢？比如顧客買了刀片，就推薦刀片的上游——刀架。再比如顧客買了CD，就推薦CD的播放機。未來可能還有更加智能的，那就是跳躍式的、非單一線性邏輯的推薦。比如某個人經常買些比較古典的交響樂，推斷出這個人可能是比較傳統的、文化層次比較高的、行為作風比較西化的，那是不是可以給他推薦一款懷舊型領帶？這個跨度比較大，也比較有意思。

第四種是行為的預測，即根據以往的行為來推測未來的行為，這個就比較難了。比如說一對小夫妻，因為剛成家，以前可能購買一些生活用品等，過了一段時間，通過購買的特點、跡象和數據，推測妻子可能已經懷孕了，那就可以贈送一些嬰兒產品的優惠券等。這就是提前推測顧客在未來一段時間的行為特點。

根據顧客購買的時間、動作，還可以分析顧客是屬于簡單購買還是復雜購買。人的購買心理和性格不一樣，有些人買東西比較快，瞬間反應；有些人就要貨比三家，任何事情他都要認真地盤算。人工智能系統能將他們推斷區別出來，與他們互動的內容和方式也就不同了。另外，更進一步，人工智能甚至可以判斷每個顧客的生活態度和生活方式。

商業智能應用的第二個方向，不是針對某個顧客，而是針對顧客的群體。根據大數據做群體分析的時候，大數據的范圍可以擴展到整個互聯網上，比如微博、微信上的顧客心聲和反應。

第一，對顧客進行分類。商業智能出現之前，商場里的顧客群畫像，依靠人的智慧，維度是有限的。而到了人工智能的時候，就可以增加很多的維度，從不同的角度對顧客總體進行分類，從而形成多種分類模式。也就是說，畫像可以從不同的角度去畫，把顧客分成很多群。比如，按照遠近來分類，過去沒有數據的時候，怎么知道這個人來自近的地方還是來自遠的地方？現在通過物聯網的信息，就有可能知道顧客的距離遠近，對不同距離的顧客的服務方式可能就不太一樣。

第二，分析顧客群的特點。比如，以是否成家可以將顧客分為單身、兩口之家、三人核心家庭。這就構成了家庭的三種形態。在這三種形態的背景下，人均的購物金額、購買的品種、喜愛的審美風格等，都會形成一些比較鮮明的差異。

了解了這些差異，在貨架的擺放上可以變得更有針對性。比如專門有一些大容量的牛奶是針對三口之家的；比較小包裝的、時尚的就適合兩口之家；還有針對單身的產品，在營養的構成、包裝（怎么開啟）等方面都可以有不同的特色。

第三，分析顧客為什么流失。哪些群體流失得最快？流失的原因是什么？根據顧客群體總的行為特征，并找到背后的影響因素，基本上能夠判定顧客流失的原因和背景。

第四，找出顧客行為中出現次數較多的典型行為并分析背后的原因。例如某一種新產品，大多數人都是拿起來看了看，并沒有購買。原因是什么？是價格問題？還是產品價值訴求問題？抑或包裝問題？基本上可以建立一個假說，這個假說可以通過大數據和人工智能來進行驗證。

第五，分析零售店里面的顧客注意力資源的分布。簡單地說就是顧客更喜歡聚集在什么地方，在哪些地方投注了更多的目光。這個主要通過攝像頭、圖像系統等就可以收集到。這是零售商場動線和商品展示的依據之一。同時，也為廣告競爭提供了依據。比如供貨商有A和B，那就可以位精準地向他們推薦廣告位，比如這個地方有更多的人流量，顧客停留更長時間，那么這個地方的廣告就要貴一些了。