从阿里腾讯的布局看AI+零售产业前景

我们认为阿里对于零售行业智能化的理解可以从其“商业操作系统”中探寻一二。

根据云栖社区援引一点财经消息，2019年1月，阿里发布了与众多合作伙伴协作的“A100计划”，力求实现“商业要素的全覆盖”，即“品牌、商品、销售、营销、渠道、制造、服务、金融、物流供应链、组织、信息技术”等11大商业要素的在线化和数字化。

具体实现上，打造业务中台和数据中台，实现全渠道数据共享，实现全渠道销售能力。根据阿里云官网，阿里针对商超连锁的解决方案中打造了数据中台和业务中台，前台通过大数据AI分析进行营销推广，后台包括ERP、仓储管理等模块。其中中台有机衔接稳定的后台系统和灵活多变的前端业务场景，通过抽取后台系统的数据，以共享服务中心的方式，为前台的各种业务场景提供统一调用服务，保证数据一致性；同时，采用微服务架构构建的中台，可弹性伸缩，支撑高并发访问。

落地商家案例（根据阿里云《AI时代零售业的智能变革》）：

世纪联华

世纪联华在浙江地区拥有600多万会员。在过去对于消费者的理解停留在消费结果上，对商品选择历史、消费动机等缺乏认知手段；现在将通过门店客流分析、购买行为历史等产生颗粒度更小的智能分析结果，减少人工判断误差产生的试错成本。基于阿里云数据中台，联华希望可以对会员的购物行为进行分析，对顾客进行标签重构，重新定义会员运营的方式。与此同时，利用“鲸选”APP实现顾客深度触达，升级顾客体验。

特步

全渠道运营管理：在引入阿里云大中台概念之前，特步的线上线下营销资源是割裂的，库存独立、促销规则不统一、物流成本高。在中台系统上线以来这样的局面得以彻底改变：会员、订单、库存、物流、结算系统全部打通，线下门店作为前臵仓，收到订单后系统会根据“先就全，再就近”的智能算法将订单自动派送至最近的门店，并且通过阿里星盘自动通知物流公司进行配送。2017年的“双十一”期间，特步的22万张线上订单几乎都通过这样的方式实现了自动派送，不仅做到下单第二天6点前准时发货，且同城发货占到23%，同省发货占到78%，与以前中心仓的方式相比节约了一半以上的物流费用，库存水平也显著降低。

门店生命周期管理：从店面选址，到顾客管理、商品选择，特步正在试图用更加智能化的工具来代替传统的人工决策。例如，根据店面的销售历史，结合天气、区域喜好等，智能调拨系统可以预测出门店未来一周的需求并给出精确到SKU的补货订单；生产制造侧据此进行SKU调整，由“收到订单后发货”改为“基于预测提前备货”，出货时间由平均45天减少至20天，也极大的减少了缺货情况，提高了门店收益。在这样的赋能下，加盟商也更有意愿与品牌打通平台，共享数字化带来的效能提升。

我们认为阿里智慧零售在前端消费场景方面，通过场景、移动端等流量入口完成对用户的清晰画像，以“推送+服务”的形式响应用户的个性化需求；中台以消费者运营为核心，由数据端打通消费者认知购买、兴趣及反馈的全链条，以消费者数据反向帮助企业提升供应链的管理与生产；后台则利用物联网、AI等技术构建线下基础设施，提升消费体验。基于阿里的电商基因，选择下场亲自做零售，比如盒马，投资并购布局上也更倾向于战略控股。

根据腾讯科技消息，2020年9月，在腾讯全球数字生态大会零售专场暨智慧零售数字增长峰会上，腾讯智慧零售产研副总裁蒋杰表示在智慧零售领域仍存在很多困难：（1）私域连接难。中国线下零售占比仍超过74%，盘活线下商品、门店、销售人员的触点是第一座“大山”。（2）私域运营难。如今消费者和品牌的触点平均已达到5.2个，将碎片化的触点综合运营起来，对企业提出了新的挑战。（3）数据融通难，2019年小程序交易额超过8000亿，企业亟需将越来越丰富的线上线下、不同环节的数据融通，积累真正自主、可运营的数字资产。结合腾讯对智慧零售的思考和定位，正式发布了其智慧零售产品体系：提供私域连接、私域运营和私域数据三方面能力支撑，全方位助力零售企业构建规模化私域业态。

“腾讯有数”重点在于通过数据分析智能化驱动商家的精细运营。根据腾讯科技，“腾讯有数”有三大核心能力，（1）打通腾讯生态内公私域触点的经营数据，实现融通管理；（2）通过更长效的效果追踪，使经营效果评估更加准确，从而找到实现企业增长的关键因素。（3）针对商品经营管理场景，以及用户资产管理场景提供全面的数据服务能力；在商品经营场景方面，提供包括小程序选品、商品推广、制定个性化商品运营策略；在消费者资产管理方面，提供完善的生命周期管理工具，服务品牌深度洞察私域用户，实现精细化运营。时尚品牌ZARA基于有数的数据分析，针对小程序流量触点进行了盘点和优化，并通过首页改版、功能动线优化、商品分类调整等方式，将小程序的转化率提升了1倍，跳失率下降了40%。同时，ZARA还通过有数实现了广告ROI的长效追踪，并基于追踪数据，进行精细化运营，最终广告ROI提升了1.75倍。

我们认为腾讯在智慧零售领域的定位是做企业助手，通过流量构建自己的产品矩阵，当前处于和商家以及合作伙伴共同探索零售智能化机会的阶段。同时，投资零售企业并进行技术赋能，对于被投企业来说提升其智能化水平，对于腾讯自身来讲补足零售行业know-how能力。

可以看出面对国内巨大的零售市场，阿里腾讯等互联网巨头正在通过数字化与智能化改造零售业态。面对线上经济的冲击，当前线下零售行业普遍存在获客难、库存周转难等方方面面的问题，在营销、运营以及供应链等环节，AI将会有力辅助企业进行决策，而这离不开AI零售产业链各方的努力，在他们的大力布局下，智慧零售时代已经加速走来。

根据罗戈网援引艾瑞咨询，AI+零售产业图谱分为了基础服务、人工智能技术服务、应用提供方以及零售企业和品牌商，其中基础服务包括云服务、IT基础设施、通信服务以及数据服务；人工智能技术服务则对应不同的AI领域，包括机器学习、知识图谱、语音语义等；应用提供方针对不同的场景应用，比如智能客服、精准营销、智能化运营、无人零售业态等；我们认为最上层可以理解成用户层，包括零售企业和品牌商。

目前国内AI+零售产业格局大致可以分为互联网巨头和细分领域AI技术服务商两大阵营。我们认为由于互联网巨头掌握海量数据，同时有着深厚的AI算法基础，是AI零售产业链的重要组成部分，比如在技术服务层面，BATJ都具备相关技术实力，而在应用提供方和零售企业层面，互联网巨头大多进行了产业链并购布局或者本身就是线上零售巨头，掌握海量的线上商家，更是具备得天独厚的优势。而专业的AI技术服务商凭借在技术领域的专业优势，不断切入细分场景，比如云从科技、商汤科技在视觉解决方案上更具优势，面对广大的中小型客户，AI技术服务商可以凭借专业的技术和优质的服务取得竞争优势。

零售AI领域处于起步培育阶段，市场规模正在快速增加。根据罗戈网援引艾瑞咨询，AI技术在零售领域的应用于2017年起步、2018年落地推进。估计2019年AI+零售市场规模达到6.5亿（统计口径包括以云服务或软件形式提供的打包零售解决方案中AI授权费收入部分、单独提供AI标准化产品（例如智能客服机器人）的收入、AI摄像头等硬件产品收入），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%。另一方面，零售企业AI研发投入也在迅速增长，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%。我们认为高研发投入保证零售AI茁壮发展的重要保证，有利于从技术层面更好的帮助零售行业智能化升级。

根据极数《2020年上半年中国生鲜电商行业发展分析报告》，当前我国生鲜电商行业中：（1）中国城镇居民年食品支出近七万亿元；（2）2020年7月，网上食品消费同比增长近四成，远超电商行业整体增速18.6%；（3）生鲜电商月活用户超7100万，同比增长75.4%；（4）2020年上半年，生鲜电商交易额达1821.2亿元，同比增长137.6%。可以看到，生鲜电商已经成为食品消费领域高速增长的细分赛道之一。

我们认为生鲜电商是表面框架，核心在于供应链管理系统，比拼的是流量、数据挖掘和供应链能力，当前生鲜电商赛道在高速成长，巨头也在奋力角逐，唯有做到高度智能化敏捷化才有望胜出。生鲜电商这一细分零售领域固然有着高损耗等行业特性，但其较高的AI 智能化水平可以为整个零售行业树立标杆。

根据阿里云官网，盒马技术负责人何崚表示，盒马的快速发展得益于通过智能化手段很好的构建了供给网络、履约网络和销售网络以及解决三张网的动态平衡问题。供给网络解决卖什么，卖多少的问题：品类规划上，基于行业数据和本地会员画像，充分挖掘区域人群的偏好，给出品类建议；库存策略上，基于销售预测，平衡供应链各个库存节点的库存水位和供给节奏，以平衡生鲜的缺货和损耗。供给网络的技术难点，在于生鲜商品的非标品属性给数字化决策带来的挑战，针对消费者需求快速响应，盒马利用归因分析和仿真手段，加速业务应对的速度和效率。比如通过人工智能大数据挖掘技术，盒马发现消费者对生鲜商品的食品安全诉求特别强烈。“散养”、“野生海捕”、“进口”等商品心智能够较好符合消费食品安全方面的诉求。此后重点冲刺此类商品，整个类目的销量得到了大幅度提升。再比如，可以通过生鲜知识图谱帮助上游农业种植养殖进行生产决策，真正实现订单式农业。

销售网络仓配物流领域是盒马业务的基石，计单算法的智能优化是关键。盒马半小时送达的履约服务是以单一门店为中心的及时履约体系。在此履约体系中，计单算法的优化至关重要，多大的计单时间窗口才能够平衡履约时效、最大化单一配送订单量。其次是路径优化问题，包括配送员的配送路径和订单的先后顺序，以保证配送员手中的订单均能在大约半小时内送到。且考虑到了路径夹角问题，避免配送员绕路，提高配送效率。同时，盒马通过AI推荐算法优化劳动力结构，降低物流成本。盒马产品技术部利用算法推荐每日最优的劳动力结构，结合预测的每日的波峰、波谷，安排自营、第三方和外包员工数量和比例，结合智能排班，确定出勤数量和出勤时间。实际作业中，需根据出勤的实际情况，动态分派任务，同时跨岗位调动店、仓的人员，平衡各个岗位产能。

云+端构建智能门店。为了支撑高速发展，解决专业人才和一线作业人员用工瓶颈问题，盒马建设了云端一体业务解决方案，为劳动密集型的营运作业提供辅助执行和自动化执行，降低门店作业人员的绝对数量。云侧是零售全链路角色的生意协同和任务下达的运筹优化，比如门店管理策略（仓库何时收货、门店智能检查等）、门店任务排班（用工规划、库存管理等）以及基层作业辅助（以AI代替专业角色做现场问题的发现和决策，包含AI智能防损、AI防火防害、AI员工作业规范检查、设备实时远程监控和远程运营等）。端侧是门店的AIoT设备，比如智能货架、智能防损、手持移动终端、边缘计算降低AI店均成本等。

我们认为AI已经渗透盒马运营的方方面面，很难去衡量AI具体创造的价值，但是没有大数据算法的支撑，就没有百亿收入规模的盒马，可以说数据和智能成就了盒马，而盒马的高速发展同时也印证了智能零售强大的魅力。