数智洞察 | 蓄积技术动力,让新零售驶入数字经济“快车道”

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 编者按:数字经济快速发展的时期,5G、云计算、物联网等新技术、新业态、新平台蓬勃兴起,深刻影响着全球科技创新、产业结构调整、经济社会发展。如何用好科技这一“利器”,答好数字化转型的“试卷”,赋能零售业高质量发展,成为零售行业发展布局的关键。全文约3599字,建议阅读时间10分钟。


导语

在数字经济蓬勃发展的时代背景下,我们的生产与生活方式都在发生着剧烈而又深刻的改变。数字产业化、产业数字化不断加剧,数字经济和实体经济进一步深度融合。大数据、云计算、AI、物联网、 5G、区块链等热点先进技术不断发展并成熟,作为技术基础底座的数字经济正在飞速进入各行各业,助力传统行业转型升级。


让我们通过数据来感受一下数字经济的腾飞趋势,据中国信通院统计数据显示,2020年我国数字经济规模达到39.2万亿元,同比增长9.7%,大幅高于GDP的增速。数字化程度每提高10%,人均GDP可增长0.5%至0.62%。2020年数字经济规模占GDP的比重已经达到38.6%,较2019年的占比提升了2.4个百分点,数字经济对经济的贡献度在持续上升,成为经济增长的重要引擎,推动着产业发展不断升级。


我国数字经济规模与GDP变化


数字化转型的关键在于技术的工具化使用,通过大数据、云计算、AI、物联网、5G等技术与零售主体、商业模式的“化学反应”,以用户为中心,以服务为导向,敏捷高效的新零售经营方式得以加速推进。


基于算力重构和数据分析的人货匹配

数据是数字经济时代的底层燃料,我们都有明显的感受:今天,数据生成和流动的速度之快在过去很难想象,由此造成数据的量级越来越大。根据IDC的预测,全球数据量每18个月左右翻一番,在2025年将达到175ZB


回到零售业态中的数据,企业在这个时代背景下沉淀的零售信息也越来越多,包括一些会员的消费偏好类数据,如购买周期、频率、消费轨迹等数据,也包含一些企业内部的物资、商品流转和库存等信息。


随着数据量级的激增及对实时性的要求,空间和算力有限的本地数据中心越来越难以满足需求,尤其是在每年的“双11”“618”等大促期间对算力的弹性扩展需求,更是让基于传统IT架构模式搭建的数据中心捉襟见肘。这些都需要借助技术架构更先进的云计算来解决,云计算有海量存储空间和更高算力,相对成本更低,扩展性也更强,被越来越多的零售企业选择使用。


此外,我们发现传统的零售企业不仅无法有效收集全渠道数据,而且对于收集起来的数据也不能很好地利用,而运用数据中台等平台性工具可以针对线上线下消费人群的各类数据,经过贴标签、分类、分级等步骤得到会员用户的精准画像。这对企业会员来说,可以驱动后续的个性化推送、精准营销、体验优化等营销行为;对于消费者来说,能够获得类似于“千人千面”的匹配物品信息,因为出现在消费者视野中的货品都是会员喜好的和有需求的,“想你所想,精准触达”。


统一会员体系支撑全域消费者运营


当然,在通过数据的反馈掌握用户的潜在需求后,也能实现将用户需求反向导入产品设计和产品优化中。比如,九阳电器通过对趋势数据的分析,对比周期数据发现,小户型家具新品销售额增长超过115%,一体式家电新品销售额增长417%,由此开发了“一人食”系列小家电,其目标用户为单身人员、小家庭、学生等人群。结合消费数据打造的个性化新品在首发当日售罄并一直持续热卖,同时带来了大量的忠实粉丝。


基于网络协同和数据智能的供需平衡

信息时代让一切都能联网和在线。从需求端、生产端到供应链,无论是线下还是线上的经营,企业都在往数字化运营方向发展,最终走向全渠道营销和产业链生态的融合。无论是以自动化、数据化和智能技术为主建设的无人工厂,还是物联网与边缘计算的使用,都让货品的设计、生产、流转、库存、营销等过程发生了质变。


比如,在货物的生产阶段,在以自动化和AI技术为大脑进行决策的无人工厂中,生产线可以几乎实现全流程自动化生产,从上料、加工到转运、组装、质检等环节实现无人化运转,同时基于营销数据还可以实现销量预测,由此带动生产端排班计划和供应链采购计划的调整,并形成供需平衡。此外,基于消费者需求的变化,还可以实现小批量按需快速生产,柔性化和个性化定制成为现实。生产端的小单快返可以快速协同营销端试探市场对新品的反应程度,减少传统货品滞销和库存积压的可能性。


数据+智能算法驱动供应链效率优化


此外,基于物联网技术在生产中可以实现工业生产线设备之间的数据监控,从而在生产线设备运行和维护方面更加及时。而通过将工业互联网平台与营销侧的数据打通,可以发现并及时调整货品销售、库存与采购、生产计划,并且通过数据洞察到市场和消费者的选品趋势,让新品变为爆品成为可能。


在以往的零售业态中,商品是可以摸得到的实物,电商的兴起让商品虚拟化,消费者可以通过图片、视频、文字等形式全方位来了解商品信息。不只商品本身,甚至商品的生产、制造、供应链、物流等环节信息也能被看到,尤其是对商品品质有极强要求的品类。另外,借助AI、物联网、大数据等技术升级,基于数据卖场企业可以做到智能补货、缺货预警;物流方面,通过算法可以实现路径匹配最优、就近发货,从而提升消费者体验;渠道方面,通过将数据打通可以实现线上线下一体化、货品履约及用户体验无缝融合。


而结合区块链技术,可以溯源产品从原料到成品的全流程数据,我们能够查看货物在整个生产、流通、零售环节的数据。一旦发现问题,就可以纵向追溯供应链的各个节点,从而提高货物的安全性和运营效率,让消费者可以使用全链路安全的产品。


基于智慧门店和数智体验的万场升级

新零售中的“场”,不仅仅是我们之前认为的商超、门店或者网点,更是我们与零售商产生的所有场景的集合。举例来说,淘宝的直播也是典型的新场景,在疫情的影响下淘宝直播迅速火爆起来,直播电商行业进入井喷期。截至2020年3月,电商直播用户规模为2.65亿,占网民整体的29.3%。阿里巴巴2021财年三季度财报信息显示,截至2020年12月31日,12个月淘宝直播带来的GMV超过4000亿元。


不夸张地说,我们已经进入到“万物都可直播”的时代,而支撑这场直播盛宴的新基础设施就是云计算、大数据、AI、5G等技术。云计算、AI技术通过对数据和算法的整合,推荐给你的直播是你近日感兴趣或者搜索过的内容,AR虚拟现实技术则升级了直播间物品的展示效果,添加了货品模型,增加了直播内容的多样性。例如,对于女性消费者来说,在一些美妆类的淘宝旗舰店中可以体验AR技术虚拟试妆、嘴唇一键上妆等,不用再到实体店涂抹上色,线上试色挑选口红成为现实。而在线下的一些智慧门店中,得益于AI、AR、移动支付等技术的使用,消费者的数字体验升级正变得越来越丰富。AR魔镜让试衣的过程更加方便快捷,移动支付帮助消费者摆脱了时间和空间的束缚,线上支付、刷脸支付减少了排队等候的时间,让消费者随时随地畅享购物的乐趣。


改造的智慧门店利用数字技术实现了对进店人流和客流的统计、动线(流动路线)和热区的分析,系统知道哪些货品更吸引客户,能够帮助门店优化店内货品的摆放和展示设计。结合收银系统的数据,也能测算每天的进店率和购买转化率,并且在后台可以实时监控每一家实体店铺的销售运营情况,及时发现问题,调整部分门店的销售/促销策略。


以门店数字化作为抓手,高效连接消费者


结语

在以消费者为中心的零售生态体系中,技术的发展与应用使得市场参与者能够借助更加多元和高效的技术手段洞察、触达消费者,并基于智能技术实现不同场景的数字体验,同时也使得这些企业能够更加有效地优化运营和管理,及时准确地满足消费者需求。在技术的 “沐浴”下,无论是商品的质量还是消费者体验都有了质的飞跃,科技对零售行业的赋能将进一步加速,这些技术的应用成为新零售发展的核心动力,技术创新与实际应用逐渐形成正向循环。


内容来源:《新零售之旅:数智化转型与行业实践》

出品人:阿里云研究院高级战略总监 肖剑

联系邮箱:johnny.xj@alibaba-inc.com


阿里云研究院小助手微信:AlibabaCloudResearch

编辑:阿里云研究院 赵子千


相关实践学习
钉钉群中如何接收IoT温控器数据告警通知
本实验主要介绍如何将温控器设备以MQTT协议接入IoT物联网平台,通过云产品流转到函数计算FC,调用钉钉群机器人API,实时推送温湿度消息到钉钉群。
阿里云AIoT物联网开发实战
本课程将由物联网专家带你熟悉阿里云AIoT物联网领域全套云产品,7天轻松搭建基于Arduino的端到端物联网场景应用。 开始学习前,请先开通下方两个云产品,让学习更流畅: IoT物联网平台:https://iot.console.aliyun.com/ LinkWAN物联网络管理平台:https://linkwan.console.aliyun.com/service-open
相关文章
|
1月前
|
人工智能 自然语言处理 搜索推荐
AI技术在智能客服系统中的应用与挑战
【9月更文挑战第32天】本文将探讨AI技术在智能客服系统中的应用及其面临的挑战。我们将分析AI技术如何改变传统客服模式,提高服务质量和效率,并讨论在实际应用中可能遇到的问题和解决方案。
191 65
|
1天前
|
人工智能 自然语言处理 安全
AI技术在智能客服系统中的应用与挑战
【10月更文挑战第28天】本文将深入探讨人工智能(AI)技术在智能客服系统中的应用及其面临的挑战。我们将通过实例分析,了解AI如何改善客户服务体验,提高效率和降低成本。同时,我们也将关注AI在实际应用中可能遇到的问题,如语义理解、情感识别和数据安全等,并提出相应的解决方案。
|
30天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在智能客服中的应用:重塑客户体验
AI技术在智能客服中的应用:重塑客户体验
|
3月前
|
存储 人工智能 自然语言处理
利用AI技术实现智能客服系统
【8月更文挑战第27天】本文将介绍如何利用人工智能(AI)技术构建一个智能客服系统,以提高客户服务效率和质量。我们将从需求分析、系统设计、功能实现等方面进行详细阐述,并通过实际代码示例展示如何实现一个简单的智能客服系统。
|
3月前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在智能客服系统中的应用
【8月更文挑战第31天】本文将介绍AI技术在智能客服系统中的应用,包括自然语言处理、机器学习和深度学习等方面的知识。我们将通过一个简单的代码示例,展示如何使用Python和TensorFlow库构建一个简单的智能客服系统。通过阅读本文,您将了解到AI技术如何改变传统客服行业,提高客户满意度和企业效率。
|
5月前
|
机器学习/深度学习 存储 人工智能
构建基于AI的智能客服系统的技术探索
【6月更文挑战第6天】本文探讨了构建基于AI的智能客服系统,强调其在快速、准确、个性化响应客户方面的重要性。系统关键技术包括自然语言处理(NLP)、知识库管理、自主学习和更新以及多渠道支持。NLP使用深度学习模型理解用户输入,知识库存储解决方案,自主学习通过反馈和新数据优化性能。智能客服系统能提供高效、准确、个性化的服务,并具有良好的可扩展性,未来将在更多领域发挥作用。
|
6月前
|
机器学习/深度学习 自然语言处理
基于深度学习的自然语言处理技术在智能客服系统中的应用
【2月更文挑战第21天】随着人工智能技术的不断发展,自然语言处理(NLP)技术在各个领域得到了广泛应用。本文主要探讨了基于深度学习的自然语言处理技术在智能客服系统中的应用。首先介绍了深度学习和自然语言处理的基本概念,然后分析了智能客服系统的工作原理和技术要求,接着详细阐述了基于深度学习的自然语言处理技术在智能客服系统中的具体应用,包括语义理解、情感分析和问答系统等。最后对基于深度学习的自然语言处理技术在智能客服系统中的优势和挑战进行了总结。
302 1
|
11月前
|
缓存 自然语言处理 数据挖掘
哔哩哔哩从0到1自研智能客服IM系统的技术实践之路
本文将要分享的是哔哩哔哩从0到1自研智能客服IM系统的技术实践过程,包括整体架构设计和主要核心功能的技术实现思路等,希望带给你启发。
324 0
|
机器学习/深度学习 自然语言处理 机器人
智能客服:提高客户服务的创新技术
智能客服作为提高客户服务质量和效率的创新技术,正在不断改变商业和服务的方式。通过自然语言处理、机器学习和知识图谱等技术,智能客服能够为客户提供更好的服务体验,同时也为企业带来了更大的竞争优势。虽然智能客服在应用中还面临一些挑战,如情感分析和数据隐私,但随着技术的发展和完善,它将在未来持续发挥重要作用。
326 1
|
自然语言处理 达摩院
达摩院智能对话技术升级-更人类,更温暖-阿里云智能客服从提升生产力到提升客户忠诚度(上)
达摩院智能对话技术升级-更人类,更温暖-阿里云智能客服从提升生产力到提升客户忠诚度
354 0