赢识科技完成A轮融资,助力实体商业数智化转型

简介: 赢识科技“全链路数据智能服务 ”的逻辑,可以覆盖全场景数字化到数据资产化、数据智能化、业务智能化的企业经营与管控的整个生命周期。

image.png
image.png

01 一个系统满足多元需求

赢识科技成立于2018年7月,是专注为实体商业提供全链路数据智能服务的全栈AI科技企业。赢识科技方面表示,此轮融资将用于技术研发创新、产品打造、以及商务渠道建设和拓展。此前,赢识科技在2018年8月,获得了2000万元的天使轮融资。

“受数智化浪潮的推动,实体商业经营者需要一个体系化的系统工具,以实现数智化驱动的企业增长,完成线下数据采集、连接、计算、再实现辅助分析决策、商业洞察和智能决策,并让这个过程可以低成本、高效的实施部署,做到‘规模化可复制’。”赢识科技的创始人兼CEO楚汝峰表示,市场的需求就是赢识科技的行业定位。

赢识科技采用端-边-云+全栈AI的系统架构,通过海量异构智能设备抽象管控连接,形成线下数据“埋点”,结合全场景ReID、智能感知识别+行为语义化技术,结合供给侧与消费侧的全链路营运服务工具,构建消费者数据资产,进而实现以数据驱动的智能商业闭环,为实体商业提供从精准营销到精细化管理的整体数字化解决方案。

image.png

值得一提的是,赢识科技的核心团队来自于阿里云、阿里达摩院、天猫、中科院等企业和科研院所。核心成员在机器智能、数据平台、分布式系统、AIoT、消费者运营、品牌营销等领域有10年以上工作经验,在新零售业务有丰富的实战经验。团队的复合型背景决定其在底层技术研发及产品闭环服务能力拥有较强的竞争力。

技术方面核心是构建一个线下数字化底座,即系统级平台,支撑“人(消费端需求侧)-货(企业端供给侧)-场(消费及管控场景)”的全面在线化。该平台主要解决连接计算和数据产生的问题,其中涉及海量异构设备的管控,云边端协同的分布式架构,数据感知和行为语义化的算法能力等,赢识科技在各方面都有坚实的技术积累。

在算法能力层面,赢识科技获得了数⼗项专利、软件著作权和国家信息安全认证。在跨境追踪/行人再识别(ReID)国际公开数据集测评以及多个国际竞赛中,赢识科技的技术成果获得第一名的成绩 。

此外,赢识科技解决了线下异构设备管控和分布式架构技术挑战,产品化大大降低部署、计算、管控和运维成本,如:支持亿级大数据实时处理和多平台部署,计算效率较业内平均水平近10倍提升;边云一体优化,大规模线下场景的落地周期从传统3-6个月缩短到1周内,可规模化应用复制。

目前市场上许多赋能实体商业智能化的解决方案,更偏向选择做客户的单点需求满足,如做客流分析、会员系统等。不过实际上行业客户尤其是集团化的规模型企业,很难一次性把需求贯彻到位。所以,单点需求的产品设计思路容易面临一个问题:客户永远服务不彻底,这也是众多数字化转型服务企业的困境。而系统级的能力则可以解决快速产品迭代的问题,基于灵活的架构可以实现功能不断叠加。

赢识科技“全链路数据智能服务 ”的逻辑,可以覆盖全场景数字化到数据资产化、数据智能化、业务智能化的企业经营与管控的整个生命周期。简单来说,即:一个系统满足客户多元的需求。

02 如何将实体商业变为“消费者运营平台”

目前,赢识科技已拥有万达、国美、绫致等众多线下零售业标杆客户,商业化落地进展加速。

其产品落地的逻辑主要有两个方向:

一是以消费者为中心的从消费侧到供给侧的产品服务链路,重用户体验和交付的营销场景,如线下4S店的获客接待、家居卖场的导购赋能等。主要服务范围包括全域获客、门店私域承接、智能接待、智能导购、售后个性化服务等,实现消费者全生命周期管理,掌握客户数字资源,活化客户数字资产。

二是深纵联横、由点及面演进。横向服务于大流量场景行业如商业地产、购物中心等行业领域,主要为该类客户提供人和场的全面数字化建设;纵向提供可跨行业服务的客群洞察、商圈洞察、活动管理、以及会员服务等的精细化运营系统。逐步形成从点状的场景化服务到线状的行业化场景覆盖,最终形成可黏合各行业优势资源形成产业生态的产品支撑体系。

“通过工具化赋能和平台再造,将传统的实体商业变成消费者运营平台。”楚汝峰解释,赢识科技可以助力商业地产类客户运营消费者,实现流量活化,将传统“流量”承接升级为“留量”服务,给入驻的商户提供更优质的服务。

“未来,不论是线上还是线下的商业更多面临的是快速复制的问题。”楚汝峰表示,面向扩张需求较大的商业体系,可复制性能力是系统服务商不得不考虑的前瞻性战略,这也是实现规模化的核心能力。他认为基于此趋势,今后良好的生态开放能力将成为挑战。“不仅服务于实体商业个体,更要服务整个实体商业生态,其实非常考验产品化能力,这对于企业来说是挑战,亦是机会。”

赢识科技通过阿里巴巴的生态链接,共同加速实体商业场景智能化。基于阿里云的IaaS、云原生产品、AIoT边缘设备和PaaS层能力,结合赢识科技对实体商业实际场景的产品智能化实践,提升实体商业智能化水平;基于友盟数据产品服务汽车主机厂和经销商集团,服务客户实现全域数据埋点、分析和数据融合打通,形成统一的数据分析服务,高效支撑进一步的数据智能服务。未来,赢识科技将携手阿里云实现更多细分领域的规模化应用!

阿里云加速器

阿里云加速器整合阿里巴巴技术、产品、商业生态资源,协同产业、资本多方力量,为科技型创新企业提供加速产品和服务,助力企业紧密融入阿里云生态,以达到云上创新创业生态繁荣目的。

阿里云加速器已有276家创新企业,100%企业成为上云企业、67%企业通过加速器与资本链接获得新一轮融资、约70%企业集成阿里云的技术、产品并形成企业自身的产品解决方案。2021年阿里云加速器将为更多科技型创新企业提供多阵型加速服务。

相关文章
|
网络安全
fastdfs连接超时报错解决方案
fastdfs连接超时报错解决方案
498 0
|
消息中间件 监控 Java
利用Java构建高效的消息推送系统
利用Java构建高效的消息推送系统
|
6月前
|
Java 开发工具 Spring
【Azure Application Insights】为Spring Boot应用集成Application Insight SDK
本文以Java Spring Boot项目为例,详细说明如何集成Azure Application Insights SDK以收集和展示日志。内容包括三步配置:1) 在`pom.xml`中添加依赖项`applicationinsights-runtime-attach`和`applicationinsights-core`;2) 在main函数中调用`ApplicationInsights.attach()`;3) 配置`applicationinsights.json`文件。同时提供问题排查建议及自定义日志方法示例,帮助用户顺利集成并使用Application Insights服务。
146 8
|
Java 中间件 测试技术
java依赖冲突解决问题之jar包版本冲突无法通过升降级解决时如何解决
java依赖冲突解决问题之jar包版本冲突无法通过升降级解决时如何解决
|
11月前
|
存储 搜索推荐 算法
【数据结构】树型结构详解 + 堆的实现(c语言)(附源码)
本文介绍了树和二叉树的基本概念及结构,重点讲解了堆这一重要的数据结构。堆是一种特殊的完全二叉树,常用于实现优先队列和高效的排序算法(如堆排序)。文章详细描述了堆的性质、存储方式及其实现方法,包括插入、删除和取堆顶数据等操作的具体实现。通过这些内容,读者可以全面了解堆的原理和应用。
407 16
|
8月前
|
机器学习/深度学习 存储 自然语言处理
《Peephole LSTM:窥视孔连接如何开启性能提升之门》
Peephole LSTM是LSTM的一种变体,通过引入窥视孔连接,使各个门(输入门、遗忘门和输出门)能够直接访问细胞状态,从而在门控决策中提供更多的上下文信息。这使得模型能更精准地保留和利用序列中的关键长期依赖关系,避免信息丢失,提升对复杂序列数据的处理能力,在语音识别、自然语言处理等领域表现出色。
256 15
|
12月前
|
算法 关系型数据库 MySQL
复购率 mysql 实例(sample database classicmodels _No.1 )
复购率 mysql 实例(sample database classicmodels _No.1 )
233 0
|
JavaScript 前端开发 Java
SpringBoot 引入 smart-doc 接口文档管理插件,以及统一接口返回,最后推送到 Torna,进行统一管理
本文介绍了如何在SpringBoot项目中整合smart-doc接口文档管理插件,实现接口文档的生成和统一管理,并展示了如何将文档推送到Torna接口文档管理系统进行进一步的集中管理。
1216 0
SpringBoot 引入 smart-doc 接口文档管理插件,以及统一接口返回,最后推送到 Torna,进行统一管理
|
存储 Kubernetes 数据可视化
在k8S中,如何使用EFK实现日志的统 一管理?
在k8S中,如何使用EFK实现日志的统 一管理?
|
人工智能 BI
客户在哪儿AI助大客户销售最高成功概率的见到目标客户决策层
文章摘要:大客户经理触及决策层可使成交率翻倍,但初次成功接触是关键。通过AI技术,可挖掘目标客户决策者的真实关系网,匹配公司人脉,找到合适的外部引荐人;分析历史活动,预测未来参与,提高非办公地偶遇概率;同时,识别并接触目标企业内部员工,促其主动引荐决策层,最大化首次会面成功率。