3つのシナリオは、人工知能が新しい小売業に力を与える方法を示しています

1950年代以降、人工知能は長年にわたり浮き沈みを経験し、ビジネスシーンで継続的に試されてきました。そしてついに2016年に転機が訪れました。世界囲碁チャンピオンのイ・セドルがアルファ囲碁との対局で降参したのです。その後も、囲碁、テキサスホールデム、リアルタイム戦略ゲームなど、さまざまな形式で人間と機械の戦いが繰り広げられ、機械が人間に対して圧倒的な勝利を収め続けました。人工知能の力がもはや無視できないものであることに人々は驚いています。

過去 20 年間、アルゴリズムの最適化、データの蓄積、計算能力の向上が人工知能の台頭に大きく貢献してきました。

デバイスの認識からビッグデータ分析、意思決定支援まで、人工知能機能の向上は徐々にさまざまな分野のビジネスモデルに変化をもたらしています。今日、人工知能はデジタルネットワークのアップグレード版と見なされており、関連する製品やサービスがさまざまな分野での商業実践を加速させています。なかでも、消費者中心の「小売革命」が進行し、伝統的な小売業のグレードアップが進む小売業界では、特に業績が顕著に表れています。

新しい小売業はデータ主導であり、人、商品、場所の役割と関係を再構築します。インターネット時代では、消費者行動が断片化しているため、従来の小売方法は持続不可能になっています。データ分析に基づいて、人工知能は、過去の取引データ、ソーシャルネットワークの関係、ショッピング習慣、オンライン閲覧記録、定期的な消費習慣など、さまざまな次元からのデータを総合的に使用して、マーケティング予測を実現し、小売シナリオでの意思決定を支援することができます。現在、スマート倉庫、無人配送車両、精密マーケティングなどはすべて、人工知能と新しい小売業の組み合わせによる製品です。

その中で、人工知能（AI）技術はオンラインとオフラインのシーンをつなぐ架け橋であり、オンライン電子商取引と実店舗の間のギャップを埋め、オンラインとオフラインのデータの補完性を実現し、新しいショッピング体験を生み出すことができます。以下では、人、物、場所の3つの側面から例を挙げます。

人間的側面: インテリジェントな推奨

シュワルツェネッガーとヘップバーンがスーパーマーケットに入っていくところを想像してください。理想としては、店側が自動的に彼らを誘導して、それぞれのニーズに合った商品に注目させ、異なるルートで店内を歩かせるようにしたいものです。

しかし実際には、ほとんどの小売店は現在、まったく同じサービスを提供しています。これは、従来の小売市場では、顧客グループが異なっていても、ほぼ同じサービスを受けているためです。

周知のとおり、シュワルツェネッガーとヘプバーンは性別や消費習慣が大きく異なり、ショッピング体験もまったく異なるはずです。これはまさに、新しい小売体験において人工知能技術が発展している方向です。さまざまな人々のグループの異なるニーズを満たすパーソナライズされたソリューションを立ち上げるには、人工知能を深く統合する必要があります。

パーソナライズされたカスタマイズされた推奨サービスは、小売業界の顧客体験を大幅に向上させることができます。消費の継続的なアップグレードに伴い、高品質の消費とパーソナライズされた消費も増加し始めています。衣料品店ではサイズに応じて衣服をカスタマイズでき、食品店では好みに応じてケーキをカスタマイズできるなど、プライベートカスタマイズサービスを開始し始めている小売企業がますます増えています。

オンライン ショッピング モールなどのオンライン シナリオでは、トラッキングを通じて各ユーザーのページ閲覧データを取得できます。このデータに基づいて、ユーザーがページに入る場所、途中でどのようにジャンプするか、どのページを閲覧したか、各ページに滞在した時間、閲覧、クリック、お気に入りへの追加などの行動、終了したページをカウントできます。このようなデータに基づいて、閲覧軌跡分析を実行し、ウェブサイトの主要パスのコンバージョン率を計算して、ウェブサイト全体の設計の合理性、最適化スペースなどを把握し、ページ設計を最適化し、オンライン精密マーケティングの有効性を向上させるための基礎を提供します。

オンライン ショッピングの欠点の 1 つは、商品を直接触って確認できないことです。特に衣料品のオンライン販売では、消費者が商品について知る主な情報源は写真であることがよくあります。サイズ、色、質感などの相違は、しばしば紛争につながります。

近年、オンラインバーチャルフィッティング技術の発展は急速に進んでいます。バーチャルフィッティングの難しさは、消費者の体型と衣服の両方をモデル化し、両者をマッチングさせ、着用効果を示す必要があることです。まず、消費者の体型データの収集は、主にユーザーによる測定データ入力に依存しています。欠点は、測定と入力の手順が面倒で、完全に正確ではないことです。

相対的に言えば、こうしたデータ収集の問題は、蘇寧が立ち上げたバーチャルフィッティングミラーシステムのような実店舗では解決しやすい。実店舗では、フィッティングミラーを一定の角度で設置し、ユーザーとミラーの距離をガイドで検知することで、より正確なモデリングを実現します。

将来的には、フィッティングミラーがオンラインとオフラインをつなぐ架け橋となるかもしれません。実店舗でオフラインでユーザーの身体データを収集し、モデル化した後、オンラインとオフラインでリアルかつ信頼性の高い仮想フィッティングを実現できます。バーチャルフィッティングミラーは、店舗に展示したり、メーカーからカスタマイズしたりできるさまざまな衣装をインテリジェントにマッチングできます。試着して注文した後、販売者は指定の場所へ商品を配送する手配を直接行うことができます。

さらに、オフラインの実店舗では、店内でのインタラクティブな体験を作り出すことで、オフラインでのショッピングをより効率的、より面白く、よりパーソナライズされたものにすることもできます。従来のショッピング体験と比較すると、AI 支援ショッピングはオフラインのライフスタイルに似ており、小売エコシステムに新たな要件を課し、大きな変化をもたらします。

商品の寸法: インテリジェントな棚管理

小売端末のインテリジェント管理の分野では、消費者の支払い方法は現金支払いからカード支払い、そしてモバイル支払いへと急速に変化してきましたが、店舗の棚管理方法はまだ比較的原始的な段階にあります。実際、実店舗での商品の配置は、人工知能を通じてより効率的に管理できます。

週末の夜にエキサイティングなフットボールの試合が放送されると想像してください。フットボールファンであるあなたは、数人の友人を招待してビールを飲みながら一緒に試合を観戦する予定です。しかし、スーパーマーケットに行って、お気に入りのビールが売り切れていることに気づいたら、ちょっと気が狂いそうになりませんか?

メーカーにとっては、さまざまなスーパーマーケットの棚に製品がどのように配置されているか、タイムリーに補充されているかどうか、販売状況や関連要因、それに応じた調整措置などの情報を、手動検査を通じて入手する必要があります。欠陥は明らかです。情報収集とフィードバックには時間がかかりすぎ、監視データは必ずしも包括的ではありません。

新世代の小売業の発展方向は、間違いなく、ユーザーエクスペリエンスを効果的に向上させるインテリジェントな棚管理となるでしょう。たとえば、カメラの顔認識機能により、顧客が入店したときに新規顧客と既存顧客の身元を識別できます。既存顧客の場合、買い物履歴と周期的な習慣に基づいて買い物ルートを推奨できます。新規顧客の場合、顧客の肖像画を作成し、ターゲットを絞ったマーケティングを実行できます。顧客が入店した後、カメラは顧客の移動軌跡を記録し、棚の配置設定を最適化できます。さらに、圧力センサーを使用することで、商品の出し入れや在庫数量を監視し、棚をリアルタイムで自動監視・管理することができます。

これは小売経営にとって大きな意義があり、意思決定から販売までの全プロセスの管理を真に実現することになります。例えば、商品が在庫切れの場合や商品情報の表示が規定に準拠していない場合、リアルタイムで警告を発することができるほか、ユーザーの選択や買い物行動に関する大量のデータを蓄積し、人工知能技術と組み合わせて局所的な表示の最適化を行うこともできます。

フィールドディメンション: インテリジェント物流管理

今日、小売業界は発展を続けており、デジタル製品情報、効率的な倉庫保管と物流、製品生産から配送まで、完全なインテリジェント小売フォーマットを形成しています。国内外の電子商取引大手は、在庫の予測、購入、補充、配布を自動的に行い、リアルタイムの状況に基づいて正確な配送のために在庫を調整するスマートサプライチェーンを導入し始めており、膨大な商品在庫を自動化し、正確に管理しています。

具体的には、現在見られるスマートサプライチェーンの応用シナリオは主に次のとおりです。

• 在庫を自動的に予測:履歴記録、休日やプロモーション、周期的要因、製品特性などのデータに基づいて在庫を予測し、在庫を効果的に削減します。
• インテリジェントな製品選択:現在のカテゴリ構造をインテリジェントに診断し、カテゴリリソースの割り当てを最適化し、製品ライフサイクル全体のインテリジェントな管理を実現します。
• インテリジェントな倉庫割り当て: 商品を消費者に最も近い倉庫に事前にマッチングし、地域間割り当てと地域内割り当てを最小限に抑え、適時性を向上させ、割り当て時に倉庫割り当て計画を最適化し、割り当てコストを最小限に抑えます。

Suning を例にとると、Suning Super Cloud Warehouse は独自に開発されたカスタマイズされた体系的なソリューションです。倉庫保管、補充、ピッキング、配送、配達までのプロセス全体を自動化およびインテリジェント化し、倉庫レベルと作業効率を大幅に向上させます。

このプロセスでは、多数の物流ロボットが連携して協力します。人工知能技術により、ロボットはさまざまなアプリケーションシナリオに適応し、さまざまな複雑なタスクを完了し、商品の仕分け、輸送、倉庫保管の自動化を実現します。

従来の倉庫管理や単一リンクでの自動化のみを実現する倉庫管理モデルと比較すると、スマート倉庫管理の最大の特徴は、ロボットの生産への統合、生産モードの変更、人工知能アルゴリズムによる生産のガイダンスです。そのため、ロボット技術、人工知能アルゴリズム、大量の商品の正確な識別が、無人倉庫の実現における主な技術的ボトルネックとなっています。

近年、無人運転技術の研究開発は多くの企業から注目されており、無人大型トラック、宅配ロボット、宅配ドローンなど商業用途でも成熟を続けており、物流輸送と無人配送の面で完全なスマート物流・配送システムを形成しています。その中で、無人大型トラックは地域の物流拠点を結ぶ架け橋となり、急行ロボットはラストマイルの配送の基盤を築き、急​​行ドローンはこの1キロメートルを全方位かつ死角なく配送することを保証します。ますます多くの無人インテリジェントデバイスが特定のシナリオに適用され、各インテリジェントシーンアプリケーションが相互に接続されてスマートリテールの重要なリンクを形成しています。

困難と展望

現在、人工知能は伝統的な産業の変革とアップグレードの原動力となり、私たちのビジネスモデルやライフスタイルを変え続けています。新しい小売体験に人工知能技術を応用することで、より高度にカスタマイズされたショッピング体験の開発がさらに促進され、ユーザーの定着率が向上することは間違いありません。

もちろん、開発プロセスにはいくつかの困難や課題もあります。

まず、現段階では、データはAI応用の必須基盤です。長期的なビジネス展開において、蓄積されるデータは多次元、膨大、複雑な形式をしており、また、データの統合や相互接続ができないことが多く、データ障壁を形成しています。

第二に、小売業界は利益率に重点を置いていますが、テクノロジーの導入コストはすべての小売企業にとって受け入れられるものではありません。例えば、大手コンビニエンスストアチェーンの場合、多数の店舗のインテリジェンス化を実現したい場合、一度の投資コストが高いため、アップグレードの閾値が高く、依然として従来の方法を採用する傾向にあることが多いです。

多くの困難にもかかわらず、多くのテクノロジー企業は、いくつかの典型的なシナリオで人工知能技術の応用を模索する有益な試みを行ってきました。特に小売業界では、新技術の応用が爆発的な傾向を見せています。例えば、小売企業は「モノ」の面では人工知能技術との統合を加速し、サプライチェーン管理を深める一方で、「ヒトとモノ」の面ではオンラインとオフラインのユーザーエクスペリエンスの統合を強化しています。無人コンビニエンスストアから無人配送車両、単独ロボットからインテリジェント無人スーパーマーケットまで、さまざまなテクノロジー、製品、ソリューションが、人工知能を活用した「ニューリテール」の魅力的な展望を人々に示してきました。