埃森哲的調(diào)查報(bào)告顯示零售戰(zhàn)略的核心是對進(jìn)行客戶進(jìn)行720度全方位的觀察——通過迅速轉(zhuǎn)移關(guān)注焦點(diǎn)、達(dá)到高期待值和滿足對個(gè)性化服務(wù)不斷增長的需求，來贏得廣大數(shù)字用戶的青睞。亞馬遜，梅西百貨和沃爾瑪?shù)瘸晒Π咐C明，要通過實(shí)驗(yàn)和創(chuàng)新來反思和解讀這個(gè)觀察結(jié)果。特別是AI及其相關(guān)的應(yīng)用需包括數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)、自然語言處理（NLP）和機(jī)器人。但是，AI如何能夠輔助好零售業(yè)的呢？以下是它的三個(gè)優(yōu)點(diǎn)。

1.AI能從海量的數(shù)據(jù)集中提取價(jià)值

許多行業(yè)最近一直在努力制定數(shù)據(jù)驅(qū)動(dòng)戰(zhàn)略。據(jù)麥肯錫去年的調(diào)查結(jié)果顯示，零售商在這場競爭中名列第二。零售商很幸運(yùn)地收集并擁有了關(guān)于客戶和買方行為的大量數(shù)據(jù)。但是，他們無法恰當(dāng)?shù)厥褂脭?shù)據(jù)使其發(fā)揮出應(yīng)有的價(jià)值。

根據(jù)研究，零售商僅發(fā)揮出了現(xiàn)有數(shù)據(jù)30-40％的價(jià)值。由于缺乏方法、技術(shù)和分析人才，三分之二的數(shù)據(jù)都被浪費(fèi)了。此外，大部分?jǐn)?shù)據(jù)仍然貯藏在公司內(nèi)部。

機(jī)器學(xué)習(xí)的改進(jìn)和數(shù)據(jù)可用性（最重要因素）幫助零售商解鎖了客戶數(shù)據(jù)的全部潛能。一方面，回歸模型讓零售商能利用舊數(shù)據(jù)并有效地再度使用它們。另一方面，機(jī)器學(xué)習(xí)的預(yù)測能力讓零售商不僅能從經(jīng)驗(yàn)中學(xué)習(xí)，還應(yīng)用這些知識(shí)來為未來的買家行為建模和進(jìn)行預(yù)測。能對客戶想要的東西未卜先知，是真真切切的一大優(yōu)勢。

例如：沃爾瑪使用機(jī)器學(xué)習(xí)來預(yù)測網(wǎng)購者可能購買什么。因此，零售商也可以根據(jù)過去的客戶行為獲得有針對性的建議。這就是WalmartLabs客戶體驗(yàn)工程副總裁稱之為“提升網(wǎng)購體驗(yàn)的橋梁”。

2.有待深入分析的客戶

智能語音助手的市場正在擴(kuò)大。2017年P(guān)rime Day（亞馬遜會(huì)員日）的銷售成果使得亞馬遜聲稱，Echo Dot是其最暢銷的產(chǎn)品。

終于，人們用自然語言就能夠與數(shù)字系統(tǒng)交談了，這都?xì)w功于聊天機(jī)器人——特別是目前由谷歌、亞馬遜、微軟、IBM、Facebook以及不久后的蘋果推出的NLP引擎增強(qiáng)的機(jī)器人。人們很喜歡它。

反過來看，NLP工程師終于可以從通訊軟件、網(wǎng)絡(luò)和語音助手抽取自然語言的實(shí)時(shí)數(shù)據(jù)。這個(gè)數(shù)據(jù)是AI成熟的關(guān)鍵，因而，也是研發(fā)真正智能的輔助系統(tǒng)的關(guān)鍵。

同時(shí)，零售商，特別是一直作為NLP發(fā)展動(dòng)力的大型零售商，已經(jīng)在利用這個(gè)機(jī)會(huì)來了解客戶。他們通過AI驅(qū)動(dòng)的聊天機(jī)器人和Alexa的技術(shù)來進(jìn)行銷售和實(shí)現(xiàn)加售。

日益增長的關(guān)注度和使用案例也相應(yīng)地滿足了商業(yè)和技術(shù)的發(fā)展?？蛻舻臋z索信息分析地越多，NLP系統(tǒng)就能越好地理解自然語言。NLP引擎運(yùn)轉(zhuǎn)地越好，就能越好地滿足客戶需求，銷售出越多的產(chǎn)品。

示例：亞馬遜Alexa技能的應(yīng)用范圍已經(jīng)給人們留下了相當(dāng)深刻的印象，從推薦書（Pan Macmillan）、葡萄酒（MySomm）和音樂（Spotify）到完全自動(dòng)化預(yù)定出租車（Uber），比薩餅送貨入戶（Domino's）和提供家庭服務(wù)（Laundrapp）。這些技巧銷售確實(shí)就是在用語音進(jìn)行銷售。

如果語音助手沒有直接進(jìn)行銷售，它們至少可以讓這些銷售進(jìn)行地順利?；贗BM沃森引擎的梅西電話提升了客戶體驗(yàn)，并幫助購物者在無人零售商店中找到了商品。

3.NLP和機(jī)器學(xué)習(xí)提供了真正的價(jià)值

我們已經(jīng)學(xué)會(huì)了如何用NLP了解客戶的實(shí)時(shí)查詢需求，并使用機(jī)器學(xué)習(xí)方法從遺留數(shù)據(jù)中提取價(jià)值。但利用客戶持續(xù)變化的反饋，相比之下，挑戰(zhàn)更大，收益卻也更大。

這個(gè)挑戰(zhàn)需要聯(lián)合多股力量。首先，NLP引擎需要從自然語言的查詢中提取意義。之后，機(jī)器學(xué)習(xí)接替，從這個(gè)意義中再提取價(jià)值。

智能機(jī)器根據(jù)于它們的背景知識(shí)和現(xiàn)有知識(shí)，使用分類為數(shù)據(jù)賦予現(xiàn)實(shí)的意義。

在實(shí)踐中，系統(tǒng)對某些產(chǎn)品進(jìn)行分類，按類別，比如“書籍”及“受65歲以上的女性歡迎”。對于零售，這意味著推薦和銷售更有針對性。

反過來看，使用聚類來獲取新信息又開辟了全新的視野。這個(gè)方法使得系統(tǒng)在沒有設(shè)定的標(biāo)準(zhǔn)和偏見的情況下找到樣板并建立零星信息之間的聯(lián)系。

實(shí)際上，這意味著機(jī)器可以在客戶購買習(xí)慣里面找到未標(biāo)記的未知的聯(lián)系。它能理解為什么讀過作者A寫的X書的讀者，更有可能去閱讀作者B的書籍，盡管他們這一類別中還有各種各樣的其他作者。對零售而言，這不僅僅是一個(gè)針對性的建議。從長遠(yuǎn)來看，這意味著更直觀的推薦、更好的服務(wù)和更高的客戶滿意度。

人工智能市值已經(jīng)達(dá)到了一千多億美元，并不斷增長。它似乎也不會(huì)很快突然消失，因?yàn)樗信眱憾紝λ信d趣（谷歌，亞馬遜，蘋果等）。此外，AI巨頭正在努力讓人們買得起也用得了人工智能。

在這種情況下，零售業(yè)除了歡迎并接受AI，也沒有太多選擇。由于零售商與客戶和數(shù)據(jù)直接相關(guān)，并且依賴于他們，作為實(shí)驗(yàn)，他們只好開始使用AI。但是很快，智能機(jī)器的應(yīng)用將成為有競爭力的優(yōu)勢。那么，它將成為每一個(gè)零售商商業(yè)戰(zhàn)略的必需品和一部分。

Katherine Lazarevich是數(shù)字技術(shù)機(jī)構(gòu)Digiteum的聯(lián)合創(chuàng)始人和管理合伙人。