分析：“人工智能+新零售”机会何在？
三大难点
数据多样，但连接困难
AI的基础主要是大数据及其算法。相比其它行业而言，由于零售行业的系统化程度发展较快，通过摄像头技术、热感应技术、POS机、在线支付等技术的长期应用，数据获取更容易，因此数据维度更多样，数据积累量更大，且获取数据及时性也更强。这为AI落地零售行业打下了坚实基础。
但与此同时，零售行业依旧面临着大量数据难以互联互通的问题，这也阻碍了数据被深层次应用的探索。据了解，由于零售行业环节很多，产业链上下游公司之间存在数据壁垒。数据作为一个公司的财富，在看不到既得利益时，许多公司不愿意公开自身掌握的数据。例如零售商不愿向制造商公开数据，物流商也不愿向零售商公开数据。整个行业产业链的数据联通谈判周期较长。
利润低，一次性成本较高
零售行业注重利润率，而科技的落地带来的成本并非每个零售商都可以接受。例如，对于大型连锁便利店而言，要让成千上百家门店实现智能化，一次性成本较高，短期内当机器成本比人力成本还高时，零售商往往犹豫不决，倾向依旧采用人力。
比如要建设类似罗森便利店那样的无人值守门店，射频识别(RFID)是其中运用到的重要技术。RFID技术作为构建“物联网”的关键技术近年来受到人们的关注。业内人士介绍：“这个系统基本可以代替人工盘点货物。但是由于成本过高，许多线下大型超市都选择放弃。”
品类多，效果参差不齐
AI落地零售场景很多，但技术落地效果参差不齐。主要是因为零售业涉及环节和品类很多，品类之间性质差别较大。例如家居行业属于高服务、低频消费、高客单价、决策链长、决策人数众多的行业。相比而言，超市的一瓶水，客单价极低、一个人即可决策，无需其他附加服务。两者都属于零售业，但差异很大。如今采购系统可以实现AI自采，但是品类只局限于快消品等，因为这种品类高度标准化且无需售后服务等附加因素。
AI落地，除了跟零售本身具备的“品类多、行业差距大”等特性有关外，也跟不少主观因素有关。这在一定程度上，决定了全行业的AI技术普及还需要相当长一段时间。
路径与机会
以“产品+服务”撬动细分市场
《智媒云图2017A I零售白皮书》，主要按照公司规模以及商业模式，将涉足A I领域的零售公司分为T oC和T oB两大类目。
选择前者的多为互联网巨头，它们将研发的A I技术直接落地其消费者业务中，于此同时开放技术平台，为B端客户提供技术支持。对于创业技术输出公司而言，则更倾向选择采用T o B商业模式，以SaaS服务为主。SaaS(Softw are-as-a-Ser-vice)是软件即服务的简称。主要是企业根据自身实际需求向云端互联网厂商定购所需的应用软件服务，按定购的服务多少和时间长短向厂商支付费用，并通过互联网获得厂商提供的服务。
不过，这种被资本市场颇为看好的“产品+服务”模式，却也是一场“持久战”。据了解，有些企业需耗时3-5年打磨产品。后期还需提供长期服务，包括企业培训、产品维运、产品监测、服务续费等。在企业服务持久战中，获客难、客户流失率高一直是许多从业者需要解决的困局。单靠砸广告引进B端精准客户难以奏效。做好产品和服务，形成良好的口碑，形成良性循环才是持续发展的关键。
对此，创业者开始时可以在“细分+合作”中寻找机会。选定巨头暂时看不上的垂直细分市场，做精做透单个行业的解决方案。此外，在处理和巨头的关系时，并不是每个创业者都选择独自拼搏这条路，拥抱巨头也是一种选择。
相关新闻：
0条评论
网友评论
