2023信创独角兽企业100强
全世界各行各业联合起来,internet一定要实现!

Candice Wan:如何用人工智能和大数据增强零售业的实力

2018-12-18 eNet&Ciweek

12月18日,2018(第十六届)中国互联网经济论坛在京举行,朗镜科技联合创始人兼COO Candice Wan在现场发表主题演讲。她认为朗镜科技是一个做AI大数据和共享经济平台提供数据服务的公司,AI和共享经济都是采集数据和处理数据当中必要的手段。

以下为演讲实录:

我刚才听了特别多创业路上的同伴,关于商业模式的分享,包括价值创造的创新,所以特别高兴有这样的机会跟大家分享朗镜科技做了那一些事情,无论是创业的路上和品牌发觉的路上都有新的价值和体验。

从整个的公司介绍来讲,我们是一个做AI大数据和共享经济平台提供数据服务的公司。AI和共享经济都是采集数据和处理数据当中必要的手段,整个的是一个数据从采集挖掘到提炼深挖的这样一个全产业的流程,在这里先给大家唠叨几句中国互联网发展路径,大家今天都在回顾中国改革开放40年,整个的互联网经济包括民生改善走过的路,其实消费品是老百姓感受最最明显的一点。在整个的消费产业链我们说中国进入数字化零售4.0时代,那它1.0时代、2.0时代、3.0时代分别是什么?其实1.0时代其实是中国消费品启蒙的初级阶段。我在出来创业之前供职于外资的消费品公司,其中是宝洁公司。在1988年到1995年这一段时间其实整个产品都是都处于供不应求的状态,所以我们讲中国零售从零到一的1.0时代,所有的生意增长、品牌的挖掘都在于有货就有销量的这样一个品牌长期发展的最简单的初期。

那2.0时代是中国渠道深耕的时代,我们讲从1995年到2005年这十年越来越多的品牌公司进入中国,不管是外资企业的加入和一些民营品牌在这时候的创立,所以这个时候你的生意是来自于什么呢?你的生意是来自于你的货从一线城市、二线城市能不能进入到三线、四线、五线城市,也就是你说的渠道是仅仅停留在表面的繁荣经济还是能够带到中国从幅员辽阔从一线到七线城市的深耕。

3.0时代可能是大家体会最深刻2005年电商开始在中国蓬勃发展,陆续有中国电商公司在美股上市。因此在电商进入视野的时候,我们说零售3.0时代是一个非常典型的效率提升,它的效率提升体现在物流效率提升,体现在交易效率提升,体现在渠道效率提升。当大家的支付可以用支付宝来完成,当物流可以实现当日达、次日达,当消费品的价格一再击破我们能够想象的市场底价的时候,其实这是来自于互联网对于整个传统的消费品零售渠道,从品牌到经销商到零售商到广告商吸引消费者最终到达消费者这样五步曲的时代慢慢转变到现在是以消费者为中心,零售商、品牌方通过大数据深挖对消费者的理解和认知,从而把整个的商业模式变的更加有效率的过程。

在我们今天主要介绍的消费品4.0时代是从2016年作为一个非常明显的界限,从2016年开始大家可以看一下双十一的数据和618的数据,整个电商的增长不再有以前的那么迅猛包括电商的创业当中也陆续有公司因为各种原因而退出这战场,那新零售这个词在2016年深入人心,为什么会有新零售时代?为什么会有O2O的时代?流量效率大家可以看到流量越来越贵,所以大家对于消费者的认知从传统的买流量到千人千面新的4.0时代包括90后消费者入市这是我们在这时代看到一个很新的讯息,亲连续两天网上很流行的一篇文章让我们面对1.47亿00后消费者,这个数字是很震惊的数字,00后怎么看待品牌,其实这是一个销售和零售都进入小众化和碎片化的时代。在我职业生涯供职过跨境平台比如小红书,其实这样的社交媒体平台能够在过往的几年之内崛起,一个非常重要的原因是90后和00后消费者对于传统的大牌本能的有抵触情绪。也就是说一瓶日本不知名品牌洗发水卖80块钱相对于联合利华天天打广告知名品牌的洗发水显然小众品牌更容易获得消费者的青睐,即便它价格更高即便整个瓶子上面都没有中国文字说明,所以这是我们面对新的消费者需要深耕的数字化运营来了解这市场。这也就是为什么我们会用共享经济模式和AI图像识别技术来更好的服务于消费者碎片化的线下零售时代。

我们做线下消费品数据,线上的数据在过往的十几年跟电商共同发展已经到了非常精细化运营的时代,线下的零售数据目前来看我们觉得还是非常初期,不管是从数据的采集、数据的处理、数据的完整性、数据的深挖数据打通都有很大的发展空间和效率提升的价值。从线下的数据来讲,就是数据千差万别,我们简而言之数据无非分三部分。这三部分是从零售的场景来讲消费者从哪里来也就是我们传统讲的流量数据、人流数据、线下的数据。第二部分是消费者来到这场景当中如何做消费决策。最后一部分是消费者如何支付也就是交易过程最终完成,我们大家广为人知的支付宝微信其实讲的都是一个支付数据。其实朗镜科技在过往三年多的创业时间里面,我们就是深耕消费者决策数据的过程。也就是说我们提供的是整个消费者决策数据中人、货、场里面货和场的数据,通过共享经济的这个众包数据模式的采集,再加上AI图像识别技术,通过对于商品的识别还原线下消费场景当中商品数据和场景数据。

这是一个对于消费者品牌认知的市场调研的一条数据,大家知道每年消费品品牌在品牌投放上花了非常大的精力,无非是去开发新品、满足消费者新的诉求,或者说如何提升跟消费者之间的沟通。那大量的市场费用投放在品牌的和新品满足新的过程当中,依然有数据显示有59%的最终销量产出是来自于终端的卓越执行。也就是说我们在广告投放上有很多的数据可以来体现,而这投放是不是很有效率,这数据是不是很能够体现我们的经济价值的产出。但是在终端执行意味着每一个费用使用的场景都发生在中国一百万家线下零售店里面,所以如何用有效的方式去采集终端执行的数据是我们创业当中所解决的企业痛点。在没有AI图像识别技术之前,没有互联网革新之前,对这一类数据基本上只有两种解决方案,一种是每个品牌的销售代表自己有一个销售系统来填这一部分的数据,他们填这部分的数据在,事实上我也服务过很多消费品公司虽然都是非常非常优秀的消费品公司,但是大家洗这一部分数据的时候发现水分非常大,因为你要求一个人又作运动员又做裁判员他填的数据会直接影响他的销售奖金,所以这部分的数据是有很大的造假嫌疑,因此品牌公司都会去雇佣像尼尔森这样的第三方市场公司进行数据的复核和监测。但是因为人力成本的上升和人口红利的消失,导致传统的模式成本非常高。且在人的采集过程当中都会出现不可避免的误差和数据的失真,同时在数据沉淀过程当中有很大的数据流失。

因此我们人为创造了一个叫AI和大数据在终端消费者零售端的四部曲的数据整合,第一部分我们数据的收集是通过中国最大的消费品零售众包平台,我们在线上已经有了将近一百万的注册会员,在全国1到7线城市进行终端门店的数据收集工作。同时我们也可以提供软件服务让品牌方为他的销售人员装系统,通过系统监测的方式确保数据有效真实的回收。第二部分在数据采集完成之后我们进行图像识别的处理,也就是我们讲的数据处理部分,现在的图像识别技术可以实现平均准确率95%,同时数据一分钟之内的实时反馈。第三部分我们进行数据的挖掘和深耕,这也是大数据时代传统的数据深耕,同时更多的是分析报告,在大数据的都是系统的方式产生数据产品,最终递交给品牌方一个实时的线上线下的数据打通。

刚刚介绍的所谓数据工具一种是我们的会员通过会员接单、众包平台的方式采集数据。第二种我们可以用品牌方定制需要的APP内置所需要的执行标准和数据格式进行数据的实时反馈。这是我们众包会员的覆盖,我们在1到6线城市能够覆盖中国620乡镇及以上的城市覆盖。

这是我们AI的六大核心技术,大家都知道AI的图像识别其实比较多的人脸识别包括热点图、动线图这样的过程,其实在商品端图像识别是一个非常复杂的过程。商品图像识别的过程本身解决是线下消费品信息采集的效率问题,也就是说如果我为了追求图像识别的准确率达到一个非常精准的数据输出值,我首先要保证数据的输入是在一个可以被机器处理的且对于我的使用人员而言并不复杂的拍照过程,拍照如果要求很专业的人来做,这个事情不是有互联网价值能够进行大规模推广的,且为企业提升效能的这样一个工具。

因此其实在技术领域我们最重要的克服并不是说我输出一个准确值是一个很高的值而是在整个的使用过程的场景当中,我们能够克服在中国非常复杂的商业环境当中有一定的倾斜、有一定的明暗、有一定的模糊度情况下依然输出相对比较高质量的数据结果。

这是我们一些识别的视力图,我们在图像识别的过程当中基本上现在可以做到所有的货架识别、分销识别、价钱识别、商品定位的识别包括整个货架的整个全景的拼接包括竞争对手的分析等等。这是整个的货架拼接的技术,整个拼接的技术是依赖将近一百万的注册会员和图像识别技术是可以还原中国所有终端门店分品类的线下陈列的情况。

这是在我们目前为止应用了AI深度学习的方式,通过小样本的学习,如果大家知道深入学习最终是一个样本量的学习,在商品识别当中因为商品的更新换代非常快,人脸识别整个的 人的生命周期机器识别到长期能够识别到,除了小朋友之外都有比较长的生命周期,但是产品会经常换新包装,对于技术和挑战是有小样本的识别,任何的新包装上新之后通过50张小样本都会有一个基本的准确度的判定,这是我们刚刚介绍的在各种中国复杂的商业环境当中。大家知道其实在中国做互联网创业要比在美国困难很多,尤其是零售商业场景的竞争激烈度和复杂程度,在美国其实可能它的货架,其实美国的零售业态总的来讲两种,一个是大卖场的模式、给跨货架。第二种是便利店的模式,非常简单的商品陈列,其实中国商品陈列和光线店内的货架宽窄程度非常复杂,所以在中国做这样的创业会比美国艰难得多,技术挑战也要难得多。

这是我们最终输出的所谓的数据,一个成型的输出量部分的报告,一部分是在手机端可以对单店数据一分钟之内的实时响应,另一部分我们根据管理层的要求可以整合全国的数据,然后输出以品牌定制化的任何品类的为主、品牌为辅的这样一个数据。

感谢大家的时间,谢谢。

相关频道: eNews

您对本文或本站有任何意见,请在下方提交,谢谢!

投稿信箱:tougao@enet16.com