商業智能在零售中的應用

商業智能，是個涵義豐富的概念，簡要地說，就是人工智能在商業中的運用。商業智能目前主要的應用領域和場景之一是零售業。

人工智能的基本要素之一是大數據。大數據是人工智能及機器深度學習的原料和營養，是人工智能生成和演進的必要條件。顯然，線下零售店擁有流動著的巨量數據（以前這些數據可能流失掉了），包括顧客購買行為數據（行動路線、來店頻率、逗留時間、決策速度、動作特征等）以及行為結果數據（購買品種、購買金額等）。基于這樣一些數據，人工智能通過另外一個基本要素（算法）產生零售經營者所需要的分析結果。零售經營者需給人工智能系統設定一個運算邏輯。具體地說，要設定輸入什么、輸出什么以及中間的轉換（解題）方法和步驟。（從這個意義上說，人工智能目前仍屬于“人”的智能。將來人工智能能否超越人類而具有獨立的智慧，今天我們還不得而知。）

零售企業獲取大數據并經過人工智能系統計算之后，會針對顧客產生哪些智能化的反應？一個類型和方向是針對顧客個體的，即對每一個顧客進行一對一的精準營銷。另一個類型和方向是針對顧客群體的，即根據各個顧客群的不同特征進行差別營銷。

商業智能和個體顧客的交互

零售商店的商業智能，和個體顧客的交互，目前主要有四種情形：

第一種情形是基于人像識別及顧客數據庫的顧客互動。某個顧客多次光臨商店，其頭像等信息就已經被記錄下來了。以后再去的時候，無論是服務員，還是服務機器人，都會熱情地和顧客打招呼：“歡迎您第N次光臨，您是我們的老顧客！”這是一種最初級的人工智能運用。顧客頭像只是一個標簽，背后還有他的一些歷史數據（數據庫），從而可以準確、精妙地跟顧客互動。

第二種情形是會員優惠券設計。優惠券包括電子形態的、手機APP里的優惠券。這些優惠券是根據顧客的購買數據動態、自動生成的。比如顧客結賬的時候，優惠券和購物小票一起就打印出來了。優惠券種類很復雜，結構很精巧，可以根據顧客分品種購買額設計，通常都有時間和品種限定。比如要在一周內用完，或只能購買某些特定的品種（這和推薦商品有點類似）。

優惠券還有一些超出我們想象的應用。比如，發現一位顧客從來沒有買過牛奶，但也給他牛奶優惠券，用于測試他是不是在其他的商店購買。如果他用了優惠券，那就證明這位顧客原先很可能在其他商店購買牛奶。這個結果出來之后，就可以給他更多的牛奶優惠券，這樣就可以對競爭對手構成一定的影響。

基于會員制、積分制以及購買記錄的優惠券系統，是目前商業智能的主要形態。優惠券越來越豐富，也越來越有意思。優惠券系統在歐美發達國家是很成熟的系統，可惜我國大部分零售企業還用得比較粗放和簡單。

第三種情形是商品的推薦和交叉銷售。如果某顧客購買某種（或某幾種）商品的時候，通常還會買其他某種（或某幾種）商品，這就構成了一個事實關聯。根據這種關聯，可以將相關的商品一并向這位顧客推薦。還有一種關聯稱作邏輯關聯，它是根據某些事實作出的延伸性的合乎邏輯的判斷。例如一位男顧客買了紙尿布，這很可能是孩子的爸爸，于是向他推薦奶粉。

以往將商品整合起來的推薦，其邏輯都比較僵化和直接——比如一位朋友跟我說，他為家里的老人看過墓地，結果連續一個月都有商家向他推薦骨灰盒。隨著人工智能技術的發展，未來商品推薦將會更加多維和準確。例如，根據顧客的購買行為，推斷他可能對哪些商品很感興趣。進行橫向的相關產品推薦和縱向的上下游產品推薦。顧客買了電吹風，解決了頭發的問題，再推薦一個剃須刀，一起解決胡子的煩惱，這是橫向的推薦；顧客買了果汁機，同時推薦用于榨汁的水果，這是縱向的推薦。未來可能還有更加智能的，那就是跳躍式的、非單一線性邏輯的推薦。比如，某個人經常買些高檔次的古典交響樂唱片，人工智能系統推斷出這個人可能屬于文化層次、收入水平比較高的、行為做派比較西化和傳統的，那是不是可以給他推薦一款暗花懷舊型領帶？這個跨度比較大，也才真正具有智能推薦的意味。

第四種情形是根據現在的購買行為來推測未來的購買行為。這在技術上比較困難，但是未來人工智能的重點。其模型之一是顧客的消費生命周期；方法是基于顧客消費生命周期現階段的行為特征推測出下一階段的行為特征。例如，一對小夫妻剛剛結婚，現階段主要購買家庭生活用品；通常情況下他們下一階段的消費主題就是母嬰產品了（當然，先要判斷他們有無懷孕計劃了）。商家在顧客下一個消費主題出現之前或尚在萌芽狀態時，就可以未雨綢繆，提前與顧客互動、引導顧客消費。

推測顧客未來行為的第二種模型，是根據顧客目前的行為刻畫顧客的生活態度、生活方式和消費心理；在此基礎上再推斷出顧客將來可能出現的購買行為。例如，某一顧客的購買記錄證明他是年輕的、追求時尚的、喜歡運動的、有活力的；那么他將來可能喜愛及購買哪些風格、調性、功能的產品和服務，就會有一個較為清晰的輪廓、指向和范圍。這是零售商店與顧客一對一的精準、高效交互以及進行前瞻、愿景營銷的依據。

商業智能和細分顧客群體的交互

零售商店的商業智能，和不同類別細分顧客群的交互，有以下若干種作用方式和功能：

第一，對顧客進行分類。商業智能出現之前，商場里的顧客群畫像，維度是有限的，依據也是不足的（常常是“假說”）。而到了人工智能時代，就可以增加很多維度以及維度內部的區隔顆粒度，從而形成繁復的顧客結構。比如，過去沒有顧客的頭像數據，就無法對顧客按頭像膚色進行分類；更無法按膚色的細微差別，將女性顧客區隔為眾多細分類別。而這與化妝品銷售有密切的關聯。

第二，分析顧客群的特點。這是差異化營銷的前提和基礎。例如，前來商店購買商品的家庭顧客分為單身、兩口之家、三人核心家庭等三種形態；它們的購物金額、購買品種、喜愛的審美風格等，都有一些比較鮮明的差異。知曉、理解了這些差異，在商品的引進、推廣乃至貨架上的擺放都可以變得更有針對性：牛奶產品系列中，大容量的包裝主要是針對三口之家的；稍小一點的包裝比較適合兩口之家；而針對單身者的包裝，會更加時尚和精巧。除此之外，適用于不同顧客群的牛奶產品，口感、開啟方式等方面都會有不同的特色。再假如，商場數據表明：中產階級群體水果購買總量中，進口水果的比例持續提高；那么商店通過優化針對“中產”的進口水果品種以及現場體驗，則能提高顧客價值以及自身的經營效益。

第三，分析顧客為什么流失。哪些群體流失得最快？流失的原因是什么？根據顧客群體行為特征，可以設定背后的影響因素；通過大數據分析以及實驗的方法，基本上能夠判定顧客流失的原因和背景。

第四，找出顧客行為中出現次數較多以及分布較廣的典型行為并分析背后的原因。例如某一種新產品，大多數人都是拿起來看了看，并沒有購買。原因是什么？價格問題，還是產品價值訴求問題？抑或包裝問題？這些假說可以通過大數據和人工智能來進行驗證。

第五，搜集顧客注意力資源在店內的分布。簡單地說，就是了解顧客更喜歡聚焦在什么地方，在哪些產品、貨架、場景以及媒體上投注了更多的目光。這是零售店中顧客動線設計、產品展示及顧客體驗安排的依據之一。同時，也為店內媒體資源的充分利用提供了條件。零售商可以精準地將廣告位置和形態推薦給處于競爭狀態的廣告投放者（通常是上游品牌）。而哪些地方有更多的流量，顧客會停留多長時間，什么地方更能吸引到特定的顧客人群等，都會與廣告價格相關聯。