作者 | 范鹏 邬学宁 李湘

当人工智能的发展成为新的风口后，如何通过AI技术对新零售进行赋能，是当下不可回避的趋势。新零售在提出并经历了市场的部分验证后，其通过数据科学进行“被赋能”的过程中也出现了很多值得探讨的话题。

作为秒针营销科学大会内容共建伙伴，第一财经旗下DT财经发起的数据社群——数据侠，特邀三位数据侠成员，就大数据、人工智能在新零售、新消费领域的应用展开了一次深入探讨。

三位数据侠分别是CBNData首席商业分析师李湘，SAP硅谷创新中心首席数据科学家、复旦大学客座讲师、数据科学50人成员邬学宁以及畅销书《新零售：吹响第四次零售革命的号角》作者、深圳朴素资管投资总监、数据侠联盟成员范鹏，下面就随DT君一起来看看，他们碰撞出了怎样的思维火花。

▍大数据与AI如何赋能“新零售”

2016年10月13日，马云与雷军在同一天提出了一个新名词——“新零售”，作为畅销书《新零售：吹响第四次零售革命的号角》的作者，范鹏在同年12月的《市场与营销》杂志上发表一篇文章解释新零售的概念。同样的释义，范鹏在参加此前的“数据侠实验室”活动中提到：回归到零售的本质，就是高效地为消费者提供所需商品。传统零售方式不知道货卖给了谁，消费者是谁，消费者在哪里，更不知道消费者有什么样的特点，而新零售是则是将“人-货-场”（消费者-商品-场景）三个方面进行数字化，并将用户购物体验做到极致。

在这种数字化的过程中，人工智能技术的使用又将“新零售”升华，渗透到更加智能化的场景中。

CBNData首席商业分析师李湘在营销科学大会的数据侠圆桌环节抛出了第一个问题：大数据、人工智能给新零售带来价值是什么？

范鹏认为，现在人们对新零售并没有很明确的定义。从阿里和腾讯的实践来看，新零售等同于数字化零售，是对人货场数据化的重构。大数据则应用在零售端的每一个环节。

“数据赋能新零售”首当其冲的是商业选址，相较以前利用人的经验预测人流，研究周边有什么门店，现在则通过软件按需求挑选合适的地铺位置。第二是选货，适配固定的商圈状况，销售的货品，利用科学的数据更好地备货。第三是商品品类的管理。日本7-11（便利店）每年商品换货率是70%，他们的理念是通过数据的监测只卖畅销品。第四是根据精准的营销或促销匹配不同的方案。目前大家对新零售的应用涉及在零售的每一环节。

作为在技术领域专研十余载的数据科学专家，邬学宁理性乐观地看待人工智能的发展。在他与团队撰写的《SAP企业机器学习——赋能业务创新》一书中提到：目前全球正处于一个空前的数字化转型阶段，未来十年，人工智能将成为新的“电力”，大部分行业将被AI改变。

邬学宁解释：大数据可以做到的是非常个性化地考虑每个人需求。现在工业化革命会更多地满足每个人的需求，这就是人工智能现在的定位。包括霍金、埃隆·马斯克都认为AI可能会统治人类，其实这很遥远，人工智能在很长的时间里将是人类的助手，帮助更好地服务人类。

人工智能现在已经影响了所有行业。前百度首席科学家吴恩达问过一个问题，十年内什么行业不会被人工智能所改变？有人说理发行业不会被人工智能所改变，女人的头发不好说，但男生的头发机器人应该可以搞定。

每个行业都有AI创新，但状况各不一样。金融、零售属于AI与大数据应用条件比较好的。在零售的场景中，人们就遭遇了信息熵增（系统的无序和混乱状态）的问题，所以我们就要借助大数据与AI解决与控制熵增问题？在零售中就出现了推荐算法、推荐系统。比如说你在淘宝上买东西，它给你推荐相关的这些内容，目的是更好地服务消费者，个性化地服务消费者。

▍数据时代的消费分级

2012年中国第三产业服务业在三产中产比与第二产业持平，并在2013年首次超过第二产业。2015年，第三产业占比突破50%之后，中国已经成为一个消费型社会，消费在经济三辆马车中的重要性不言而喻。

（图片说明：第一产业为农业，第二产业为工业，第三产业为服务业）

2018年年中，“消费降级”成为一个热词，在生活中也不乏“降级”的个案。但大数据之下，“降级”立论者是否站得住脚呢？

未来商业通过智能的方式定制满足消费者的需求，李湘说：“从大数据看到了一些现象，比方说之前微博微信上都在传消费升级慢慢走向消费降级了，但事实上我们通过消费数据分析会发现与其简单地说是从消费升级到消费降级，不如说在消费者越来越成熟、越来越懂得自己需求的情况下回归理性，从简单地追求消费升级走向了消费分级。比如说我们会看到有一些消费者的群体在线上是特别喜欢购买一些奢侈品牌、进口商品，但同时他在某些特定的消费场景里也会选择淘宝精选的化妆棉或者收纳盒。”

对于“消费分级”以及未来商业如何更好地符合迎合消费者日益成熟的需求？范鹏与邬学宁都秉持相对独立又兼容的立场。

作为新零售领域专家，范鹏直言不讳消费降级是伪命题。普通人以拼多多为消费降级案例，其实拼多多对于五环外小镇青年类的消费群体，从买不到正品，到现在换一个渠道买高仿的产品，实际无法证伪消费升级，这只是消费分级的分歧案例。像拼多多的群体从来没有升级过，所以无所谓“降级”。

消费升级会更加关注性价比而非价格。以前的消费中，买好的等于买贵的，这样误解的背景原因来自于信息不对称。很多商品打广告阐述品牌价值，但广告也增加了成本。相较之下，像网易严选的高性价比产品并没有品牌，但特别实用，性价比应该是消费者关注的第一个点。第二个点，来自于90、95后年轻人消费力的崛起，产生了“轻奢”，这个群体与80后的消费习惯很不一样，他们更加注重生活品质、IP偶像，偶像用的东西就会用，所以他们注重的是轻奢的消费理念。

范鹏总结认为，首先消费降级是一定不存在的，另外消费升级会引起两个方向——即为轻奢与高性价比。

邬学宁的观点与范鹏稍显对立。随着中国经济增速的放缓，“口红指数”现象出现，从大数据的角度来说，有人发现口红卖得多了经济就在往下走，因为普通人对贵的化妆品消费力不足，消费相对低价的口红的能力与动机却很强。另外，还有从大数据的角度分析裙子长短的指数，这类案例都可以通过洞察某一特定类目指标与相关性关系，从大数据角度分析、丈量经济。

▍新零售的“数据孤岛”与“数据割裂”

在这个DT（Data Technology）的时代，很多人都在致力于打破“数据孤岛”问题。在数据源头，我们看到推动数据开放的Open Data以及Open API项目，但似乎依旧难以让大数据真正地开放或公开；同时，商业体也在面临着线上与线下数据融合难的问题。

以做“人群细分”为例，邬学宁认为，关键问题就在“数据孤岛”。对人群做细分需要对个体的数据全方位地采集，比如个人在淘宝上购物，淘宝拥有数据标签，但在淘宝以外的数据是没有的，但如果阿里和滴滴合作了就有你的出行数据了，如果和携程合作了有你到国外旅行的数据。

现在我们缺乏一个数据开放与公开的机制。当下最大的问题是每个公司都认为数据是最重要的资产，需要做好数据保护，形成了数据壁垒，这些数据没有办法公开。

作为一线的数据分析师，李湘也发现了数据获取的限制问题。她说，以新零售的研究为例，线上与线下的数据显得非常割裂。

范鹏以电子价签举例，认为这是一个产品没有很好地让线上线下结合起来的案例。原来的商品是冷冰冰地放在商场里，现在有了电子价签可以和商品进行互动。线上购物最大的弱点是看不到实物，但是有个好处是可以看到评价，商品差评太多你就不买了，线下购物致命的弱点是你看到商品可以用，但看不到评价。

如果你有电子价签扫码就可以很好地解决这个问题，你可以知道这个产品在别人购买的时候评价怎么样，如果还好的话也可以去购买。但范鹏依旧认为，未来3到5年在新零售一定会实现线上线下的融合，电子价签是很好的切入。现在电子价签可以通过AI来自动变价，每天晚上不同的时点价签是不一样的。

另外，范鹏指出了线上数据采集的一个致命的弱点——即为只有结果数据。比如消费者将商品加入天猫入购物车，这个时候如果鹿晗给消费者来电话，这位消费者一定会接电话，如果范冰冰敲你门了你肯定会去开门。AI识别认为消费者最终没有买产品，并以为是消费者对产品不满意的，但其实可能并非不满意，只是由于各种原因。相较之下，线下的数据可以采集过程数据，比如说无人超市可以识别你是含情脉脉地看着这瓶农夫山泉，还是很不屑地看着，都可以采集出来。线上线下融合未来会形成360度的画像。

作为数据科学家，邬学宁则把“鹿晗的电话和范冰冰的敲门”定义为小概率事件。邬学宁说：“大数据就是噪音，这些噪音基本上都是可以抵消的，线下可以采集到更多的信息。”他举例说，比如说有一个中国的零售商巨头要求我们监控消费者眼睛看着商品的时间有几秒钟，现在有微表情分析，线下可以看出微表情是怎么样的，这样研究还未应用落地。

关于线上与线下数据的融合，邬学宁还指出，把线上线下识别成是同一人，最难的是你能不能把京东的用户和阿里的用户关联起来？如果你都是阿里的线上线下，只要把用户识别的问题解决基本上就能够整合了，难度并不是太大。

▍AI如何解决数据分析的烦恼

负责CBNData数据分析工作的李湘在研究与分析的过程中会面对很多丰富的数据源，但每一方数据源都有他对于数据标准的模式，怎么满足多方的数据源整合起来也是未来的命题。

李湘发现分析消费数据时的一大痛点来自于：虽然大数据的价值很大，但同时也意味着这些数据的量很大，会花很多很多的时间在数据处理和数据准备上，包含像刚刚讲的去除掉一些杂音。所以，如何把维度打标签丰富，并且帮助到最终的分析成为分析师的一个难题。

邬学宁从人工智能技术的手段上，提出了一些可行的解决方法。邬学宁说，在我们做的所有大数据项目中，其中70%左右的工作都是在做数据清洗和整理。因为有很多的数据，以前做过巴塞罗那的项目，这个项目是看垃圾桶什么时候会满，然后把垃圾收掉，有些垃圾桶的垃圾会越来越多，有些垃圾桶的垃圾会越来越少，因为有拣垃圾的人会把垃圾桶打开把里面的垃圾拣走。

“现在有很多物联网的数据进来，传感器数据要不是零，要不是一，要不很多是坏的。坦白说每一个大数据项目中60%到80%的工作量都在做数据清洗和整理”，邬学宁说到。现在邬学宁的团队也用一些算法协助填充部分缺失的数据，或者把异常的数据剔除出来。

▍AI与大数据如何赋能新业务模式

未来的商业社会，一定会基于科技的进步源源不断地产生新业务模式，如炒得火热的智慧营销、新零售。对于这类概念到底能产生多少的商业价值、经济价值，似乎已成为商业观察家、投资人的重点关注。

作为投资人，范鹏认为效率、成本是新商业模式的核心。通过结合AI、大数据与线下零售，产品从设计、生产制造到消费者手中的时间正在缩短。另外，成本也在不断降低。以盒马鲜生为新零售代表案例，商品售价并不高，主要是通过直接采购，结合冷链物流，再通过数据预测最佳到货时间，以及仓储布局，这样的商品总成本变得越来越低。数据科学正在降低零售成本、提高效率，在范鹏看来，这就是消费升级的体现，也是未来投资人重点关注的方向。

但目前新零售企业似乎面临了来自技术、资金等方面的难题。企业本身的技术需要合作或者购买来实现，同时大部分传统门店的数据采集意识并不强。而反思为什么盒马能够成功，总结来说，阿里在技术和资金上都有优势。

圆桌的最后，邬学宁补充了一些零售行业的创新商业模式。包括创新工场创始人李开复投资的公司有做智能货柜的，以及在去年CES展上展出的智能电冰箱。据统计，美国人家中冰箱里20%的食物都会过期，智能电冰箱可以通过AI技术识别过期食品，然后一键下单，进行线上采购。邬学宁认为，这样的电冰箱也会在未来成为新零售的入口；另外，包括无人车等新技术都可能在未来带来场景的冲击。

注：以上内容根据秒针营销科学大会数据侠“数据科学相对论”圆桌实录整理。内文配图来自视觉中国，本文仅为参与圆桌讨论的嘉宾观点，不代表DT数据侠立场。

期待更多数据侠干货分享、话题讨论、福利发放？在公众号DT数据侠（ID：DTdatahero）后台回复“数据社群”，可申请加入DT数据社群。

▍数据侠门派

邬学宁，SAP硅谷创新中心首席科学家，复旦大学人工智能客座讲师，数据科学50人成员。致力于机器学习与人工智能算法研究，在全球零售、金融、制造、医疗、智慧城市等不同行业拥有丰富的利用大数据进行产品与商业模式创新的经验，著有《SAP企业机器学习》。

范鹏，新零售投资总监，商业咨询师，畅销书《新零售：吹响第四次零售革命的号角》作者，北京大学汇丰商学院MBA，厦门大学经济学和法学双学位。中国营销第一刊《销售与市场》《中国人力资源开发》《营销界》等杂志专栏作者。

李湘，CBNData首席商业分析师。 毕业于纽约大学，曾供职于尼尔森市场研究有限公司，擅长消费品领域行业研究及消费者洞察， 拥有丰富的行业研究经验及扎实的数据分析能力，长期关注零售快消、互联网相关消费领域，并将传统市场研究理论与大数据分析方法结合起来，发掘消费数据背后的商业价值，深入洞察和刻画消费者偏好及行为特征。

▍加入数据侠

“数据侠计划”是由第一财经旗下DT财经发起的数据社群，包含数据侠专栏、数据侠实验室系列活动和数据侠联盟，旨在聚集大数据领域精英，共同挖掘数据价值。了解数据侠计划详情请回复“数据侠计划”，申请入群请添加DT君微信（dtcaijing003）并备注“数据社群”，投稿、合作请联系datahero@dtcj.com。