2020中国AI+零售行业发展研究报告.pdf

中国AI+零售行业发展研究报告2020年22020.6 iResearch I序言来源：艾瑞咨询研究院自主研究绘制。受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、AIoT、虚拟现实、5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。其中，机器学习和计算机视觉成为支撑“AI+零售”的两大技术，机器学习主要应用于数据分析与建模，以实现数据智能和产业链优化；计算机视觉技术则应用于对消费者及商品的识别与分析，目前相关应用已实现落地。中国零售业正处在互联网人口红利消失、传统线下零售渠道占比萎缩的发展疲软期，亟需一剂“助推剂”。AI技术与零售产业的融合或是零售企业的发展良方之一。AI技术对零售业的革新价值不仅体现在重构消费者关系、刺激消费需求；同时加速促进零售业“人-货-场”的环状结构优化；也改变了对零售商品及消费者数据的采集、分析和价值应用形式。目前，“AI+零售”行业整体仍处于探索阶段，随着零售企业数字化基础设施水平的提高及典型用例的出现，AI技术将为零售企业的智能化改革带来更大的想象空间，助推行业整体价值增长。艾瑞咨询研究院vYyUbYhZpXpPsR7NaObRnPpPoMqQiNrRoQeRnMnM9PpOrRuOnNzQMYqNnM32020.6 iResearch I开篇摘要来源：艾瑞咨询研究院自主研究绘制。概念界定：通过人工智能技术作为主要驱动力，为零售行业各参与主体、各业务环节赋能，突出AI技术对零售业的整体升级改造。发展特点：AI+零售技术服务可帮助零售企业及品牌商促进降本增效、提升消费者购物体验、塑造新兴业态等。2019年AI+零售市场规模达到6.5亿元。未来有待需求方数字化基础设施水平的提升、算法准确度及稳定性提升、落地效果打磨、方案成本优化等，预计2022年市场规模将达到26.7亿元。应用程度：从各场景的发展程度来看，精准营销及智能客服的发展相对成熟，但长尾客户的市场仍待开发；智能化运营、商品识别分析的发展速度相对较快，其中供应链网络效率优化未来增益价值巨大；无人零售在经历风口后，逐渐摒弃追逐新技术的噱头，转而回归销售商品的本质，帮助零售门店降低人工成本、提升经营效率；而消费者行为洞察作为CV技术的前沿应用，各类头部零售企业入局试水，意在积累数据资源、跑通业务落地逻辑，以在线下场景的流量争夺中抢占先机。竞争格局：玩家大致分为云服务商、AI技术企业、软件开发商/系统集成商、零售企业科技子公司四大类，致力于融合数据、算法与业务经验，加强AI技术赋能零售行业的深度及广度。云服务巨头保持相对领先地位；AI技术厂商则依靠算法优势寻求发展，例如推荐算法、商品识别分析、线下消费者行为洞察等垂直细分领域的破局者已初显锋芒。未来，异类玩家间的生态合作将持续增多，助推产业发展。发展趋势：总体处于行业探索期，AI+零售行业的发展需要解决浅层次数字化“虚假繁荣”的问题。即弥补由数据采集到分析直至辅助决策应用之间的落地“鸿沟”。这需要服务提供方加深对零售业务的深刻理解、零售企业内部组织的协调配合、甚至是多方合作建立AI化的业务发展战略视角。4AI+零售行业概述1AI+零售应用场景与价值分析2AI+零售供需逻辑与玩家类型3AI+零售典型企业案例解析4AI+零售趋势展望552020.6 iResearch IAI+零售行业概念界定本报告聚焦于人工智能技术在零售场景中的实际应用情况来源：艾瑞咨询研究院自主研究绘制。近年来零售行业重塑行业结构及生态圈，终端零售商、品牌商等多处于升级转型阶段。人工智能（AI）作为新兴技术在零售业链条的多场景、多环节有所渗透。本报告希望全面地展现AI技术在零售生态中的具体应用及各环节的核心价值；从AI解决零售业各环节痛点的角度切入，讨论技术方案需求方的真实诉求和应用场景的落地逻辑，探讨不同类型技术提供企业的发展路径和市场机会。意在描绘人工智能+零售行业的发展现状及未来前景，为行业未来发展提供思考。“AI 相关技术（计算机视觉、智能语音、自然语言处理、机器学习、知识图谱等）应用于零售行业各环节，以行业降本增效、提升消费者体验为目的，助力精准营销、商品识别分析、消费者识别分析、智能化运营、无人零售、智能客服等应用场景。”精准营销智能化运营无人零售消费者识别分析智能客服机器学习计算机视觉自然语言处理知识图谱智能语音商品识别分析人工智能+零售概念界定62020.6 iResearch I零售业技术应用驱动因素(1)险中求变，零售企业寻求新科技手段助力业务转型注释：社会消费品零售总额是指企业（单位）通过交易售给个人、社会集团，非生产、非经营用的实物商品金额，以及提供餐饮服务所取得的收入金额。而网上零售额是指通过公共网络交易平台（包括自建网站和第三方平台）实现的商品和服务零售额之和。网上零售额与社会消费品零售总额两者不是完全的包含与被包含关系。来源：国家统计局；艾瑞咨询研究院根据公开资料自主研究绘制。从2014-2019六年走势来看，我国社会消费品零售总额增速逐年下滑、网上零售额以高于社零增速的速度增长、网上零售渗透率逐年走高。线下销售通路市场份额占比的萎缩及增速放缓，意味着以实体零售业务为首的传统渠道商面临极大挑战。虽然大型零售卖场、各类连锁超市等均已致力拥抱电子商务，打造线上销售渠道，但线下销售场景的消费者引流和企业降本增效需求也亟待解决；同时，囿于互联网人口红利的逐渐消失、获客成本提高等因素影响，网上零售额增速也进入缓行期，互联网零售企业同样面临如何维持增长、保持市场份额的压力。险中求变，零售企业积极寻求新科技手段助力业务转型，谋求发展新动能以应对挑战。27.230.133.236.638.141.22.83.95.27.29.010.612.0%10.7%10.4%10.2%9.0%8.0%49.7%30.1%26.2%32.2%23.9%16.5%10.3%12.9%15.5%19.6%23.6%25.8%201420152016201720182019社零总额（万亿）网上零售额（万亿）社零增速（%）网上零售额增速（%）网上零售额占比（%）2014-2019年中国社会商品零售总额及网上零售额72020.6 iResearch I2020.6 iResearch I零售业技术应用驱动因素(2)零售企业智能化转型以应对劳动效率降低及人才缺口从行业生产要素来看，零售业是典型的劳动力密集型行业，在销售、营销、客服、供应链、运营多环节需要大量的人力资源。近年来我国劳动力市场规模正在收缩，零售业也面临用工短缺。据估算，我国连锁零售行业目前面临人才缺口达477万人以上；同时，零售行业从业人员劳动效率（商品零售额/零售业从业人数）从2018年开始也出现下跌趋势。在零售市场竞争加剧的大背景下，零售企业需要收银、营销、客服、门店管理等多领域的智能化手段，辅助行业从业人员提高效率；推进智能化转型以应对人才缺口、节省人工成本支出。需求的产生为人工智能等新兴技术在零售领域的融合应用提供了增长空间，同时技术创新也使零售行业的人才需求类型发生相应变革。注释：根据商务部计算方法，零售行业从业人员劳动效率=商品零售额/零售业从业人数。其中商品零售额指商品的销售收入。来源：商务部2017年中国零售行业发展报告、2018-2019中国零售行业发展报告；艾瑞咨询研究院根据公开资料自主研究绘制。来源：德勤&中国连锁经营协会2019中国连锁零售业人才供需及新职业新岗位发展研究报告；艾瑞咨询研究院绘制。2015-2018年中国零售行业从业人员劳动效率546757225862611449.251.955.855.34042444648505254565860500052005400560058006000620064006600680070002015201620172018零售业从业人数（万人）人员效率（万元/人）中国连锁零售企业人才需求发生变革.大数据分析运营管理全渠道销售数字化营销客户关系管理数字数字化化+智能化智能化.仓库管理物流计划门店支持未来五大新增职能IT系统支持财务分析未来可能因技术发展而被替代的五大职能82020.6 iResearch I零售业技术应用进入快速更迭时期IT电子化数字化智能化，技术渗透逐步深入来源：艾瑞咨询研究院自主研究绘制。现代零售业历经多次商业模式变革，催生了百货商店、连锁模式、超级市场和网络购物等业态。进入网络互联时代，技术的升级突破则更直接推动了零售业的发展，IT技术管理、移动支付方式普及、数字化零售、人工智能+零售，各阶段相互叠加影响，形成融合上升的创新格局。AI技术的落地应用需要IT设施及数字化系统的支撑，目前零售领域线下场景的IT数据打通仍处于发展初期；电商平台的数字化程度相对较高，对AI技术的应用程度相对超前。随着技术渗透的逐步深入，传统零售企业也将进行更多的AI技术建设。未来，零售业在采购、生产、供应链、营销、销售、服务等多环节的运营模式和消费者体验将不断优化、智能化水平不断提高。零售技术应用发展历程及阶段性特征通过ERP、OMS等信息系统记录、整合分析并展示企业运营数据，提高业务效率。IT基础设施的完善，是企业服务客户和经营管理在线化的基础。信息系统IT电子化数字化人工智能目前在部分环节实现“有条件的自动化，行业整体应用仍处在创新性试点阶段。未来随着AI技术在零售领域应用渗透率的不断走高，产业智能化水平也将提高。大数据云计算移动支付技术的普及，推动了消费者信息的数字化，为大数据、AI等技术应用提供了切入点。通过数字技术与业务运营的深度融合，从数字化营销向数字化运营逐步深入。IT基础设施和企业数字化水平是产业智能化发展的基础。92020.6 iResearch IAI技术在零售领域应用融合作用于各环节 助力零售场景智能化转型来源：艾瑞咨询研究院自主研究绘制。零售业转型升级受到移动网络、大数据、云计算、物联网、区块链、人工智能等新兴技术的融合驱动。AI技术近年来发展迅速，在计算机视觉、机器学习、语音识别等技术研发及落地方面取得了明显突破。计算机视觉技术在数据采集方面具有重要价值，通过对消费者行为及商品信息的识别，可对门店经营情况、消费者游逛行为等进行数据量化，是精准营销、智能化运营、门店管理等环节应用的必要基础；在此基础上机器学习技术则应用于数据建模及辅助决策。多种AI技术融合作用于零售各环节，共同提高零售各场景的智能化水平。机器学习技术是各类智能应用得以实现的关键性技术，深度学习则是解决特征提取问题的一个分支。可以自动学习特征和任务之间的关联，还能从简单特征中提取复杂的特征。多种AI技术融合作用于零售各环节知识图谱技术利用知识抽取、知识融合及知识推理技术构建智能应用的基础知识资源。例如通过连接客户、产品的实体与属性，得到零售关系网络，提供深刻的数据洞察；链接多个数据源，形成对用户群体的完整描述，辅助个性化推荐等。图像搜索、人脸识别分析、视频数据结构化等计算机视觉技术，可实现消费者行为捕捉、身份验证及图像识别检索，助力智慧门店管理、无人零售、刷脸支付等场景。例如通过前端设备捕捉人脸信息，动态识别人流密度并绘制热图，赋能店铺人流管理。在客服场景、营销环节中，自然语言处理提供语义分析、语境分析、多轮深层对话、情感计算等技术，构建与消费者交互沟通界面。例如电商企业智能客服系统可提供电话咨询、智能导购等功能，大幅降低人力成本投入。智能语音技术以语音识别、语音合成等能力助力消费者线上线下语音下单、实体店铺语音导购、交互沟通等。102020.6 iResearch I零售业增长痛点促进AI+零售发展AI技术辅助实体零售企业、电商及品牌商的业务拓展及优化来源：艾瑞咨询研究院根据公开资料自主研究绘制。零售行业转型阶段，无论是终端销售企业或品牌商，均存在成本管控需求、销售额增长瓶颈等发展痛点。具体来说，实体零售商由于缺乏有效途径，较难把握消费者日趋多元化的需求偏好、且对潜在消费流量的价值开发不足，同时面临高用工成本压力；电商平台也需应对互联网流量红利消退、买家增速放缓、获客成本不断提升等问题；对于品牌商，消费者线上流量和数据被电商平台垄断，传统渠道体系也难以提供全链路的消费者洞察与触达。AI则为辅助零售行业参与者降低成本、提升经营效率、解决发展瓶颈，提供了新的技术手段。产业技术发展的核心动力依然是经济利益，各类需求企业的核心增长痛点为AI+零售行业提供了发育土壤。AI技术应用实体零售商获客难电商企业买家增速放缓转化率低缺乏用户感知龙头电商垄断用工成本提高获客成本提升核心增长痛点需求计算机视觉智能语音识别自然语言处理机器学习知识图谱实现效果提升优化顾客体验降低成本提升利润空间多样化发展释放消费能力供应链升级数字化及智能化建设零售行业增长痛点及人工智能技术赋能效果品牌商流量及数据垄断无法全链路触达线上及线下融合趋势112020.6 iResearch I中国AI+零售相关政策环境宏观政策向好，推动便利店等小零售业态创新转型来源：艾瑞根据公开资料自主研究绘制。近年来国务院、科技部、工信部等各大国家机关不断推出加快人工智能发展的相关政策，促进人工智能在重点领域落地，零售领域亦有相关政策出台。初期，国务院办公厅从高屋建瓴的角度支持实体零售创新转型，河北、辽宁、江苏、江西等各省政府也均出台相应意见，尤其看重创新技术的作用；随着行业发展，政策指引逐渐细化，指向无人值守商店等新兴业态、产业链反向赋能生产企业、连锁便利店的数字化改造等。在大数据技术广泛应用的基础上，人工智能技术在电商平台及实体零售场所的价值逐步放大。2016加强互联网、大数据等新一代信息技术应用，大力发展新业态、新模式，支持企业运用大数据技术分析顾客消费行为，支持企业开展服务设施人性化、智能化改造。推进零售业转型升级政策/指引内容2020商务部牵头负责推动品牌连锁便利店数字化改造、提高智慧化管理水平。无人零售领域公布的首个规范标准，由中国连锁经营协会发布，为无人零售概念的加速落地提供参考。明确了无人商店运营主体需要具备的条件、商业模式、商品管理及售后服务等。201720172019引导电商平台以数据赋能生产企业，促进个性化设计和柔性化生产，培育定制消费、智能消费、信息消费、时尚消费等商业新模式。商务部将适时发布零售业技术创新框架和技术应用典型案例，引导广大零售企业加大先进技术的应用。国务院办公厅关于推动实体零售创新转型的意见无人值守商店运营指引零售业技术创新框架（拟发布）关于加快发展流通促进商业消费的意见关于推动品牌连锁便利店加快发展的指导意见2019关于推动便利店品牌化连锁化发展的工作通知商务部发文支持连锁企业应用云计算和人工智能等技术，建立由消费大数据驱动商品采购、库存管理、订单管理等全过程高效协同的智慧供应链，提高运营效率。推广自助结算、扫码支付、刷脸支付等支付技术，鼓励采用数字货架、电子价签、无线射频等商品管理技术，提升服务智能化水平，优化消费体验。122020.6 iResearch I中国AI+零售行业热度解决方案频出，市场处于教育阶段，资本关注优质项目注释：数据截至到2019年12月。只统计主营业务为利用AI技术赋能零售销售、供应链、新兴业态等环节的企业。来源：艾瑞根据烯牛数据、IT桔子整理绘制。2019年“AI+零售”相关投融资事件共计17起，占2019全年AI领域投资的3.3%；占比较去年的1.8%，增幅达到83.3%。另由于零售行业产业链较长，参与者、应用场景较多，部分智能语音、计算机视觉技术研发商依托在金融、安防等行业的技术积累和资源也在尝试开拓零售场景应用，布局AI+零售行业以寻求新的业务增长点。这部分投融资事件尚未计入统计，但整体规模不容小觑，AI+零售领域的实际投资热度更高。2019年，无人零售、视觉解决方案、智能运营等应用场景均有资本注入。随着零售业对新动能需求迫切性的提高，以及AI技术在零售场景的不断试错打磨，未来能为零售企业带来明显收益的解决方案企业更能脱颖而出，获得资本市场关注。中国AI+零售领域投资数据概览创业项目数量B轮后项目数量2019年项目数量2018年项目数量人工智能整体2,371751513794AI+零售赛道76101714132020.6 iResearch I2020.6 iResearch I8.814.819.027.842.668.2%28.3%45.8%53.5%-60.0%-40.0%-20.0%0.0%20.0%40.0%60.0%80.0%100.0%0.010.020.030.040.050.060.070.0201820192020e2021e2022eAI技术研发投入（亿元）AI技术研发投入增速（%）AI+零售行业市场规模2022年市场规模将达26.7亿元，2018-2022年CAGR达44.6%4.2 6.5 9.8 15.1 26.7 53.2%51.4%54.1%76.7%10.0%20.0%30.0%40.0%50.0%60.0%70.0%80.0%90.0%100.0%0.010.020.030.040.050.060.070.080.0201820192020e2021e2022e市场规模（亿元）市场规模增速（%）AI技术在零售领域的应用于2017年起步、2018年落地推进，2019年AI+零售市场规模达到6.5亿，随着AI解决方案能力的不断提升和需求增多，预计到2022年市场规模将达到26.7亿元，2018-2022年CAGR达到44.6%。其中2020年市场规模增速下滑的主要原因是受新冠疫情影响，需求企业对购买技术服务的支出相对谨慎；后随疫情后的经济恢复和市场信心提振、技术应用发展等因素助推增速上涨。另由于阿里、京东、拼多多等零售巨头多以自研方式应用AI技术，AI+零售的建设投入估算超过对市场营收规模的估算。2019年零售企业在AI技术上的投入达到14.8亿元，预计到2022年将达到42.6亿元，2018-2022年CAGR达到37.0%。注释：统计口径包括以云服务或软件形式提供的打包零售解决方案中AI授权费收入部分、单独提供AI标准化产品（例如智能客服机器人）的收入、AI摄像头等硬件产品收入。来源：艾瑞咨询研究院根据公开资料及专家访谈，结合艾瑞统计模型自主研究绘制。注释：部分数据来自销售额前三十的零售商（包括天猫、京东、拼多多、苏宁、国美、红星美凯龙等）2018、2019年的营收及研发投入数据。来源：艾瑞咨询研究院根据公开资料及专家访谈，结合艾瑞统计模型自主研究绘制。2018-2022年中国主要零售企业AI技术研发投入2018-2022年中国AI+零售市场规模142020.6 iResearch IAI+零售产业图谱注释：不涉及零售中的物流配送、金融支付等环节；“视觉解决方案”提供方指提供商品识别或消费者识别的应用解决方案；以企业主营业务为准，不同类型应用之间有所融合，例如无人零售业态场景中涵盖精准营销、智能化运营等；图标排序主要考虑排布整齐，无实际含义，未将所有企业列入其中。来源：艾瑞咨询研究院根据公开资料自主研究绘制。2020年中国AI+零售产业图谱基础服务人工智能技术服务机器学习知识图谱语音语义应用提供方智能云智能客服精准营销无人零售业态视觉解决方案智能化运营数据服务机器视觉零售企业品牌商IT设施通信服务消费者15AI+零售行业概述1AI+零售应用场景与价值分析2AI+零售供需逻辑与玩家类型3AI+零售典型企业案例解析4AI+零售趋势展望5162020.6 iResearch IAI+零售应用场景概览帮助提升零售企业经营质效，改善顾客消费体验来源：艾瑞咨询研究院自主研究绘制。AI技术在零售领域的渗透，围绕品牌商、零售商、消费者等参与主体及零售产业链条，构建数据打通、场景贯通、深度触达的“AI+零售”体系。应用场景包括精准营销、商品识别分析、消费者识别分析、智能化运营、智能客服及无人零售等。基于计算机视觉、语音语义及机器学习技术，赋能线上及线下零售商，应用场景间多有融合。零售企业引进AI技术，可提高运营能力、促进销售额增长、降低人工等经营成本；且可通过改善顾客消费体验，促进消费者转化率提升，为零售企业业务发展增添动能。AI+零售主要应用场景概览无人零售主要包括开放货架、无人货柜和无人便利店等。以AI技术实现零售场景的边界拓展及无人化运营，减少人工成本、提高运营效率、提升消费者体验。精准营销通过分析用户行为数据等建立用户画像，提供消费者需求预测，达到“千人千面”的个性化推荐效果；利用AI技术优化广告投放效率、提供场景化营销引擎，促进转化等。消费者识别分析通过人脸识别、人体特征识别等技术获得消费者购买行为数据，实现对消费者的行为洞察；利用人体关键点监测、深度学习等AI技术与增强现实技术融合也可帮助消费者在线上或实体店完成虚拟试装/妆等过程。智能客服随着自然语言处理技术的逐步成熟，智能客服替代传统人工客服的部分工作；语音交互技术也应用于商品搜索、营销等环节的消费者体验提升等。商品识别分析主要体现在以图搜图、陈列分析、自助结算等环节，通过图像识别及分析技术理解货品在零售场景中的状态，助力营销及提高门店运营管理效率。智能化运营通过深度学习、大数据技术等帮助零售企业实现“人-货-场”数据的动态流转。辅助店铺选址决策、产品研发、供应网络效率优化等浅层及多维决策环节。172020.6 iResearch I多种算法混合AI+零售应用：精准营销围绕消费者用户标签进行个性化推荐及智能广告营销来源：艾瑞咨询研究院根据公开资料自主研究绘制。在消费用户增长遇到瓶颈、品牌忠诚度下滑、营销投入边际效率递减之际，“以消费者为中心”已成为零售企业寻求突破的核心发展战略。品牌商、电商平台、实体零售企业寻找经济且高效的引流、用户运营、流量价值重塑及促进客户转化的手段。AI技术在零售营销领域的应用主要围绕消费者用户标签进行，包含个性化推荐及智能广告营销。个性化推荐依靠推荐系统算法向消费者提供个性化的信息服务和决策支持，基于深度学习技术的推荐系统可以提高推荐质量，促进营销转化；智能广告营销主要包括广告精准投放和AI视频营销。除了应用推荐算法外，在AI视频营销中还需应用视频结构化和图像检索等技术，以对象识别、特征提取、动态物体识别等技术处理视频数据信息，实现对应场景下自动、批量、标准化的广告植入。以消费者为中心用户运营、高效引流、流量价值重塑、促进客户转化个性化推荐智能广告营销用户标签AI精准营销落地场景及技术引擎推荐系统协同过滤推荐基于内容推荐基于模型算法基于关联规则视频结构化图像检索大数据机器学习NLP知识图谱深度学习机器学习计算机视觉深度学习182020.6 iResearch I精准营销个性化推荐关键点在于数据获取及打造线上线下数据闭环来源：艾瑞咨询研究院根据公开资料自主研究绘制。现阶段，电商平台是个性化推荐落地的绝佳土壤，目前主流购物APP几乎均具备“相关推荐”、“猜你喜欢”等功能。机器学习技术以超越依靠专家规则的方式，对顾客的购买力、品牌忠诚度、消费频率、消费兴趣等多样化信息标注标签，形成“千人千面”的用户画像，进行大规模、自动化的个性化推荐。实体零售企业则一方面依托线上线下融合的方式进行全渠道营销，一方面通过人脸识别摄像头、智慧大屏等硬件设施作为线下数据采集入口，旨在线下消费场景实现对顾客的精准营销。个性化推荐受高质量的数据分析驱动，但由于消费渠道和信息接触方式的逐步多样化，数据获取能力和线上线下的数据闭环打造是应用价值挖掘的核心壁垒。个性化推荐解决方案流程图模型计算用户画像用户洞察洞察客户状态，流失预警、转化提醒，多策略深度挖掘客户价值，提升客户满意度及客单价机器学习技术基于对特征属性等历史数据的归纳和学习，构建出用户画像并通过深度学习技术迭代及优化；同时模型可计算用户相似度，挖掘潜在客户消费能力数据获取购买行为数据来源：拉通多平台数据，包括经营管理数据、用户行为数据（浏览记录、电商消费记录、会员资料、搜索历史、线下购物记录等）、商品数据、企业外部数据等获取方法：多渠道实时采集，按照数据类型及多维属性导入数据库进行分类整理，迅速建立用户样本库，丰富用户标签体系跟踪客户行为数据和交易反馈数据完善用户画像及分析模型建立可深度运营的用户资源池，挖掘消费群体之间链接支持私有化部署，确保零售企业及品牌商核心数据资产的安全可控数据闭环192020.6 iResearch I精准营销智能广告营销AI技术助力广告创作、广告投放、效果监测全流程来源：艾瑞咨询研究院根据公开资料自主研究绘制。AI技术为零售企业及品牌商的日常推广、促销活动、新品上市、单品促销等提供精准的营销手段，可提高广告投放质量，同时具备对投放效果的预估、监测及分析优化能力。推荐算法根据用户画像进行广告内容及渠道的精准投放，提升广告点击率及转化率；AI视频营销则利用视频结构化技术等识别视频画面，并在对应场景下进行相应广告的自动化植入，优化用户体验、提高广告主ROI。智能广告营销解决方案亦可赋能线下门店，借助移动端LBS（基于位置的服务，LocationBased Services）锁定零售门店周围的活跃人群，针对性地推送广告，吸引顾客到店。通过应用AI技术进行智能广告营销可降低广告主投放成本、提高CTR（Click-Through-Rate，点击通过率）、提高产品曝光率、提升转化率。AI技术在智能广告营销产业链的多流程赋能，其中DSP等承担数据分析决策和广告位整合的角色、内容载体平台则承担传播角色，均积极利用AI技术赋能自身广告营销业务。智能广告营销产业链流程图-整合各渠道的用户属性数据-广告主内容载体在线视频短视频直播视频网络广告品牌商电商平台实体门店消费者精准广告投放营销推广需求解决方案提供商提供服务用户画像AI视频营销广告供应平台（DSP）智能竞价提供广告资源-利用AI技术识别视频内容，在视频中投放与内容相关的广告或匹配推荐商品-202020.6 iResearch IAI+零售应用：商品识别分析对业务痛点感知力和精细化运营成为价值突破点来源：艾瑞咨询研究院根据公开资料自主研究绘制。商品识别分析的三项典型落地场景应用图像检索技术在商品库中搜索用户拍摄的图片。通过刻画高层语义特征和底层图像特征，找到同款或相似商品，进行商品销售或相关商品推荐。提升商品搜索查找的便捷性及准确性，优化用户体验、促进消费转化。以图搜图陈列分析通过图像识别技术获得货架商品信息，完成陈列审核、货架品类及数量分析、竞品跟踪分析等，可提高品牌商业务人员的巡店效率、避免数据错误或作假，促进销售业绩增长。同时对于货架的陈列分析亦可为终端渠道门店提供货品数据信息。自助结算解决线下零售门店高峰期排队严重、人工结算易出错、商品盗损等问题。自助结算设备可实现多商品、不限角度的快速识别，提高收银效率、减少人工成本；智能摄像头亦可对收银员或消费者的漏扫、购物车未结算等行为予以监测及实时提醒，助力商超门店的资产保护。以商品为主要识别对象的机器视觉技术结合深度学习等AI技术已衍生出以图搜图、陈列分析、自助结算等商业化落地场景。在商品检测环节，包括针对商品的静态识别和动态识别技术，前者应用较多；后者多应用于自助结算方案在顾客拿取过程中对商品信息进行识别，但对算法要求较高。进一步结合去背景干扰技术、图片拼接识别去重、翻拍图识别、数据增强合成技术、多摄像头识别去重等能力，应用深度学习算法对商品特征进行分析，可在电商平台及线下零售业态中助力零售企业和品牌商有效提升经营效率。因自助结算在实际应用中易出现商品叠放、倒放等复杂情况，不断优化识别算法的同时，解决方案企业也会整合重力感应等技术以保证识别准确率。目前，ISV企业可通过按调用量计费或定制开发的方式获得AI图像检测能力，降低了商品识别分析应用的落地普及门槛。因此，对零售业务需求痛点的理解与把握和精细化运营能力，成为各类型解决方案提供商抢占市场的突破点。212020.6 iResearch I商品识别分析陈列分析解决零售企业对渠道终端数据的采集和标准化陈列需求注释：分销率指某品牌商品在该区域各零售门店出现的比例。来源：百度生态伙伴AI应用案例集；艾瑞咨询研究院自主研究绘制。在实体零售领域，品牌商需对线下零售门店的产品陈列、货架占有率、促销产品摆放等进行营销效果监测，及时捕捉市场动态。传统方式下，品牌商需雇佣大量访销人员进行门店产品陈列走访及管理工作。除人工成本昂贵、效率低下外，还存在执行标准难以统一、管理流程不透明、数据数字化质量差等弊端。基于图像识别技术的AI商品陈列分析解决方案可助力访销过程，提升一线业务人员人效，以智能化手段实现零售品牌对渠道终端门店的数字化、标准化管理。同时，对于终端销售企业，该解决方案也可提高门店店员的理货效率、提供货品信息的采集入口，促进线下门店商品陈列管理的数字改革、为门店的智能化运营和营销推广提供数据资源。AI商品陈列分析解决方案架构上传照片上传视频视频处理图像识别引擎数据分析应用门店店员/访销人员陈列管理价格管理APP客户端分销率/缺货率货架占比/排面价格合规检查陈列合规检查促销信息识别竞品信息分析促销执行竞品跟踪渠道洞察SKU管理营销支持门店评级基于定制KPI实时反馈辅助决策222020.6 iResearch IAI+零售应用：消费者识别分析来源：艾瑞咨询研究院根据公开资料自主研究绘制。传统线下零售场景缺少对消费者信息采集和分析的有效手段。除交易数据外，消费者分维度的精细数据、购物过程数据及数据整合分析的价值一直未被挖掘。依托机器视觉技术以消费者为主要识别对象，通过摄像头采集人脸、动作、轨迹等信息，辅以对商品图像信息的识别分析，可帮助零售企业整合“人-货-场”数据，形成完整的用户画像和消费者洞察。此外，虚拟试装/妆这一针对消费者的视觉解决方案也逐步通过手机APP或线下智慧大屏等方式落地应用，为消费者提供定制化的产品展示效果、节省品牌商试用装成本、拓宽商品触达消费者的渠道、优化消费者购物体验，从而有效提高转化率及降低品牌商成本。基于AI的消费者识别分析典型落地场景通过人脸识别、人体特征识别、人体关键点检测、行为分析等技术洞察线下零售场景中的消费者行为，包括购物轨迹、拿取动作等。基于对消费者生物信息的采集分析，简化会员到店注册流程、实现会员识别管理、客流统计、热力图分析、VIP到店提醒等优化线下门店营销和经营决策的辅助手段。同时，通过编码高风险人员特征可对盗窃行为进行识别和提醒。行为洞察基于视觉的消费者信息采集方式重构线下零售场景在电商渠道不断挤占线下零售门店消费者流量的压力下，实体店铺通过使用基于人脸识别、人体关键点检测、增强现实等技术的虚拟试装/妆设备吸引消费者进行线下体验及消费。品牌商亦可通过线上虚拟应用，接入社交电商、视频电商平台进行产品的营销推广，解决线上购买衣物、美妆体验感缺失的弊端。此举亦可打通线上线下渠道，帮助品牌商构建消费者的多维关系网。虚拟试装/妆232020.6 iResearch I消费者识别分析消费者行为洞察Re-ID等CV技术助力感知消费者线下购物场景的全流程信息与电商平台可依靠移动应用有效获取消费者搜索记录、浏览痕迹、购买偏好等数据进行个性化推荐不同，线下零售门店在消费者行为洞察上缺少必要的信息获取手段，以往只能在支付环节对交易数据和客户基本信息（性别、年龄等）进行统计，对个体消费过程和消费偏好数据的采集与分析不足，难以有效挖掘客户价值。人脸识别和行人重识别（Re-ID）技术的发展改变了这一局面，以智能摄像头为信息采集入口，通过采集消费者人脸、面部表情、衣着、体态、发型等信息，实现在线下零售场景对消费者的全流程感知。Re-ID技术可补充人脸识别技术只依赖人脸信息的缺陷，在非配合条件下完成对个体行进轨迹及动态的追踪。此外通过将人脸信息、购物轨迹等与会员管理系统、消费记录数据进行结构化整合，可实现对线下渠道消费者营销推广及对业务经营的精细化管理。目前受线下零售场景头部集中程度和IT建设基础等因素影响，基于视觉的消费者行为洞察解决方案在4S店、家电3C店、大型商业地产等零售业态实验落地。未来，随着算力升级、技术发展带来的算法成本降低、市场需求度提升等利好因素，基于视觉的消费者行为洞察解决方案落地规模将逐步增加。AI消费者行为洞察解决方案流程图来源：艾瑞咨询研究院根据公开资料自主研究绘制。自动注册会员会员行为标签服务器采集进场人员信息商圈内部署AI摄像头智能终端智能分析会员识别客流统计轨迹分析精准营销到店提醒热力分布消费偏好服务器智能化运营数据资源242020.6 iResearch IAI+零售应用：智能化运营仍待不断完善数据资源及优化算法，未来增益价值巨大来源：艾瑞咨询研究院根据公开资料自主研究绘制。零售企业盈利主要依靠于薄利多销，一方面需通过精准营销等手段开源，同时也需要通过精细化运营手段节流。随着IT基础设施建设的日益完善、云服务技术的革新发展推动以及大数据的资源支撑，越来越多的零售企业投入到智能化运营体系建设中，并逐渐从浅层决策向多维决策阶段转型。深度学习模型可辅助满足零售企业对运营流程高效、全局、自动化的管理需求。现阶段店铺选址、销售额预测、动态定价建议、库存优化的应用情况较好；供应链网络效率优化、产品研发优化建议等多维决策因对AI算法的可用性要求较高，仍处于发展初期，但赋能的零售链条更长。作为零售场景升级改造的核心环节，随着商品识别分析、消费者识别分析等应用场景数据资源获取量级及精细度的提高；模型算法的优化迭代；业务落地逻辑的逐步标准化，智能化运营体系建设在零售企业的覆盖率将逐步走高，未来增益价值巨大。深度学习技术提高零售企业智能化运营管理水平数据资源选址模型相关历史销售数据区域内客流热力图租金成本数据距竞争者距离数据预选店址周边人流量及画像价格及产品相关商品销量及价格数据商圈流量及客流属性会员数据库存信息天气、节日等外部数据深度学习模型智能化运营体系店铺选址销售额预测分门店销量预测品类建议货品库存优化产品优化订单管理物流追踪单品建议分门店品类建议动态定价建议自动化采购供应网络相关上下游供应商数据经销商及零售网点库存数据IT基础设施云服务技术大数据资源产品研发建议252020.6 iResearch I智能化运营供应链网络效率优化数据和算法驱动供应链网络各节点协同，提升整体效率来源：艾瑞咨询研究院根据公开资料自主研究绘制。随着零售新业态的快速发展及以消费者需求为核心的经营理念变化，订单碎片化、显著增加的SKU数、仓储管理复杂化等均对传统零售供应链形成全方位挑战。零售渠道商在库存品类及库存量上缺乏前瞻性及灵活性将导致顾客流失、仓储成本增加、流动资金被占据等负面影响。因此零售企业需要在积累的大量商品数据、消费者数据、业务数据中提取信息，基于AI、大数据技术辅助供应网络各节点的数字信息流通及自动化分析，驱动需求预测、销量基线预测、选品及采购、库存计划、自动订货补货、库存优化、货物追踪、订单管理等过程的高效协同，重塑产业链模式，推进传统供应链模式向智慧供应链网络转型。目前，电商巨头在互联网基因加持下，可相对快速、便捷地打通各节点数据流，采用机器学习算法辅助运营决策，但算法的精度和复杂度仍需提高；传统零售商则由于难以触达不同渠道、不同区域的数据资源，在数据信息的获取和标准化上有较大的短板，亟需引入数字化工具加快响应速度。AI技术辅助下的供应链网络效率提升分销商/终端渠道区域配送中心数字化工厂数字化仓库销量基线预测动态定价库存计划自动补货数据流预测颗粒度提高预测准确度提高SKU数/供应网络节点数提高需求预测准确率提升5%-10%降低仓储运营成本降低补货时间提高销售额/利润降低缺货率物流优化降低库存周转天数262020.6 iResearch IAI+零售应用：智能客服多因素驱动电商客服需求增加来源：国家统计局；CNNIC，第45次中国互联网络发展状况统计报告；商务部；艾瑞咨询研究院根据公开资料自主研究绘制。电商客服需求增加主要来自于三方面的驱动，一是网络购物用户规模的增长；二是不断兴起的电商平台及庞大的入驻店铺数量；三是传统零售企业及品牌商的线上线下融合趋势。我国网络购物用户规模及使用率逐年走高，截止到2020年3月已达到7.1亿人，使用率达到78.