新零售下的AI智能貨柜，你了解多少!

人氣：61 發(fā)布時間：2024-07-01

　　新零售與智能貨柜如何理解新零售，我們把新零售拆為“新”和“零售”，“新”在于更高效率、更好的服務，“零售”的本質鏈接是“人”與“貨”的“場”。

　　智能貨柜即一個最小型的“場”，有了“場”，便產生了交易的可能。

　　智能貨柜占地面積不到1平方米，幾乎是所有“場”中的最小單位。其成本低，布點位置靈活，可作為前置倉使用，十分有利于零售商家對自己的零售生態(tài)整體布局。

　　同時依靠視覺識別等AI技術，加強了線下商品的即得性，提升了用戶體驗;

　　智能貨柜上的“貨”，通過數(shù)據(jù)驅動，在消費者端做到千柜千面。可反向驅動供應鏈端和產品設計端(即供給端)，零售商家可做到高性價比的精細化運營，用更短更直接的路線和體驗打動消費者;

　　在“場”和“貨”不斷迭代中，吸引到“人”(即用戶)。用戶的關鍵指標為流量*轉化率*客單價*復購率，對不同用戶畫像進行精細化運營，提高坪效。

　　最終，利用AI數(shù)據(jù)、用戶畫像、商品推薦等技術實現(xiàn)智能貨柜“人”、“貨”、“場”的消費生態(tài)閉環(huán)，這便是智能貨柜在新零售時代的運營思路(也可以稱作軌跡)。

　　1、智能貨柜發(fā)展路線

　　(1) 自動售賣機階段：1993年自動販賣機從歐美、日本地區(qū)傳入中國，傳統(tǒng)自動售賣機主要是硬件驅動，用戶使用紙幣、硬幣支付，貨柜通過彈簧彈出商品，但傳統(tǒng)售貨機企業(yè)未能有效解決成本，質量，運營等諸多問題，所以導致國內市場上的自動售貨機不僅數(shù)量少，且品種非常單一，主要以瓶罐裝飲料售貨機為主。

　　(2) 無人貨架階段：2017年，在新零售趨勢加持下，無人貨架迎來風口。無人貨架大部分由互聯(lián)網公司進行運營，以幾百元的成本在辦公室等較封閉場景快速搭建貨架，用戶通過微信、支付寶掃碼支付，從貨架拿取商品。但因為沒有構建消費閉環(huán)場景，導致商品貨損率極高，所以在運營一年后，大部分無人貨架項目都已暫停運營。

　　(3) 智能貨柜階段：市場一直在驅動企業(yè)創(chuàng)新，無人貨架風口過后，以RFID和視覺識別為核心技術的智能貨柜時代正式走上歷史舞臺，與無人貨架相比，智能貨柜形成了消費閉環(huán)，用戶掃碼開門拿取商品，關門即扣費，貨損率可控95%以上，同時點位達到一定規(guī)模后，智能技術賦能運營及補貨過程，銷售和品牌的規(guī)模效益便能逐步產生。哈哈零售的智能貨柜 ↑ 也由此產生

　　2、智能貨柜市場分析

　　AI科技技術公司：本身具備視覺識別技術能力，為傳統(tǒng)行業(yè)和領域賦能的公司，該類公司都擁有算法團隊和AI核心技術基礎支持，一般不做運營，只為零售商提供硬件和軟件技術支持。

　　傳統(tǒng)自動售賣機企業(yè)：意識到以視覺識別技術為核心的智能貨柜是新一輪增長動力的傳統(tǒng)自動售賣機企業(yè)，該類企業(yè)有運營基礎和硬件基礎，資金量也充足可以很快的組建算法團隊，研發(fā)出貨柜自運營或者批量售賣。

　　3、瓶頸&機會

　　智能貨柜的發(fā)展瓶頸主要是技術瓶頸：經過2018~2019的快速發(fā)展，智能貨柜的發(fā)展到一定階段，市面上的智能貨柜技術服務商統(tǒng)稱自家的識別準確率在99%以上，則100單最多只會識別錯1單，但是2021年距離真正成熟階段已經邁進了一大步，識別技術的成熟在未來會得到實現(xiàn)和發(fā)展。

　　做到“千柜千面”，多場景全渠道售賣，兼容各類商家和商品，會出現(xiàn)各種各樣的復雜場景，對圖像識別的精準度和覆蓋度要求更高。

　　如商品遭遮蓋、倒放、推倒、疊放等問題，都需要通過優(yōu)化算法以及配合其他方案解決。目前解決方案是使用動態(tài)識別和重力感應，但這也會增加成本。除了識別精度，還有許多待解決優(yōu)化的技術挑戰(zhàn)。哈哈零售-1000L的這款就是動態(tài)識別＋重力感應

　　從智能貨柜的普及率來看市場機會：在美國，平均35人擁有一臺自動販賣機、在日本則是平均23人就擁有一臺、而在中國是4500人。

　　自動販賣機大國日本目前的自助販賣機數(shù)量是600萬臺，而國內自助販賣機總量也不足200萬臺，并且售賣的商品種類單一，分布不均衡，市場遠未達到飽和?？偟膩碚f，智能貨柜的發(fā)展與機會并存。

　　1、AI算法

　　(1) 識別云服務器AI模型的訓練十分依賴服務器運算能力，GPU服務器比一般云服務器更適合深度學習項目，通常企業(yè)選擇租用GPU云服務器或購買GPU服務主機進行項目訓練。

　　(2) 深度學習開源框架如TensorFlow，該框架由Google研發(fā)開源，因種種原因，是目前最火的深度學習框架之一。通過使用它可以快速的進行神經網絡的開發(fā)，大大降低了開發(fā)成本。官方網站上有詳細的說明以及機器學習中文社區(qū)，對ML學習十分有幫助。

　　(3) 識別算法在智能貨柜運營場景，我們需要算法做的是圖像中物體的定位和分類(Localization & Classification)：識別定位出每一層貨柜的照片所包含的商品以及商品的類別，為不同的商品框上不同的框，以供購物訂單生成和其他場景盤判斷。要執(zhí)行該任務我們需要使用卷積神經網絡(CNN)為基礎的一眾算法，如Faster R-CNN、YOLO v1-3等。

　　現(xiàn)在算法發(fā)展十分快速，作為AIPM，可以學習經典算法的發(fā)展歷史和運算原理，與算法工程師為產品選擇最合適的能力(算法)，甚至有新算法開源，PM先下載跑一遍模型，不僅提高了工作效率，也加強了自身的技術能力。

　　2、商品數(shù)據(jù)源&標注

　　有了算法和模型，就需要喂數(shù)據(jù)，標注流程規(guī)范和數(shù)據(jù)源質量是兩大相輔相成的關鍵，智能貨柜售賣的商品最常見的是飲料和盒裝零食。

　　一般數(shù)據(jù)標注可利用第三方標注工具進行標注，為了提高標注效率和標注質量，筆者在所在公司也從0-1設計了圖片標注平臺。構建標注平臺前，需要了解機器學習中正負樣本的概念，對數(shù)據(jù)采集流程有清晰的認知，熟悉標注人員標注和管理標注的流程。

　　數(shù)據(jù)源質量：眾所周知，數(shù)據(jù)質量低會極大的影響模型的效果，容易造成模型的欠擬合或過擬合，影響模型效果和用戶體驗，若出現(xiàn)這種情況，一般需要重新投入新的健康數(shù)據(jù)源重新訓練，成本較大。對于保證數(shù)據(jù)源的質量，我們通常關注以下兩點。

　　a、標注流程是否規(guī)范。一般每個標注任務數(shù)據(jù)都會有專門審核流程，避免把亂標、標錯不健康的數(shù)據(jù)源投放進模型學習。這個主要是靠標注流程的管理和人力資源調配，好的標注平臺也是避免數(shù)據(jù)質量參差不齊的因素之一，屬于可控范圍;

　　b、標注人員是否專業(yè)。標注人員通常是實習生，需要經過專門培訓才可開始標注工作，有時候PM和算法工程師也要參與標注工作。

　　系統(tǒng)結構主要分為用戶端、貨柜硬件端、識別服務端、邏輯服務端。

　　a、用戶端：用戶用于購物的小程序或APP。

　　b、貨柜硬件端：實際控制貨柜上門鎖、攝像頭、燈光、溫度等所有傳感器和硬件設備，與服務端通信，平時負責將心跳數(shù)據(jù)和圖片打包上傳至服務端，并且解析服務端發(fā)過來的指令實現(xiàn)控制貨柜硬件。

　　c、邏輯服務端：主要任務是接受貨柜硬件端數(shù)據(jù)，把照片數(shù)據(jù)放到隊列中供識別服務端讀取、修改貨柜訂單狀態(tài)、推送消息、更新庫存等。d、識別服務端：主要是實時檢測隊列讀取照片，運行識別服務，生成訂單明細。

　　· 構建貨柜運營穩(wěn)定性指標

　　從算法模型的維度上評估識別識別模型的穩(wěn)定性，我們關注準確率、召回率、IOU、平均檢測精度等指標。

　　在智能貨柜購物場景下，用戶一般會有明確的購物目標，效率和確定性對于用戶十分重要。所以從實際運營的維度上評估運營穩(wěn)定性，最主要關注用戶平均購物時長和訂單準確率。

　　其中購物時長與用戶體驗成負相關，訂單準確率與用戶體驗成正相關。用戶購物體驗好才會有復購率，實現(xiàn)貨柜布局的規(guī)模效應。

　　購物時長等于用戶開門到訂單完成扣費的時間，通常是5s~20s。

　　用戶關門后成功扣費的時間越長，證明用戶的等待和不確定的感受時間越長，體驗也就越差。影響時間主要的因素通常是圖片上傳速度和識別服務速度，前者通過服務邏輯優(yōu)化提升，后者通過迭代模型和采用更優(yōu)算法解決。