Startup TALK 干货分享 | AI技术如何服务零售客户

2020-09-02 11:18微软加速器


01.jpg

02.jpg





嘉宾介绍



WechatIMG557.jpeg


本期Startup TALK分享邀请到了开为科技的合伙人兼CTO杜曦,分享的主题是《AI技术如何服务零售客户》。本次分享聚焦于零售行业中AI技术运用的实操性话题,比如:开为智慧零售方案如何解决后疫情时代线下零售商的痛点?开为方案中如何运用微软云相关技术帮助产品技术提升?以及开为是如何解决产品落地时技术局限性的挑战,如何解决后疫情时代线下零售商的痛点。微软加速器可以说是诚意满满地给大家准备了零售系列大餐,精彩干货,不容错过!

03.png




分享内容主要聚焦以下四点:

1

市场痛点与疫情下的零售业态


2

开为智慧零售解决方案


3

开为AI能力介绍


4

AI产品落地思考



04.png



市场痛点和疫情影响



市场的痛点从【人,货,场】三个方面来说。


对于“场”:传统“场”的痛点是线上线下渠道数据断层,加上疫情的影响,零售业客流也在不断减少,这一方面是痛点,另一方面却为线下零售业态孕育了巨大商机。对于“场”的趋势,线上线下全渠道零售会成为必然。


05.png


对于“货”:传统对于“货”的市场痛点是数字化程度低,无法量化业绩,同时也会缺失端到端的闭环转化能力,针对这个痛点,以后的趋势是万亿快消品线下营销会越来越注重效果的转化。
对于“人”: 比较大的痛点是缺乏对消费者行为的洞察数据支持。线下场景内采集到的消费行为数据,需要一个连接器——FaceID,来与线上数据实现互联互通。


06.png



对于疫情下的零售业态的一些变化,可以从以下几个方面来看。


对于“场”:图中数据是第一季度的,“场”对于零售业态的细分领域来说对于百货,黄金珠宝这些领域的影响比较大。反而超市在第一季度的营业收入是增长的,由于超市跟民生密切相关,所以会有一个逆势的增长。


对于“货”:从这张图上可以明显看到,跟民生相关的粮油,食品,日用品,药品类都是增长比较明显的;但对于服饰,金银珠宝和娱乐用品的下降幅度是比较大的。所以在疫情的情况下对于消费者的消费趋势也是有一定影响的。

“人”有四个趋势:
【第一】趋势是线下购物随着政策的开放正缓慢恢复,但比如北京的疫情的反复,对于疫情中心地区的恢复相对滞后。

【第二】消费趋势是渠道会向线上,线下便利店和药店转移;

【第三】趋势是消费者对于健康和健身的重视将持续;

【第四】趋势是对于线下会员,线下忠诚度会受到冲击,但是线上互动可以抵消部分影响。



07.png




开为智慧零售解决方案



开为智慧零售解决方案是基于营销云的全触点数字化的解决方案。图中可以看到两部分,营销云和线下数字化触点

营销云主要分为两个内容,第一个是梦析大数据后台;第二个是梦智营销中台。梦析是数据处理的中心,梦智是基于流量的营销平台。所以整个营销云连接线上线下全域,覆盖购物全链路。


08.png



除此以外,比较有特色的亮点是增加了丰富的线下数字化触点,覆盖了消费的全流程。所以通过两个线下数字化触点加上营销云,能够赋能整个零售商,给消费者一个沉浸式的体验。


09.png



这幅图直观介绍了开为的整个线下数字化触点。可以看到智能硬件是贯穿消费路径的各个环节的,同时实现了线下互动与线上联动的结合。比如消费者顾客在进店的时候会看到进店大屏,它的主要作用是入口推送,包括促销引导。当消费者进到场内之后,我们的数字化处理无处不在,包括主动线立柱屏,端架横屏,端架竖屏,电子价签屏。这些屏幕都可以通过互动包括广告曝光等形式,吸引顾客进行互动,甚至实现最后消费的一些转化。在最后自主收银环节,也有卡券静默核销,复购券推送能力。



10.png


开为的商品是如何服务快消品和品牌商户的?


对于快消品和品牌商户,开为有两个价值。


【第一】
开为的方案是基于人脸FaceID,提供精准互动广告+数据反馈+发券核销闭环的立体式专属营销服务;


【第二】
开为打通了外部和内部的流量,外部流量就是公域流量,内部就是在屏幕基础上或者小程序基础上的私域流量,我们可以帮助快消品和品牌商开创新的专柜营销方式,进行精准营销,从而提升ROI和最后的GMV。下图是整个硬件的介绍,在这个典型的智能屏幕上会有AI摄像头,触屏,4G网络,并支持不同尺寸的定制。从功能上来说,我们解决方案中的典型屏幕,它的功能有会员识别和熟客识别,人脸属性分析等;第二个是互动式IP,一些AR和游戏;

【第三】
对于会员识别的信息进行更深层的画像分析,包括一些生物学分析,性别心情肤色发色衣着。通过这些信息之后呢,我们会有综合的分析反馈给后台进行精准营销。



11.png



开为的整个智慧零售解决方法对于消费者的体验怎样的?


开为对于建立以消费者体验为中心,打造沉浸式互动体验,实现零售数据智能化营销。顾客在屏幕前整个体验流程大致有四点:

在全屏媒体轮播广告

当有人在屏幕面前出现时会触发互动机制

用户刷完脸之后引导顾客,推送福利

采用静默核销和自动核销

用户直接在离场结账的时候就可以自动核销


12.png


通过会员体验的价值,可以引出开为擅长的AR互动的价值。AR互动在海外的商业模式已经被验证的很充分。根据Snapchat的数据,支持AR互动的形式,使得用户对品牌认识包括消费者化的提升是比较明显的。所以开为也借助了AR的这种形式在消费的场景内去建立了从曝光互动到转化交易这样一套完整的链路。


13.png


营销云分为梦析的数据分析后台和管理流量的梦智两部分,称为精准广告投放后台。


梦析通过营销云来收集和分析从前段数字化触点收集到的海量数据,通过一些深入学习的方式进行数据分析,帮助品牌挖掘散客,从而实现精准营销。对于梦智来说,因为数字化处理在场内,梦智基于AI人脸识别,连接线上线下全域,覆盖购物全链路,支持精准,互动投放的智能平台,实现对客户的培育和管理。我们在客户场内投放的广告是精准的,并支持CPM或CPT的广告形式,借助的是摄像头的能力。右边是我们基于微软云的一些方案,我们用的azure的服务还是比较多的,包括IoT hub,因为我们的管理前段是一个数以万计的智能设备。


15.png


开为智慧提供了营销云+丰富的前端数字化触点的方式去赋能零售商。对于快消品和品牌商户来说,开为通过FaceID提供立体式的营销方案。对于消费者来说,开为的方案提供沉浸式互动体验,同时也会采集到更多消费者的行为数据进行行为洞察。开为的多种屏幕方案已在沃尔玛成功落地。


16.png



在超市便利店,这种门店面积一般在2000平米,单店的屏幕数量在25-50,屏幕的内容也是AR,但有更多新奇玩法。中间图显示的是颜值测试,系统会基于人的关键点给予颜值评分,同时也会通过PK榜来显示一些好玩的信息。


17.png



对于快消品案例,如可乐2周内完成了4000瓶可乐的促销,也获得了可口可乐全球总裁James Quincey的高度评价。



18.png




技术介绍



开为的人工智能技术


首先,介绍下开为使用最为广泛的一些算法。
第一个,是人脸识别算法,主要影响的因素有三点:数据,损失函数,模型结构。在这三个部分中,最重要的还是数据,获得全场景数据对于模型的增益是非常大的。开为能获得千万级的数据,同时也在千万级的数据上进行更为细分的划分,比如零售便利店的数据,青少年数据,疫情下口罩数据,女性数据等等。通过分类和不断的数据分析之后,能够将模型训练迭代的更好。


第二个,是损失函数,杜曦近期与团队一起发布了一篇论文,提出了一种基于多球面的损失函数,使得人脸特征值在分布上类内更为内聚,类间更为可分,在一些公开数据上取得了不错的效果。

除了跟人脸相关,开为也积累了物体识别技术和活体检测算法。物体识别技术的痛点总结下来是两点:一是数据标注非常耗费人工,第二个是在部属的时候还是需要一个算力比较强的主机。针对这两种痛点,开为把商品标注流程标准化,并使用一些硬件加速,支持边缘计算。



19.png



机器学习下的数据分析和精准推荐


精准推荐用了一些带有attention机制的的算法去做。除此以外我们对这些数据的分析也会有一些基于ML方法的分析。那这些分析的结果最终我们会给到一个决策的支撑,会包括用户的购物偏好,包括潜客营销,包括品牌洞察等等。



20.png




产品与技术落地思考



趋势挑战和机遇


对于产品战略的思考,第一点是线上流量的集中化与线下流量的碎片化,在线上场景,流量的集中化以及孤岛化趋势越来越明显,获客成本持续走高;而对于线下流量前景广阔,基础的生态建设还处于起步阶段。


第二点从流量变现的媒体角度来看,线上媒体成熟度远比线下高,大部分线下场景还是处于比较原始的轮播模式。线下有很大的媒体提升空间。以智能硬件为数据触点的,品效结合的零售营销解决方案将成为趋势。

第二部分对于疫情下线下场景的挑战和机遇,回顾 03年非典,虽然今非昔比,但有些逻辑依旧有参考价值。03年分众相中了梯媒价值,而今天,零售场景内的流量挖掘也是价值洼地。


21.png





技术落地时遇到的挑战


第一,实际场景远比想象中复杂,在学术界和工业界,对于人工智能的算法和能力有一个大的gap。尤其对于视觉算法,脆弱性是显而易见的,例如口罩检测与戴口罩人脸识别。



22.png



第二,遇到的挑战是如何兼顾鲁棒性与用户体验,我们开为在实际人脸识别流程中包含了诸多辅助环节,包括人脸关键点跟踪,大角度人脸过滤,模糊人脸识别,夸张表情人脸,活体检测。要想保证人脸识别的准确,需要过滤非常多的条件,但过滤条件对用户体验度会有一定影响,所以需要在鲁棒性和用户体验之间找到平衡点。


第三是安全性与隐私问题,之前支付宝支付也被3D面具成功攻击。除此之外,更常见的是图片与视频的攻击。基于GAN方法的模拟攻击对于表达能力较强的人脸识别模型来说更为致命。同时,人脸隐私的保护愈发引起人们的关注。

最后一个部分,我们发现AI技术研发成本比较高,随着数据量增大,分布式训练环境已经成为必须品,随之而来的就是昂贵的GPU服务器及配套的数据处理能力。同时,往往在技术上的突破需要投入长期的人力物力。



关于开为:


643.png

开为科技是人工智能明星企业,通过机器视觉高效转化线下到店流量,以Face ID为基础整合CRM/ERP/支付等人货场大数据,打造全渠道全场景智慧零售,让消费更有趣更温暖。开为创始团队由海归精英组建,核心成员拥有十多年零售经验和技术背景。目前已获由金沙江创投领投的数百万美金A轮融资。




644.png