“2019年度流行色是珊瑚橘（Living Coral），您想要一个同款色口红吗？”
当你打开美妆零售连锁丝芙兰(Sephora)的App，很可能收到这样一个语音提醒。不用再走进实体店，在语音助手的提示下，轻松get新一季全套美妆装备……这无疑是传统零售行业转型拥抱AI的一个信号。
丝芙兰旗下AR试妆应用Virtual Artist，将购买流程变得高效有趣
事实上，已经有诸多零售巨头借助AI开始全面升级服务、优化购物环境、提供更加个性化的消费体验，比如：
优衣库(Uniqlo)今年推出了购物助手Uniqlo IQ，让AI化身小客服时时陪消费者聊天；
一向走在时尚前沿的李维斯(Levis)也没闲着，在线“虚拟造型师”帮助消费者挑选适合自己风格的衣服……
同样看好AI零售趋势的还有资本市场，根据CBinsight最新报告《AI Trends In Retail》显示，零售业的投资交易数量近些年一直处于上涨之势，从2013年第一季度到2018年第三季度，AI零售初创企业在374笔交易中融资18亿美元。
华映资本今日精编本篇报告，梳理2019 AI零售科技十大趋势，看看零售业未来将有怎样的全局转变。
“进场”就稳赢了吗？
AI监测，店内产品透明化程度增强
为了能使自家产品占据有限的货架资源，品牌通常会此支付高昂的费用，然而即便如此，这些产品仍可能不容易被顾客察觉到，而AI便可以改善这一现象。
在零售业，“进场费”并非全新的概念，实际上，在品牌与超市签订“进场”合同之后，一些品牌并不了解自己产品在超市货架上的具体情况，甚至无法得知产品是否按照约定的那样被陈列。
据相关研究显示，“Apple & Eve”花费15万美元以保证自己的果汁产品获得商店的冷冻区域，Frito-Lay平均要给每家超市付10万美元以使自己的新产品进驻超市。
因而，有初创企业就开始通过售卖实时商店数据来盈利，比如计算机视觉平台Trax Retail，他们利用通过店内摄像头、机器人或手机拍摄的图像生成实体店的数字场景，进行监测。Trax表示其95%的业务是与品牌商进行合作，例如可口可乐、汉高等。
传统上来说，品牌公司也会派销售人员或审核员人工检查商店内产品的摆放问题，而Trax的正在尝试实现货架分销指标追踪的自动化。
现实的情况是，商店也需要店内数据来追踪货品和管理库存。沃尔玛通过与Bossa Nova Robotics合作，监控其50家商店货架上的错误价格标签和丢失货品。
因而，对于初创公司来说，品牌企业和超市都可以成为他们合作的对象，通过为不同的用例销售相同的计算机视觉应用来实现变现。
但在目前阶段来看，商店环境给计算机视觉算法带来些许挑战，比如两个具有非常相似包装的品牌商品就有可能使算法产生偏误，所以一些初创公司也正在通过收购其他初创公司以改进技术。
Bossa Nova Robotics在今年7月收购了开发人脸检测和物体识别技术的AI公司Hawxeye；
Trax在今年1月收购了零售情报公司Quri，在去年收购了Nielsen的商店观察部门。（目前，国内也有相应场景技术提供商，如零眸智能等）
AI算法对抗高仿假货
线上+线下双重升级对策
随着造假技术的发展，看起来越来越真实的高仿假货难以被消费者察觉，尤其是在网购时。从手袋到手表到化妆品再到智能手机，“假冒”是一个让所有类型零售商头疼的问题。
在过去的5年中，有关打击“假货”的专利申请数量一直在上涨，其中包括防伪技术和难以被伪造的开发产品。专利申请者包括SICPA（开发了防伪墨水，并且为医药、银行、能源客户提供打假解决方案）、亚马逊、Merck和Samsung Electronics。
目前来看，打击假货主要从两个领域入手：一是网络世界，识别并删除侵犯品牌商标的在线列表；二是现实世界，识别像奢侈品包袋这样类别的假货。
网络世界打击假货的范围和规模相当繁杂。有很多假货经营者会使用与原始品牌非常相似的关键字和图像在假网站或合法市场上售卖假货，并通过社交媒体进行大肆宣传。
当一个假货产品被发现并删除时，经营者会使用不同的关键字串重新发布相同的假货。因而对于网购平台来说，“打假”着实不是一件容易的事情。
商务巨头阿里巴巴正在使用深度学习对其平台进行不间断扫描，以发现知识产权侵权产品。此外，它也通过图像识别技术去监测发布在其平台产品的名称和标语。
另外，也有创业公司着手开展打击假冒产品的相关研发。总部位于巴塞罗那的初创公司Red Points利用机器学习来扫描网站上潜在的侵权行为，并从中找到假货经营者关键词选择的套路模式，目前该公司拥有化妆品、奢侈手表、家居用品和服装行业的客户。
现实世界中打击假货更加棘手，并且需要大量人工行为。以奢侈包袋为例，它的验证过程通常需要专家对品牌材料、缝合图案进行一系列的验证。但随着高仿假货的兴起，即便是专家，用肉眼辨别产品差异也是很难的一件事情。因而，引入AI帮助识别就显得相对高效了。
但训练AI进行假货识别也并非易事。首先人们需要分别建立起假货和真品的数据库，分别提取主要特征数据，进而对AI进行算法训练。
例如，开展打击假货业务的初创公司Entrup不得不进行大量奢侈包袋的购买，包括真品和假货，并与验证专家一起构建数据库并运用其训练AI算法2年。
此外，Entrupy还开发了一种可连接智能手机的便携式显微镜，当用户拍摄并上传产品图片（手提包，手表等）时，AI算法会分析每种产品独有的微观签名，并根据已知真品的数据库进行验证。
AR和计算机视觉下的虚拟体验
关于“美”的数据生意
虚拟试穿被用于美容零售业具有双重目的：一是解决美容购物者的试穿问题；二是为零售商收集消费者的产品偏好数据。
目前，运用AR技术提供虚拟试穿已经在2017年成为美容零售业的主流服务。Perfect Corp和Modiface两家公司都将AR技术和计算机视觉进行结合，在为消费者提供试用的同时收集他们的行为数据，包括消费者的面部形状、肤色、皱纹等数据，帮助零售商了解具有特定面部特征的人可能购买何种特定类型的产品，从而更准确的预备库存。
在今年年初，欧莱雅公司收购了Modiface，以帮助自己旗下各美容品牌推出AR技术驱动的良好美容体验。就在最近，欧莱雅还与Facebook建立了长期合作关系，用户可以在社交平台上使用手机摄像头试穿虚拟产品，然后跳转到母网站进行购买。
在Modiface被欧莱雅收购后，不少人担心丝芙兰等美妆品牌会停止与Modiface的合作，实际上丝芙兰会继续使用Modiface技术为其应用程序中的Sephora Virtual Artist（丝芙兰虚拟艺术家）项目赋能，并声称，由于Modiface的收购实践，人们对AI和AR技术的关注度得以提升，丝芙兰应用程序也因此获得了消费者更大的参与行为。
另外，AR技术的消费者追踪技术也会帮助品牌提高终端销售量和消费者转化率。
雅诗兰黛旗下品牌Smashbox通过与Modiface进行合作，利用用户眼球追踪技术发现用户更关注的网站屏幕区域，这可以帮助品牌了解网站功能的受欢迎程度并进行迭代，从而使美容购物体验更贴近消费者需求。
欧莱雅最近与Modiface合作推出了一款名为为Style My Hair（发型设计）的应用程序中增添了AR功能，帮助消费者想象自己拥有不同颜色头发的样子。
路易威登（LVMH）旗下化妆品品牌Benefit Cosmetics则与Modiface合作推出了一款尝试眉毛造型的AR工具、
品牌Wanna Nails也在专门从事指甲油试穿效果的AR技术开发，并与OPI、Essie等知名指甲油品牌达成合作。
AI为驱动的智能化配送
强化零售商与网购者的联结
不论网购顾客选择1小时送货上门，还是选择1小时内自取货物，以AI为驱动的智能化配送中心，可以帮助零售商在与顾客直接接触的同时实现盈利。
亚马逊去年收购Whole Foods之举及其在线零售业务的持续扩张，正推动其它零售商采取电子商务战略。
杂货配送初创公司Instacart已经成为美国超市和消费者之间的“中间人”，它在全美超过50座城市提供配送服务，服务覆盖超过80%的美国家庭。
Instacart所提供的服务对那些尚未扩大电子商务业务、但又不想被亚马逊、沃尔玛等零售巨头抢走市场份额的杂货零售商们尤其具有吸引力。
Aldi这家德国公司是美国最大的连锁超市之一，尽管它在实体店上做足了文章，但其在电子商务方面的努力也仅限于近期与Instacart所开展的有限时间内的合作。
然而，在消费者使用Instacart服务在当地零售商店或超市进行购物的同时，零售商们也逐渐丢失了与顾客直接的直接联系。
微型配送中心的出现则为零售商们提供了一种新选择：迷你垂直堆叠仓库。经营者们可以将此迷你仓库放在现有的超市中，并选择运营自己的电子商务界面或者利用微信配送中心所提供的端对端的解决方案。
与足球场大小的传统仓库相比，整个迷你仓库占地不足1万平方英尺，甚至在某些情况下约为3000平方英尺，可以安装在现有的超市、建筑的地下室、甚至停车场内。
仓库内的货架是垂直堆放的，以节省空间，迷你仓库地面机器人在货架过道之间移动，按顺序取物品，然后交给工人进行最终包装。
总体来看，微型配送中心的好处有二：
首先，据尼尔森（Nielsen）和食品营销研究所（Food Marketing Institute）最近的一份报告显示，“点击即取”（消费者在网上下单，然后在商店里取货）的势头正在增强，而位于人口密集地区的微型配送中心则为高效的取件提供了合理化解决方案。
其次，零售货架空间有限。这些垂直堆叠的微型中心将使超市能够比一般商店拥有更多的存货。
在整个微型配送中心系统中，AI技术发挥了重要的作用：决定货架上商品的摆放位置，对任务进行优先排序，并向地面机器人发送导航指令等。现在为零售商计算微型配送中心的投资回报率还为时过早，但一些围绕微型配送中心建立起的合作伙伴关系正以不同的商业模式出现，比如，为零售商提供即付即用的CommonSense Robotics就是其中之一。
以色列第三大连锁超市Rami Levy正与常识性机器人公司CommonSense Robotics进行合作，在以色列建立12个配送点。CommonSense Robotics将拥有并运营微配送中心，接收来自零售商的库存和订单。
沃尔玛正与Alert Innovation合作，计划在新罕布什尔州开设一家商店，带有路边随买随走选项的仓库将是商店的一个扩展。
尽管从目前来看，零售商们与初创公司合作建立和运营这些中心的成本没有披露，但由于这些微型配送中心将位于高密度人口的城市地区，如果消费者选择在网上订购和在实体店提货，每英里的配送成本将会更低。
语音购物何时“起飞”？
巨头们态度分化
对消费者来说，除了重新订购特定商品，“语音购物”似乎并不能带来一些良好的购物体验。亚马逊的CEO Jeff Bezos在去年接受Billboard采访时也表现出对语音购物的悲观态度：“语音交互在购物上也止步于此了。”
然而，来自丝芙兰、雀巢、凯捷咨询的分析师们却表示零售业的下一个大事件就是“语音购物”。
“使用语音助手......已经证明不仅仅是一种时尚，它正在为一场小型数字革命铺平道路，丝芙兰希望成为当中的先锋。“丝芙兰欧洲和中东地区首席数字官（Chief Digital Officer）Baylac表示。
但从数据来看，趋势并非如此。目前，很少有消费者使用亚马逊Alexa进行购物，语音购物尚未成为主流。
The Information的一份报告发现，2018年（截至报告发布）只有2％的亚马逊Alexa用户使用语音交互进行产品购买，而这2%群体中只有10％是“回头客”。毕竟，对于需要查看商品、比较产品和价格、或阅读产品功能的细则的在线购物者来说，语音不是一个方便的选择。
看好“无人化”
亚马逊与沃尔玛的技术PK仍将持续
自2017年1月起，沃尔玛已申请至少37项与无人机和地面机器人相关的专利，而2016年仅为8项。这似乎昭示了沃尔玛涉足AI领域的勃勃雄心。
沃尔玛的大部分专利都涉及到无人机技术——
一项专利中讨论了一种自动检测系统，该系统使用自动机器人无人机来检测设施中的缺失物品（例如，商店货架上的缺货产品），并用另一个无人机对缺失物品进行补充。
其他专利重点强调使用温度控制无人机进行传输，以及店内导航，例如将购物者引导到正确的过道。
还有专利强调派遣一架无人机接替地面车辆在最后一英里运输中向消费者提供包裹。
然而，沃尔玛无人机机器人技术真正实现还存在很多困难，例如，美国的联邦监管机构对机载无人机的商业用途施加了许多限制和条件；而且，无人机通常由电池供电，因此它们具有非常有限的飞行范围；此外，无人机若想安全可靠地携带产品进行长距离飞行也存在困难。
尽管如此，但沃尔玛似乎正在为“配送中断”进行不懈努力，特别是在最后一英里运输方面，毕竟，这是竞争对手亚马逊的主要关注领域。
*“最后一英里”指的是货物从运输枢纽到客户家里的路程，这段路程往往是邮件包裹递送服务中效率最低、费用最贵的过程。
不止亚马逊、沃尔玛
中国掀起无人零售大潮
亚马逊的无人便利店Amazon Go通过先进AI技术，在彻底跳过传统收银结帐的过程，允许购物者拿着商品走出去。
就在亚马逊宣布Amazon Go计划后不久，我国有关无人零售的交易激增。截至目前，超过10家公司为其“无人售卖”筹集资金，其中包括“无人商店”、“无人货架”等。
作为中国第二大电子商务平台的京东在今年1月开设了一家无人便利店，同样作为无人便利店，京东便利店采取的技术与亚马逊Amazon Go完全不同，前者完全向公众开放。
消费者在进入京东便利店时需要扫描QR码，运行面部识别算法的相机在消费者进入商店期间进行识别。
商店中的每件商品都带有RFID标签，消费者准备离开时，需要站在地板上标有“站在这里”的区域，一次扫描所有产品的RFID标签，摄像机再次运行面部识别算法向消费者进行收费。
如今，京东在我国开设了20多家无人商店，在18年8月，它在印度尼西亚雅加达开设了一家面积约为2,900平方英尺的商店，主要出售服装和配饰等商品。
不可避免的货品丢失
玩家们的部署成本和库存损失成本增加
不过，目前在“无人化”领域，盗窃问题却仍无可避免，相应而来是伴随着技术更新的进一步升级。
据亚马逊官方表示，无人便利店的相关技术涉及到传感器、摄像头、计算机视觉、深度学习算法（并不包括面部识别算法）等。目前，亚马逊尚未公开将“无人便利店”技术或服务出售给其他零售商的计划。
实际上，Amazon Go的运营受到了严格的参数控制。若想防止盗窃行为，商店经营者必须要能够掌控进入商店的消费者并对其进行自动收费，Amazon Go目前便仅向其Prime会员开放。因而对于想要效仿此种模式的零售商来说，他们必须先要从头建立自有的会员制度基础。
防止盗窃的复杂性还取决于商店运营的规模以及货架上的产品类型。Amazon Go商店的面积仅为1,800至3,000平方英尺，并使用数百台相机覆盖了几乎每一寸天花板空间。
相比之下，传统超市可达40,000平方英尺或更多。除了用于视觉识别的相机之外，Amazon Go也在货架上设置了重量传感器用以识别货品。
当然，此种商业模式毫无疑问会引起零售业同行的注意。Standard Cognition和AiFi等初创公司就希望抓住此次机遇，尝试将Amazon Go经营模式推广给其他零售商。然而不同公司对此采取的方式却不尽相同，AiFi对合作方承诺利用现有的商店基础设施以及传感器和相机的组合实现服务，但Standard Cognition却表明要完全取消传感器，仅依靠机器视觉来实现。
但短期来看，与亚马逊这样的科技巨头相比，规模较小的零售商若想实现无人商店的模式，将面临部署成本和库存损失成本等各种威胁。
降低“最后一英里”的运输成本
无人送餐服务不断迭代
尽管存在监管不确定性等诸多挑战，但不少食品企业正在与主要原始设备制造商、自动驾驶汽车初创公司进行合作，以降低运输成本。
今年6月，美国最大的实体店之一Kroger与机器人创业公司Nuro与开展了合作，后者开发了全电动自动输送车（R1），专为运送货物而设计，该车辆的宽度是普通车辆的一半，可以在邻近道路上行驶。
在餐厅领域，像Domino's和必胜客这样的披萨公司一直处于测试无人驾驶技术的最前沿。
“无人送餐”对于多数食品零售商来说并不是一项短期盈利项目，也没有对其进行广泛部署。如果能够早早地加入“自动地面交付”的研究无疑对零售商来说是一件利好的事情，毕竟，从长远来看，经济实惠的运输也是零售商们所追求的。
AI“造型师”涌现
优化消费者个性购物体验
AI正在帮助零售商们个性化消费者的购物经历，这也有助于零售商蓄力时尚界的下一个大的流行趋势。
与早期消费者需要填写关于风格偏好的问卷相比，如今的AI算法可以从消费者的购买历史和浏览行为中进行学习，帮助零售商们更高效地获取消费者偏好数据。
英国电子商务初创公司Thread主打通过算法为用户选择服装，消费者通过Thread 的移动应用程式购买后，其数据会被应用在下次购买。Thread目前拥有超过100万的用户，最近它在2200万美元的B轮融资中获得了H&M风投部门的支持。
美国电商平台StitchFix对AI的集成应用更为深入，不仅用于风格推荐，还用于时尚需求预测、库存管理，甚至帮助设计师创建新风格。该公司以其“混合设计”服装走在人工智能驱动时尚的前沿，这种服装是通过识别库存中缺失的趋势和风格的算法设计出来的，并根据消费者喜爱的颜色、图案和纺织品的组合提出新的设计建议，供真实的设计师参考。
今年早些时候，Tommy Hilfiger宣布与IBM和时尚科技学院（Fashion Institute of Technology）进行合作，使用IBM AI工具来解读实时时尚产业趋势、Tommy Hilfiger产品和T台图像周围的客户反应，并在趋势中重新呈现主题。这些算法的结果将被反馈给真实的设计师，他们可以使用这些算法为下一个产品做出明智的设计决策。
随着算法的不断发展进步，AI将成为趋势猎人——以前所未有的方式预测并设计下一个趋势导向。实际上，纵然亚马逊已经率先在AI加持零售业中引航，但对于广大零售商们来说，若想真正利用AI技术赶上像亚马逊这样的技术巨头的脚步，还有很长的路要走。
