埃森哲的調(diào)查報告顯示零售戰(zhàn)略的核心是對進行客戶進行720度全方位的觀察——通過迅速轉(zhuǎn)移關(guān)注焦點、達到高期待值和滿足對個性化服務(wù)不斷增長的需求，來贏得廣大數(shù)字用戶的青睞,。亞馬遜,，梅西百貨和沃爾瑪?shù)瘸晒Π咐C明,，要通過實驗和創(chuàng)新來反思和解讀這個觀察結(jié)果,。特別是AI及其相關(guān)的應(yīng)用需包括數(shù)據(jù)挖掘,、機器學(xué)習(xí),、自然語言處理（NLP）和機器人,。但是,，AI如何能夠輔助好零售業(yè)的呢？以下是它的三個優(yōu)點,。
1.AI能從海量的數(shù)據(jù)集中提取價值
許多行業(yè)最近一直在努力制定數(shù)據(jù)驅(qū)動戰(zhàn)略,。據(jù)麥肯錫去年的調(diào)查結(jié)果顯示，零售商在這場競爭中名列第二,。零售商很幸運地收集并擁有了關(guān)于客戶和買方行為的大量數(shù)據(jù),。但是，他們無法恰當?shù)厥褂脭?shù)據(jù)使其發(fā)揮出應(yīng)有的價值,。
根據(jù)研究,，零售商僅發(fā)揮出了現(xiàn)有數(shù)據(jù)30-40％的價值。由于缺乏方法,、技術(shù)和分析人才,，三分之二的數(shù)據(jù)都被浪費了。此外,，大部分數(shù)據(jù)仍然貯藏在公司內(nèi)部,。
機器學(xué)習(xí)的改進和數(shù)據(jù)可用性（最重要因素）幫助零售商解鎖了客戶數(shù)據(jù)的全部潛能。一方面,，回歸模型讓零售商能利用舊數(shù)據(jù)并有效地再度使用它們,。另一方面，機器學(xué)習(xí)的預(yù)測能力讓零售商不僅能從經(jīng)驗中學(xué)習(xí),，還應(yīng)用這些知識來為未來的買家行為建模和進行預(yù)測,。能對客戶想要的東西未卜先知，是真真切切的一大優(yōu)勢,。
例如：沃爾瑪使用機器學(xué)習(xí)來預(yù)測網(wǎng)購者可能購買什么,。因此，零售商也可以根據(jù)過去的客戶行為獲得有針對性的建議,。這就是WalmartLabs客戶體驗工程副總裁稱之為“提升網(wǎng)購體驗的橋梁”,。
2.有待深入分析的客戶
智能語音助手的市場正在擴大。2017年P(guān)rime Day（亞馬遜會員日）的銷售成果使得亞馬遜聲稱,，Echo Dot是其最暢銷的產(chǎn)品,。
終于，人們用自然語言就能夠與數(shù)字系統(tǒng)交談了,，這都歸功于聊天機器人——特別是目前由谷歌,、亞馬遜、微軟、IBM,、Facebook以及不久后的蘋果推出的NLP引擎增強的機器人,。人們很喜歡它。
反過來看,，NLP工程師終于可以從通訊軟件,、網(wǎng)絡(luò)和語音助手抽取自然語言的實時數(shù)據(jù)。這個數(shù)據(jù)是AI成熟的關(guān)鍵,，因而,，也是研發(fā)真正智能的輔助系統(tǒng)的關(guān)鍵。
同時,，零售商,，特別是一直作為NLP發(fā)展動力的大型零售商，已經(jīng)在利用這個機會來了解客戶,。他們通過AI驅(qū)動的聊天機器人和Alexa的技術(shù)來進行銷售和實現(xiàn)加售,。
日益增長的關(guān)注度和使用案例也相應(yīng)地滿足了商業(yè)和技術(shù)的發(fā)展?？蛻舻臋z索信息分析地越多,，NLP系統(tǒng)就能越好地理解自然語言。NLP引擎運轉(zhuǎn)地越好,，就能越好地滿足客戶需求,，銷售出越多的產(chǎn)品。
示例：亞馬遜Alexa技能的應(yīng)用范圍已經(jīng)給人們留下了相當深刻的印象,，從推薦書（Pan Macmillan）,、葡萄酒（MySomm）和音樂（Spotify）到完全自動化預(yù)定出租車（Uber），比薩餅送貨入戶（Domino's）和提供家庭服務(wù)（Laundrapp）,。這些技巧銷售確實就是在用語音進行銷售,。
如果語音助手沒有直接進行銷售，它們至少可以讓這些銷售進行地順利,?；贗BM沃森引擎的梅西電話提升了客戶體驗，并幫助購物者在無人零售商店中找到了商品,。
3.NLP和機器學(xué)習(xí)提供了真正的價值
我們已經(jīng)學(xué)會了如何用NLP了解客戶的實時查詢需求,，并使用機器學(xué)習(xí)方法從遺留數(shù)據(jù)中提取價值。但利用客戶持續(xù)變化的反饋,，相比之下,，挑戰(zhàn)更大，收益卻也更大,。
這個挑戰(zhàn)需要聯(lián)合多股力量。首先，NLP引擎需要從自然語言的查詢中提取意義,。之后,，機器學(xué)習(xí)接替，從這個意義中再提取價值,。
智能機器根據(jù)于它們的背景知識和現(xiàn)有知識,，使用分類為數(shù)據(jù)賦予現(xiàn)實的意義。
在實踐中,，系統(tǒng)對某些產(chǎn)品進行分類,，按類別，比如“書籍”及“受65歲以上的女性歡迎”,。對于零售,，這意味著推薦和銷售更有針對性。
反過來看,，使用聚類來獲取新信息又開辟了全新的視野,。這個方法使得系統(tǒng)在沒有設(shè)定的標準和偏見的情況下找到樣板并建立零星信息之間的聯(lián)系。
實際上,，這意味著機器可以在客戶購買習(xí)慣里面找到未標記的未知的聯(lián)系,。它能理解為什么讀過作者A寫的X書的讀者，更有可能去閱讀作者B的書籍,，盡管他們這一類別中還有各種各樣的其他作者,。對零售而言，這不僅僅是一個針對性的建議,。從長遠來看,，這意味著更直觀的推薦、更好的服務(wù)和更高的客戶滿意度,。
人工智能市值已經(jīng)達到了一千多億美元,，并不斷增長。它似乎也不會很快突然消失,，因為所有弄潮兒都對它感興趣（谷歌,，亞馬遜，蘋果等）,。此外,，AI巨頭正在努力讓人們買得起也用得了人工智能。
在這種情況下,，零售業(yè)除了歡迎并接受AI,，也沒有太多選擇。由于零售商與客戶和數(shù)據(jù)直接相關(guān),，并且依賴于他們,，作為實驗,，他們只好開始使用AI。但是很快,，智能機器的應(yīng)用將成為有競爭力的優(yōu)勢,。那么，它將成為每一個零售商商業(yè)戰(zhàn)略的必需品和一部分,。
Katherine Lazarevich是數(shù)字技術(shù)機構(gòu)Digiteum的聯(lián)合創(chuàng)始人和管理合伙人,。