机械工业出版社-图书展示-经管图书-经济管理综合-无人零售：技术驱动商业变革-机械|电工电子|汽车|计算机|建筑|经管|教材|中小学教辅|生活|大众|数字出版--Powered By SiteEngine

第一章政策：助力无人零售迅速崛起
政策背景
一、最早的无人零售形式——自动售货机
自动售货机可以说是最早出现的无人零售形式。《中国自动售货机运营业务指导规范（试行）》于2017年8月15日开始试行，此外，各地对于自动售货机的审批多采用备案制度，对自动售货机行业发展起到了很好的推动作用。
二、主管部门公开支持无人值守商店发展
2017年7月21日，商务部例行新闻发布会上，新闻发言人肯定无人值守商店是商贸流通领域从需求侧的角度推进供给侧结构性改革的有益尝试，能更好满足个性化、多元化的消费需求，并且该发言人表示，为了鼓励相关业态发展，商务部还将适时发布典型案例，引导广大零售企业加大先进技术的应用。这也是国家部委首次明确支持无人值守商店业态发展。
三、首个无人值守商店标准发布
2017年11月3日，由中国连锁经营协会发布的社团标准《无人值守商店运营指引》（以下简称《指引》）在重庆举行的"2017中国全零售大会"期间发布。这也是国内首个关于无人零售的相关标准。《指引》以规范市场、引导和促进无人值守商店的良性健康发展、协助政府实现有效监管为目的，针对无人值守商店的运营特点，在商品管理、售后服务、数据信息管理、设施设备管理、店内安全和应急处理、选址等方面进行了规范和指导。《指引》中，有关"安全"的内容占据了非常多的篇幅，这也体现了《指引》对于无人值守商店在保障顾客、商店及店内商品、数据信息等安全方面的一个重要导向。此外，充分利用现代化技术为顾客提供商品和服务，倡导环保节能也是贯穿在《指引》全文中的重要主题。

发展困惑
一、无人店政策焦点——违章建筑之虞
作为对现有零售业态的补充，无人值守商店出现之初就被寄予厚望，它提高了零售业数字化水平。且一直以来，无人店运营企业也将补充现有商业空白作为无人店重要的发展方向之一。
据了解，作为建筑物，无论申请营业执照，还是申请食品经营许可证，均需要提供固定的经营地址。在公共场地设置的无人店，大多因无法提供经营地址而被视为违章建筑，被城管等相关部门取缔。
二、探讨"备案制"可能
根据无人店经营企业反馈，营业执照难申请也成为另一个拖慢无人店开店速度的原因，对于按照标准化复制的无人店来说，每开一家，就需要准备大量资料申请营业执照。因此，有企业提出无人店可否参照各地自动售货机管理中的"备案制"方式，通过区域或企业备案方式解决证照难申请问题。
三、政策展望
据了解，继《无人值守商店运营指引》发布后，各地方商务主管部门均在考虑进一步制定对无人店购物流程、应用技术、数据管理、安全环保等的指导规范。
与此同时，作为商贸流通领域从需求侧角度推进供给侧结构性改革的有益尝试，优秀的无人零售企业期待得到税收优惠、评优评奖等鼓励政策的支持。
从无人零售健康发展角度看，在保障顾客、商店、商品、数据信息安全，合理选址布点、环保节能等方面，无人店有待相关部门的监督管理。
充分利用行业组织，收集统计无人零售行业信息，也必将帮助有关部门了解行业发展现状，制定利于行业发展的相关政策。

第二章技术：驱动无人零售商业变革
人工智能：给零售装上智慧的大脑
中华人民共和国第十二届全国人民代表大会第五次会议明确指出，要加快新材料、人工智能、第五代移动通信等技术的研发和转化。近年来，在国家政策支持和指引下，在科技人士辛勤努力下，在大众普遍关注和推动下，我国的科技水平接连攀高，社会发展突飞猛进，人们对美好生活的需求在更大程度上得到满足。当前社会正加速朝着大数据、智能化方向发展，在零售业发展革新中，零售智能化是未来零售业发展的大势所趋。新时代，将传统零售创新驱动升级为智能零售，能使消费者日常采购更为高效、便捷，有助于改善人们的生活水平。同时，新零售的萌芽，能在很大程度上促进降本增效。总体上看，新零售和智慧零售即将成为第四次零售革命的重要方向之一。
一、零售业发展现状
实体零售销售增幅逐年下降，但超市和卖场等仍为主流业态。图2-1显示，2012—2016年，我国快速消费品在城镇各零售渠道销售中，电子商务销售额每年稳居第一，销售额占比均在50%左右；便利店销售额每年稳居第二，销售额占比均在9%左右；便利店、超市/小超市、全渠道、大卖场、杂货店等实体零售渠道的销售额增速在逐年减小；电子商务销售额增速在逐年增长，并且增幅最大。综合判断，实体零售销售增幅逐年下降，但超市和卖场等仍为零售市场主流业态。
图21 中国快速消费品城镇零售渠道销售额增速
二、创新推动智能化新零售
（一）人工智能技术发展
人工智能在发展进程中经历了两起两落，如图2-2所示。1956年，达特茅斯学院夏季研讨会宣布了"人工智能"这一新兴学科诞生，人工智能概念被首次提出。2016年，图像领域在图像和语音技术上的突破，使得整个神经网络再次复苏，人工智能再次爆发。之所以会出现此突破，是因为计算力和数据的提升与爆炸性增长，以及传感器等综合赋能的联合推动，人工智能能够通过摄像头对人的身份和人的认知环境进行更深的理解。

第二章技术：驱动无人零售商业变革
图22 人工智能的历史：两起两落，2016年再次爆发
2017年，AlphaGo在围棋大战中打败柯洁，它的超强能力给人们带来惊喜的同时，也使人们感到担忧：人工智能最后是否会取代人类，威胁到人类的安全呢？其实，目前人工智能技术还处于弱人工智能的阶段，AlphaGo在相对封闭的空间，计算量非常大。庞大的搜索量，对于机器来说，靠目前的GPU和算力极易解决；而对于人类来说，解决起来有一定的难度。但是人有自我意识，有自己的主观能动性，可灵活处理各项难题。人工智能分为三个阶段：弱人工智能阶段、强人工智能阶段和超人工智能阶段，如图2-3所示。现在的人工智能在对自然与情感的理解方面，距离人还有很大的差距。
图23 人工智能发展三阶段：弱人工智能阶段、强人工智能阶段和超人工智能阶段
当前，人工智能处于大数据时代。首先，无论是如今的零售数据、互联网数据还是用户的各种消费行为数据，都呈爆炸性的趋势增长，如图2-4所示。
图24 大数据时代的人工智能
其次，计算资源的极大丰富，如现在的云计算和GPU，为线下的数字化和现代的零售业赋能提供了基础。
人工神经网络的反向传播算法（也叫Back Propagation算法或者BP算法），是20世纪80年代末期的发明，给机器学习带来了希望，掀起了基于统计模型的机器学习热潮，如图2-5所示。这个热潮一直持续到今天。人们发现，利用BP算法可以让一个人工神经网络模型从大量训练样本中学习统计规律，从而对未知事件做出预测。这种基于统计学的机器学习方法比起过去基于人工规则的系统，在很多方面显示出优越性。20世纪90年代，各种各样的浅层机器学习模型相继被提出，如支撑向量机（Support Vector Machine，SVM）、 Boosting算法、最大熵方法等，它们的结构基本上可以看成带有一层隐层节点（如SVM、Boosting算法）或没有隐层节点。这些模型无论是在理论分析还是应用中都获得了巨大的成功。相比之下，由于理论分析的难度大，训练方法又需要很多经验和技巧，这个时期的浅层人工神经网络反而相对沉寂。
图25 人工神经网络的反向传播算法
2012年深度神经网络在ImageNet图像分类大赛（全球最为权威的计算机视觉大赛）中显示出算法的优越性，与传统的神经网络之间有相同的地方，也有很多不同。二者的相同之处在于深度神经网络采用了与神经网络相似的分层结构，系统由输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作一个逻辑回归；这种分层结构，比较接近人类大脑的结构。
图26 深度学习可视化
图2-6是深度神经网络对输入图像响应的可视化结果。其中，汽车在第一个卷积层，第一个神经网络的输出，是汽车非常边缘的特征，它跟人的理解完全不一致，随着层数的增加，它的一些特征逐渐清晰，基本上就是车灯、车轮子、车窗等肉眼能看到的特征，这是神经元自动学出来的，所以说它在某种程度上与人脑的认知具有一致性。
（二）人工智能技术在零售中的应用
1. 智能零售核心技术
从零售技术角度来讲，目前大部分厂家的技术应用主要表现在两个方面。一是消费数字化和信息关联，如图2-7所示。例如，建立用户、商品、行为之间的信息关联，供应商之间的数据关联，多维信息和多维数据的用户热度、用户画像的有效关联。目前主流的算法是用深度神经网络来完成。二是大数据分析和推荐，如图2-8所示。当拥有海量的用户、商品和行为数据之后，将所有的信息通过神经网络或者矩阵运算，运用人工智能算法做预测和推荐，从而为用户提供更精准的人性化服务，同时也可以改善供应链的效率。
图27 智能零售的核心技术：消费数字化和信息关联
图28 智能零售的核心技术：大数据分析和推荐
在大数据时代，掌握历史数据、商品数据及用户数据，对购买、营销、每个商店的摆放商品、目标人群以及消费时间产生有效的关联，是新零售企业打通线上、线下渠道和实现数字化的核心因素。
2. 无人零售的重要实践
近两年零售发展中的一个重要实践就是"无人零售"，如无人便利店、无人超市。在这些商店中，几乎没有服务员，商品由机器提供，顾客自助结算，"拿来即走"。"拿来即走"和"无人零售"的区别在于前者是消费体验，而后者指零售方式。"拿来即走"不是要把人工全部取代，最终目的在于提升消费体验\[2\]。"无人零售"其实是在化繁为简，只留下两个对象——商品和用户。
在无人零售中，商品识别是被大家所关注的。商品识别的应用，一是阿拉快递，无人店使用最多的快递是阿拉快递，阿拉快递的缺点是成本高，但是在传感器的技术上一直在突破，所以阿拉快递依然呈现出较好的发展趋势。二是视觉，视觉也有它的缺点，它的缺点主要在于"遮挡"方面，视觉并不存在穿透力，所以当商品被遮挡后，用户便看不到且无法购买。同时，商品之间的差异较小，有时只有一两个字的差别，所以在视觉方面也是很大的难题。三是二维码，用它识别商品需要用户群支持，因此把它放在商场比较合适，它相当于一个身份，用户可自行扫描。
现阶段，在商品识别的应用上，使用最多的是视觉。视觉有它的优点——非接触式，目前在封闭的场景中，在不遮挡的情况下，它的识别准确率基本可以达到97%，效果如图2-9所示。无人零售商品识别应用的主流是采用多传感器融合的方式，通过结合视觉识别和重力感应来进行人和商品的绑定。其中，视觉识别主要用来确定用户身份和商品类别，并判断人与商品的动作和行为是否交互。另外，重力传感器可以根据重量的变化来判断货架上的商品数目的变化，通过二者的结合来实现商品和人精确绑定的目标。目前的技术基本能做到在3~5人的简单交互情况下准确识别商品，超过5个人，遮挡情况就会变得特别复杂，对抓取行为的判断也会有很大的影响。
图29 商品识别
身份认证主要通过高精度人脸识别技术来实现。目前，人脸识别主要依赖多模型融合+海量数据+计算资源，如图2-10所示。在网络人脸数据库测试中，人脸数据集（Labeled Face in Wild，LFW）上单网络人脸识别准确率达到99.7%。人脸识别还应用于第二代身份证和现场照片的对比认证，比如在高铁站、地铁站和机场，以当前的技术水平，在"1比1"对比的情况下，百万分之一误识率下能做到99%的通过率；而在动态识别的情况下（比如用户不配合身份认证的情况），在10米之外的十万分之一误识率下能做到75%的通过率。在零售场景下，可以通过人脸的有效跟踪和多摄像头的协同实现用户身份的实时定位和身份认证。
图210 身体识别
新零售除了减少人力成本外，还可以通过一个人的购买历史数据，建立"一人一档"的用户画像。用大数据对用户和商品进行有效关联，这样就可以进行个性化的更精准的推荐和营销，最终形成一个动态的"一人一档一商品"的大数据分析和精准营销系统，如图2-11所示。
图211 用户大数据：一人一档一商品
在基于视觉的用户画像中，如何保护用户的隐私是一个很重要的问题。尤其是当商用户的隐私作为商业模式去运营的时候，就会涉及各种隐私保护的问题。其实，对于商家来说并不需要精确地知道消费者的姓名、外貌、年龄这些信息，可能只需要知道一个人的年龄范围和穿着风格，以便进行用户属性的归类。所以商家应该尝试把数据分析的重点放在商品上面，包括商品的购买热度，以及被用户关注的时间长度，这也是目前很多商家都在做的事，如图2-12~图2-14所示。
图212 用户画像（一）
图213 用户画像（二）
图214 用户画像（三）
目前的无人零售技术主要有四种：射频识别（RFID）、自助机器人、机器视觉和多传感器。
"淘咖啡"集商品购物、餐饮于一身，采用人脸识别技术，用户通过手机淘宝扫码便可进入无人零售店，离店前通过"支付门"，便会被自动扣款。存在的问题是高度依赖网络，使用的RFID标签会限制商品的材质和数量，并增加成本\[3\]。
"缤果盒子"和普通的便利店类似，采用人脸识别技术，用户在关注微信服务号后可进入，离店时扫描RFID标签自助收银。面临的问题主要是RFID的技术缺陷，并且自助收银台影响购物体验\[4\]。
"F5未来商店"像一个升级版的自动售货机，能够提供便利商品和鲜食，用机械臂实现自助加工烹煮，最后用户在微信商城支付。不过熟食商品种类较少，还存在机械故障的风险\[5\]。
"Amazon Go"需要下载APP，扫码进门，通过人脸识别和多传感器（RFID、压力感应、音频识别、视觉识别）计算有效购物行为并进行商品识别，识别精度高，但是系统人数过多会引发故障，并且由于RFID和感压层板的局限，商品的距离太远会影响追踪的准确性\[7\]。
爱购、"怡食盒子"和小麦便利店等无人店的定位更趋向于大众化，主要开设在社区和商业区内。其商品种类包括盒饭、饮料、零食、生鲜蔬菜等食品和家庭日用品。小麦便利店还设置了便民急救箱、手机充电站、微波炉和灭火器等设施\[8\]。消费者选购好商品后，需要将商品放置在自助收银机的扫描区域，对商品进行扫描、消磁，然后通过微信扫码进行支付。但如果消费者购买的东西较多，会很不方便。
综上所述，无人零售店各具特色，规模化复制后可应用于更多场景。在节省人力成本的同时，可以跟踪顾客购物行为，帮助经营者优化店面设计，调整商品摆放位置，定制更好的经营策略。无人零售店也面临着挑战，如商品类型多、类内差异小、样本不均衡，复杂的遮挡和光照环境也增加了商品识别的难度。此外，传感器识别能力和物品追踪算法水平欠佳，需要增加技术人员的投入和物流的工作强度。
三、探讨未来
（一）人工智能的技术成熟度
1. 感知智能技术从发展到普及还需要5~10年
目前，无人零售和人工智能的普及处于一个过热的阶段。视觉、语音识别等感知层基础技术理论的成熟还需要一段时间，如图2-15所示。在语言理解应用方面，想要达到语言被真正地精确理解，需要整个算法有一个高速的爬坡阶段，以及高性能芯片计算的支持。
图215 人工智能的技术成熟度
2. 语音识别技术成熟，但应用场景有限
语音识别是目前发展最成熟的人工智能技术，Nuance、科大讯飞、Google、百度等主流厂商的近场语音识别率都达到99%或以上，但目前应用场景局限在电子病历、智能客服、在线教育、车载导航等少数几个领域。
3. 图像识别落地机会最多
安防行业中的车辆数据提取、医疗行业中的影像诊断、电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供了许多落地变现机会。
4. 自然语言处理在互联网行业中应用最为成熟
基于人工智能的精准营销正在帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售和售后维护的主力军。
（二）智能化的零售技术探讨
智能化零售技术尚处于初级阶段，所以它存在一定优势的同时，还有很多不足。优势主要体现在：可以节省人力成本，扩大应用场景，规模化复制顾客购物记录、购物行为等大数据，帮助经营者调整店面设计、商品摆放等经营策略，优化购物体验。不足主要体现在：传感器的识别能力较差、物品追踪能力不足，行为算法水平欠佳，同时技术人员的投入较多，用户隐私得不到保护。
智能化零售有望对运营效率、选址灵活性、后端供应链的数据支持等多个环节带来巨大影响，但尚不成熟，目前来看是对零售业自我补充和优化的一种形式。智能零售仍旧依赖于人工智能技术的发展和成熟。
（三）智能化零售技术趋势探讨
当前，智能化零售技术的趋势，第一个便是线上线下数据一体化。它是数据推动的，以数据和人自由组合、少人和无人相结合的方式，达到节省人力的同时，让用户消费更加自由的目的。第二个便是多传感器融合。未来各种传感器相互结合，可在一定程度上代替成本较高的阿拉快递，同时现在不断成熟的边缘计算能力和人工智能芯片，也可在一定程度上降低成本。第三个便是从选择到推荐。从数据驱动的角度来讲，从用户自我选择变成通过增强现实和人工智能相结合的用户自我推荐，使该用户对商品的理解更深刻。第四个便是多生物特征支付。从支付领域来说，由于远距离虹膜以及芯片技术的逐渐成熟，无感支付是未来多特征融合的趋势，这将给用户带来无感支付的最佳体验。