图普科技李明强:AI图像识别咋撬动连锁商业

12月20日亿邦动力网

【亿邦动力网讯】12月20日消息,在2017亿邦未来零售大会上,图普科技创始人兼CEO李明强发表了题为《智能视觉看懂商业连锁零售》的演讲。李明强指出,以前的零售是以成本和供应链为中心,以效率为中心,而现在明确以消费者体验为中心,因为老的模式转不动了,企业必须向互联网和电商学习

据其介绍,图普科技是最大的图象识别云服务,也应该是独立的图象识别云服务,每天处理的交易量差不多10亿次,累积处理量超过千亿次。

据悉,2017亿邦未来零售大会由亿邦动力网主办,于12月20日-22日在广州香格里拉酒店举行。

本届大会以“智·商”为主题,包括两天的主论坛,5场主题分论坛,马蹄社等活动,国内外电商领域知名企业高管、专家学者、媒体代表共计4000人次出席。值得关注的是,在本届大会上,数字化、智能化、场景化已成为主旋律,大数据算法、内容、社交正在和产业紧密融合。反映了,商业正处在迭代进化的边缘,这是一个低维向高维迈进的历史性时刻。

图普科技创始人兼CEO 李明强

温馨提示:本文为速记初审稿,保证现场嘉宾原意,未经删节,或存纰漏,敬请谅解。

以下是演讲实录:

李明强:这个题目好像跟主持人介绍的不太一样,有点失望吧?鉴黄可以说我们是打的一个标签,其实我们也是一个人工智能图象识别的公司,当然鉴黄这个热点我们也不怕去蹭,因为去年直播了一年,大家知道直播上面有很多色情低俗的内容,我们一开始说我们是做人工智能的,是做图象识别的,最后只要我们鉴黄这个服务一出来,基本上下去大家都值得我是一个鉴黄师。我在游戏里面的名称也是叫首席鉴黄师,其实我们真不是做内容审核,用于鉴黄的公司,我们在互联网上有几十个图象识别接口,在互联网上我们是最大的图象识别云服务。

自我介绍一下我是从腾讯出来的,公司就在广州,我之前也是腾讯的一个技术专家,我是2012年离开的,这张照片说明我跟大家已经神交已久的,这是微信2011年刚出来的时候,微信创始团队拍的一张照片,我是其中的一个人,左下角那个,中间的那个就是龙哥,我的联合创始人也是浙大的一个教授,他是人工智能方面的专家,也是滴滴研究院首任院长。

我们也是一个在人工智能企业里面获得了很多荣誉的人工智能企业,比如说在中国计算机协会、雷锋网评选TOP25的人工智能企业,在机器之心评选全球值得关注的Top100人工智能企业,这个榜单里面有很多大家知道的人工智能企业,这是全球人工智能100,商汤也在里面,我们也是其中之一。

在互联网上面我们是最大的图象识别云服务,我们应该是独立的图象识别云服务,每天处理的交易量差不多10亿次,累积处理量超过千亿次,我们服务的客户都是大家耳熟能详的互联网企业,其实大家看的直播内容都是先经过我们的,比如在直播里面最大的映客、花椒、美拍、秒拍等等,这些都是我们的客户,虽然说广州不一定是互联网的中心,但是微信是互联网的中心,但机房不在广州,我们在广州的机房可以说是中国很多视频流量的中心,因为很多视频都要流到中国来,至少图片流到广州来,再分布出去,至少是一个旁路,在这个意义上来说,广州虽然不是中国的一个创业中心或者互联网中心,但是我们这个机房做到了广州的一个骄傲。

我们在想图象识别还能用在什么地方,这跟前面商汤说的东西有点像,但是我们是一个专门做产品的公司,我们本身的团队很多成员也是从微信里面出来的,我们是专门做产品和工程的公司,我们考虑的是大家怎么样用起来,就是这个产品是什么,你不是在用一个技术,而是在用一个产品,而是跟你有价值的、好体验的一个产品。

今年阿里提出了新零售的概念,新零售可能每个人都有很多理解,但阿里自己的定义,我觉得还是有一定的沉淀的,它自己的定义是以消费者体验为中心的数据驱动的泛零售形态,这句话有一些闪光点,一个是以消费者体验为中心,以体验为中心一般是互联网企业讲的,阿里也是一个互联网企业,一般互联网企业才讲用户体验。我们之前看到的零售是以成本和供应链为中心,以效率为中心,我们现在明确以消费者体验为中心,因为老的模式转不动了,我们必须向互联网和电商学习。还有就是数据驱动的泛零售形态,前面主持人一直讲我们怎么样能够像电商一样有这么多数据来驱动,所以我觉得这个定义还是挺好的,所有的模式,不管谁归纳的各种各样的模式,都离不开基本的要素,比如说人、场、货、进销存,不管咱什么名词,都离不开这些概念。我们从我们的角度上在考虑怎么样帮助到新零售的企业呢?一是我们可以在人这个角度上去帮助到零售企业来引流,把店外的引到店内。二是我们可以提供一种新的营销模式,这种新的营销模式在人工智能没有出现之前,这个模式是不存在的。三是场地模式,因为连锁门店有很多连锁的企业,在不同的企业里面之前是缺少一个电商的漏斗模型的,这个漏斗模型在电商里面是很常见的,我们每点一个页面,到了详情页面,再到购物车,他买了没有,然后再到下次有没有复购,这是顺理成章的,但是在门店里面我们只有一个销售数据,只有一个货品数据。四是从货的角度,我们可以通过用户属性的大数据分析来预测或者自己来把握说你到底要进多少什么样的货,不同的区域是不一样的。五是热区分析,你的货物摆放是不是合理的。

在人的角度我们可以提供什么东西呢?模式是怎样的?首先就是人脸识别识别你到店了以后,可以两方面推消息,一方面是往导购这边去推,导购告诉你一个老客户或者一个会员过来了,跟你的会员ID绑定起来,再就是可以往顾客那边去推,顾客那边推相当于是一个自动营销的机器人,因为它知道你之前的消费习惯,知道你的用户属性,它推的东西和这些话术是自动生成出来的,它可能这个话术是最懂你的情况下用最适当的方式推送出来,比如说是一个优惠券,我举一个例子,比如你去买水果,你到了店里面,像我这样,一直都是去买橡胶的,我到店里面他知道我一直买橡胶,如果是夏天,他推送给我一条消息说夏天到了,他看到我是一个爱运动的人,还比较瘦的话,应该补维B、维C可能效果更好一点,你本来不买水蜜桃的,可能在这种情况下你会买一点水蜜桃,这是帮你自动导购的机器人。再就是客户的引流,在很多的连锁门店、品牌门店,它都会很注重选址,店外走过很多人,就跟社交一样,缺乏一个破冰的过程,如果一个机器人在外面,你跟他猜拳,如果你赢了,可以送一张优惠券,你是卖水果的,你猜中了以后它报的是一个水果,就完成了与这个品牌破冰的过程,你用这个优惠券去里面购物一下,好歹你有一个理由进去一下,你进去了一下从此可能就有机会成为这个品牌长期的用户这就是一个破冰的过程,之前没有这个破冰的过程,不管他在门口走过多少次,很多品牌他都耳熟能详,但是很多品牌他都没有进去过,就像社交里面破冰一样,陌生人之间很重要的就是怎么样去破冰。

在场这个地方,场最重要的,而且对商家很重要的是一个漏斗模型,特别是对连锁企业,如果你有几百家、上千家,甚至上万家企业,你需要一个漏斗模型,第一是店外客流,二是进店客流,三是购买客流,四是复购客流,通过这些你才知道各个城市不同商圈的店的客流是怎样的,有些店开的就是比较好,有的店员、店长就是命好,去了这样的店,可能他躺着就能完成这样的营业额,有些店主、店员水平比较高,但是命不怎么好,他很努力,取得了同样的销售额,如果没有这样的漏斗模型,你不知道调整的方向是怎样的。躺着赚钱的这个人觉得自己一直做的很好的,很苦逼的那个人怎么努力,你也看不出他的价值,最后剩下来的就是做简单重复的这些人了。我们可以通过轨迹和动线来做设计,怎么样看出有什么样的不合理的摆放,会造成什么样的效果。

我们在货这个地方可以用到热力图这个工具,通过热力图可以看到哪些商品被关注的人多,但是买的人少,哪些商品关注的人少,但是买的人多,这对你的铺货和进店人物的属性,如果你店里面有些SKU更适合男性、更适合女性和不同年龄段,每个地方的进货和存货的排布都不一样,方便你对货的管理。

上面说的方法,我们现在有很多商业案例来进行使用,我们是一个做产品的公司,我们卖的不是技术,而是你能用的一个场景。这些截图都来自于真实的用户,比如说某一个大型的餐饮连锁,他每天晚上都会搞一个活动,每天晚上都会搞摇一摇或者是分享到朋友圈的营销活动,他每天晚上原先是在8点半搞的,后来店长觉得8点半是一个人来人往还算热闹的时间,我们通过数据分析出来8点半跟8点45差了10%的人流,跟9点差了15%的人流,你从人去估计,来来往往一直都很热闹,但是通过异常段来分析,他就是最有概率出现最多人的时间点,比如在8点45分抽奖花同样的成本比在8点半少10%的人坐在那里的时候,长此以往他的ROI就差10%,这是很大的累积下来的差别。这是某一个珠宝上市的连锁公司,它不是买一个口香糖和矿泉水拿着就走了,而是货比三家,对比一圈以后再回来你这个店,你就应该针对性地服务,这是一个有诚意的老客户,并且这些也是比较高端的人群,如果说没有这样的贴身服务,还是像以前的话,像照片里面这位对穿着比较考究的女士可能就会流失,就会变成别人的会员。去晃一圈,你都把握不住她的心理的话,她可能就成为别人的会员。

通过热力图的分析,比如这是某一个服装连锁,右边这张图可以看到人行走的轨迹是这样的,我们就可以看到这半边其实是没什么人的,为什么呢?这就是一个比较错误的摆布,这个地方画成了一个直角,这个直角把人堵在这里,就像都江堰,都江堰把水往这边,估计这边只有挂个什么特殊图画的人流才会往这边走,这是不正常的摆布,如果不是通过人工智能、大数据、从上往下的分析,然后给你一个结果,可能你不太会感觉出来,我相信大家到这个店可能也不会感觉出来,可能现实中你都进过这样的店,这样的摆布,你都感觉不出来,这需要人工智能叠加一段时间的分析才能有这样的数据,如果看到这样的数据,再差的店长应该知道我是不是把它竖起来或者撤掉,如果客人到这边是背身去看,至少这边的商品他可以再返身去看一下,这样傻子都会得出一个更好的摆布,至少不会比现在更差。

这是某手机回收企业,它的需求跟其他企业又不太一样,它的这样里面有用户的飞单行为,就是店员会把回收上来的手机并不交给总部,而是自己吞了,因为手机是一个硬通货,类似苹果之类的,他去赚差价,干了一段时间的员工都很容易这样去干,因为没有监管,你只能靠人去巡,很难去抓到,我们通过人脸识别,看到一个客人如果在这个地方待了五分钟之上,他很有可能是一个成单的过程,因为整个验收的过程是要超过五分钟的客人,如果这是一个没有成交的数据,他可能是一个飞单的数据,即使这个机器宕了,只要抓出这个人,店员也不会干那个事了,它就像一个天眼一样看着店员。好的员工、努力的员工,因为你没有一个好的办法能够评价他的努力,评价他的工作,他也会变成一个偷工减料的或者飞单的员工,这些就是人工智能的技术帮助新零售、泛新零售赋能的过程。

这是一个无人超市,大家知道无人超市一般是扫码进门,扫码的会有尾随的,进店的几个人和扫码的人不一样,我们的人脸识别和店里面的实际人数对出来,什么时间点,在里面的人数是不一样的,如果丢失的话,他知道这个人长什么样,再去找到这个人,这个人可能也就没法抵赖了。

这是国内一个手机连锁品牌,这是它花的很多钱的旗舰店,所有都要翻新成像苹果这样子,它打的是高科技的旗舰店,很有未来感,这是其中一个角落,它的需求是想看到客户进店以后关注哪些场景,虽然摆了很多手机,但是某些手机在众多的待选的手机里面就是被关注最多的,旁边这个手机可能就是一个昨日黄花,又还是有一点点的人流在这个地方,这个数据也许店长或者这个品牌的运营人员来看这个数据会更有感觉一点,他会知道这个数据是一个什么样的数据,也许和他的感觉不太一样,通过一段时间的对比之后可能验证了他的感觉等等,这都是等有意义的东西。

前面说了很多例子,我们希望能够用AI赋能新零售的一个公司,希望我们的科技能够帮助到大家见人见智见未来。谢谢大家!

如果你“智商”最高,请出来勾兑


来源:亿邦动力网

分享到
下一篇
返回顶部

快快使用浏览器的分享功能
将精彩资讯发送给更多好友