波士顿陈果：人工智能加速零售数字化进程

【亿邦原创】5月30日消息，在2019中国电子商务大会数字化零售创新论坛上，波士顿咨询公司董事总经理陈果先生发表了题为《人工智能加速零售数字化进程》的演讲。他讲到数据的应用由低到高对数据的应用分成四种或者五种模式，越往下走越称作人工智能的方式，这样帮助我们认知自然的规律，帮助我们做决策。越往上面走越底层就是传统分析的方法。

据悉， “2019中国电子商务大会”于5月28日至6月1日在北京国家会议中心召开。本届大会由商务部、北京市人民政府主办，商务部电子商务和信息化司、北京市商务局承办。

作为“中国国际服务贸易交易会（京交会）”的重要组成部分，大会以“数据驱动·开放融合”为主题，旨在分享全球电商发展最前沿的理念和成果，洞悉全球电商最新发展趋势，聚焦探讨电商热点话题，进一步突出高端化、国际化和专业化特点，引领全球电商发展。

波士顿咨询公司董事总经理陈果

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。

以下为演讲原文：

陈果：各位领导、各位朋友，大家下午好！今天我给大家分享的题目是《人工智能加速零售数字化进程》。首先做一个自我介绍，波士顿咨询大家都知道是全世界最领先的管理咨询公司，我本人来自波士顿咨询数字化咨询的团队，我自己有两个角色，第一个是从事数字化咨询，其实数字化这个词很新，大概也就是最近四五年出来的。我在过去二十多年一直在做信息化的事，过去的ERP、WMS等全渠道系统我都干过。所以我有一个很深的感受，当一个企业的信息技术拥有武装到牙齿的时候，有很多数字化资产的时候，怎么把它变成你的智慧、智能？所以最近几年，我自己在零售行业中间也参与了很多，接下来会谈到一些智能的项目。

解释一下人工智能，顾名思义是人工+智能，人工是什么概念——对数据的处理。对数据通过机器的方式来处理提升人的智慧叫人工智能。所以现在人工智能这个词在社会上是一点都不稀奇，坐高铁都有人脸识别。这样的人工智能已经进入到千家万户，每个个人都有感受。但当你做一个企业的时候，尤其是我接下来讲的内容，传统零售企业。因为互联网天生就是数字化的，它的商品、销售的空间，每一个元素、每一个原子都是被数字化的，所以说它天生是一个数字化运作的体系，天生是智慧的。而传统的零售人、货、场天生是实体的。所以我们过去花了很多的时间变成数字化之后，怎么样提升它的智能？

智能的模式是怎么样的？传统的模式是有了数据之后做一个报表、图表，这是我们对过去数据的一种描述。数据的应用可以分为五个步骤，有了数据之后进行展示，展示之后发现里面的规律，就像人工智能人脸识别，我走到高铁站的时候看到我的图片为什么会识别我？其实是拿到一些数字化的元素之后进行比对，机器进行学习，从而认出这个图像就是我自己。所以说，数字背后是洞察。我们会看到，当我们有了这样一个数据之后，不仅描述过去发生了什么，从商业上来讲会洞察它背后发生的原因。这样对于原因的侦探性的分析，为什么会发生？是什么因素影响它产生？我们把这个叫做侦探性的数据分析。我们知道了原因和洞察之后，能够指导决策，侦探性也是对过去的数据会找到原因，但对未来我们预测可能会发生什么？一个顾客可能什么时候会来，你来了之后可能会买什么？对商品或者供应链来讲，你下一个高峰期在哪里，因为影响我们未来的因素有很多，社会、自然、天气等都会有影响，甚至天气预报都会影响到对我商品的需求。我们会看到，自然的动态非常复杂，怎么样从非常复杂的环境中找到预测性的因素，这是预测和仿真。最高级的一种形式是指导性决策支持，当我们发现未来的预测的趋势，怎么样产生行动计划？我们用人工智能的方法帮助我们进行评估，评估方法有很多，有不同的权重影响我们做出决策，怎么样指导我们的决策？甚至这种决策是自动做出来的。所以由低到高对数据的应用分成这样四种或者五种模式，越往下走越称作人工智能的方式，这样帮助我们认知自然的规律，帮助我们做决策。越往上面走越底层就是传统分析的方法。

波士顿咨询过去这些年的特点，曾经有朋友问我波士顿咨询和其他的咨询公司有什么区别，在市场上大家基本上都认为波士顿咨询比较学术，我们比较有学术范。我们通过对数据的应用以及数据科学家，在这上面罗列了我们在过去的实践。比如说道路救援公司怎么预测客户的流失，道路救援公司就是会员制的，怎么样预测会员的流失。比如在零售折价下，今天有服装的签约仪式，服装是在什么时间点打折，对你的销量当季售新有非常直接的影响，打折的时间点和打折的深度对你的售新率有非常直接的影响。什么时候打折，刚刚上市之后，随着你的销售趋势，卖的好就不能打的太早，否则会损失利益。但是，如果打的太晚，当季过期之后就卖不掉了。打折的时间点和打折的深度，是打七折还是六折会整个影响到销售和利润。还有预测何时顾客会买什么东西，包括我们看到车辆识别、物流企业的运输路线优化等等。我们会看到，传统的分析方法的准确率相对来说会比我们今天在谈的人工智能的准确率低一些，当我们在谈人工智能的时候，谈的是今天数据处理技术的进化。

我们今天谈人工智能、神经网络、深度学习等等，这些新的数据技术有几种类型，比如有回归，回归是找到一个数值连续的随机序列，找到里面的影响因素和规律，叫做回归。有所谓的分类，就是对于这些离散的随机数据怎么样找到它里面的影响因子和规律。我们也谈聚类，对于我们的观察样本，怎么样对一些观察样本找到它的自然属性的群分，等等。无论是回归、分类、聚类等这样一些人工智能的算法模式很大程度上是提高了我们在过去算法的精确度，也就是今天我们看到信息技术的发展，算力会大的提高，无论是新的芯片出现还是计算方法的出现，今天对于数据算的精确度越来越高。这也是为什么说人工智能在零售中进入到越来越多的商业实践中。

波士顿咨询在一年多以前，推出来一个对零售行业的行业趋势的研究。今天零售企业有三个大的方面、十个零售行业的转型趋势，包括以顾客为中心和数字化营销，包括有全部去的数字化营销，为用户提供全渠道无缝的线上线下整合的体验。包括利用数据和技术提升个性化规模。传统的营销要打广告，所有人看到的广告都是一样的，后来出现了所谓的分众营销，在一个人群中间，定向对一个人群进行营销。今天我们所谈到的规模的个性化是什么概念？就是我们说的千人千面每个人背后都不一样，背后的算法个性化可以提升到一个前所未有的大规模个性化规模。包括个性化提高用户触达和忠诚度，以及口碑营销提升品牌曝光和知名度，这是以顾客为中心和数字化营销中间零售所面临的转型趋势。

第二个转型趋势是未来的商店。今天会看到有一些未来商店的特性，比如说随着线上销量的增加，线上的品牌越来越多地希望得到线下曝光率，所以会出现线下怎么做，比如说做体验中心，比如说线下一个小业态快闪店，这样所谓的快闪店、线下体验中心都能够让线上的业务产生更多的线下的曝光和用户物理的接触，包括移动支付等等，这是我们在商店中看到的发生的变化。

第三个是对供应链和履约执行，前面京东的领导提到及时的供应链，包括自动化客服，比如说应用机器人自动化客服甚至新的物流方法提升交付的效率。

这十大转型趋势对我们在零售行业中，人工智能至少在第一和第三个方面都有非常重要的应用。所以我们会看到，在整个零售行业的业务价值链中，从前面的供应链、采购物流到商品的品类组合管理，什么样的性质商店要放一组什么样的产品，以什么样的价格进行销售，我们叫品类组合管理。以及门类选址和布局，客户管理/数字化营销、门店运营和销售，门店运营和销售包括像动态定价、门店灵活排班等等。在整个业务价值链中，每一个领域中人工智能都会有非常多的作用。

波士顿咨询在这个价值链中间我们梳理出来叫一些场景，在这里大概有十来个场景，这个场景并不代表所有的场景，只是一些示例。提升我们零售企业的品类优势，在提高数据驱动的营销以及提升我们的运营能力、财务运算、门店后台运营都有很多运营场景。比如说前面提到的智能折价采用怎么样的折价方法，比如说在数字化营销中间，怎么样做到超级个性化，怎么样做到顾客生命周期的价值管理，刚才京东的领导讲到卖车的概念，车的价值对于顾客来讲不仅是买的时候，在一个车的后服务市场一个消费者的开支大概等于车的两倍，一辆车花20万买，在车的后面的事情大概要花40万。怎么样决定品牌商和零售商在他的一个顾客生命周期中间，总的顾客贡献。

举两个小例子看一看人工智能的应用。第一个谈促销，在座各位逛超市最大的乐趣是什么？我最大的乐趣是薅羊毛，就是超市里送各种各样的券，不打折不买。刚才在会场外面抽烟时正好碰到一个电商的领导，我说现在电商都在拼补贴，尤其是新兴电商，大家都在拼补贴。其实，从商业模式上来讲，拼补贴的模式是很难以持续的。所以，实体零售的利润更薄，像超市等利润也就几个点（2-3个点），波士顿研究发现，对于传统超市的销售促销只有40%是有效的，什么意思？薅羊毛促销下去之后，可能会带来这个商品销售的刺激，比如说我们看到最典型的促销是海报促销。在短时间之内，可能会带来这样一个商品的销量的变化。但是，它对你的利润的影响是什么？比如，我们的销量上去之后，这个商品会打折，会吃掉我们的利润。当然，我们可能会把打折一部分转加给品牌供应商，去做返点等等，这样可能又给我拉回一点利润。但是，我这个促销有可能会对我的其他的替代品，比如A品牌牙膏促销，人家买了A品牌就不买B品牌了。所以，可能会引起替代品的销量的损失和利润的损失。而且，促销还有很多负面的影响，比如我们叫消费提前，客户本来不买的，因为你打折促销他可能就提前买了，提前买了之后下面就不买了，所以其实是提前预知了他的消费，也降低了企业的利润。促销当然也有可能叫营销光环效应，打折人流会增加，消费者会有一种在促销阶段认识的误区，我们叫光环效应，认为这个东西买的比较便宜，所以买了这个还买了其他的东西，可能会增加人流或者因为光环效应所带来的连带销售等等。

一个促销活动下去，有很多对利润正向影响、负向影响，销量的正向影响或者负向影响。但是传统如果没有人工智能或者数据分析的方法，你很难判断，你只可能判断这一个SKU或者这一类的商品的销量变化，但你很难判断我前面讲到的这么多的相关因素对它的影响。

把前面的模型叫做促销有效性模型，基于这样的促销有效性模型，用大数据和人工智能的方法，会去分析一个促销下去之后对它的销量的实际影响。因为可以看到销量有它的自然规律，比如礼拜一到礼拜五有自然的规律，周末人多等等，有它的自然增长曲线。但我们会看到，一个销量下去之后，会对它的规律变化所产生的促销直接对产品本身的影响。折扣当然很容易计算，但前面讲到的对替代品的蚕食怎么样做关联性的分析？我们这里用到回归的方面去做蚕食的分析，包括我们对它销售的前向拉动，因为你打折消费者提前买了之后影响到后续的销售和后续的利润，还有光环效应等等，我们做了很多这样的大数据分析。

这样的好处是，波士顿做了一个模型，学管理学的大家都知道波士顿矩阵分析图，也是一个四类模型，当然并不是一个严格意义的2×2。我们从销量和利润两个纬度来看，通过前面数据分析的方法，会把我们所谓的促销活动归为四类，一类是这样的促销实质上并不代表实质的销售增加，甚至会带来销售的稀释甚至是减少，像刚才讲到的销售提前等等。对这一类毫无疑问是无效的促销，这一类我们会把它取消。还有一类既会带来销量的增长，同时会带来实质性的利润的增长，这是我们要持续执行的促销。对于有一类可能是带来销售的增长，但利润的增长是非常可疑的，甚至有可能是不带来利润的增长或者极少的利润增长。对于这样的促销，我们又把它分成两类，一类有一定的效果，但效果不是很明显，对这一类要持续优化；还有一类是虽然有销量的增加，但利润其实是很小的，对这一类我们可能是维持甚至是逐步减少。这张示意图来自于某一个跨国大型商超企业在中国的业务，也是中国最大的零售商之一，我们给他做的分析。我们做了三个品类（水饮、清洗、纸品）的试点分析，做了这样的分析之后，发现它的实际促销有效率是45%，我们又提了改变方案，主要是裁掉无效促销，增加有效促销。

另外一个人工智能数据分析的例子，会看到怎么样优化空间和零售的布局。对电商来讲是一件很容易的事情，在电商的页面中，进到第一个页面，二级页面、三级页面的跳转，因为网上的足迹是可以被数字化监测到，会不断地进行用户体验优化，这是线上用户的特点，但线下用户非常难。对零售来讲，空间管理通常分为几层，第一层是宏观层，店内的品类数和优化，什么样的店，大概开在什么样的区位，商品组合是什么样的。到中观，每一个到店里之后的布局、区位应该怎么样进行优化，这是中观。微观是牌面展现，在我的牌面中间对一个商品是一个牌面、两个牌面，放在什么样的位置。我们会看到，宏观、中观、微观的商业空间会对我们的商品绩效表现产生非常直接的影响，我们怎么样能够在优化商品宏观、中观、微观的商品组成提升连带销售？有一个案例是我们给年销收入有50亿美元一个人工智能分析的例子。

在传统把一个商品放到什么样的位置买，传统可能采用直觉。传统做零售的都听说过啤酒和尿布的故事，是一个广为流传的故事，但实际的应用在企业中间要做这样的应用很有挑战性，因为里面的影响因素非常多。传统做商业布局中，很多都是基于人的直觉，什么样的商品应该摆在一起。这里有一些例子，比如说怎么样提升交叉销售、连带。某一个品类中间的商品购买过A1的客户购买A2的概率比未购买A1的高三倍，所以这两个产品有高度关联性，我们可能会把它摆在一起。怎么样做空间优化的布局？比如说看狗类用品，有毛刷、除湿用品、咀嚼用品，根据销量会扩大它的销售空间，包括通道的设计，过去的通道是均匀分配的，通过大数据分析、人工智能分析发现，它的布局、通道是可以优化的。比如美容服务和销售产品有高度关联性，所以在做布店设计可以摆在一起，便于销售人员做销售推荐，便于做通道设计的时候，优化一下连带销售。

前面讲了人工智能、高级数据分析零售行业中间可能会有的应用场景讲了两个案例。波士顿咨询有一组来自不同专业的专业人员，我们有我们的技术行业专家，有三个方面，一是我自己是负责技术架构、解决方案，叫Platinion。也有专门的GAMMA（数据科学家），在中国的数据科学家团队全是博士，我在那里的学历都是比较低的，有好几十个博士是专门从事前面讲到的建模和算法的优化。所以波士顿可能和其他还有一些不一样的地方，我们是帮助企业定制它的算法，不是提供一个平台，我们是定制人工智能的算法。个最后是跟企业合作，一起做数字化创新，有专门的数字化创新工作室（BCG DV）。我们有一系列的工具，有自己的工具以及和相应的工具提供方合作，为我们的客户定制化方案。

感谢大家的聆听，如果大家有问题，欢迎在会后和会议主办方以及和波士顿公司联系，谢谢各位！