铉伟英:新零售进入“无限货找人”时代,甘来怎么做?
2012年,我去云南旅行时,深夜去酒店附近的小零售店买东西,看着那家店主怀抱着婴儿,一个人照看店铺,为了第二天能提早开店迎接顾客,他只能在寒冷的铺子里抱着孩子睡。看到这些,同样为人母的我不仅感到心酸,还看到了传统零售商的无力与无奈。由此,我萌发了做一些事情来改善这一切的初心。
当然,只有初心不足以谋事,只有感性不足以成事。在做甘来之前,我们做了一些调研,不难发现,这些年来线上流量越来越贵,线下人力成本越来越高。线上的获客成本增加了10倍;自2005年以来的十年期间,中国的劳动力成本上升了5倍,比1995年涨了15倍;2005年以来,全国房价直线上涨,上海的商业租金十年间增加了至少8倍。达到一定规模的店铺还有能力投入20-30%的成本到线上,实现相对健康的盈利;而规模较小的夫妻店和社区店只能专注于线下销售,平均客单不足10元,客单和净利润提不起来,实在难以生存下去。
看到这些,我们觉得是时候通过新技术、新产品、新解决方案,来帮助传统零售商降低压力了,甘来要成为一个 “新零售全过程的赋能服务商”。
新零售的价值?v=new(cost+efficiency+experience)
还记得2014年到2016年上半年,我们到处说甘来是做新零售的,还率先给出了一个“新零售”的定义,认为新零售的价值在于提供“新成本、新效率、新体验”,简单的说就是v=ncee。可那时候没多少人能理解我们在说什么。很开心在马云爸爸2016年10月,把“新零售”的概念推广到全行业,甘来再也不用为解释自己是谁而烦恼。
当然,烦恼会解决烦恼,也会带来新的挑战。甘来在坐了三年冷板凳之后,突然发现在新零售这条热火朝天的赛道上,涌入了几乎所有的互联网巨头,以及难以计数的创业同行,作为一个资源、流量、渠道并不占绝对优势的先发者,甘来接下来该做什么?
在我看来,从技术-产品-商业-人的角度去看,一个“无限货找人”的时代已经来了,而且会比我们之前设想的还要迅猛——所有的零售商品,将以更及时、更精准、更贴心的方式浮现在消费者面前,成为现代生活的最基本需要——就像四五年前,同样没有人能预料得到今日头条讲的让“资讯找到你”的故事,会如此大受欢迎一样。
要做到“无限货找人”,就需要“最后一公里”网格内的全量消费数据。从零售店铺的角度看,其实就是及时、精准、海量地获客,并用数字化手段实时匹配库存、销售和管理。甘来通过帮助商家建立“活的资产银行”,通过甘来的各种终端机器抓取线下数据,用结构化数据,记录商品在什么时间、什么场合卖给了什么样的人。当“人、货、场”的数据量足够庞大时,结合云端算法,甚至能够帮助商家预测未来24小时内,指定区域、指定产品的销售状态,再加上交通、气象、热点事件等混合数据维度,从而提前实现预补货和预调度,整个店面、产业链条的效率就会大幅提升。
从窄一点的自动售货机场景来看,甘来智能售货机能极大提升效率。在传统运营模式下,即使是在日本,一组工作人员平均每天只能为密集分布的7-8个售货点补货,通常的流程是:根据有经验的调度从仓储中心配货、抵达售货点、盘点售货机、取货、补货,最后录入数据,反馈给调度,制定后续计划,单点流程接近1小时。很显然,传统流程有两种数据缺失:一是实时车载数据,二是售货机实时的缺货情况。而有了甘来,工作人员在出发前就能知道全部数据,砍掉调度、盘点、回取,录入四个环节,这就是我们的补货车能横跨无锡、苏州两个城市,每辆车每天平均覆盖60-70个售货点,并将平时单点补货时间缩短到18分钟的原因。
从宽一点的夫妻店和社区店场景来看,甘来还提供了传统货架售卖之外的新选择。甘来的智能售货机能容纳的远不只是常见的罐装饮料、零副食等标准品,还可以售卖鲜花、生鲜、热饮等非标品,顾客可以一次点单,一次取货。相当于把传统货架装入售货机,并用人工智能、物联网、云计算等技术武装成人性化体验的机器人。在这一场景下,甘来的交易测试数据已达2000家店面以上,领先于业界。
从消费者体验角度看,90后已是消费主流,他们需要更加个性有趣、富含品牌ip色彩的新体验。过去的线下零售店很难满足他们的需求,而一旦有人能提供新玩法,收到的欢迎会超乎预期。举个例子,我们四年前开始打造“ai+新零售”的消费新体验,在参加2016年深圳双创周时,在无人售货机上整合了一个微软认知服务的小游戏,玩家做表情,机器现场回答“我认得你哭”、“我认得你笑”、“你颜值真高”等趣味回应。当时,我们的人脸识别功能还没有正式产品化发布,主要是为了测试产品体验,以及消费者反馈。结果,几天展览期间,一直到整个场馆熄灯,仍有几十个消费者等着排队体验。
“技术生态森林”的挖宝攻略
要做到ncee,甘来就需要具备技术研发、生产制造、供应链管理、运营为一体的综合能力。不管是无人店、无人柜还是智能售货机,都需要搭载复杂传感器的智能硬件,云端saas服务和增值服务。智能硬件是获得客户、服务客户的智能服务终端,其抓取到的数据有70%都将储存在云端,增值服务则包含流量运营、数据综合管理等。
最初,我们曾尝试在公有云iaas层上自行搭建中台和前端,研发人员要自己设计架构,维护与更新虚拟机,还要测试平台之间的消息传输与兼容性等,工作内容较为繁琐,研发周期较长,成本也较为高昂。最关键的问题是,构建在iaas层的解决方案不足以打造高性能、可靠而持续的“全过程服务”,实时管理庞大的智能售货机资产。
随后,我们在选择云平台和技术合作伙伴时,“货比三家“之后最终选择了azure,以丰富的paas层服务替代了传统的iaas部署方式,实现了快速研发、快速部署、敏捷运维。我认为,微软的优势不仅是云平台,更是一个积累深厚、保障充分、对企业级需求理解深厚的“技术生态森林”。例如,微软在人工智能领域深耕二十六年,很早就看到了数字化转型,尤其是云计算、物联网、大数据和人工智能对零售行业的价值,我们总能在这个森林里找到适合自己的工具和武器。
举个有趣的例子,在无人店场景下,共性的刚需是实现消费者基本行为控制——进店,消费,结算,离店。一些同行的做法是通过探头做实时视频流抓取和传输,但对带宽资源消耗大,而我们的做法是在视频流中,实时抓取一些关键帧进行判断,比如辨别取货、结账等行为。即使通过压缩,甘来智能售货机对云计算带宽和存储的消耗也是较大的,之前内部测试过,业务繁忙时,一台机器一年可能要消耗5万元的azure资源。
通过azure iot 中心,甘来可轻松安全地连接到货柜,使用设备到云的遥测数据,了解设备和货品的状态,在设备需要关注时立即采取措施。在云到设备消息中,可靠地向连接的设备发送命令和通知,并通过确认回执跟踪消息传递。通过持久的方法发送设备消息,以适应间歇性连接的设备。通过该服务,甘来可以使用业界标准协议(如 amqp、mqtt、http)或自定义的tcp协议,与智能售货机建立连接,并为每个设备设置标识和凭据,确保智能设备与后端云服务之间的消息传输安全保密,实现对庞大智能售货机资产的全面管理,并减轻资源消耗。对于我们这样云使用量较大的企业来说,azure iot能够大大减少azure的用量,好比 “从20公斤负重的登山装,变成一个电脑双肩包的感觉”。
利用 azure 提供的认知服务和流分析事件处理引擎,甘来能够快速将采集自智能售货机的各种数据包,解析为结构化数据,以并行的方式写入不同数据库,为数据的利用打下了基础。比如,通过设备内置的摄像头采集周边人流信息,借助智能云实时分析消费者属性(如性别、年龄、情绪等),智能化推荐商品,提供精准定制、沉浸式的全新购物体验。甘来智能售货机的复购率超过60%,当顾客第二次在售货机验证个人信息、验证人脸数据后,再次消费直接“刷脸”就可以了。
利用powerbi,甘来做了一个牛掰的“数据分析智囊团“,哪怕是夫妻店和社区店,也不用为运营数据分析发愁了。店家可以通过 web访问 powerbi 所生成的图形化业务监测仪表盘,将数据直接转变为业务洞察力,比如设备网络信号强度、自动售货机温度控制状况、硬币槽状态、商品销售与存量、实时财务情况、财务报表,预测未来的财务状况等,并根据警报和预警及时做出响应。
作为微软加速器·北京的校友,我真心感受到,微软加速器是国内最懂创业者和大企业的加速器,通过微软加速器我们结识了可口可乐,万达集团等大型客户,他们对创业者无私、细致的关怀,是我们前进的道路上的陪伴者和指导者。通过加速器,我们还与微软研发、销售、市场、业务等部门紧密联动,从技术生态森林中抓取最好的部分,通过甘来的产品和服务给零售商和消费者以最好的体验,会发现他们远比想象中更爱我们。
冷热自知,重要的是初心不改
回顾这几年,我们经历了新零售赛道从冰川到火炉的全过程,有过困惑,有过彷徨,有过兴奋,有过沮丧。当我们反思究竟为什么要把新零售当成事业去做的时候,或许还是要回到开头所说的初心上,我们不是迎钱而上,不是创造需求,而是真正解决客户痛点。尤其是2015年下半年两场红包大战之后,线上流量的红利枯竭已成定局,零售业线上与线下融合升级也成了共识。
零售的本质是一个由无数个细节组成的长链条,无论是零售霸主、互联网巨头还是甘来这样的创业公司,挑战商用物联网、无人店都需要勇气、想象力和耐心,这是一场新零售赛道上的创新马拉松。成立不过1200多天的甘来,目标就是向大规模商业化前进,成为新零售服务赛道里的头牌。
或许有人会问,你说了半天效率和体验,似乎没有回答零售商怎么降低成本的问题,毕竟甘来智能售货机、货柜、运营服务和解决方案都是需要花钱的,而夫妻店和社区店怎么可能买?
请允许我卖个关子,等到今年6月的发布会上,再来详细回答怎么破。最后再做个广告,在这次发布会上,甘来还会发布智能衣橱,它的图像识别能够把人体和衣裳“剥离”,消费者不用脱衣试穿就可以测出准确的体型数据,这至少意味着,接下来甘来智能售货机还能卖内衣和运动装了,是不是很有趣?
上一篇: 笔记本电脑死机大全 看完你就变高手
下一篇: io流操作文件--读取,遍历,规整