实体商业“新零售”转型亟需数字化“底座”

文／本刊记者 陈 杰

近些年来，电子商务的蓬勃发展让“新零售”成为包括线上线下整个商业的“风向标”。对于线上商业而言，向“新零售”转型的目标明确且清晰，但对于传统线下商业而言，“人、货、场”等基础数据的缺失，使其在向“新零售”转型缺少必要的抓手。

数据在“新零售”场景中的地位不言而喻，而这也正是传统线下商业的短板，在“人、货、场”等基础数据中，“货、场”数据在资本的加持之下或能得到加强，最关键的“人”却不是简单地购买和导入“流量”就能解决的。基于此，同时在AI和大数据技术支持下，基于实体商业的消费者关系人群运营等业务需求量大增，而人脸识别以及人体认别等在关于“人”的数据掘取方面的AI技术更是倍受关注和推崇。

日前，依托第三届中国模式识别与计算机视觉大会举办的PRCV2020大规模行人检索竞赛收官，在这场模式识别和计算机视觉领域学术盛会上，一家小而美且专注于机器智能技术和商业场景的深度结合的AI公司赢识科技引人注目。

“成立才两年多的赢识科技，一直专注于利用机器智能技术为线下商业场景构建大脑，以提升线下店铺的运营效率和顾客体验为主要业务方向，为实体商业提供全链路数据智能服务和系统。”赢识科技CTO易东表示，人、货、场数字化是赢识科技自主设计研发的SenseOS的核心基础，其中人的身份、轨迹、行为在很大程度上依赖行人属性和行人再辨识模块的性能。在本次竞赛，赢识在属性方面获得两项第二，再辨识方面获得两项第一。这一结果表明，赢识科技在人体分析方面有着深厚的积累，在算法和系统层面均处于国内外领先状态。

行人再识别技术是继人脸识别后的一个重要研究方向，其研究对象以人体为主，主要用来进行行人识别与检索，跨摄像头的行人跟踪，行人动作分析等，在智能零售、智慧园区、智能安防等场景有很高的应用价值。

在实体商业场景中，无论人脸识别还是人体识别都为“人、货、场”中“人”的分析而服务，人脸或人体图像均可用于分析人的身份、年龄、性别、情绪、关注区域等。人脸是人体的一部分，但由于人脸具有区分度高、特征稳定等优点，因此人脸识别的研究和应用起步很早，应用范围很广，且公开数据集丰富。与人脸相比，人体识别的起步更晚，区分度和稳定性更低，但更易采集。

“在向‘新零售’转型的过程中，传统商业对‘人、货、场’数字化的渴求是迫切的。在电商场景里面，一个人从打开网页，点击并加购物车，浏览了哪些店铺、商品，这些信息都会作为一个人群运营分析的基础。依据这些信息、数据，可以分析出经营中存在的问题，从而及时做出调整。”易东表示，线上商业因为高速网络、智能终端、移动应用、数据系统以及数据运营构建了一套成熟的数据驱动的业务体系，能够在消费者使用服务、购买商品的过程中沉淀数据，基于这些数据为消费者提供个性化的体验，创造很大的价值。线下商业却因为缺失必要的数据基础设施、数据系统、数据应用、智能触点，以及适合线下场景的运营方法，使得线下在营销、销售、服务和管理等领域仍然在使用一些传统的手段，进而因为低效率、高成本的原因制约业务成长。

赢识科技在实体商业数智化产品中，运用操作系统设计思想和架构，通过其自有的海量异构设备抽象管理、“端-边-云”协同的线下高性能数据计算框架、以及ReID+行为语义化技术，将实体商业场景运营数据化、决策智能化，把实体商业改造成“线下的天猫”。

“通过大数据和AI技术，把关于‘人’的这些自然的流量沉淀下来，为实体商业构建数字化‘底座’，使之变成可以指导线下商业经营、运营，提升运营效率的手段。”易东表示，赢识科技将通过构建灵活可扩展的计算架构打造好用有效的业务系统和应用，同时通过咨询服务、运营服务在多层面，多样化的与客户共同推动传统商业向数智商业的转型升级。