自从新零售兴起以后，各式各样的AI尝试也正在发生。往早了说，有生鲜连锁“盒马鲜生”的支付宝体验店、品牌门店内的VR体验部分；近期则有京东智能冰箱、邦马特智能售货机、茵曼将米粒大的电子标签植入衣服等等……

那么，未来的“新零售”，还会有哪些表现形式？AI一直都是大量新产业的创新引擎，在“新零售”浪潮滚滚而来之际，它又将扮演什么样的角色？

AI 可以从大量数据集中提取价值

行业一直在努力建立数据驱动的战略。据麦肯锡去年的调查 结果显示，零售商排在第二位。零售商很幸运地收集和拥有 关于客户和买方行为的大量数据。但是，他们无法正确地记录这些数据。

根据研究，零售商仅从现有数据的30-40％提取价值。由于 缺乏流程，技术和分析人才，这会导致三分之二的数据浪费。此外，大部分数据仍然保留在公司内部。

机器学习的改进，重要的是数据可用性可以帮助零售商解开客户数据的潜力。一方面，回归模型允许零售商利用旧数据并有效地重用它们。另一方面，机器学习的预测能力使零售商不仅从经验中学习，还应用这些见解来建模和预测未来的买家行为。知道客户想要的东西是真正的美德。

今天我们对消费者画像开始进入到标签时代，我们可以对每一个顾客打出50个标签甚至是上百个标签，我们知道他们是 谁，不仅知道他们是谁，他们是不是有孩子，他的社交关系网，他的购买力，他的消费信用，他的品牌偏好，他的行为特征，他是喜欢周一买还是周三买。

客户需要了解

信使和语音助手的市场正在增长。2017年Prime Day销售的结果让亚马逊声称Echo Dot是其畅销产品。

人们通过chatbots获得与数字系统使用自然语言的权力 - 特别是谷歌，亚马逊，微软，IBM，Facebook以及即将推出的苹果NLP引擎增强的机器人。

反过来，NLP工程师终于可以从使用者，网络和语音助手抽 取自然语言的实时数据。这个数据是成熟AI的关键，因此是真正智能和有用的系统。

同时，零售商，特别是大型零售商，仍然是NLP发展的动力已经利用机会了解客户。他们通过AI驱动的chatbots和Alexa技能销售和加售。

日益增长的关注和使用情况按比例供应商业和技术。更多的 客户查询被解析，更好的NLP系统了解自然语言。更好的NLP 发动机工作，满足客户需求，产品销售。

如果语音助手没有直接销售，他们至少让他们顺利。基于 IBM沃森引擎的梅西电话提升了客户体验，并帮助消费者在没有人参与的零售商店中找到商品。

NLP 和机器学习提供真正的价值

我们已经学会了如何通过NLP了解实时客户查询，并使用机器学习方法从遗留数据中提取价值。利用持续的客户反馈的挑战更大，但它的好处也是如此。

这个挑战需要联合部队。首先，NLP引擎需要从自然语言的查询中提取意义。之后，机器学习步骤从这个意义上提取价值。

使用分类，智能机器依赖于他们的背景和现有的知识，为数据分配意义。

在实践中，系统对某些产品进行分类，按类别说“书籍 ”，“65岁以上的女性受欢迎”。对于零售，这意味着更有针对性的推荐和上推。

使用聚类来获取新信息，反过来又开辟了新的视野。该方法允许系统在没有设定标准的情况下找到模式并建立信息位之间的连接，从而不造成偏见。

实际上，这意味着机器可以在客户购买习惯之间找到未标记的非标准连接。它可以理解为什么读者X阅读X书籍的人有可能去作者B的书籍，尽管他们的类别中的其他一些作者。对零售而言，不仅仅是一个重点突出的建议。从长远来看， 这意味着更直观的推荐，更好的服务和更高的客户满意度。

在这种情况下，零售业没有太多的选择，只能拥抱AI。直接连接和依赖于客户和数据，零售商开始使用AI作为实验。但是很快，智能机的应用将成为竞争优势。那么，它将成为每一个零售商商业战略的必需品和一部分。