第二章 技术：驱动无人零售商业变革

人工智能：给零售装上智慧的大脑

中华人民共和国第十二届全国人民代表大会第五次会议明确指出，要加快新材料、人工智能、第五代移动通信等技术的研发和转化。近年来，在国家政策支持和指引下，在科技人士辛勤努力下，在大众普遍关注和推动下，我国的科技水平接连攀高，社会发展突飞猛进，人们对美好生活的需求在更大程度上得到满足。当前社会正加速朝着大数据、智能化方向发展，在零售业发展革新中，零售智能化是未来零售业发展的大势所趋。新时代，将传统零售创新驱动升级为智能零售，能使消费者日常采购更为高效、便捷，有助于改善人们的生活水平。同时，新零售的萌芽，能在很大程度上促进降本增效。总体上看，新零售和智慧零售即将成为第四次零售革命的重要方向之一。

一、零售业发展现状

实体零售销售增幅逐年下降，但超市和卖场等仍为主流业态。图2-1显示，2012—2016年，我国快速消费品在城镇各零售渠道销售中，电子商务销售额每年稳居第一，销售额占比均在50%左右；便利店销售额每年稳居第二，销售额占比均在9%左右；便利店、超市/小超市、全渠道、大卖场、杂货店等实体零售渠道的销售额增速在逐年减小；电子商务销售额增速在逐年增长，并且增幅最大。综合判断，实体零售销售增幅逐年下降，但超市和卖场等仍为零售市场主流业态。

二、创新推动智能化新零售

（一）人工智能技术发展

人工智能在发展进程中经历了两起两落，如图2-2所示。1956年，达特茅斯学院夏季研讨会宣布了“人工智能”这一新兴学科诞生，人工智能概念被首次提出。2016年，图像领域在图像和语音技术上的突破，使得整个神经网络再次复苏，人工智能再次爆发。之所以会出现此突破，是因为计算力和数据的提升与爆炸性增长，以及传感器等综合赋能的联合推动，人工智能能够通过摄像头对人的身份和人的认知环境进行更深的理解。

2017年，AlphaGo在围棋大战中打败柯洁，它的超强能力给人们带来惊喜的同时，也使人们感到担忧：人工智能最后是否会取代人类，威胁到人类的安全呢?其实，目前人工智能技术还处于弱人工智能的阶段，AlphaGo在相对封闭的空间，计算量非常大。庞大的搜索量，对于机器来说，靠目前的GPU和算力极易解决；而对于人类来说，解决起来有一定的难度。但是人有自我意识，有自己的主观能动性，可灵活处理各项难题。人工智能分为三个阶段：弱人工智能阶段、强人工智能阶段和超人工智能阶段，如图2-3所示。现在的人工智能在对自然与情感的理解方面，距离人还有很大的差距。

当前，人工智能处于大数据时代。首先，无论是如今的零售数据、互联网数据还是用户的各种消费行为数据，都呈爆炸性的趋势增长，如图2-4所示。

其次，计算资源的极大丰富，如现在的云计算和GPU，为线下的数字化和现代的零售业赋能提供了基础。

人工神经网络的反向传播算法（也叫Back Propagation算法或者BP算法），是20世纪80年代末期的发明，给机器学习带来了希望，掀起了基于统计模型的机器学习热潮，如图2-5所示。这个热潮一直持续到今天。人们发现，利用BP算法可以让一个人工神经网络模型从大量训练样本中学习统计规律，从而对未知事件做出预测。这种基于统计学的机器学习方法比起过去基于人工规则的系统，在很多方面显示出优越性。20世纪90年代，各种各样的浅层机器学习模型相继被提出，如支撑向量机（Support Vector Machine，SVM）、Boosting算法、最大熵方法等，它们的结构基本上可以看成带有一层隐层节点（如SVM、Boosting算法）或没有隐层节点。这些模型无论是在理论分析还是应用中都获得了巨大的成功。相比之下，由于理论分析的难度大，训练方法又需要很多经验和技巧，这个时期的浅层人工神经网络反而相对沉寂。

2012年深度神经网络在ImageNet图像分类大赛（全球最为权威的计算机视觉大赛）中显示出算法的优越性，与传统的神经网络之间有相同的地方，也有很多不同。二者的相同之处在于深度神经网络采用了与神经网络相似的分层结构，系统由输入层、隐层（多层）、输出层组成的多层网络，只有相邻层节点之间有连接，同一层以及跨层节点之间相互无连接，每一层可以看作一个逻辑回归；这种分层结构，比较接近人类大脑的结构。

图2-6是深度神经网络对输入图像响应的可视化结果。其中，汽车在第一个卷积层，第一个神经网络的输出，是汽车非常边缘的特征，它跟人的理解完全不一致，随着层数的增加，它的一些特征逐渐清晰，基本上就是车灯、车轮子、车窗等肉眼能看到的特征，这是神经元自动学出来的，所以说它在某种程度上与人脑的认知具有一致性。

（二）人工智能技术在零售中的应用

1.智能零售核心技术

从零售技术角度来讲，目前大部分厂家的技术应用主要表现在两个方面。一是消费数字化和信息关联，如图2-7所示。例如，建立用户、商品、行为之间的信息关联，供应商之间的数据关联，多维信息和多维数据的用户热度、用户画像的有效关联。目前主流的算法是用深度神经网络来完成。二是大数据分析和推荐，如图2-8所示。当拥有海量的用户、商品和行为数据之后，将所有的信息通过神经网络或者矩阵运算，运用人工智能算法做预测和推荐，从而为用户提供更精准的人性化服务，同时也可以改善供应链的效率。

在大数据时代，掌握历史数据、商品数据及用户数据，对购买、营销、每个商店的摆放商品、目标人群以及消费时间产生有效的关联，是新零售企业打通线上、线下渠道和实现数字化的核心因素。

2.无人零售的重要实践

近两年零售发展中的一个重要实践就是“无人零售”，如无人便利店、无人超市。在这些商店中，几乎没有服务员，商品由机器提供，顾客自助结算，“拿来即走”。“拿来即走”和“无人零售”的区别在于前者是消费体验，而后者指零售方式。“拿来即走”不是要把人工全部取代，最终目的在于提升消费体验^［2］。“无人零售”其实是在化繁为简，只留下两个对象——商品和用户。

在无人零售中，商品识别是被大家所关注的。商品识别的应用，一是阿拉快递，无人店使用最多的快递是阿拉快递，阿拉快递的缺点是成本高，但是在传感器的技术上一直在突破，所以阿拉快递依然呈现出较好的发展趋势。二是视觉，视觉也有它的缺点，它的缺点主要在于“遮挡”方面，视觉并不存在穿透力，所以当商品被遮挡后，用户便看不到且无法购买。同时，商品之间的差异较小，有时只有一两个字的差别，所以在视觉方面也是很大的难题。三是二维码，用它识别商品需要用户群支持，因此把它放在商场比较合适，它相当于一个身份，用户可自行扫描。

现阶段，在商品识别的应用上，使用最多的是视觉。视觉有它的优点——非接触式，目前在封闭的场景中，在不遮挡的情况下，它的识别准确率基本可以达到97%，效果如图2-9所示。无人零售商品识别应用的主流是采用多传感器融合的方式，通过结合视觉识别和重力感应来进行人和商品的绑定。其中，视觉识别主要用来确定用户身份和商品类别，并判断人与商品的动作和行为是否交互。另外，重力传感器可以根据重量的变化来判断货架上的商品数目的变化，通过二者的结合来实现商品和人精确绑定的目标。目前的技术基本能做到在3~5人的简单交互情况下准确识别商品，超过5个人，遮挡情况就会变得特别复杂，对抓取行为的判断也会有很大的影响。

身份认证主要通过高精度人脸识别技术来实现。目前，人脸识别主要依赖多模型融合+海量数据+计算资源，如图2-10所示。在网络人脸数据库测试中，人脸数据集（Labeled Face in Wild，LFW）上单网络人脸识别准确率达到99.7%。人脸识别还应用于第二代身份证和现场照片的对比认证，比如在高铁站、地铁站和机场，以当前的技术水平，在“1比1”对比的情况下，百万分之一误识率下能做到99%的通过率；而在动态识别的情况下（比如用户不配合身份认证的情况），在10米之外的十万分之一误识率下能做到75%的通过率。在零售场景下，可以通过人脸的有效跟踪和多摄像头的协同实现用户身份的实时定位和身份认证。

新零售除了减少人力成本外，还可以通过一个人的购买历史数据，建立“一人一档”的用户画像。用大数据对用户和商品进行有效关联，这样就可以进行个性化的更精准的推荐和营销，最终形成一个动态的“一人一档一商品”的大数据分析和精准营销系统，如图2-11所示。

在基于视觉的用户画像中，如何保护用户的隐私是一个很重要的问题。尤其是当商家把用户的隐私作为商业模式去运营的时候，就会涉及各种隐私保护的问题。其实，对于商家来说并不需要精确地知道消费者的姓名、外貌、年龄这些信息，可能只需要知道一个人的年龄范围和穿着风格，以便进行用户属性的归类。所以商家应该尝试把数据分析的重点放在商品上面，包括商品的购买热度，以及被用户关注的时间长度，这也是目前很多商家都在做的事，如图2-12~图2-14所示。

目前的无人零售技术主要有四种：射频识别（RFID）、自助机器人、机器视觉和多传感器。

“淘咖啡”集商品购物、餐饮于一身，采用人脸识别技术，用户通过手机淘宝扫码便可进入无人零售店，离店前通过“支付门”，便会被自动扣款。存在的问题是高度依赖网络，使用的RFID标签会限制商品的材质和数量，并增加成本^［3］。

“缤果盒子”和普通的便利店类似，采用人脸识别技术，用户在关注微信服务号后可进入，离店时扫描RFID标签自助收银。面临的问题主要是RFID的技术缺陷，并且自助收银台影响购物体验^［4］。

“F5未来商店”像一个升级版的自动售货机，能够提供便利商品和鲜食，用机械臂实现自助加工烹煮，最后用户在微信商城支付。不过熟食商品种类较少，还存在机械故障的风险^［5］。

“Amazon Go”需要下载APP，扫码进门，通过人脸识别和多传感器（RFID、压力感应、音频识别、视觉识别）计算有效购物行为并进行商品识别，识别精度高，但是系统人数过多会引发故障，并且由于RFID和感压层板的局限，商品的距离太远会影响追踪的准确性^［7］。

爱购、“怡食盒子”和小麦便利店等无人店的定位更趋向于大众化，主要开设在社区和商业区内。其商品种类包括盒饭、饮料、零食、生鲜蔬菜等食品和家庭日用品。小麦便利店还设置了便民急救箱、手机充电站、微波炉和灭火器等设施^［8］。消费者选购好商品后，需要将商品放置在自助收银机的扫描区域，对商品进行扫描、消磁，然后通过微信扫码进行支付。但如果消费者购买的东西较多，会很不方便。

综上所述，无人零售店各具特色，规模化复制后可应用于更多场景。在节省人力成本的同时，可以跟踪顾客购物行为，帮助经营者优化店面设计，调整商品摆放位置，定制更好的经营策略。无人零售店也面临着挑战，如商品类型多、类内差异小、样本不均衡，复杂的遮挡和光照环境也增加了商品识别的难度。此外，传感器识别能力和物品追踪算法水平欠佳，需要增加技术人员的投入和物流的工作强度。

三、探讨未来

（一）人工智能的技术成熟度

1.感知智能技术从发展到普及还需要5~10年

目前，无人零售和人工智能的普及处于一个过热的阶段。视觉、语音识别等感知层基础技术理论的成熟还需要一段时间，如图2-15所示。在语言理解应用方面，想要达到语言被真正地精确理解，需要整个算法有一个高速的爬坡阶段，以及高性能芯片计算的支持。

2.语音识别技术成熟，但应用场景有限

语音识别是目前发展最成熟的人工智能技术，Nuance、科大讯飞、Google、百度等主流厂商的近场语音识别率都达到99%或以上，但目前应用场景局限在电子病历、智能客服、在线教育、车载导航等少数几个领域。

3.图像识别落地机会最多

安防行业中的车辆数据提取、医疗行业中的影像诊断、电商行业中的精准营销，以及辅助驾驶都为图像识别技术提供了许多落地变现机会。

4.自然语言处理在互联网行业中应用最为成熟

基于人工智能的精准营销正在帮助互联网广告公司不断提升流量价值，而且一些智能的销售客服机器人正在逐步替代人工成为线上销售和售后维护的主力军。

（二）智能化的零售技术探讨

智能化零售技术尚处于初级阶段，所以它存在一定优势的同时，还有很多不足。优势主要体现在：可以节省人力成本，扩大应用场景，规模化复制顾客购物记录、购物行为等大数据，帮助经营者调整店面设计、商品摆放等经营策略，优化购物体验。不足主要体现在：传感器的识别能力较差、物品追踪能力不足，行为算法水平欠佳，同时技术人员的投入较多，用户隐私得不到保护。

智能化零售有望对运营效率、选址灵活性、后端供应链的数据支持等多个环节带来巨大影响，但尚不成熟，目前来看是对零售业自我补充和优化的一种形式。智能零售仍旧依赖于人工智能技术的发展和成熟。

（三）智能化零售技术趋势探讨

当前，智能化零售技术的趋势，第一个便是线上线下数据一体化。它是数据推动的，以数据和人自由组合、少人和无人相结合的方式，达到节省人力的同时，让用户消费更加自由的目的。第二个便是多传感器融合。未来各种传感器相互结合，可在一定程度上代替成本较高的阿拉快递，同时现在不断成熟的边缘计算能力和人工智能芯片，也可在一定程度上降低成本。第三个便是从选择到推荐。从数据驱动的角度来讲，从用户自我选择变成通过增强现实和人工智能相结合的用户自我推荐，使该用户对商品的理解更深刻。第四个便是多生物特征支付。从支付领域来说，由于远距离虹膜以及芯片技术的逐渐成熟，无感支付是未来多特征融合的趋势，这将给用户带来无感支付的最佳体验。

电子价签：打造全数字化线下场景

一、什么是电子价签

电子价签（Electronic Shelf Label，ESL），也被称为“电子货架标签”，是一种带有信息收发功能的电子显示装置，如图2-16所示，形式最简单的ESL由一个LCD（液晶显示器）或电子墨水显示屏、RF模块（一种无线传输设备，能传输数据信息）、配套处理器、纽扣电池和低引脚数存储器（易失性和非易失性存储器）构成，是一种放置在货架上，可替代传统纸质价格标签的全新一代多稳态电子显示装置，近年来成为零售业尤其是商超行业的新宠。ESL诞生于20世纪80年代，预计2017年到2020年间，全球ESL市场每年将以30%的速度增长，到2020年市场规模将达到100亿元，且亚太地区将成为快速发展的地区之一，市场潜力巨大。

二、为什么越来越多的商超选用ESL

（1）外形简洁好看，提升店面形象及客户满意度。

（2）至少可缩减19.4%的员工人数配置，降低人工成本，提高利润。

（3）节能环保，减少纸质垃圾。

（4）低功耗，省电。

（5）价格精准，与ERP系统同步，减少失误率，避免门店赔偿。

（6）灵活定价、实时促销。

（7）无人零售，远程操作和管理方便、快捷。

（8）支持“扫一扫”功能，用户可以快速了解商品详情。

（9）加强客户与门店间的互动，支持扫码购物以及领取优惠。

（10）满足线上线下的价格同步，如图2-17所示。

（一）ESL系统+网购平台

ESL系统+网购平台的新模式，将线上线下融合，“全渠道法则”成为企业在新零售背景下的革新共识。线上电商纷纷拥抱线下市场；线下传统企业也不断发力线上，抓住新零售契机，全面提升市场占比，呈现商超及消费者共赢的局面。

对消费者而言：

（1）满足了日常生活品和生鲜产品配送及时的刚性需求。

（2）大型商超的商品种类更加丰富且质量更有保障。

（3）实体店购物时，可以享受购物导航（ESL产品定位）以及便捷支付（网上支付）等服务。

对商超、便利店而言：

快消品网购的两大关键问题：一是价格信息实时更新并上网，二是具有一定的黏性，留存大规模的客户群体，前者可使用ESL系统解决，后者由ESL运营商解决，如图2-18所示。

（二）“无人零售”的特点

无人零售最大的特点是数字化，以“人货场”中所有商业元素的重构为核心，重筑“人——货——场”的格局。

ESL会赋予实体店与线上商城价格同步、促销同步的能力，有效简化以往复杂的工作流程，大幅提升门店运营效率，其功能包括快速同步变更商品价格及信息，实时显示库存信息，帮助分析店铺客流量，以实现货架位置优化管理等目标，如图2-19所示。

三、ESL为无人零售领域赋能

任何一种零售业态，都必须保证价格信息的准确性，这是零售服务的基本要素之一。在无人零售业态中，除封闭式自动售货机外，在开架销售且无人值守的环境下，传统的纸质价签或因掉落、消费者不经意间进行调换以及管理人员更换失误等，导致价格信息有误，给消费者的购物体验带来不良的影响。使用ESL，可以避免此类问题的发生，保证价格的准确性。

（一）电子台账，提高补货效率

在无人零售的竞争中，及时补货是非常重要的一环。使用ESL，可以做到货架排面的可视化，清楚了解每一个货架的商品销售情况以及库存情况，从而得知货架补货的具体需求数据并及时补货，这些数据可以帮助运营商大大提高补货效率，使其在零售竞争大潮中站稳脚跟。

（二）保证无人零售的执行标准化

在无人零售业，任何运营商都本着大规模复制的态度来投身于这个蓝海市场，如此，标准化的执行便是非常重要的一个环节。ESL作为很重要的信息传输媒介，价格信息、二维码、促销信息等均受总部统一传达，通过后台统一进行信息的管理，保证了无人零售的执行标准化和运营商对各网点的掌控。

（三）人、货、场交易闭环

基于解决扫码购、碰码购、送货到家等一系列功能，ESL解决市场痛点的关键词在于“快”“低成本”，即最低成本让用户以最快速度结账。

“人”，打通用户授权，获得访问用户的详细信息，迅速了解用户的购物喜好和习惯。

“货”，“扫码购”让所有用户手中都拥有了一把“扫码枪”，扫一扫直接显示出商品的信息，用户选定商品后直接支付，实现完整的“人——货——场”交易闭环。

“场”，通过定位系统，时刻掌握用户购物动向，“优惠券”发放引导用户使用并实现购买，附近门店还可提供就近送货上门服务。

（四）提升场景美观度

无人零售是对零售场景的补充，其目标群体也主要集中于年轻时尚人群。这一目标群体对新鲜事物接受程度强，对零售场景的氛围要求较高，而使用ESL后，可使商品排布整齐，风格设计简约，提升门店颜值，如图2-20所示。

四、总结

ESL已然成了无人零售的标配之一，其价值被不断挖掘，同时，无人零售的实现，见证了零售数字化的进程。在数字化门店中，使用技术手段代替传统人工进行数据处理涉及门店运营的方方面面，ESL是其中非常重要的一个环节，它不仅仅是一个价格信息的显示工具，也是一个在数字化门店中和消费者进行数据互动的重要技术手段。

ESL是新零售发展的趋势，是零售数字化进程中不可缺少的技术手段，随着新零售物种、无人零售地不断兴起，ESL将被更多的零售商认识和开发。未来，ESL将不断发展，推动数字零售的进程。

随着市场竞争的加剧，同时面对电商的冲击、人工成本的逐年增加，零售商需要不断改进卖场软硬件设备，进行大数据分析，实现线上、线下多渠道运营，提升竞争力。国外的门店早已实现了ESL的应用普及，而国内的这一市场随着新零售的提出呈爆发式增长，从需求上分析，在国外，应用ESL主要解决频繁变价难题，节约高额人工费用；在国内，大家关注更多的是ESL在商家实现全渠道过程中的重要价值。未来，更有可能将ESL系统连接库存管理和物流业务，甚至针对线上、线下的不同场景，结合大数据采集商品客户信息，为以后的会员精准营销提供数据基础。

无线射频：打通新零售的新链条

无人零售的本质还是零售，但是与零售有所区别。无人零售的优点，第一是省人工；第二是极致的体验；第三是全数字化，这其中不只是门店的数字化，还有供应链的数字化，这对未来零售的升级和可持续运营起着十分重要的作用。

无人店和有人店不是相互替代的，而是相互补充的。无人店在某些场景可能会替代有人店，以便顾客得到更好的体验，比如收银，无人店的收银过程非常便捷，这给顾客带来了很好的体验。所以，在未来，无人店和有人店很有可能是替代、补充、共同发展的模式。而现在这个时间点，正是无人零售发展的高速期，其市场非常大，年复合增长率基本上是50%，或更高。

无人零售本质上是一个新物种，而且会是被大部分消费者所接受的物种。同时，2018年已经过了炫技阶段，技术不是本质，技术解决的是消费者体验和运营效率的问题。进入大规模运营后，改善一个简单的技术问题需要考虑更多的因素，比如商品的配送、客户的体验、应急处理等。技术的发展、稳定是无人零售大规模商业化的重要支撑。运营的效率的高低和品类管理的好坏决定了无人零售能走多远。

其中，RFID（射频识别，Radio Frequency Identification）技术，是最常用的无人零售识别技术，它本质上是通过芯片来识别商品，它的优点是可以实现全供应链的数字化；缺点是每一个产品都要加标签，增加了运营成本。目前，RFID技术有几个发展方向，它未来会从源头添加标签；另外，RFID与区块链的结合，也会实现供应链全过程的透明化，实现供应链防伪溯源。

从目前的无人零售实施情况来看，RFID技术是落地比较迅速、稳定的一种技术形态。该技术形态的运用原理主要是在商品上添加RFID标签，该标签拥有唯一的、与商品一一对应的电子产品代码（Electronic Product Code,EPC），通过快速读取EPC，在短时间内识别大量商品，在无人零售支付环节中，实现消费者无感快速结算，从而提升消费者的购物体验感。

RFID技术将商品数字化的最直观的改变就是传递信息的速度快且信息量大。如今，零售数字化是零售业改革发展的重要方向之一，不仅包括门店的数字化，还包括供应链的数字化，在服装行业中，已经开始使用RFID技术进行供应链的数字化管理。目前来看，RFID是实现大规模的深度数字化的比较可靠的手段，也是目前比较适合的手段。因此，RFID技术不只对于无人零售，甚至对于整个零售业的数字化进程均有深远的影响。

同时，RFID技术还在不断完善，如添加石墨稀的天线，可以印刷在物体的表面，做成智能包装，每一个包装本身带芯片。还有，RFID芯片制造技术成本在持续下降，与几年前相比，RFID标签出口价格已经降低了一半。再经过几年，还有可能会再降低一半，这归功于芯片大规模的量产和质膜新技术的出现。目前，RFID需要解决的问题是如何跟包装结合，而不是小规模的贴标。

目前的RFID型门店大多有三种设计方案：

店中店方案。门店面积为500~1000平方米，主要设置在购物中心内，通过人脸识别技术进行用户识别，通过RFID技术进行商品识别，通过微信小程序扫码实现无感支付，刷脸扣款，无须自助结算。

“盒子”型方案。门店面积为15~18平方米，可容纳300个SKU（库存量单位），商品数量在1000~1500个，主要设置地点为以商务区、小区为主。作为实体店的线上入口，以顾客实名制的方式实现会员化，做到线上导流和转化。通过把门店玻璃转为显示屏、增加广告位，使运营者变成一个媒体，除商品运营、服务运营外，还可以管控运营，用远程监控的方式进行管理和控制。

智能货柜方案。目前多使用两种技术方案：一种是RFID技术方案，一种是图像识别方案。针对不同的商品，使用不同的方案。不规则的生鲜，比较合适用RFID技术方案，毛利较高，规则的商品，比较合适用图像识别方案，准确率较高。

移动支付：促推无人零售兴起

一、移动支付促推无人零售兴起

2017年下半年，无人零售以其独有的购物体验成为备受行业和消费者关注的零售形态之一。据相关数据显示：2017年，无人零售终端的场景不断涌现，从最初的地铁、机场、车站、校园、工厂、医院、酒店等传统场景，扩展到囊括办公室、社区、网吧、停车场，甚至出租车等更加丰富的场景。同时售货种类大幅增加，从最初的单一预包装食品到如今的橙汁、咖啡、泡面等12个大类55个小类。

所谓无人零售，通常的理解是基于智能技术实现的无导购员和收银员值守的新零售服务，主要包括无人便利店、无人便利货架/货柜、自动售货机三大行态。

其中，以自助售货机为代表的无人零售初级形态，在十几年前就已经出现。相较之下，目前市场上的无人零售流派主要表现为以机器视觉为代表的人工智能流派，顾客经身份识别后进店、自选商品、拿了即走，如2016年年末亚马逊推出的无人便利店——Amazon Go；以RFID为基础的物联网流派，顾客自选商品后到结算区自助支付，如缤果盒子、Easy Go等；以售卖机（二维码）形式为代表的互联网流派，顾客在线支付后到出货口取货，如F5未来商店。

可以说，正是不断迭代的物联网技术、人脸识别及移动支付技术，为无人零售提供了技术保障，推动无人零售行业进入了爆发期。随着移动支付的介入，消费者的年龄范围从“18~38岁”扩展到“12~72岁”，消费者满意度也从移动支付介入前的不足55%升至大于85%。

无人零售从萌芽到爆发，离不开近年来零售市场的诸多变化，包括消费、技术、市场结构的变化和新零售形式的创新。这些变化和创新不仅对零售市场产生了重大影响，也推动零售行业产生了重大变革。

一方面，消费升级热潮催生个性化、多样化消费需求不断增加，带动零售市场持续增长。随着国家经济总量的增长，人民生活水平不断提高，与之关联的是消费能力和消费意愿在不断增长，消费者信心指数连续4年超过了100%，2016年达到了112%，大众开始更加注重生活体验，消费水平提高，社会零售额达到36.6万亿元，增长近10.2%。

另一方面，年轻消费群体在崛起。过去，消费的主力是60后、70后，这两年新的消费群体——80后、90后，甚至是00后，在茁壮成长。据波士顿咨询公司的统计和预测，2016~2021年，年轻消费群体的消费增长速度平均为11%，到2021年，年轻群体的消费比例将占整个消费市场的69%。

零售市场呈现的这些新特点，促使零售行业在适应市场需求的同时，进一步转型升级。新业态井喷式发展，其背后的原因不仅在于RFID、ESL、人脸识别等技术趋于成熟，还在于互联网产品之间的深度融合，使零售行业的新鲜玩法层出不穷。

智能设备终端的逐步普及，4G、5G、WiFi等技术的不断突破，以及移动支付习惯的养成，正是未来无人零售可持续发展的驱动力。

移动支付的普及推动了线上、线下的一体化运营，让自动售货不再局限于一台机器，而是面积更大的便利店，所能够提供的商品和触达的用户场景也更多。进而，通过各种工具、大数据及各种智能识别用户的手段，对从最简单的客户到店，以及到店前和到店后的效率进行优化，进一步帮助零售商家提升效率，优化用户体验。

二、移动支付让无人零售成为唯一全数字化的线下场景

归根到底，无人零售的目的，不只是节省人工成本和租金成本，把商品售价降下去，更关键的是促使服务升级，通过“无人”提升用户体验和服务品质，改善包括供应链、运营在内的流程效率。

因为无人零售并没有改变零售业的商业本质，大的方向依然是大数据指导下的人、货、场重构，无人零售里最核心的竞争力仍是用户。虽然消费者的需求在不断变化，但是如何把品牌商的商品卖给消费者的诉求是不变的。年轻化的消费人群、个性化的消费需求、移动互联的消费场景，使行业中的品牌商和零售商对通过移动支付技术赋能的需求越来越大。

所以，应该运用互联网的思维运营整个无人零售行业，以零售的本质，卖货场景的基础来挖掘数据，进而了解用户，挖掘用户的需求，甚至为用户创造需求，通过卖货连接用户，通过广告、大数据、金融等其他链条把用户的价值最大化。

可以说，无人零售是线下场景当中唯一一个“人——货——场”全链条数字化的行业。整个购物流程，通过人、商品和整个交易数据的闭环，实现数据追踪。不仅可以知道用户是谁，还可以找到这个用户，并且跟这个用户直接建立连接。

一方面，通过分析移动支付的消费行为数据摘取行业用户画像。从用户的年龄阶段看，处于19~40岁的人群，是整个无人零售行业消费的主力。从消费水平的比例看，便利店大于无人货架大于自动售货机。从用户的性别看，男性相较于女性更爱在无人零售终端购物，其中男性倾向自动售货机的比例远远大于无人货架/货柜。因此，商家便可以通过男女比例去选择对应不同的场景，又或是鉴于不同点位的男女比例，匹配对应群体消费的喜好。

另一方面，移动支付以去中心化的方式，实现产品变现，提供产品购买的大数据，经营者可以借此实现用户运营、引流以及沉淀二次营销。同时，无人零售的用户购买信息是数字化的，经营者可以通过对用户数字化资产的管理，挖掘消费、促销、推广等潜在价值。在整个无人零售交易过程中，很多中间环节都有被砍掉的可能，但所有的体验最终都要落到支付页面，移动支付是完整链路实现闭环的关键。目前，微信支付成功页面已经实现与商家小程序、公众号的链接，消费者可以借此进行单向跳转。

在这背后，是云能力的释放和支撑。云可以做什么事情呢?首先，云可以用最快的速度进行身份识别。以前进行身份识别的方法是扫码，现在在人工智能技术的帮助下，用户可以通过人脸识别和验证，调动整个交易环节。

其次，云可以为无人场景，即场景的数字化、无人化提供强大的物联支持。无人化一定有对物的控制，以前是由人控制物，现在必须要有一个强大的物联平台对这些物进行管理，柜子也好，咖啡机也好，无人门店的门也好，所有信息的上传、指令的下达都需要这个物联平台。

再次，云可以对商品进行识别，这也是云的最重要的一个能力，云通过人工智能的图像识别技术，可以对商品进行识别，这是交易过程中最关键的闭环。比如拿到一组商品的图像或者商品的原材料后，云可以通过学习算法，让机器认识这个商品，判断用户在交易过程中是否拿走了这个商品。

三、无人零售想象空间巨大，但仍需技术和市场的双重检验

对于无人零售业态，2018 年将会是一个起点。据中国电子商务研究中心监测数据显示，未来5年，无人零售将迎来发展红利期，至2022年市场交易额将超2万亿元，用户规模可达2.45亿人次。整个行业无论是在业态还是在发展机会上都有很大的想象空间。

首先，人工智能技术将赋予无人零售更平滑的交易体验。如进一步与移动支付结合，加强信用体系，规范用户操作，让整个交易流程良性化发展；积累、打通线下数据和线上数据，做更加精细化的运营。

其次，无人零售将支持更多的商品品类。未来零售场景将有更多更复杂的SKU（商品库存量单位），包括衣服或者鲜花，甚至是非常规商品，人工智能需要进一步学习、识别这些商品。

另外还有一种可能，在客单价很高或者需要人文关怀的场景，“无人”的作用是对“有人”场景的补充，无人店将与传统有人便利店互补共存，与电商、线下零售商相互引流。在零售新业态下，前端是“人、货、场”，后端则是AI、大数据、云计算等技术。在未来很长一段时间内，无人零售模式都不会完全替代传统模式，而是与之长期共存，使之不断进化。

未来零售业将会朝着更加智能、科技、人性化的方向发展。