一個貨架的智慧可以多強大？

小編，你是逗我嗎？

對於一個準吃貨，

上面的問題是問題嗎？

╮(╯▽╰)╭Bingo!

以上，確實不是吃貨段位等級評測，

只是再次認證了零售商多年「處心積慮」

培養的消費習慣行之有效。(*?▽?*)

一個貨架的智慧，

夠強大，就夠富饒~

真滴嘛？

真滴！

最近最火的兩個詞莫過於人工智慧和新零售，當這兩個詞相遇，就是智能零售無限廣闊的應用場景。

一直以來零售行業都是走在技術變革的前列，會根據市場的變化做出快速反應。例如最先採用POS機，應用條形碼，到通過互聯網走到電商等等都是零售業善用技術，創造變革的典範。

其實，無論零售業如何改變，都離不開銷售的本質，商家需要更精確分析需求信息，更快反應需求信息，從而降低時間和成本，提高效率。在消費者層面，需求更精準地被滿足，買到性價比最高的東西。顯然，人工智慧能夠幫助商家和消費者雙方實現新的消費升級。

小小的貨架有大文章

很多人也許不清楚，品牌商在與大量的商場超市合作當中，對於貨架的管理其實本身就是一門大學問。

好的終端的陳列水平，是可以提升供應商的貨架管理競爭力，進而帶動銷量的增長。供應商如何調整對終端貨架管理的策略和方法，以持續改善終端的陳列水平，提升供應商的貨架管理競爭力，進而帶動銷量的增長？

通常來說，零售商貨架管理的兩個關鍵因素，一是容量，二是位置。

容量

貨架的空間容量決定了商品的周轉速度，直接影響銷量。所以，零售商會首先分析周轉速度來確認貨架空間容量。這樣安排貨架的空間容量是為了盡量減少缺貨，更為重要的是，更少的缺貨會贏得顧客的持續滿意，這將提升零售商的競爭能力。

位置

商品的陳列位安排，要更加複雜。零售商的考慮是，貨架上更好的位置必然會帶來更大的銷量，如何擺放更容易被消費者選取，都是值得研究的要點。

有了這兩個基本點，品牌商就可以對提升對零售商貨架的控制能力便有了明確的方向。如何運用營銷手段拉升產品銷量，通過合理的貨架管理持續提升消費者的信心。如果品牌商是一家全國性的品牌，與全國成千上萬家商超合作的大品牌，一點點細節的改進都會造成極大的影響。

其實，小小的貨架管理背後，是更為龐大的銷售終端管理。因為貨架的拜訪不僅涉及到庫存和物流，還涉及到不同的環境、人流和場景。這並不是一個小問題，改變貨架管理，就要從改變整個終端管理入手。

這家零售企業是如何利用AI武器的？

每一家中國根植多年的零售企業，都擁有龐大的銷售網路，比如這家公司已在全國設立了165個銷售服務處，擁有1300多家一級經銷夥伴，6000多家二級經銷夥伴，掌控了高達120萬個銷售終端。

對於這麼大的零售品牌，120萬個銷售終端的管理，一絲一毫的效率提升都會對整體銷量造成很大的影響。

過去，該企業為有效支持銷售組長、銷售人員對網點的精細化管理，現通過SFA（掌務通）系統，實現手機APP跟蹤業代拜訪線路、拜訪過程、拜訪後銷售下單、網點盤點等。在這個過程中，實地拍攝的產品陳列照片就是最終分析每個終端效率的重要指標。

但是，因為目前產品店面數量龐大，每天會增加數十萬張產品陳列圖片，人工檢查效率低、準確率不高。所以，該企業想到了利用人工智慧的武器，來幫助他們做好數據分析，找到了戴爾，通過人工智慧，挖掘數據價值，服務於終端銷售。

回到貨架管理這一具體的應用場景。可以利用圖形識別技術，通過深度學習演算法識別關鍵陳列信息。比如在檢查工作的質量自動評判環節，對照片是否模糊，照片拍攝角度是否過於傾向，照片是否是目標區域做出判斷；而對圖片信息的判斷中，對品牌/系列級別的信息自動獲取，可以產出display share/shelf share（品牌級別）和SKU級別的識別（特定的SKU是否在圖片中有，有多少個)。

這些數據的抓取將作為演算法建模的基本數據。而戴爾會使用CNN網路提取圖像底層特徵，在不同尺度的特徵圖上預測類別概率，並確定物體坐標，來進行建模。

有了演算法模型，自然也不能缺少高性能的人工智慧平台。這也是戴爾易安信的強項：

? 在計算上，採用超強的浮點計算性能，支持多GPU。

? 在網路上，高速低延遲的集群交換網路。

? 在存儲上，大容量的文件存儲系統，並行或分散式技術滿足存儲性能要求。

? 在資源管理上，集群硬體資源的統一調度與管理。

? 在演算法軟體上，多種機器學習工具集、函數庫支持。

應該說，人工智慧平台的構建，是這個項目最終落地的關鍵，零售企業可以導入更多的數據，建立更多的模型，對銷售終端管理做更多的決策支持。

終端銷售的AI化能做到多少事？

其實，人工智慧能做到的可不僅僅是這些。戴爾易安信就認為，通過演算法模型的建立和不斷優化，對數據進行分析，應用於終端管理的各個方面，以及對生產、配送、庫存進行預測。

? 在陳列管理上，可以實現陳列模式自動識別，陳列指標計算，競品陳列分析和陳列方式優化。

? 在銷售管理上，能夠做到銷售網點優化，銷售指標優化和銷售預測。

? 在營銷策略制定上，AI可以做到營銷策略優化，促銷策略優化，產品組合優化。

? 資產管理上，在資產識別，資產陳列檢查，資產使用檢查和資產產出價值分析上能夠提供幫助。

? 成本管理方面，可以實現銷售成本優化，租金成本優化和人員成本優化。

? 生產指導上，可提供生產優化，庫存優化和配送優化的幫助。

同時，這些AI輔助優化的策略之間，並不是無序的，而是有很多關係。例如，場地租金優化、促銷成本優化、人員成本優化和資產成本優化都可以做到成本優化；而陳列策略優化，促銷策略優化，銷售策略優化和品牌策略優化都可以提高銷售預測，最終實現生產優化，庫存優化和配送優化。

總體來看，戴爾與這家零售企業，基於零售終端的人工智慧實踐，會有很好的複製性，對於正處於變革期的眾多零售商家來說，都可以借鑒這個方案，來通過人工智慧提高效率，走進新零售。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！