2020年中国AI+零售行业发展研究报告.pdf

iresearch中国 AI+零售行业发展研究报告2020年22020.6 iResearch Inc. iresearch序言来源：艾瑞咨询研究院自主研究绘制。受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、 AIoT、虚拟现实、 5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。其中，机器学习和计算机视觉成为支撑“ AI+零售”的两大技术，机器学习主要应用于数据分析与建模，以实现数据智能和产业链优化；计算机视觉技术则应用于对消费者及商品的识别与分析，目前相关应用已实现落地。中国零售业正处在互联网人口红利消失、传统线下零售渠道占比萎缩的发展疲软期，亟需一剂“助推剂”。 AI技术与零售产业的融合或是零售企业的发展良方之一。 AI技术对零售业的革新价值不仅体现在重构消费者关系、刺激消费需求；同时加速促进零售业“人 -货 -场”的环状结构优化；也改变了对零售商品及消费者数据的采集、分析和价值应用形式。目前，“ AI+零售”行业整体仍处于探索阶段，随着零售企业数字化基础设施水平的提高及典型用例的出现， AI技术将为零售企业的智能化改革带来更大的想象空间，助推行业整体价值 增长。艾瑞咨询研究院32020.6 iResearch Inc. iresearch开篇摘要来源：艾瑞咨询研究院自主研究绘制。 概念界定： 通过人工智能技术作为主要驱动力 ， 为零售行业各参与主体 、 各业务环节赋能 ， 突出 AI技术对零售业的整体升级改造 。 发展特点： AI+零售技术服务可帮助零售企业及品牌商促进降本增效 、 提升消费者购物体验 、 塑造新兴业态等 。 2019年 AI+零售市场规模达到 6.5亿元 。 未来有待需求方数字化基础设施水平的提升 、 算法准确度及稳定性提升 、 落地效果打磨 、 方案成本优化等 ， 预计 2022年市场规模将达到 26.7亿元 。 应用程度： 从各场景的发展程度来看， 精准营销 及 智能客服 的发展相对成熟，但长尾客户的市场仍待开发； 智能化运营 、 商品识别分析 的发展速度相对较快，其中供应链网络效率优化未来增益价值巨大； 无人零售 在经历风口后，逐渐摒弃追逐新技术的噱头，转而回归销售商品的本质，帮助零售门店降低人工成本、提升经营效率；而 消费者行为洞察 作为 CV技术的前沿应用，各类头部零售企业入局试水，意在积累数据资源、跑通业务落地逻辑，以在线下场景的流量争夺中抢占先机。 竞争格局 ： 玩家大致分为 云服务商 、 AI技术企业 、 软件开发商 /系统集成商 、 零售企业科技子公司 四大类，致力于融合数据、算法与业务经验，加强 AI技术赋能零售行业的深度及广度。云服务巨头保持相对领先地位； AI技术厂商则依靠算法优势寻求发展，例如推荐算法、商品识别分析、线下消费者行为洞察等垂直细分领域的破局者已初显锋芒。未来，异类玩家间的生态合作将持续增多，助推产业发展。 发展趋势： 总体处于 行业探索期 ， AI+零售行业的发展需要解决浅层次数字化“虚假繁荣”的问题。即弥补由数据采集到分析直至辅助决策应用之间的落地“鸿沟”。这需要服务提供方加深对零售业务的深刻理解、零售企业内部组织的协调配合、甚至是多方合作建立 AI化的业务发展战略视角。4AI+零售行业概述 1AI+零售应用场景与价值分析 2AI+零售供需逻辑与玩家类型 3AI+零售典型企业案例解析 4AI+零售趋势 展望 552020.6 iResearch Inc. iresearchAI+零售行业概念界定本报告聚焦于人工智能技术在零售场景中的实际应用情况来源：艾瑞咨询研究院自主研究绘制。近年来零售行业重塑行业结构及生态圈 ， 终端零售商 、 品牌商等多处于升级转型阶段 。 人工智能 （ AI） 作为新兴技术在零售业链条的多场景 、 多环节有所渗透 。 本报告希望全面地展现 AI技术在零售生态中的具体应用及各环节的核心价值；从 AI解决零售业各环节痛点的角度切入 ， 讨论技术方案需求方的真实诉求和应用场景的落地逻辑 ， 探讨不同类型技术提供企业的发展路径和市场机会 。 意在描绘人工智能 +零售行业的发展现状及未来前景 ， 为行业未来发展提供思考 。“ AI 相关技术（计算机视觉、智能语音、自然语言处理、机器学习、知识图谱等）应用于零售行业各环节，以行业降本增效、提升消费者体验为目的，助力精准营销、商品识别分析、消费者识别分析、智能化运营、无人零售、智能客服等应用场景。 ”精准营销 智能化运营 无人零售消费者识别分析 智能客服机器学习计算机视觉 自然语言处理 知识图谱智能语音商品识别分析人工智能 +零售概念界定62020.6 iResearch Inc. iresearch零售业技术应用驱动因素 (1)险中求变，零售企业寻求新科技手段助力业务转型注释：社会消费品零售总额是指企业（单位）通过交易售给个人、社会集团，非生产、非经营用的实物商品金额，以及提供餐饮服务所取得的收入金额。而网上零售额是指通过公共网络交易平台（包括自建网站和第三方平台）实现的商品和服务零售额之和。网上零售额与社会消费品零售总额两者不是完全的包含与被包含关系。来源：国家统计局；艾瑞咨询研究院根据公开资料自主研究绘制。从 2014-2019六年走势来看 ， 我国社会消费品零售总额增速逐年下滑 、 网上零售额以高于社零增速的速度增长 、 网上零售渗透率逐年走高 。 线下销售通路市场份额占比的萎缩及增速放缓 ， 意味着以实体零售业务为首的传统渠道商面临极大挑战 。虽然大型零售卖场 、 各类连锁超市等均已致力拥抱电子商务 ， 打造线上销售渠道 ， 但线下销售场景的消费者引流和企业降本增效需求也亟待解决；同时 ， 囿于互联网人口红利的逐渐消失 、 获客成本提高等因素影响 ， 网上零售额增速也进入缓行期 ， 互联网零售企业同样面临如何维持增长 、 保持市场份额的压力 。 险中求变 ， 零售企业积极寻求新科技手段助力业务转型 ， 谋求发展新动能以应对挑战 。27.2 30.133.2 36.638.1 41.22.8 3.9 5.27.2 9.0 10.612.0% 10.7% 10.4% 10.2% 9.0% 8.0%49.7%30.1% 26.2% 32.2% 23.9%16.5%10.3% 12.9% 15.5%19.6%23.6%25.8%2014 2015 2016 2017 2018 2019社零总额（万亿） 网上零售额（万亿） 社零增速（ %） 网上零售额增速（ %） 网上零售额占比（ %）2014-2019年中国社会商品零售总额及网上零售额72020.6 iResearch Inc. iresearch 2020.6 iResearch Inc. iresearch零售业技术应用驱动因素 (2)零售企业智能化转型以应对劳动效率降低及人才缺口从行业生产要素来看 ， 零售业是典型的劳动力密集型行业 ， 在销售 、 营销 、 客服 、 供应链 、 运营多环节需要大量的人力资源 。 近年来我国劳动力市场规模正在收缩 ， 零售业也面临用工短缺 。 据估算 ， 我国连锁零售行业目前面临人才缺口达 477万人以上；同时 ， 零售行业从业人员劳动效率 （ 商品零售额 /零售业从业人数 ） 从 2018年开始也出现下跌趋势 。 在零售市场竞争加剧的大背景下 ， 零售企业需要收银 、 营销 、 客服 、 门店管理等多领域的智能化手段 ， 辅助行业从业人员提高效率；推进智能化转型以应对人才缺口 、 节省人工成本支出 。 需求的产生为人工智能等新兴技术在零售领域的融合应用提供了增长空间 ， 同时技术创新也使零售行业的人才需求类型发生相应变革 。注释：根据商务部计算方法，零售行业从业人员劳动效率 =商品零售额 /零售业从业人数。其中商品零售额指商品的销售收入。来源：商务部 2017年中国零售行业发展报告 、 2018-2019中国零售行业发展报告 ；艾瑞咨询研究院根据公开资料自主研究绘制。来源：德勤 &中国连锁经营协会 2019中国连锁零售业人才供需及新职业新岗位发展研究报告 ；艾瑞咨询研究院绘制。2015-2018年中国零售行业从业人员劳动效率54675722 5862611449.251.955.8 55.34042444648505254565860500052005400560058006000620064006600680070002015 2016 2017 2018零售业从业人数（万人） 人员效率（万元 /人）中国连锁零售企业人才需求发生变革.大数据分析运营管理全渠道销售数字化营销客户关系管理数字 化 +智能化.仓库管理物流计划门店支持未来五大新增职能IT系统支持财务分析未来可能因技术发展而被替代的五大职能82020.6 iResearch Inc. iresearch零售业技术应用进入快速更迭时期IT电子化 数字化 智能化，技术渗透逐步深入来源：艾瑞咨询研究院自主研究绘制。现代零售业历经多次商业模式变革 ， 催生了百货商店 、 连锁模式 、 超级市场和网络购物等业态 。 进入网络互联时代 ， 技术的升级突破则更直接推动了零售业的发展 ， IT技术管理 、 移动支付方式普及 、 数字化零售 、 人工智能 +零售 ， 各阶段相互叠加影响 ， 形成融合上升的创新格局 。 AI技术的落地应用需要 IT设施及数字化系统的支撑 ， 目前零售领域线下场景的 IT数据打通仍处于发展初期；电商平台的数字化程度相对较高 ， 对 AI技术的应用程度相对超前 。 随着技术渗透的逐步深入 ， 传统零售企业也将进行更多的 AI技术建设 。 未来 ， 零售业在采购 、 生产 、 供应链 、 营销 、 销售 、 服务等多环节的运营模式和消费者体验将不断优化 、 智能化水平不断提高 。零售技术应用发展历程及阶段性特征通过 ERP、 OMS等信息系统记录 、 整合分析并展示企业运营数据 ， 提高业务效率 。IT基础设施的完善 ，是企业服务客户和经营管理在线化的基础 。信息系统 IT电子化数字化人工智能目前在部分环节实现 “ 有条件的自动化 ， 行业整体应用仍处在创新性试点阶段 。 未来随着 AI技术在零售领域应用渗透率的不断走高 ， 产业智能化水平也将提高 。大数据云计算移动支付技术的普及 ， 推动了消费者信息的数字化 ，为大数据 、 AI等技术应用提供了切入点 。 通过数字技术与业务运营的深度融合 ， 从数字化营销向数字化运营逐步深入 。IT基础设施和企业数字化水平是产业智能化发展的基础92020.6 iResearch Inc. iresearchAI技术在零售领域应用融合作用于各环节 助力零售场景智能化转型来源：艾瑞咨询研究院自主研究绘制。零售业转型升级受到移动网络 、 大数据 、 云计算 、 物联网 、 区块链 、 人工智能等新兴技术的融合驱动 。 AI技术近年来发展迅速 ， 在计算机视觉 、 机器学习 、 语音识别等技术研发及落地方面取得了明显突破 。 计算机视觉技术在数据采集方面具有重要价值 ， 通过对消费者行为及商品信息的识别 ， 可对门店经营情况 、 消费者游逛行为等进行数据量化 ， 是精准营销 、 智能化运营 、 门店管理等环节应用的必要基础；在此基础上机器学习技术则应用于数据建模及辅助决策 。 多种 AI技术融合作用于零售各环节 ， 共同提高零售各场景的智能化水平 。机器学习 技术是各类智能应用得以实现的关键性技术 ， 深度学习 则是解决特征提取问题的一个分支 。 可以自动学习特征和任务之间的关联 ， 还能从简单特征中提取复杂的特征 。多种 AI技术融合作用于零售各环节知识图谱 技术利用知识抽取 、 知识融合及知识推理技术构建智能应用的基础知识资源 。例如通过连接客户 、 产品的实体与属性 ， 得到零售关系网络 ， 提供深刻的数据洞察；链接多个数据源 ， 形成对用户群体的完整描述 ，辅助个性化推荐等 。图像搜索 、 人脸识别分析 、 视频数据结构化等 计算机视觉 技术 ， 可实现消费者行为捕捉 、 身份验证及图像识别检索 ，助力智慧门店管理 、 无人零售 、 刷脸支付等场景 。 例如通过前端设备捕捉人脸信息 ， 动态识别人流密度并绘制热图 ，赋能店铺人流管理 。在客服场景 、 营销环节中 ， 自然语言处理提供语义分析 、 语境分析 、 多轮深层对话 、情感计算等技术 ， 构建与消费者交互沟通界面 。 例如电商企业智能客服系统可提供电话咨询 、 智能导购等功能 ， 大幅降低人力成本投入 。智能语音 技术以语音识别 、 语音合成等能力助力消费者线上线下语音下单 、实体店铺语音导购 、 交互沟通等 。102020.6 iResearch Inc. iresearch零售业增长痛点促进 AI+零售发展AI技术辅助实体零售企业、电商及品牌商的业务拓展及优化来源：艾瑞咨询研究院根据公开资料自主研究绘制。零售行业转型阶段 ， 无论是终端销售企业或品牌商 ， 均存在成本管控需求 、 销售额增长瓶颈等发展痛点 。 具体来说 ， 实体零售商由于缺乏有效途径 ， 较难把握消费者日趋多元化的需求偏好 、 且对潜在消费流量的价值开发不足 ， 同时面临高用工成本压力；电商平台也需应对互联网流量红利消退 、 买家增速放缓 、 获客成本不断提升等问题；对于品牌商 ， 消费者线上流量和数据被电商平台垄断 ， 传统渠道体系也难以提供全链路的消费者洞察与触达 。 AI则为辅助零售行业参与者降低成本 、提升经营效率 、 解决发展瓶颈 ， 提供了新的技术手段 。 产业技术发展的核心动力依然是经济利益 ， 各类需求企业的核心增长痛点为 AI+零售行业提供了发育土壤 。AI技术应用实体零售商获客难电商企业买家增速放缓转化率低缺乏用户感知龙头电商垄断用工成本提高获客成本提升核心增长痛点需求计算机视觉智能语音识别自然语言处理机器学习知识图谱实现效果提升优化顾客体验降低成本提升利润空间多样化发展释放消费能力供应链升级数字化及智能化建设零售行业增长痛点及人工智能技术赋能效果品牌商流量及数据垄断无法全链路触达线上及线下融合趋势