旧电商死因：佛系购物 V.S. 世俗营销(4)

根据Gartner的预测，到 2020 年85%的零售业消费者互动都将由AI来管理。

京东自 2012 年下半年起上线的智能机器人JIMI。其累计服务用户已经破亿，并于 2016 年 9 月 7 日正式发布开放平台，免费向第三方开放使用。

2016 年 3 月，阿里巴巴发布人工智能服务机器人“店小蜜”，这款面向淘系千万商家的智能客服，经过商家授权、调试，可以取代部分客服，从而降低人工客服的工作量。

佛系用户或许是最能忍受chatbot的人，及时响应，效率高。

情感AI或成新趋势，或许有助于ta们还俗吧。

目前的AI客服都没有解决“情感化”问题，而有预测称情感AI或是电商零售的下一次革命。

博柏利（Burberry）和耐克部署的人工智能客服，需要增加情感AI功能，来判断消费者对客户机器人的满意度。

在实体店中，情感AI甚至能够通过人脸识别和GSR传感器采集分析大量有价值信息：

• 店里哪些区域对顾客吸引力最大

• 顾客何时何地感到不安或迷失

• 哪些产品或者促销手段最受顾客青睐

• 顾客对店面和货架以及客服的满意度

例如在可口可乐的人工智能实践中，不仅能够通过分析附近用户手机的doubleclick和浏览历史数据来判断消费者的性别、年龄段和收入，给出针对性的广告展示和路径指引，而且仅仅根据消费者在实体店的移动速率变化就可判断其情绪变化和购买意愿。

这对佛系用户来说恐怕会造成一定负担，如阿里推出的用微笑争取折扣的功能。

用AI降低电商成本：

• 内容管理方面：AI可以通过图片为商品打标签、制作海报、写简单的宣传文案。

• 无人仓库：通过人工智能实现系统自动预测、补货、下单、入仓和上架。

• 营销效果预测：通过对往期活动数据的学习，得出公式，避免低效营销。

理解趋势和读懂消费者：

其实有大量的用户信息是隐藏在图片中的，根据用户浏览的图片，可以让机器从中学习到最近某品类的流行趋势（如规格、风格、颜色材质等），这是商品生产者的最爱，也是平台和供货商谈判的重要依据。

使用人工智能技术总结的时装流行趋势：

如果电商都这么做了……

十年后，佛系用户的极乐世界来了为大家服务的，不会再是真的人类了。

电商人要失业了吗？

据说亚马逊有 54 万员工，京东、阿里也有 20 万呢，哎呀好心疼。

旧电商们再抢救一下吧！

营销什么的还请加油！

不要输给机器呀！

当然看到这里你还是想做AI，那我们就来讨论讨论：旧电商AI化的门槛究竟在哪呢？

1、如果需要AI预测营销效果，提升GMV，需要注意：

• 数据收集：和用户接触的每个点都要量化，包括营销，用户行为等等；

• 目标与达标：实现营销/促销活动目标的数据更有助于训练算法，能提供更好的预测和建议；

• 统一性：将营销、销售、用户行为等数据联系到一起，这样更有可能AI化；

2、重点说下数据，这关系到推荐算法，降低运营成本等等。

数据类型：

• 用户行为反馈：如浏览，点击，购买，评价，分享，收藏，咨询等，用户身份信息，如年龄，性别，职业，受教育程度， 收入等，以及地域相关信息，如城市，省份，邮编等；

• 商品数据：销量数据、供应商、物流仓储、产品属性、产品规格、产品图片等；

• 营销数据：活动收入、优惠力度、渠道与流量数据、核心页面数据、ARPU与忠诚度提升等；

• 日常运营数据：GMV、UV、下单率、付款率、客单价、ARPU、库存物流、供应商价格等；

图片来自知乎数据小人

• 用户数据来源：用户访问点击操作，服务器日志（Log）以及交易（Transaction）记录。

• 埋点式采集：传统的埋点式方法是在用户访问页面放置探针，在服务器的后端采集尽可能多的用户点击和访问操作。这种方法应用非常普遍。缺点是：第一迭代周期较长，第二随着Javascript前端技术的飞速发展大量的用户操作都是预加载或延迟加载，许多信息并未在后端纪录造成数据缺失。

• 非埋点式采集：非埋点式的方法则是在App或页面前端放置SDK将用户所有操作异步传回服务器后端。应用此方法获得的数据内容更全面。缺点是：数据量较大，后端需要进一步进行细分筛选。

作者： @七日辑（微信公众号：七日辑）

（编辑：ASP站长网）