埃森哲的調查報告顯示零售戰略的核心是對進行客戶進行720度全方位的觀察——通過迅速轉移關注焦點、達到高期待值和滿足對個性化服務不斷增長的需求，來贏得廣大數字用戶的青睞。亞馬遜，梅西百貨和沃爾瑪等成功案例證明，要通過實驗和創新來反思和解讀這個觀察結果。特別是AI及其相關的應用需包括數據挖掘、機器學習、自然語言處理（NLP）和機器人。但是，AI如何能夠輔助好零售業的呢？以下是它的三個優點。

1.AI能從海量的數據集中提取價值

許多行業最近一直在努力制定數據驅動戰略。據麥肯錫去年的調查結果顯示，零售商在這場競爭中名列第二。零售商很幸運地收集并擁有了關于客戶和買方行為的大量數據。但是，他們無法恰當地使用數據使其發揮出應有的價值。

根據研究，零售商僅發揮出了現有數據30-40％的價值。由于缺乏方法、技術和分析人才，三分之二的數據都被浪費了。此外，大部分數據仍然貯藏在公司內部。

機器學習的改進和數據可用性（最重要因素）幫助零售商解鎖了客戶數據的全部潛能。一方面，回歸模型讓零售商能利用舊數據并有效地再度使用它們。另一方面，機器學習的預測能力讓零售商不僅能從經驗中學習，還應用這些知識來為未來的買家行為建模和進行預測。能對客戶想要的東西未卜先知，是真真切切的一大優勢。

例如：沃爾瑪使用機器學習來預測網購者可能購買什么。因此，零售商也可以根據過去的客戶行為獲得有針對性的建議。這就是WalmartLabs客戶體驗工程副總裁稱之為“提升網購體驗的橋梁”。

2.有待深入分析的客戶

智能語音助手的市場正在擴大。2017年Prime Day（亞馬遜會員日）的銷售成果使得亞馬遜聲稱，Echo Dot是其最暢銷的產品。

終于，人們用自然語言就能夠與數字系統交談了，這都歸功于聊天機器人——特別是目前由谷歌、亞馬遜、微軟、IBM、Facebook以及不久后的蘋果推出的NLP引擎增強的機器人。人們很喜歡它。

反過來看，NLP工程師終于可以從通訊軟件、網絡和語音助手抽取自然語言的實時數據。這個數據是AI成熟的關鍵，因而，也是研發真正智能的輔助系統的關鍵。

同時，零售商，特別是一直作為NLP發展動力的大型零售商，已經在利用這個機會來了解客戶。他們通過AI驅動的聊天機器人和Alexa的技術來進行銷售和實現加售。

日益增長的關注度和使用案例也相應地滿足了商業和技術的發展。客戶的檢索信息分析地越多，NLP系統就能越好地理解自然語言。NLP引擎運轉地越好，就能越好地滿足客戶需求，銷售出越多的產品。

示例：亞馬遜Alexa技能的應用范圍已經給人們留下了相當深刻的印象，從推薦書（Pan Macmillan）、葡萄酒（MySomm）和音樂（Spotify）到完全自動化預定出租車（Uber），比薩餅送貨入戶（Domino's）和提供家庭服務（Laundrapp）。這些技巧銷售確實就是在用語音進行銷售。

如果語音助手沒有直接進行銷售，它們至少可以讓這些銷售進行地順利。基于IBM沃森引擎的梅西電話提升了客戶體驗，并幫助購物者在無人零售商店中找到了商品。

3.NLP和機器學習提供了真正的價值

我們已經學會了如何用NLP了解客戶的實時查詢需求，并使用機器學習方法從遺留數據中提取價值。但利用客戶持續變化的反饋，相比之下，挑戰更大，收益卻也更大。

這個挑戰需要聯合多股力量。首先，NLP引擎需要從自然語言的查詢中提取意義。之后，機器學習接替，從這個意義中再提取價值。

智能機器根據于它們的背景知識和現有知識，使用分類為數據賦予現實的意義。

在實踐中，系統對某些產品進行分類，按類別，比如“書籍”及“受65歲以上的女性歡迎”。對于零售，這意味著推薦和銷售更有針對性。

反過來看，使用聚類來獲取新信息又開辟了全新的視野。這個方法使得系統在沒有設定的標準和偏見的情況下找到樣板并建立零星信息之間的聯系。

實際上，這意味著機器可以在客戶購買習慣里面找到未標記的未知的聯系。它能理解為什么讀過作者A寫的X書的讀者，更有可能去閱讀作者B的書籍，盡管他們這一類別中還有各種各樣的其他作者。對零售而言，這不僅僅是一個針對性的建議。從長遠來看，這意味著更直觀的推薦、更好的服務和更高的客戶滿意度。

人工智能市值已經達到了一千多億美元，并不斷增長。它似乎也不會很快突然消失，因為所有弄潮兒都對它感興趣（谷歌，亞馬遜，蘋果等）。此外，AI巨頭正在努力讓人們買得起也用得了人工智能。

在這種情況下，零售業除了歡迎并接受AI，也沒有太多選擇。由于零售商與客戶和數據直接相關，并且依賴于他們，作為實驗，他們只好開始使用AI。但是很快，智能機器的應用將成為有競爭力的優勢。那么，它將成為每一個零售商商業戰略的必需品和一部分。

Katherine Lazarevich是數字技術機構Digiteum的聯合創始人和管理合伙人。