至顶网CIO与CTO频道 08月30日 编译:笔者每年都会写一写影响到每个行业的主要数字化转型趋势。下面我们来看看2020年零售业的重大数字化转型趋势。
我们先来了解一下去年的情况。我们虽然确实看到了全方位渠道零售和人工智能/认知计算方面的重大和必要的改进,但笔者认为在无卡结账和智能信标方面我们仍然需要做一些工作。是的,这些科技仍处于摸索阶段,但却可能在未来一年继续成熟。而就2020年而言,笔者看到了一些推动行业发展的更重要的趋势。
增强现实
由于增强现实(英文缩写为AR)的出现,在2020年里用户几乎无需亲眼看到或亲自感受或测试产品就可以有足够的信心购买产品。我们最近看到丰田推出了一个新的AR计划,用户可以在没有拿起车钥匙的情况下试开10种不同的丰田车。笔者还认为,同样重要的是,消费者不必下载应用程序就可以尝试应用程序体验,我们中的有些人常常忙于下载试用各种程序,对于这些人来说,类似的AR计划无疑是一大福音。丰田并不是唯一使用此功能的公司,远非如此。其他像Target、Lowe和亚马逊这样的公司也发现了增强现实的好处,增强现实有可能对减少在线购物者退货数目特别有帮助。事实上,虽然电子购物将在2021年达到50亿美元,但据估计购买的货品中25%的货品会被退货。增强现实可能意味着零售商可以增加销售额,原因是消费者可以在购买时更充分地了解需要购买的商品。在诸如微软一类的公司推出第二代增强现实头戴式耳机后,这一领域的技术也在迅速发展,第二代增强现实头戴式耳机只是众多不同的、更轻的耳机和可穿戴设备中的一种,可穿戴设备可以让零售客户和员工获取更加身临其境的体验。
既时出货
从亚马逊的Prime我们可以看到,购物者不愿意买需要等待两天以上才能收货的产品。而亚马逊最近更转向免费一日发货,这表明购物者的耐心其实更小一些。研究表明,88%的消费者愿意支付当天(或更快)发货的费用。从Instacart和Shipt一类应用程序的兴起我们可以看到,不但食品杂货送货的方便对大众有吸引力,能在两小时或更短的时间内拿到我们买的货品也有很大的吸引力。时下GrubHub和UberEats的送餐上门和外出就餐由于快捷及接地气而大受欢迎,而亚马逊Prime Air甚至保证在30分钟或更短的时间内将货送到购物者手里!
显然,消费者的购物速度正在数字化转型,他们期望购买的产品能够快速交付。笔者曾试过在购物时因为没有加急送货选项而弃掉了购物车。现在的问题是,小型零售商在费用上是否能够跟得上。大妈大叔也在购物:我们要注意到这一点。笔者可以看到小型和大型的亚马逊竞争对手后面的驱动力,这将导致一批第三方物流公司扩大旗下的即时交付服务,这可以帮助这些小公司参与竞争。
轻松自如,个性化
今天的消费者不仅希望货品可以快速发货,他们也希望能够快速获得有关的信息。他们想访问商家的网站并能够比较价格、款式、交货日期,可以查看商家能否就他们可能更喜欢的东西提出建议,所有的一切最好出现在同一个屏里。这就是人工智能在数字零售业中如此重要的原因。消费者不断地给出他们喜欢和想要的东西类型的信息,还有他们愿意花多少钱的信息。精明的零售商会从社交媒体和物联网传感器等各种来源收集信息,然后用上人工智能和深度学习,使得购物体验尽可能地简单和个性化。
这是一个重要趋势,而且至少在未来的几年里会居于各大趋势之首。对于CMO和业务领导者而言,在一些可以利用机器学习和人工智能的高级分析平台上进行投资对零售业的成功至关重要。我见过的一个例子是Chico利用SAS进行高级零售分析,最后的的结果是Chico可以在2小时内整合全渠道客户数据(在这之前需要17个小时),因此可以更快速地提供及时的报价,减少对基础设施的压力。这个例子不但很好地说明了将高级分析用于个性化零售体验的好处,另一方面也说明这是更大发展方向的一部分,这种发展可以鼓励零售公司在分析和人工智能工具上进行投资,使得他们能够在合适的时机在适当的渠道里更好地了解客户并提供更好的产品。顶级零售商未来肯定会进一步锁定这种趋势。
社交购物
在数字化转型过程里,消费者喜欢无缝体验。这就是为什么视觉搜索技术和社交购物将大行其道。 设想一下,在街上看到有人穿的一件衣服拍了个照片后,点击一下你最喜欢的社交媒体大咖发的自拍照里的手提包。2020年电子商家将会忙着整这一类的东西。同样,人工智能在这些技术领域里处于领先地位,视觉搜索因而成为可能。
诸如Instagram和Pinterest等平台已经在帮助开拓社交购物,笔者认为无论是实体还是虚拟零售平台都将会有越来越多的整合商机。例如,我可以想象Stitch Fix可以进一步扩展社交平台,利用机器学习更准确地发给客户的定制服装信息。也许Stitch Fix现有会员看了真实客户的服装后点击服装的全部或某部分,然后将其置入未来的交付里。我也可以想象像Nordstrom这样的公司可以开发出一个工具软件,客户可以利用该工具软件将某个服装照片与社交档案里相关联的其他物品进行配对及推荐,而在社交档案里可以看到在公共平台分享过的及得到正面的评论的服装和配件。笔者认为这一块将是下一波社交和零售的整合,利用360度数据提供更好的客户体验。
空间网络上现实与虚拟的混合
我们在未来的一年里还将跨越增强现实看到越来越纷乱的数字/虚拟和现实的混合,尤其是在空间网络零售方面。我所指的并不仅仅是虚拟更衣室。我所指的是用户可以将自己置于他们喜欢的品牌广告里、可以成为他们喜欢的品牌服装的虚拟模特以及可以在空间网络上更多的协调性交织虚拟体验。例如,一个刚刚订婚的女性可以以虚拟的方式试穿她的婚纱,还可以看到自己在许多可能的婚礼场合走过。另一个例子,一个最近购买了摩托车的男人可以试新的附加装备,可以看看附加装备和刚购买的摩托车放在一起的感觉如何。我们甚至可以设想用户付费购买这些虚拟体验,这样的话,“零售”和“现实”的概念本身就会更加令人困惑了。
是的,在2020年里,我们还将继续看到小型商店与亚马逊争蛋糕,对市场的冲击将继续。而这些新技术和策略的有效使用可能在争零售和电商蛋糕时能赢得更大的份额。
好文章,需要你的鼓励
这项研究由德累斯顿工业大学等机构的研究团队完成,旨在解决主动学习未被广泛应用的问题。研究者构建了包含460万种超参数组合的实验网格,系统分析了各参数对主动学习性能的影响。研究发现,不同策略实现间存在显著差异,基于边缘的不确定性策略整体表现最佳,随机选择约4000个超参数组合即可获得可靠结果。这些发现为设计可重现、可信赖的主动学习实验提供了明确指导,有助于降低入门门槛,促进技术在实际应用中的普及。
这项由英国爱丁堡大学和上海人工智能实验室研究者共同完成的工作提出了LongBioBench,一种用于评估长文本语言模型的新型基准测试框架。通过使用人工生成的虚构人物传记作为测试环境,该框架在保持可控性的同时,提供了更真实的评估场景。研究对18个长文本模型的测试表明,即使最先进的模型在检索、推理和可信任性方面仍存在显著挑战,特别是上下文长度增加时。研究还揭示了现有合成基准测试的设计缺陷和长上下文预训练的局限性,为未来模型开发提供了重要指导。
SuperWriter是一项来自新加坡科技设计大学和清华大学的突破性研究,通过模仿人类"先思考后写作"的过程,彻底改良了AI长文生成能力。该研究团队开发的框架包含三个关键阶段:规划、写作和修改,使AI能像专业作家一样进行结构化思考。实验结果表明,经过训练的SuperWriter-LM模型不仅超越同等规模的所有AI模型,甚至在某些领域表现优于规模更大的顶级模型,为AI辅助写作开创了新的可能性。
香港大学与阿里巴巴达摩院合作开发的LayerFlow是一种突破性的层级视频生成技术,能同时生成透明前景、完整背景和混合场景视频。该技术通过创新的框架设计将不同视频层级作为子片段连接,并引入层级嵌入使模型区分各层级。面对高质量训练数据稀缺的挑战,研究团队设计了三阶段训练策略,结合Motion LoRA和Content LoRA,实现了图像和视频数据的联合训练。LayerFlow不仅支持多层视频生成,还能实现视频分解和条件层生成,为视频创作领域带来革命性变革。