致力于实现一线工作流程的数字化和自动化,全球解决方案提供商斑马技术公司(纳斯达克股票代码:ZBRA)近日发布了《2025全球消费者调查报告》。报告显示,盗窃和犯罪对店内购物体验产生的不良影响不仅让消费者为之担忧,绝大多数零售店员(全球84%,亚太地区72%)也同样因缺乏发现并能对安全威胁或犯罪预警的技术而感到忧虑。
为了尽可能降低店内盗窃与损失的风险,大多数零售商(全球78%,亚太地区80%)都承受着巨大压力,它们如今都把目光转向技术工具投资,以便协助前台店员和后台监控人员。目前,人工智能(AI)技术被业内认作零售防损方面最有帮助的工具,摄像头、传感器和无线射频识别(RFID)技术则紧随其后。尽管当前只有三成零售商(全球和亚太地区分别占比38%)在防损方面使用基于人工智能的规范性分析,但超过半数的受访零售商(全球为50%,亚太地区为52%)计划在未来1-3年内将使用此类技术防损。超三成的零售商表示,他们还计划在未来三年内使用自助结账摄像头和传感器(全球45%,亚太地区52%)、计算机视觉(全球和亚太地区均为46%)以及RFID标签和读取器(全球42%,亚太地区38%),以专门用于防损。
这一消息对消费者利好。根据报告,78%的消费者认为商品被锁在展示柜内或固定在保护装置中是令人不悦的。此外,70%的消费者反映,在当前的店内购物过程中,难以找到店员提供帮助,这进一步加剧了他们的不满情绪,全球79%、亚太地区70%的消费者对此表示认同。
在过去两年中,全球范围内每五位消费者中就有一人(全球21%,亚太地区22%)在未能购得所需商品的情况下选择离店,这越来越多地是出于零售店员人手不足,不能提供必要的帮助。
导致店员挫败感和消费者满意度下降的其他因素
尽管消费者普遍对购物体验感到满意,且美国零售联合会的数据显示全球消费支出保持稳定,但相较于去年,今年对购物体验感到满意的消费者人数有所减少。2023年,有85%的消费者对店内和在线购物体验感到满意,亚太地区这一比例分别为81%和80%。而今年,对店内购物体验感到满意的人数比例降至81%,在线购物满意度降至79%。亚太地区消费者的满意度同样有所下降,店内体验满意度降至78%,在线购物满意度降至75%。
一般而言,大多数消费者期待零售商能够提供便捷的在线购物和退货选择,然而,全球79%的零售商和亚太地区85%的零售商以及全球和亚太地区85%的店员都承认在这两方面存在挑战。许多零售商也表示,确认当前库存和定价是个难题。此外,随着越来越多的消费者回归实体店购物,劳动力短缺和损耗事件的增加对服务水平产生了更大的影响,具体分析如下:
接近90%的零售店员相信,如果他们拥有移动技术工具来简化实时沟通、确定任务优先级以及检查价格和库存,就能够提供更优质的顾客体验。大多数零售商认同技术使店员的工作更加高效,全球75%的零售商(亚太地区为79%)也因此计划在2025年增加技术投资。
斑马技术大中华区副总裁兼总经理于放表示:“众多零售商正致力于构建现代化的店铺体验。他们通过投资移动和智能技术,实现更高的可见性,帮助制定运营决策,并为店员提供出色的移动办公能力,助力提升顾客体验,从而推动零售业的长期繁荣发展。”
研究表明,除了增强顾客体验外,零售商的首要任务还包括提高移动劳动力的效率、生产力以及库存管理。超过三分之一的零售商(全球39%,亚太地区41%)认为,生成式人工智能(GenAI)将对库存管理和需求预测产生极其重大的影响。他们还将推动产品定位和单品级RFID(全球和亚太地区均为46%)、视频监控(全球45%,亚太地区36%)以及缺货警报(全球45%,亚太地区49%)的事项达成自动化,以便为店员和消费者提供实时库存可见性,这是提高盈利能力的关键因素。
斑马技术大中华区技术总监程宁表示:“面对如今迅猛发展的即时零售、个性化消费带来的旺盛需求,斑马技术凭借多样化且高性能的数字化解决方案与产品,力求破解全渠道运营中的重重难题。RS2100蓝牙可穿戴扫描器、DS55系列固定成像仪、MP72系列多平面扫描器/电子秤以及ZT400系列工业打印机等先进技术的应用,将帮助零售商应对当今的业务挑战。这些解决方案旨在解决管理缺货等各种问题,同时帮助员工提供更好的客户体验,以满足现代消费者日益提升的期望。”
零售商如何摆脱消费者满意度逐年下降的困境
零售商努力做到以下几点,就能超越消费者的期望,提高盈利能力,并激发员工的积极性:
重点概要:
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。