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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。