文章来源：艾瑞咨询

作者：艾瑞咨询

核心摘要：

概念界定：通过人工智能技术作为主要驱动力，为零售行业各参与主体、各业务环节赋能，突出AI技术对零售业的整体升级改造。

发展特点：2019年AI+零售市场规模达到6.5亿元，预计2022年市场规模将达到26.7亿元。

应用程度：精准营销及智能客服场景发展相对成熟；智能化运营、商品识别分析的发展速度较快；无人零售场景则可帮助零售门店降低人工成本、提升经营质效；而消费者行为洞察作为CV技术的前沿应用，各类头部零售企业入局试水，意在线下场景的流量争夺中抢占先机。

竞争格局：玩家大致分为云服务商、AI技术企业、软件开发商/系统集成商、零售企业科技子公司四大类，致力于融合数据、算法与业务经验，加强AI技术赋能零售行业的深度及广度。

发展趋势：总体处于行业探索期，发展需要解决浅层次数字化“虚假繁荣”的问题。需服务提供方加深对零售业务的深刻理解、零售企业内部组织的协调配合、甚至是多方合作建立AI化的业务发展战略视角。

序言

受益于消费者数据的指数级增长，人工智能算法准确度和算力资源提升，以及大数据、智能硬件、AIoT、虚拟现实、5G等新兴技术发展，人工智能在零售行业的应用已逐步渗透到价值链多个环节。其中，机器学习和计算机视觉成为支撑“AI+零售”的两大技术，机器学习主要应用于数据分析与建模，以实现数据智能和产业链优化；计算机视觉技术则应用于对消费者及商品的识别与分析，目前相关应用已实现落地。

中国零售业正处在互联网人口红利消失、传统线下零售渠道占比萎缩的发展疲软期，亟需一剂“助推剂”。AI技术与零售产业的融合或是零售企业的发展良方之一。AI技术对零售业的革新价值不仅体现在重构消费者关系、刺激消费需求；同时加速促进零售业“人-货-场”的环状结构优化；也改变了对零售商品及消费者数据的采集、分析和价值应用形式。目前，“AI+零售”行业整体仍处于探索阶段，随着零售企业数字化基础设施水平的提高及典型用例的出现，AI技术将为零售企业的智能化改革带来更大的想象空间，助推行业整体价值增长。

AI+零售行业概述

AI+零售行业概念界定

本报告聚焦于人工智能技术在零售场景中的实际应用情况

近年来零售行业重塑行业结构及生态圈，终端零售商、品牌商等多处于升级转型阶段。人工智能（AI）作为新兴技术在零售业链条的多场景、多环节有所渗透。本报告希望全面地展现AI技术在零售生态中的具体应用及各环节的核心价值；从AI解决零售业各环节痛点的角度切入，讨论技术方案需求方的真实诉求和应用场景的落地逻辑，探讨不同类型技术提供企业的发展路径和市场机会。意在描绘人工智能+零售行业的发展现状及未来前景，为行业未来发展提供思考。

零售业技术应用驱动因素

险中求变，零售企业寻求新科技手段助力业务转型

从2014-2019六年走势来看，我国社会消费品零售总额增速逐年下滑、网上零售额以高于社零增速的速度增长、网上零售渗透率逐年走高。线下销售通路市场份额占比的萎缩及增速放缓，意味着以实体零售业务为首的传统渠道商面临极大挑战。虽然大型零售卖场、各类连锁超市等均已致力拥抱电子商务，打造线上销售渠道，但线下销售场景的消费者引流和企业降本增效需求也亟待解决；同时，囿于互联网人口红利的逐渐消失、获客成本提高等因素影响，网上零售额增速也进入缓行期，互联网零售企业同样面临如何维持增长、保持市场份额的压力。险中求变，零售企业积极寻求新科技手段助力业务转型，谋求发展新动能以应对挑战。

零售业增长痛点促进AI+零售发展

AI技术辅助实体零售企业、电商及品牌商的业务拓展及优化

零售行业转型阶段，无论是终端销售企业或品牌商，均存在成本管控需求、销售额增长瓶颈等发展痛点。具体来说，实体零售商由于缺乏有效途径，较难把握消费者日趋多元化的需求偏好、且对潜在消费流量的价值开发不足，同时面临高用工成本压力；电商平台也需应对互联网流量红利消退、买家增速放缓、获客成本不断提升等问题；对于品牌商，消费者线上流量和数据被电商平台垄断，传统渠道体系也难以提供全链路的消费者洞察与触达。AI则为辅助零售行业参与者降低成本、提升经营效率、解决发展瓶颈，提供了新的技术手段。产业技术发展的核心动力依然是经济利益，各类需求企业的核心增长痛点为AI+零售行业提供了发育土壤。

AI+零售行业市场规模

2022年市场规模将达26.7亿元， 2018-2022年CAGR达44.6%

AI技术在零售领域的应用于2017年起步、2018年落地推进，2019年AI+零售市场规模达到6.5亿，随着AI解决方案能力的不断提升和需求增多，预计到2022年市场规模将达到26.7亿元，2018-2022年CAGR达到44.6%。其中2020年市场规模增速下滑的主要原因是受新冠疫情影响，需求企业对购买技术服务的支出相对谨慎；后随疫情后的经济恢复和市场信心提振、技术应用发展等因素助推增速上涨。另由于阿里、京东、拼多多等零售巨头多以自研方式应用AI技术，AI+零售的建设投入估算超过对市场营收规模的估算。2019年零售企业在AI技术上的投入达到14.8亿元，预计到2022年将达到42.6亿元，2018-2022年CAGR达到37.0% 。

AI+零售应用场景与价值分析

AI+零售应用场景概览

帮助提升零售企业经营质效，改善顾客消费体验

AI技术在零售领域的渗透，围绕品牌商、零售商、消费者等参与主体及零售产业链条，构建数据打通、场景贯通、深度触达的“AI+零售”体系。应用场景包括精准营销、商品识别分析、消费者识别分析、智能化运营、智能客服及无人零售等。基于计算机视觉、语音语义及机器学习技术，赋能线上及线下零售商，应用场景间多有融合。零售企业引进AI技术，可提高运营能力、促进销售额增长、降低人工等经营成本；且可通过改善顾客消费体验，促进消费者转化率提升，为零售企业业务发展增添动能。

AI+零售应用：精准营销

围绕消费者用户标签进行个性化推荐及智能广告营销

AI技术在零售营销领域的应用主要围绕消费者用户标签进行，包含个性化推荐及智能广告营销。

个性化推荐依靠推荐系统算法向消费者提供个性化的信息服务和决策支持，基于深度学习技术的推荐系统可以提高推荐质量，促进营销转化；

智能广告营销主要包括广告精准投放和AI视频营销。除了应用推荐算法外，在AI视频营销中还需应用视频结构化和图像检索等技术，以对象识别、特征提取、动态物体识别等技术处理视频数据信息，实现对应场景下自动、批量、标准化的广告植入。

AI+零售应用：商品识别分析

对业务痛点感知力和精细化运营成为价值突破点

以商品为主要识别对象的机器视觉技术结合深度学习等AI技术已衍生出以图搜图、陈列分析、自助结算等商业化落地场景。目前，ISV企业可通过按调用量计费或定制开发的方式获得AI图像检测能力，降低了商品识别分析应用的落地普及门槛。因此，对零售业务需求痛点的理解与把握和精细化运营能力，成为各类型解决方案提供商抢占市场的突破点。

消费者识别分析——消费者行为洞察

Re-ID等CV技术助力感知消费者线下购物场景的全流程信息

与电商平台可依靠移动应用有效获取消费者搜索记录、浏览痕迹、购买偏好等数据进行个性化推荐不同，线下零售门店在消费者行为洞察上缺少必要的信息获取手段，以往只能在支付环节对交易数据和客户基本信息（性别、年龄等）进行统计，对个体消费过程和消费偏好数据的采集与分析不足，难以有效挖掘客户价值。

人脸识别和行人重识别（Re-ID）技术的发展改变了这一局面，以智能摄像头为信息采集入口，通过采集消费者人脸、面部表情、衣着、体态、发型等信息，实现在线下零售场景对消费者的全流程感知。Re-ID技术可补充人脸识别技术只依赖人脸信息的缺陷，在非配合条件下完成对个体行进轨迹及动态的追踪。此外通过将人脸信息、购物轨迹等与会员管理系统、消费记录数据进行结构化整合，可实现对线下渠道消费者营销推广及对业务经营的精细化管理。

目前受线下零售场景头部集中程度和IT建设基础等因素影响，基于视觉的消费者行为洞察解决方案在4S店、家电3C店、大型商业地产等零售业态实验落地。未来，随着算力升级、技术发展带来的算法成本降低、市场需求度提升等利好因素，基于视觉的消费者行为洞察解决方案落地规模将逐步增加。

AI+零售应用：智能化运营

仍待不断完善数据资源及优化算法，未来增益价值巨大

零售企业盈利主要依靠于薄利多销，一方面需通过精准营销等手段开源，同时也需要通过精细化运营手段节流。随着IT基础设施建设的日益完善、云服务技术的革新发展推动以及大数据的资源支撑，越来越多的零售企业投入到智能化运营体系建设中，并逐渐从浅层决策向多维决策阶段转型。深度学习模型可辅助满足零售企业对运营流程高效、全局、自动化的管理需求。

现阶段店铺选址、销售额预测、动态定价建议、库存优化的应用情况较好；供应链网络效率优化、产品研发优化建议等多维决策因对AI算法的可用性要求较高，仍处于发展初期，但赋能的零售链条更长。作为零售场景升级改造的核心环节，随着商品识别分析、消费者识别分析等应用场景数据资源获取量级及精细度的提高；模型算法的优化迭代；业务落地逻辑的逐步标准化，智能化运营体系建设在零售企业的覆盖率将逐步走高，未来增益价值巨大。

智能化运营——供应链网络效率优化

数据和算法驱动供应链网络各节点协同，提升整体效率

随着零售新业态的快速发展及以消费者需求为核心的经营理念变化，订单碎片化、显著增加的SKU数、仓储管理复杂化等均对传统零售供应链形成全方位挑战。零售渠道商在库存品类及库存量上缺乏前瞻性及灵活性将导致顾客流失、仓储成本增加、流动资金被占据等负面影响。因此零售企业需要在积累的大量商品数据、消费者数据、业务数据中提取信息，基于AI、大数据技术辅助供应网络各节点的数字信息流通及自动化分析，驱动需求预测、销量基线预测、选品及采购、库存计划、自动订货补货、库存优化、货物追踪、订单管理等过程的高效协同，重塑产业链模式，推进传统供应链模式向智慧供应链网络转型。

目前，电商巨头在互联网基因加持下，可相对快速、便捷地打通各节点数据流，采用机器学习算法辅助运营决策，但算法的精度和复杂度仍需提高；传统零售商则由于难以触达不同渠道、不同区域的数据资源，在数据信息的获取和标准化上有较大的短板，亟需引入数字化工具加快响应速度。

AI+零售应用：智能客服

应用AI技术提高电商客服服务效率、节省运营成本

对电商客服需求增加、要求提高的同时，以FAQ技术为基础的客服系统存在人工及培训成本高、回复质量难保证、响应速率慢等诸多痛点。受益于AI和云计算等技术的不断发展，以自然语言处理（NLP）技术为代表的智能客服系统在零售企业中的应用不断增加，覆盖售前、售中及售后全过程。7×24h的服务可高效、高质量地满足消费者商品咨询、自助购物、订单查询、物流跟踪、自动退换货等需求，提高消费者满意度、提升店铺询单转化率、节省客服人力成本50%以上。

在此基础上，智能客服系统同时可采集消费者信息标签，洞察用户行为，为精准营销、智能化运营等环节提供支撑数据。另随着语音交互技术的不断发展，越来越多的消费者交互行为也通过语音进行，语音机器人、智能外呼等服务场景也逐渐丰富。

AI+零售应用：无人零售

AI技术支持的无人零售场景智能化水平最高，赋能环节最广

“无人零售”以降低人工成本作为切入点，在重视消费者体验、拓展零售场景的同时通过技术手段完成数据收集、分析与应用，并最终实现消费流程的全面数据化以及整个产业链的智能化升级提效。“无人零售”并非全程无人，目前主要指特定场景的无人值守，仍需管理人员及配货人员介入。现阶段主要存在以AI技术、物联网技术或移动支付技术为主的三种技术路线，在无人店、无人货柜、自动贩卖机等业态均有融合落地。其中以AI技术为主的无人零售业态智能化水平最高，主要应用于消费者引流、快捷支付、提升店内运营效率等环节。虽存在设备稳定性及成本门槛，但长期来看，在规模化应用、改造供应链、商业模式重塑等方面潜力巨大。

深耕小零售业态场景，无人便利店成为落地实践首选

以快速消费品为例，在电商渠道份额占比逐年走高的压力下，大卖场、杂货店等线下零售渠道已呈现负增长，仅便利店和超市/小超市渠道呈上涨趋势。2018年中国便利店实现零售额2264亿元，行业增速达19%，门店数量达12万家。与传统便利店相比，无人便利店聘用运营店员产生的人力成本至多为同等规模24h便利店的1/6，甚至更低。

鉴于大型实体零售场所落地AI无人零售解决方案的成本压力，伴随便利店等线下小零售业态的不断渗透趋势，无人货柜、无人便利店成为“无人零售”场景落地的中坚力量。2020年商务部发布的《关于推动品牌连锁便利店加快发展的指导意见》也突出了连锁便利店在实体零售业数字化转型中的先锋地位。

无人零售解决方案商价值初显，市场发展进入理性期

自2016年底亚马逊提出“无人零售”概念至今不过三年多，国内无人零售市场已经历风口、遇冷、沉寂、复兴等多阶段。多家曾经的无人零售明星企业经营困难甚至倒闭。在商业模式未清晰时就大规模的铺设网点，入店消费频率过低无法覆盖店铺投入成本是根本原因。虽为新兴业态，但商业逻辑仍需回归零售业本质，即消费者在注重购物体验创新的同时，更注重货品比价、购物便捷性等敏感因素；零售商则注重方案落地成本、以及是否可量化地降本增效。

据此，AI无人零售参与者跳出仅通过开设无人店铺赚取商品差价，技术成熟后收取加盟费的业务发展思路；转向赋能连锁便利店品牌或小型零售业态的商业模式，输出覆盖营销、支付、门店运营等环节的无人化解决方案，为零售企业创造价值。在2020年新冠疫情对实体零售业态的重创下，“无人化门店”价值也开始展现。现今AI无人零售行业发展已逐步进入理性期，规模化扩张尚待市场教育：技术优化、投入产出比、供应链整合能力、私域数据安全性和消费者信任度提升等都是未来市场培育重点。

AI+零售行业市场价值

AI技术加速优化零售业“人-货-场”结构

传统零售“人-货-场”结构呈线性状态，“消费者-生产/经销商-零售商”各参与方按照产业链流程进行信息交换，效率较低。在零售业转型浪潮下，“人-货-场”结构发生转变，信息流转速度加快、流转方向逐渐向环状结构演变。人工智能技术加速优化了这一过程，在AI相关技术的不断渗透影响下，行业数字化、数字价值挖掘水平不断增高，包括营销网状链路的构建、供应链间的协同融合、柔性生产等。“人-货-场”结构的优化，使购买端的消费者信息经过数字化及智能分析后，通过环状结构传递给各方参与者。各方可基于真实的市场需求，联动调整，实现利益最大化。同时，AI技术在消费者体验创新层面的尝试不断，也引导了零售业产业链结构转变。

AI技术推进零售数据的多维度采集与智能决策应用

与电商企业的互联网基因优势相比，品牌商及实体零售企业在数字化转型过程中有天然短板。虽然在移动互联网及移动支付不断普及的大背景下，零售业线上线下融合程度不断提高，积累了大量的支付端数据。但在商品信息、消费者行为、货品流转、商铺运营等环节中依然蕴含着大量未被数字化采集、处理或分析的“宝藏”数据。机器视觉、语音语义识别等AI技术的广泛运用提供了更多维度的数据采集与分析方式；机器学习、知识图谱技术等则提供了从生产端到消费端全链路的数据智能分析能力。围绕业务场景，价值链各环节间细颗粒度、实时性的数据流在大数据、AI等智能分析手段的支持下重构企业销售、供应链、运营、生产制造等流程，超越传统专家规则的方式，以数据驱动智能决策。

围绕消费者流量获取、价值挖掘、体验重塑提供技术支撑

零售是面向终端消费者的最后一环，随着不同类型、不同业态参与者的增多，行业整体已从卖方市场转向买方市场。零售企业及品牌商致力通过数字化、精细化的消费者关系管理，挖掘潜在客户、提升客户粘性，从而提升销售额、塑造品牌价值。机器学习、知识图谱等技术应用于对消费者属性、消费行为、购买互动过程等数据的挖掘分析，可更好地分析消费者需求，提供个性化服务，从而推动更高水平的转化率，成为零售企业利润增长的直接途径。

同时，在线下零售业态中利用计算机视觉等技术从优化与消费者的互动环节出发，通过新形态、新的场景体验模式等吸引消费者，在线下场景有效地提高消费者购物体验及挖掘流量价值。对于不断被电商平台挤占市场份额的各类传统零售企业来说，AI技术为抢夺消费者资源提供了新的思路。

AI+零售供需逻辑与玩家类型

AI+零售产业链

数据价值应用成为产业各方发展方向亦是发展壁垒
从商品流通方向上看，零售产业链包括上游的生产制造企业、品牌商、中游销售商及下游消费者。AI解决方案提供商作为赋能环节，不改变零售产业链的商品流通方向本质，而是重新定义产业链各环节间的数据流通价值，促进商品流通。

一方面，AI解决方案提供商在单一环节通过对非标准化数据处理和数据模型应用等，为零售产业链参与者提供降本增效的技术手段；另一方面，在零售行业云服务的联动效果下，促进产业链各环节间产生数据信息的有效联动。

AI+零售解决方案需求方

零售企业及品牌商寻求业绩增长新机遇

2019年国内排名前十的零售企业市场份额仅为13.7%，行业整体集中度仍较低，市场竞争激烈。零售巨头在不断跑马圈地的同时，对降本增效的需求高涨；渠道及产品多样性的压力也迫使零售行业参与者加速“以消费者为中心”的流量争夺和精细化运营，变革消费者洞察方式与服务模式。AI技术的价值则随着基础设施IT化程度及数字化水平的加深不断凸显，零售企业可通过引进机器学习等智能化手段改善自身数据管理能力。

目前，AI技术在零售行业的渗透程度和价值应用仍有较大空间，AI技术若作为企业转型战略，需资金投入、时间成本、AI人才积累等必要因素支持。因此，头部企业越早部署AI系统并在应用中不断打磨融合逻辑，越能在日趋激烈的市场竞争中抢占先机；而腰部及长尾企业目前多以低成本的SaaS服务形式应用AI技术作为运营的辅助手段。未来，需求迫切的电商平台、实体零售企业及品牌商将根据业务体量及核心诉求，在单一或多场景、甚至业务全流程中应用AI技术，增强自身核心竞争力。

AI+零售解决方案供给方

致力于数据、算法与经验融合，加强技术赋能深度及广度

目前以AI技术为核心的零售解决方案服务商主要有四类——云服务商、AI技术企业、软件开发及系统集成商、部分零售企业。其中，云服务商作为技术输出角色，通过自研或集成AI技术企业的算法向零售企业或下游软件开发商输出基于云平台的AI能力，或与系统集成商合作向零售企业输出定制化解决方案；具备一定规模和技术优势的零售企业也可作为经验输出角色，反哺产业链，通过组建科技子公司、与云服务商及AI技术企业等达成战略合作的方式，将自身成熟的零售业务运营经验和AI技术融合，向中小微型零售商输出解决办法，成为具有平台化属性的零售服务商，建立自身所在零售细分领域的生态闭环；AI厂商则除向云服务商及零售企业科技子公司输出AI能力外，也可直接面向零售用户输出定制化的解决方案。四类参与者致力将数据、算法与业务经验融合，助推各方加深对零售行业的需求理解、加强技术赋能广度。

解决方案服务商竞争要素分析

巨头保持相对领先地位，细分领域破局者初显锋芒

在各类解决方案提供方中，云服务巨头相对保持领先地位。基于云服务平台的解决方案部署成本较低且能快速扩展以持续支持AI技术在业务中渗透，适合不具备二次开发能力或数字化水平较低的零售企业或品牌商应用，潜在客户体量庞大。而具备零售业务基因的云服务巨头一方面可更好的帮助需求企业提高数据洞察与业务感知能力，但也天然地与需求企业存在市场竞争关系，这则一定程度上，为AI技术企业的发展提供了空间；AI技术企业通过打造技术护城河，在掌握云资源优势、场景流量优势、资本优势及生态优势的巨头压力下寻求发展和突破。目前，在推荐算法、AI无人零售、供应链网络效率优化、线下消费者行为洞察等细分应用场景中已出现一些“破局者”，引领算法优化及与零售业务的融合落地；尝试搭建AI应用生态的零售企业也不可小觑，作为能同时输出业务经验和技术的融合性角色，具备整合其所在产业链上下游的发展潜力，是AI+零售应用实验的“急先锋”。

AI+零售趋势展望

AI+零售行业技术落地趋势

大型零售企业搭建中台体系，优化开发流程，提高复用价值

技术落地趋势上，一方面基于零售场景AI落地应用的融合性特征，AI技术供应商在不断扩展自身提供AI技术的边界，以融合视觉、语音、深度学习算法、算力多领域的解决方案赋能零售客户；同时，在AI技术由感知智能向认知智能发展的大基调趋势下，零售企业对AI决策类系统的需求和投入也将逐步增多，对高质量的数字化水平和AI技术部署能力等提出了要求。

在数字化变革的背景下，数字中台作为企业数字能力沉淀与共享的平台，已在零售行业加速落地，尤以业务中台、数据中台的建设为先，帮助企业形成数据资产、避免重复开发、推动业务创新；而AI中台作为数据中台向业务上的演进，是规模化落地AI智能服务的综合设施，也逐步成为互联网巨头和AI算法厂商对零售企业的改革锚点。未来随着方法和工具的逐步成熟，中台体系将在大型零售企业及品牌中出现规模化应用，帮助降低AI技术的应用门槛，优化开发流程；依托AI中台，AI技术可复用性的提高也将为企业带来更多价值空间。

AI+零售行业未来应用之路

“由点及面”，逐渐向业务全流程、零售多业态渗透试验

从AI赋能各行业的整体效果讨论，AI在零售领域的落地应用仍处于初级阶段。在应用场景成熟度方面，虽然AI技术辅助下的精准营销及智能客服在电商领域的应用效果较好、普及度较高；但实体零售业态中无人门店、消费者行为洞察等的应用还处在解决方案打磨阶段；而智能化运营作为涉及多个产业链参与方、多通道数据源的应用场景，在销量预测、库存优化等环节试点应用，对于需求方整体供应链效率的提升仍有待发展探索。

在与业务结合深度方面，现阶段部署AI解决方案的零售企业大多进行点状的AI应用试验，大规模投入引进AI技术仍需明确有效的降本增效例证；而AI技术落地需灵活的组织架构、IT体系和业务体系支撑，方可实现价值最大化，尤其对于不具备互联网基因的实体零售企业，将AI技术与业务的融合提高到企业整体层面尚需时间和试错成本。

未来，随着算法优化、IT基础设施发展、应用场景打磨及市场教育的加深，AI+零售应用的落地试验将逐步“由点及面”，深入渗透，逐渐覆盖从制造商到消费者的全产业链条及线上线下多零售业态。AI+零售行业发展过程中，亦可能有解决零售企业实质性需求的新兴应用场景出现。此外，受目前新冠疫情对全球实体经济的冲击影响，零售企业及品牌商在认识到数字化、智能化技术重要价值的同时，对技术资金的投入会更加慎重。因此，对业务有实际降本增效助益、高ROI的解决方案短期内会更受需求方青睐。

AI+零售行业玩家竞争策略

参与者深耕优势点以占位市场，异类玩家间加强生态合作

AI+零售解决方案的落地效果提升，需依托海量数据对算法进行优化并在实际落地过程中打磨方案逻辑，以便“解决真实需求、真实解决需求”。因此，对于AI技术企业和云服务厂商等，积累的客户资源越多，越有助于提高解决方案的核心竞争力；零售企业及品牌商作为方案的落地土壤，则将持续发挥产业培育作用。尤以零售巨头为代表，正大力推进零售科技的生态体系建设并对AI的投入程度愈来愈重。最后值得关注的是，为满足零售企业智能化转型及降本增效等需求，物联网、5G等新兴技术一方面可为AI解决方案助力、达成共赢，但同时也可能挤占市场份额、带来竞争威胁。追本溯源，项目落地经验、算法优势和生态体系建设是参与玩家发展竞争力的核心。