埃森哲的调查报告显示零售战略的核心是对进行客户进行720度全方位的观察——通过迅速转移关注焦点、达到高期待值和满足对个性化服务不断增长的需求，来赢得广大数字用户的青睐。亚马逊，梅西百货和沃尔玛等成功案例证明，要通过实验和创新来反思和解读这个观察结果。特别是AI及其相关的应用需包括数据挖掘、机器学习、自然语言处理（NLP）和机器人。但是，AI如何能够辅助好零售业的呢？以下是它的三个优点。

1.AI能从海量的数据集中提取价值

许多行业最近一直在努力制定数据驱动战略。据麦肯锡去年的调查结果显示，零售商在这场竞争中名列第二。零售商很幸运地收集并拥有了关于客户和买方行为的大量数据。但是，他们无法恰当地使用数据使其发挥出应有的价值。

根据研究，零售商仅发挥出了现有数据30-40％的价值。由于缺乏方法、技术和分析人才，三分之二的数据都被浪费了。此外，大部分数据仍然贮藏在公司内部。

机器学习的改进和数据可用性（最重要因素）帮助零售商解锁了客户数据的全部潜能。一方面，回归模型让零售商能利用旧数据并有效地再度使用它们。另一方面，机器学习的预测能力让零售商不仅能从经验中学习，还应用这些知识来为未来的买家行为建模和进行预测。能对客户想要的东西未卜先知，是真真切切的一大优势。

例如：沃尔玛使用机器学习来预测网购者可能购买什么。因此，零售商也可以根据过去的客户行为获得有针对性的建议。这就是WalmartLabs客户体验工程副总裁称之为“提升网购体验的桥梁”。

2.有待深入分析的客户

智能语音助手的市场正在扩大。2017年Prime Day（亚马逊会员日）的销售成果使得亚马逊声称，Echo Dot是其最畅销的产品。

终于，人们用自然语言就能够与数字系统交谈了，这都归功于聊天机器人——特别是目前由谷歌、亚马逊、微软、IBM、Facebook以及不久后的苹果推出的NLP引擎增强的机器人。人们很喜欢它。

反过来看，NLP工程师终于可以从通讯软件、网络和语音助手抽取自然语言的实时数据。这个数据是AI成熟的关键，因而，也是研发真正智能的辅助系统的关键。

同时，零售商，特别是一直作为NLP发展动力的大型零售商，已经在利用这个机会来了解客户。他们通过AI驱动的聊天机器人和Alexa的技术来进行销售和实现加售。

日益增长的关注度和使用案例也相应地满足了商业和技术的发展。客户的检索信息分析地越多，NLP系统就能越好地理解自然语言。NLP引擎运转地越好，就能越好地满足客户需求，销售出越多的产品。

示例：亚马逊Alexa技能的应用范围已经给人们留下了相当深刻的印象，从推荐书（Pan Macmillan）、葡萄酒（MySomm）和音乐（Spotify）到完全自动化预定出租车（Uber），比萨饼送货入户（Domino's）和提供家庭服务（Laundrapp）。这些技巧销售确实就是在用语音进行销售。

如果语音助手没有直接进行销售，它们至少可以让这些销售进行地顺利。基于IBM沃森引擎的梅西电话提升了客户体验，并帮助购物者在无人零售商店中找到了商品。

3.NLP和机器学习提供了真正的价值

我们已经学会了如何用NLP了解客户的实时查询需求，并使用机器学习方法从遗留数据中提取价值。但利用客户持续变化的反馈，相比之下，挑战更大，收益却也更大。

这个挑战需要联合多股力量。首先，NLP引擎需要从自然语言的查询中提取意义。之后，机器学习接替，从这个意义中再提取价值。

智能机器根据于它们的背景知识和现有知识，使用分类为数据赋予现实的意义。

在实践中，系统对某些产品进行分类，按类别，比如“书籍”及“受65岁以上的女性欢迎”。对于零售，这意味着推荐和销售更有针对性。

反过来看，使用聚类来获取新信息又开辟了全新的视野。这个方法使得系统在没有设定的标准和偏见的情况下找到样板并建立零星信息之间的联系。

实际上，这意味着机器可以在客户购买习惯里面找到未标记的未知的联系。它能理解为什么读过作者A写的X书的读者，更有可能去阅读作者B的书籍，尽管他们这一类别中还有各种各样的其他作者。对零售而言，这不仅仅是一个针对性的建议。从长远来看，这意味着更直观的推荐、更好的服务和更高的客户满意度。

人工智能市值已经达到了一千多亿美元，并不断增长。它似乎也不会很快突然消失，因为所有弄潮儿都对它感兴趣（谷歌，亚马逊，苹果等）。此外，AI巨头正在努力让人们买得起也用得了人工智能。

在这种情况下，零售业除了欢迎并接受AI，也没有太多选择。由于零售商与客户和数据直接相关，并且依赖于他们，作为实验，他们只好开始使用AI。但是很快，智能机器的应用将成为有竞争力的优势。那么，它将成为每一个零售商商业战略的必需品和一部分。

Katherine Lazarevich是数字技术机构Digiteum的联合创始人和管理合伙人。