人工智能正在對(duì)零售產(chǎn)生影響。

說(shuō)的更具體一點(diǎn)，聲音識(shí)別、圖像識(shí)別和數(shù)字化的人工智能算法，會(huì)對(duì)零售行業(yè)帶來(lái)根本性的推動(dòng)。

人工智能音箱產(chǎn)品，例如亞馬遜Echo、小度在家、都是聲音識(shí)別的應(yīng)用。智能音箱相當(dāng)于一個(gè)深度學(xué)習(xí)的智能管家，提醒你什么時(shí)間應(yīng)該購(gòu)買什么樣的產(chǎn)品。

圖像識(shí)別方面，人臉識(shí)別與顧客會(huì)員體系掛鉤。顧客到店里，超市會(huì)提供更好的服務(wù)；結(jié)賬時(shí)的自助掃碼購(gòu)，會(huì)更加節(jié)省時(shí)間，讓購(gòu)物更加便捷。

數(shù)字化的人工智能算法，對(duì)進(jìn)銷存、訂貨、選品、商業(yè)選址都是很有幫助。大數(shù)據(jù)預(yù)測(cè)的算法，會(huì)根據(jù)近幾年的數(shù)據(jù)，加上天氣、節(jié)日、時(shí)間段的影響，機(jī)器就可以處理進(jìn)銷存的訂貨、研究用戶的消費(fèi)行為，對(duì)未來(lái)的選品和定價(jià)都非常有幫助。

智能冷柜則是運(yùn)用這些最新技術(shù)的新產(chǎn)品，例如Walgreens推出了“智能冷柜”，其實(shí)是裝備了攝像頭的冰箱，能夠掃描購(gòu)物者的臉來(lái)推測(cè)他們的年齡和性別。

地理信息對(duì)零售店而言十分關(guān)鍵。零售商家想知道，人們?cè)谫I些什么，將購(gòu)物者按照性別、年齡、收入水平等特征進(jìn)行分類，從而針對(duì)細(xì)分市場(chǎng)進(jìn)行產(chǎn)品定位。所以這時(shí)候大數(shù)據(jù)和AI算法就派上了用場(chǎng)。

比如說(shuō)，如果Pepsi打算針對(duì)年輕女性進(jìn)行廣告推銷，它可以使用這些智能冷柜收集的數(shù)據(jù)來(lái)預(yù)測(cè)這個(gè)廣告推銷是否有效。

這些機(jī)器能夠得出各種有效的推論：如果廣告在Mountain Dew旁展示，年輕女性們可能會(huì)買更多的Sprite。或者，一周里，年長(zhǎng)的女性可能更喜歡在周四晚上買冰淇淋等。

當(dāng)然，應(yīng)用到具體，還應(yīng)該包含“虹膜追蹤”這項(xiàng)技術(shù)，你在哪款商品上多看了幾眼，系統(tǒng)立馬能夠判斷出來(lái)。

有些智能冷柜鏡頭系統(tǒng)沒(méi)有使用人臉識(shí)別技術(shù)，購(gòu)物者被掃描時(shí)不會(huì)被識(shí)別身份，系統(tǒng)只是對(duì)購(gòu)物者的臉部進(jìn)行分析來(lái)推測(cè)他們的年齡和性別。

首先，鏡頭拍攝照片，AI系統(tǒng)進(jìn)行分析度量，眼距、嘴唇和鼻子之間距離和其它細(xì)微差別等。之后，系統(tǒng)能夠估計(jì)這個(gè)開(kāi)門進(jìn)入的人究竟是一個(gè)20來(lái)歲的女人，還是一個(gè)快50的男人。它使用的是分析技術(shù)，而非人臉識(shí)別技術(shù)。

兩者的區(qū)別是非常重要的。在伊利諾斯州，公眾場(chǎng)合地區(qū)使用人臉識(shí)別技術(shù)是違反《生物識(shí)別隱私法案》（BIPA）的。

Google和Facebook因違反BIPA的集體訴訟打了兩年官司，原告起訴這兩家公司稱他們未經(jīng)同意收集用戶臉部數(shù)據(jù)。例如Nest或Amazon的Ring牌帶人臉識(shí)別能力的家用安保攝像頭，在伊利諾斯州不允許使用該功能。

甚至Google那個(gè)火得不行的“藝術(shù)自拍”app也被禁了。針對(duì)Facebook的起訴1月被駁回，但擁護(hù)隱私保護(hù)的BIPA法案可能成為世界上所有對(duì)人臉識(shí)別技術(shù)需要進(jìn)行監(jiān)管的地區(qū)作為潛在的模版。

去年，加拿大有個(gè)商場(chǎng)使用攝像頭來(lái)記錄購(gòu)物者信息，收集信息對(duì)片區(qū)偏好的店鋪進(jìn)行推論。購(gòu)物者的身份未被收集或儲(chǔ)存，但該商場(chǎng)受到大范圍的強(qiáng)烈抵制，只好停止了該試點(diǎn)行為。

除了智能冷柜，例如在Amazon Go商店——也即無(wú)人超市，裝有各式的感應(yīng)器來(lái)記錄購(gòu)物者的消費(fèi)行為，并從他們Amazon賬戶里進(jìn)行扣款。最后的數(shù)據(jù)作為對(duì)模型反饋的數(shù)據(jù)的一部分，公司從而可以更精準(zhǔn)地對(duì)消費(fèi)者進(jìn)行廣告定位，也就能賺更多的錢了