生鲜电商想盈利？U掌柜说人工智能是秘密武器

【亿邦动力网讯】生鲜+人工智能，是不是很少有企业这么思考？

日前，生鲜电商U掌柜宣布，其已跨过盈亏平衡点。成立于2015年的U掌柜采用前置仓+总仓的模式，在十五个月的打拼中，成功摆脱生鲜电商亏损的魔咒。

其创始人祝鹏程表示，能达到盈亏平衡，关键在于通过智能补货系统对损耗的控制。

U掌柜联合创始人祝鹏程

7‰（千分之七）的损耗率 人工智能邀头功

亿邦动力网了解到，目前，由于中国生鲜产品的非标性，导致前端的损耗非常严重。鲜果切电商果酷创始人贾冉曾向亿邦动力网透露，部分电商向外公布的损耗率是20%，但实际情况可能更严重。

祝鹏程表示，目前来看，传统的生鲜流通中，损耗控制在6%已实属不易。不过，U掌柜在损耗的控制上，已从20%降到了7‰。他告诉亿邦动力网，人工智能是其秘密武器。

据了解，2016年，U掌柜引入了一位可以称为核心竞争力的人才，帮助其搭建了一套智能补货系统。

祝鹏程向亿邦动力网介绍到，该系统依据神经网络模型搭建而成，可以通过过去30日平台上SKU的销售情况，预测未来的日销量，拟合率（准确度）超过90%。通过这套系统不断优化平台的补货量和品类，目前，U掌柜的损耗率已经降至7‰，缺货率也控制到了5%以内。

什么是神经网络？神经网络分两种，一种是我们生命体由神经元、细胞等组成可以帮助思考行动的网络；另一种是人工神经网络（ANN，也简称为神经网络)，它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的数学模型。

人工神经网络起源较早，发展到2006年，深层人工神经网络有了一个更加耳熟能详的名字： 学习，被广泛的应用于人工智能领域。目前，模式识别、智能机器人、自动控制、预测估计、生物、医学等多个行业都可以见到它的身影，如战胜了世界围棋冠军的机器人AlphaGo就是其应用之一。

而在人工神经网络之下，又有很多细分领域，比如卷积神经网络、长短期记忆人工神经网络等。祝鹏程表示，U掌柜的补货系统依据后者搭建，目前人工神经网络处于开源状态（开放源代码）。不过，他同时指出，“不是单纯的一个模型就能够解决问题，而是多种模型整合起来，输入大量的变量来实现，因此，U掌柜所建立的补货系统对于行业来说是一个壁垒。”

中心仓只能小而美，做大还得配合前置仓

人工智能的补货系统解决的主要是损耗的问题，祝鹏程认为，生鲜电商想要盈利，一个关键点是损耗，另一个则是前端毛利。前端毛利主要通过对物流、仓储、包装等成本的控制来实现，因此，中心仓+前置仓的模式也很重要。

亿邦动力网从业内人士处了解到，生鲜电商有多种模式，现在主要使用的是中心仓和前置仓这两种。在中心仓模式下，想要实现盈亏平衡需要提高配送密度，但同时也会面临一个问题，订单密度增加，履约成本变高的时候，边际成本也会变高，如此一来，若过不了盈亏平衡点，体量越大反而越亏。

祝鹏程分析到，单靠中心仓想要盈利或者打平非常困难，主要问题集中在物流成本过高。他向亿邦动力网算了一笔帐，中心仓模式下配送速度很慢，超过24小时的配送需要冷链车，此时对于包装用材的要求就很高，一单下来成本需要40元，按照30%的毛利计算，客单价就需要提到120元。此时有两种情况：

一，客户买很多不同品类的商品，那么商品就需要分多个温区，使用不同的包装材料； 二，客户购买一个单品，对于很多商品来说，重量会更大，客单物流成本就不止是40元。

“如果客单价很高，做一个小而美的小众生鲜电商无妨，但若想面向大众，该商业模式不成立，其一是成本过高，其二是无法满足生鲜高频、刚需的特性。”

线下店很美好 想盈利却更难

当然控制损耗是一种解决方案，撑过了2016年的生鲜电商也在不断寻找新的发展点，而曾经被认为“坑”的线下店又重新被提了出来。除了盒马鲜生以外，易果入股联华超市，优食管家北京开设线下店，果乐乐涉足B2C的第一站就是实体门店，以及最近的天天果园和上海城市超市合作等，种种迹象表明，线下店可能成为生鲜电商的新风口。

祝鹏程对此种趋势提出质疑，他指出，从店铺本身的角度来看，线下连锁店，若单家盈利很容易，但是做到10家不亏就很有难度了，而要做到规模化盈利，更是难上加难。

他表示，做线下连锁店不止需要面对生鲜产品的标准化问题，更需要从运营的层面上也达到标准化，而这两方面都很困难。产品的标准化主要是产地分散的问题，现在无法解决，而运营的标准化，则需要对店长的经验以及运营团队的工作强度提出更高的要求。这时需要思考一个问题：80、90后的不只是消费者，还是线下店的初级劳动力，年轻人能否适应高强度的工作需要打个问号。

从市场情况来看，线下零售业态在一二线城市趋近饱和，好的位置都有其归属，很难找到合适的位置开设门店。

“生鲜线下连锁店，想要盈利本身就很难，要强加上互联网的基因，很难达到1+1＞2的程度。”

生成海报

免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。