> 厂商 >

帷幄Whale陈安迪:科技将成为激发购买欲的核心力量

零售老板内参独家专稿 未经许可不得转载

2018年,消费零售业变革和洗牌加剧,在不断探索和迭代的过程中,零售行业和企业沉淀了哪些经验和思考?风口过后,冷静下来思考,如何回归零售本质,如何坚守行业本真,如何应对时代变化,重塑零售价值?零售业的未来趋势又将是怎样?

11月28日,由36氪《零售老板内参》主办的「创·鉴·未来——2018WISE零售峰会」在北京国际会议中心隆重举行,22位零售业界大咖,1000多名零售行业精英齐聚一堂,共同探讨消费零售行业的变革转型、升级改造、进化演进,一起“创”零售未来、“鉴”实战成果。

峰会上,帷幄Whale联合创始人&COO陈安迪出席并发表了主题演讲。他介绍道,帷幄Whale,专注于为零售品牌打造全渠道数字化的“未来商店”,通过融合机器视觉、IOT、AI等前沿技术,全面帮助零售品牌提高用户获取、用户留存、销售转化等核心数据。

如何做好品牌的零售创新呢?他认为有两个观点非常重要:

一、零售即欲望。无论是品牌商还是零售商,关注的核心其实都是如何激发顾客的购买欲,让顾客“买买买”。

二、科技将成为激发顾客购买欲的核心力量。这点线上已经做得很好了,电商网站利用大数据做精准推荐,购物App通过加入直播功能提高用户打开的频率,但线上其实仅能满足购买者的视觉、听觉两类感官欲望。而在线下,我们可以调动触觉、嗅觉、味觉等人类的所有感官欲望,实时捕捉顾客的动作、表情和声音,可以挖掘的空间非常大。

所以,我们认为通过科技去激发顾客的购买欲,将是线下品牌商和零售商升级的关键所在。

以下为演讲全文:

帷幄Whale陈安迪:科技将成为激发购买欲的核心力量

  帷幄Whale联合创始人&COO陈安迪

大家好,我是帷幄Whale的联合创始人陈安迪。

记得去年来参加36氪WISE大会的时候,我还是一个观众、听众,Whale还没有成立。今天很荣幸能与大家分享,这一年多时间里,我们在零售服务领域的探索。

Whale不是做零售的。我们通过机器视觉、IOT、AI等前沿科技,来帮助零售品牌打造“未来商店”,提高用户留存与销售转化。

故事是这样开始的,16年冬天,我的大学同学,远在美国Facebook的Jerry回国了,曾参与搭建全球最大实时数据管道的他,身怀一身武艺,准备大干一场;而我曾在麦肯锡帮助很多国际零售品牌设计并推动数字化全渠道转型。一个最懂线上交互的Facebook技术大牛,和一个最懂大型零售的麦肯锡顾问能碰出什么样的火花呢?

我们聊到,能不能把他的技术基因和我对零售的洞察结合在一起,服务零售行业。这时候Jerry说:“你是想做接地气的,还是高大上的?”我想了想,要做高大上的。所以我们就找准了一个定位,和很多做无人赛道和做便利店的业态不同,我们专注于服务于中高端零售品牌,做线下的体验和数据创新。

那么如何做好中高端品牌的零售创新呢?我们觉得有两个观点非常重要:

一、零售即欲望。

无论是品牌商还是零售商,我们的所思所想,其实就是激发顾客的购买欲,让顾客买买买。

二、科技将成为激发顾客购买欲的核心力量。

比如线上,电商网站利用大数据做精准推荐,通过直播提高刷购物App的频率。在线上,虽然只能调动你的视觉、听觉两类感官欲望,但通过科技它已经做得很好玩了。

线下,我们可以调动触觉、嗅觉、味觉等人类的所有感官欲望,还能实时捕捉你的动作、表情和声音。从市场份额来看,线下零售占比80%,线上零售仅有20%。但在过去,零售商和品牌商由于缺乏技术的赋能,往往无法在第一时间找到激发顾客购买欲的G点,所以线下可以挖掘的空间非常非常大。

过去一年多,Whale一直在研究如何通过各种科技来激发线下顾客的购买欲。

我们和快消和化妆品的头部品牌和渠道合作,探索未来的商店应该是什么样的。比如,我们在北上广深等一些高流量的线下店落地,在店面的专柜上,嵌入机器视觉摄像头、IOT传感器,通过互动屏跟顾客实时互动,并用基于行为的个性化内容,影响顾客最后一秒的购买决策。

在激发顾客的购买欲上,我认为有三点非常非常重要:

1、交互。

我在线下卖场放了三组货架进行实验。第一组货架是最传统的货架;第二组货架我们在上面放一个屏幕,滚动播放广告;第三组货架,是我们研发的,除了屏幕以外,还放了机器视觉的摄像头,只要顾客一靠近,屏幕就会实时跟他打招呼,跟他说“欢迎光临”,然后根据他的画像推荐个性的内容。

这个测试的结果很有意思,第一组货架顾客的平均停留时长是2.5秒到2.8秒,非常短,基本上过去看看商品就走了。第二组货架的停留时长是4秒到5秒,会有一些提升,但仅提升了1.5秒左右。

第三组我们的货架,顾客的平均停留时长增长了5倍,基本上在15秒到19秒,这种实时的交互,其实能够有效地吸引顾客的关注度。

2、内容。

以前我们在线上购物的时候,为什么会有大量的剁手党,刷小红书、刷淘宝直播停不下来,就是因为线上内容太丰富了,各种各样的游戏、视频、图文、评论非常有趣。但是线下店的内容其实是很匮乏的,商品静静地待在货架上,导购会介绍几句,过程其实很枯燥。

而现在,通过我们实时交互的屏幕,就能体验各种各样的内容。并且最重要的,不仅是有内容,还要监测内容的有效性。

比如说今天我在现场演讲的PPT,有多少人在看?哪一页PPT看得人最多?在过去根本无法获取这些数据,就没办法做内容的优化。

我们现在可以帮助线下店做到内容的监测,帮助他进行精细化的内容管理。

3、精准。

精准这个概念其实在线上做了很多,但更多的是强调基于顾客画像,我们觉得还不够,还要做到基于顾客实时行为的精准营销。

消费心理学的研究显示,基于行为与商品关联的促销会极大地提升转化率。比如,通过我们的摄像头发现,顾客在卖场拿起一件商品超过5秒钟,此时屏幕显示一张优惠券,会大幅度提升购买转化率,与传统线下零售店发放优惠券的呈现方式相比,这种方式可以做到20倍到30倍的增长。

对于如何激发用户的购买欲,我们需要深入思考:如何更好地做到实时交互;如何让线下的内容更丰富;如何基于顾客的画像与行为,精准地触发顾客的转化。

为了这样的一个解决方案,我们做了全套的技术平台,自主研发了环境感知IOT平台、机器视觉算法平台和实时数据平台。

第一、模块化的IOT平台。我们针对线下不同的场景,我们做了13种传感器,能够适配到不同的物理货架,包括光敏、重力、RFID、加速等。无论是快消品、化妆品,还是鞋服等品类,我们都能根据不同的物理场景设计最优化的解决方案。

我们自主研发了IOT的数据网络协议,能够比传统的网络协议数据传输的效率提升10倍。这也能够让我们做到,在顾客拿起商品时,看到屏幕无延迟地呈现商品内容,实时交互。

我们采集了丰富的人和货的交互数据,包括手势靠近、拿起、触碰、放下,所有这些数据,通过层层加密,回到云端进行二次的数据分析。

第二、机器视觉。我们支持RGB和RGBD两种单元的摄像头和人脸,通过构建一套完全视觉算法的闭环,从前端的图像采集到后端实时的辅助标记,再反哺到前端的模型优化,让原来一个场景下的视觉模型的优化效率,从两周缩短到两天。

第三就是Facebook同等级的内容分发和推荐引擎,我们打造的平台和Facebook、和我们现在看到的抖音,以及今日头条的数据分发引擎,是同样一套系统。它能够支持每15分钟有一次模型的切换、有一次模型的优化。而原来的模型优化效率可能是一周迭代一次,我们的模型优化效率快了20-50倍左右。

我讲一个案例,在我们与全球最大的快消品牌之一合作过程中。他们发现过去的一年,中高端的产品增速非常快,高达40%,但是这些商品在线下,并没有一个好的手段来捕捉顾客的行为数据,以及提升停留时长、销售转化。我们通过前端用户交互体验,顾客靠近触发“欢迎光临”界面,拿起商品,出现商品整套的介绍、评论和推荐等内容,以及最后实时的促销的触发,提升三组数据:

1、顾客停留时长。原来停留时长是3秒,现在是15-19秒之间,提升了500%。

2、商品转化率。以前线下零售缺乏商品转化率的数据,我们现在的定义是:每10次拿起统计有多少次转化,通过我们的解决方案使商品转化率提升了80%。

3、销售额。我们的解决方案帮助品牌提升了30%左右的销售。

所以,我们的解决方案对于很多零售品牌和渠道商来说,能带来实实在在的效果提升。

过去一年我们讲到新零售,大家都在讲要做无人零售,都在想办法用技术去替代人、干掉人、降低人力成本。

但我们觉得,零售是离不开人的,无人不零售。我们要用最前沿的技术去洞悉人、赋能人、激发人的购买欲,这才是零售的本质。

我相信,那些真正愿意拥抱技术,打造未来商店的零售品牌,一定会崛起。Whale希望成为这些伟大品牌及零售背后的赋能者,用科技点亮零售未来!


企业会员

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。

2018-12-03
帷幄Whale陈安迪:科技将成为激发购买欲的核心力量
零售老板内参独家专稿 未经许可不得转载2018年,消费零售业变革和洗牌加剧,在不断探索和迭代的过程中,零售行业和企业沉淀了哪些经验和思考?风口过后,冷静下来思考

长按扫码 阅读全文

Baidu
map