NRF 2020的3大收获：全渠道假期，人工智能和可衡量的商店

 
上周，在全国零售联合会大展上，纽约市每个人的年度聚会都聚集了。这种变化既使人松了一口气，又有点不祥，它开始时的天气远未达到零下。与过去几年的另一个大区别是：趋势和结果非常混杂。表演的规模，规模，时间和出席人数都是巨大的，所以我的观点只是大表演的一个角落。但是这是我在那里的时候看到的三件事。
1.假期结果：全渠道获胜
我的一个老朋友比我参加了更多的NRF展览，以说零售商来到NRF来庆祝节日期间的成功或淹没悲伤而闻名。唯一可以确定的是，他们来NRF喝酒。
评估零售商对NRF的情绪很重要，因为这通常是您第一个关于假期结果会如何的警告-大多数公开交易的零售商要到2月才公布收益，甚至是最快的数据聚集者很幸运仅获得NRF的初步结果。
今年，这是一个非常复杂的包。我发现，即使是同一类别的零售商，其假期体验也大不相同。为什么?原来，答案是全渠道的。敬酒小镇的零售商是进入2019年假期的零售商，其中至少有四种主要的全渠道使用案例中的两种：无尽通道(在商店购买，从eCom DC发货或在商店购买，从替代商店发货)，在商店购买在线取件(通常称为BOPIS)，或从商店购买在线发货(BOSFS)。喝酒哭泣的零售商没有进行这些投资。
据我所知，差异的原因归结于消费者。在过去的两年中，我自己的公司已经看到了我通常将其描述为由全渠道用例驱动的销售额的大两位数增长。我说的是收入同比增长10-20-30%。在一年中的任何其他时间，进行了这些全渠道投资的零售商都会说，从这些用例中获得的收入使赢得季度与失去季度之间产生了很大的差异。
有了假期，今年绝对不同于往年。从历史上看，“赢得假期”更多地取决于您所处的类别–例如，电子产品在过去几年中一直在消灭它，而服装在努力表现出强劲的增长方面却举步维艰。即使您没有为消费者提供强大的全渠道服务，但如果该类别表现出色，您仍然可以赢得胜利。
然而，消费者对零售商的耐心似乎在这个假期旺季低谷。他们在有限的时间范围内检查自己的节日礼物清单。因此，如果零售商不能立即承诺合适的库存，那么消费者显然会将其业务转移到其他地方。这意味着无论谁在哪里，都能抓住需求并立即承诺库存的零售商就是赢家。唯一赢了的零售商。
我公司的订单管理总结果证明了这一点。在其他季度，全渠道驱动的收入同比增长了10%至30%。在第四季度(日历年)，全渠道驱动的收入同比增长了约75%，是该年度其他季度增长的两倍以上。
即使在整体度假支出下降的类别中，这也足以带来积极的结果(有时非常积极的结果)。换句话说，2019年假期之所以赢得胜利，并不是因为您出售的商品类型，而是因为您可以向客户承诺产品的程度如何。这就意味着放假假的结果将无处不在-因此，一些零售商因为赢了而喝酒，而有些零售商因为输了而喝酒。
2. AI二分法
去年在NRF，人工智能无处不在。如果您没有在整个展位上贴满AI，那么您既会错过影响者机会(媒体和分析师)，又会被零售商鄙视您没有跟上。
今年，除了在两个关键领域外，人工智能在NRF的存在要弱得多。与去年相比，预测中的AI(要在其中找到业务结果的真正收入)非常安静。供应商仍在谈论它，但是您所面对的却不及去年。然而，在客户体验和机器人方面，人工智能非常突出，特别是在创新领域。
大多数用例都集中在两个方面：用于与客户互动或提出个性化建议的聊天机器人，或用于在商店进行库存清点的机器人中基于计算机视觉的AI。
我与零售商谈论AI的经验是，用于预测的AI尚未准备就绪。历史数据不足以充当入门书，或者零售商内部没有足够的数据科学专业知识来推动与AI解决方案提供商的有效互动。许多AI解决方案都具有技术专长，但是在高度补货(AKA杂货店)的数据丰富的环境之外，人工智能驱动的预测仍然很难挑战自我证明。这不只是创造“更好的预测”，还证明了使模型随着时间推移不断调整的机器学习实际上是在学习正确的东西(而不是作弊，就像发现人工智能一样)。
关键是要注意驱动特定AI驱动功能的AI域专业知识。对于聊天机器人AI，这全都与语言识别有关。有时，这可能与从键入的单词中检测出情感一样复杂，但是大多数用例都是来回对话，旨在引起消费者的目标，并提供有潜力实现这些目标的产品。相对而言，这是一个低风险的提议–即使您有50%的时间出错，也总比什么都不提供要好。
货架库存机器人也一样。计算机视觉是推动AI应用的进步-将视觉图像解释为库存水平等数据。考虑到如何在没有任何干预的情况下获取错误的库存，即使机器人将其弄错了，与目前的零售商相比，关于货架级库存的信息仍然更好。低风险投资。
当您到达需要让AI决定购买多少库存以及将其放置在哪里的决定时–事实证明，这完全是另一回事。当您让AI做出决定时，这就是“赌场”，特别是如果您是时装零售商或生命周期较短的零售商，对于AI而言，这似乎仍然是一条遥不可及的路。这并不是说已经取得了进展，只是说去年对AI的所有事物的热情似乎已被对预测方面的重大现实检查所削弱，这一趋势将持续到2020年。
3.实测商店版本2.0
作为一个对帮助零售商理解商店了解其在线消费者行为的粒度水平的技术非常感兴趣的人，我很高兴看到NRF创新区内致力于提供热点图和其他信息的初创公司数量基于计算机视觉的解决方案，用于了解商店中的消费者行为。
解决方案提供商长期以来一直试图解决这个问题。像Sensormatic的ShopperTrak这样的资深人士提供了多层次的解决方案，范围从简单的红外门户交通计数器到基于摄像头的行人路跟踪。
挑战始终是如何展示足够的价值，以证明装备整个连锁商店所需的资本支出是合理的。您可以证明“样本商店”的合理性，但通常无法提供这些初创企业所需的收入。一些解决方案提供商试图通过开发位于现有防损摄像机(通常为较低分辨率)之上的解决方案来解决此问题。其他人则通过关注于更容易获得和响应更快的见解，试图提高ROI计算的“收入”方面。
我很乐观，新公司的涌入以及愿意为它们提供资金的风险投资代表了一种能力，可以克服历史上在店内客户行为洞察方面延缓采用的挑战。但是，在过去的二十年里，看到沉船残骸席卷了这个问题，我担心我的乐观情绪超过了现实。但最重要的是，在线洞察力和商店洞察力之间的差距很大且还在不断扩大，因此，商店必须重新解决，才能重新获得零售业增长引擎的地位。因此，我仍然保持乐观。