近俩年随着AI和新零售的火爆一直都备受各界人们的关注，而在实际的应用落地项目中能够真正应用到商业场景中的项目却很少见。在中国有这样一家公司，零眸智能，以零售场景的慧眼，用AI改变零售来服务新零售行业。

　　零眸智能是一家专注于零售场景，通过机器视觉提供“智能化解决方案”的Al科技公司，成立于2017年8月，主要为商品制造的品牌商、商品销售的渠道商以及市场调研公司提供图像及视频识别等技术服务。2018年4月，零眸智能完成华映资本，元禾资本数千万天使轮融资。

　　近日，零眸智能创始人樊凌云接受了爱分析专访，分享他对零售行业和新零售趋势的看法，解读机器视觉图像识别技术如何提高督导、分析效率，赋能快消企业。

　　樊凌云，零眸智能创始人兼CEO，中欧工商管理学院EMBA，外贸、工厂、移动互联网的连续创业者。

　　快消品牌非常依赖线下商品陈列，通过增加产品曝光度提升购买欲望，由此产生了大量营销和人力费用，如向渠道支付陈列费、堆头费等营销支出，以及雇佣大量督导人员进行陈列、促销的监察与指导。

　　据零眸智能创始人兼CEO樊凌云介绍，快消品牌每年陈列促销费支出占销售额3-5%，稽查督导相关支出则占陈列促销费用10%。根据Statista及Kantar Worldpanel统计，2017年中国快消品市场规模达4万亿人民币，由此可以计算出，稽查督导相关支出每年达120-200亿元。

　　传统的陈列督导，依靠人工记录、人工拍照、后台对照片进行人工分析，需要耗费大量时间及人力成本，对督导员能力要求也较高

　　零眸智能推出的“秒识”产品，利用人工智能实现快速、精准的记录与分析，为品牌商节约后台人力成本，提高督导效率及质量，进而提升品牌的市场表现。

　　机器视觉识别陈列图片提供智能化督导建议。

　　“秒识”采用机器视觉图像识别技术，督导员使用“秒识”拍照收集线下的陈列信息，包括终端货架、冰柜、堆头、物料等，按照提示要求拍照即可，既可单张识别，也可多张连续拼接，并自动去除干扰背景

　　通过特征提取及OCR文字识别，“秒识”正面识别商品及货架标签，获取商品数据及货架数据。由于采用前置算法，不仅识别速度快，还能实时判断照片，提醒督导人员按规定距离和角度拍照，提高照片的可用率。

　　现有图片数据经处理后可反映四类信息。

　　第一，自有商品基本铺货信息，如是否铺货，或者缺货及断货情况；

　　第二，竞争策略，如自有商品的货架占比、竞争对手商品占比；

　　第三，促销信息，如堆头等二次陈列的促销效果；

　　第四，价格沟通，即商品的折扣是否在合理范围内、能否向消费者传达统一的品牌形象。

　　这些信息基本涵盖了快消品的陈列及线下促销行为，将原来需长耗时、人工记录及分析的信息，仅用时5秒即以BI报表形式实时呈现，使督导员当场判断陈列及促销是否符合标准，并及时作出调整。

　　据统计，一般督导人员平均每天可覆盖20家线下门店，每家门店需要14分钟的督导时间。使用“秒识”后，时间缩短至3分钟，每天可覆盖34家门店，效率提升70%。此外，品牌后台进行机械化图片识别的人工，也可转移至其他更具价值的工作之中。

　　“秒识”现支持超过2500个饮料SKU识别，几乎覆盖市场常见产品。在与首个客户可口可乐的合作过程中，零眸智能经历了较长的基本商品数据导入时期。但在走完从0到1的过程后，现在服务一个全新的大型客户，1个月产品即可上线，再通过1-3个月的实际使用优化，识别率可达95%以上。

　　从各行业标杆客户切入以头部及腰部为主

　　零眸智能的目标客户锁定在年销售额十亿以上的快消品公司，分为饮料、食品、医药、化妆品、洗护用品等七大类。据樊凌云估计，国内仅饮料类企业就有100余家，快消全品类数量更加庞大。

　　在发展初期，零眸智能以直销形式拓展各行业的标杆客户，以细分领域的前三名为主。樊凌云曾负责味千拉面、上海来福士等品牌的线下智慧门店改造，积累了较为丰富的大客户服务经验。

　　后期获客将与渠道合作，借助其与品牌维护多年的联系扩大客群，既可以直接安装App，也可以SDK或API形式输出。零眸智能目前已与全球知名市场研究公司益普索签署合作协议，为其输出快消品的线下识别能力。

　　零眸智能的核心竞争力是其创始团队。核心人员由来自百度、英伟达、大华等知名科技公司的博士后、博士和硕士，以及具备多年快消品行业经验的可口可乐市场销售专家组成，跨界团队兼具扎实的技术背景和资深零售行业经验。

　　今年，零眸智能预计服务十余家头部客户，下半年将团队从30余人整体扩张至60人，以技术团队为主，并增加商务服务团队。

　　当前，零眸智能的收费模式比较灵活，既可按图片数量收费，也能以SaaS的形式收取订阅费，以客户的偏好确定，大品牌的客单价普遍在数百万级别。

　　依靠海量数据提高准确率正在切入智能货柜

　　从品牌商已有的陈列督查需求切入，不仅能验证商业模式的可行性，对零眸智能更加重要的，是大量相对低成本的真实场景数据训练。

　　品牌商督导人员每日传回的图片数据，可达数十万张至数百万张不等。不必单独铺设硬件，即可快速迭代算法和模型的精准度。

　　在督导领域，零眸智能将继续实现去人化，即从“人拍照、机器识别”到“摄像头拍照、机器识别”的转化。花费较少费用改造品牌冷藏柜，即可实现所有开、关门行为的记录，在云端识别内部饮料陈列并生成BI报告及动作建议，保证柜内本品牌饮料的数量占比，并有效节省督导人力。

　　樊凌云表示，除了解决督导需求，零眸智能的技术还可用于更广阔的领域。

　　零眸智能的数据来源正在扩展到全域范围，包括人脸识别数据、POS系统的交易数据，甚至电商数据、社交数据等，都将通过自行布置硬件或与第三方合作的形式打通，为记录消费者行为奠定基础。

　　下一步，只要继续与自助收银及无人售卖系统打通，即可实现对消费者购买行为的完全数字化记录，切入智能货柜，真正实现零售场景数字化。

　　以下以下为樊凌云对零售科技行业及零眸智能的战略交流专访节选实录。

　　服务快消品已有需求解决督导痛点

　　问题：您当时是出于什么契机创建零眸智能？

　　樊凌云：我与合伙人——前百度的技术总监，之前一直在做零售行业的升级工作，比如味千拉面全国700家门店的智慧商户改造系统，消费者进店后连接WiFi，然后获取手机MAC地址，进行客流统计；后又为上海来福士商场进行改造，消费者连接WiFi后，根据其喜好推送优惠券，再核销。

　　但这种业务很难快速复制，周期长，我们就开始考虑下一个风口是什么，能不能结合人工智能。

　　2016年，可口可乐找到我们，提出了督导升级的需求。

　　他们在全中国推出了近100万台免费使用冰柜，尤其会铺放在夫妻老婆店。品牌有一个“纯净度”指标，即冰柜内自有产品的比例，还有“饱和度”指标，看缺货程度。品牌原本要派很多人拍照，后台人力进行照片统计，效率很低，而我们就从人工智能角度切入，把线下零售陈列数字化，零眸智能从此开始了第一单。

　　我们不替代任何人，只是用技术赋能传统企业，所以做的是存量市场。

　　2018年4月零眸智能受邀参加可口可乐系统大会。

　　问题：快消品在商品陈列方面的实际需求是怎样的？

　　樊凌云：快消品是个很特殊的行业，消费者首先要看得见产品，第二步才可能买得到。快消品的销售节奏很快，更多满足冲动性消费或即时消费的需求。所以对消费者的视觉冲击非常重要，我们将其统称为陈列。

　　可口可乐一年的陈列广告支出十几亿，做陈列督导的费用就近1亿。可口可乐的业务代表去检查一家店，一般要用14分钟左右；如果使用我们的系统拍照，3分钟就能完成，能节约10分钟，稽查员就可以检查更多的店，提升人效。

　　现在每家店节约十分钟，理论上能够覆盖34家店，效率提升了70%，为快消品品牌节省了大量人力费用。

　　品牌还有一个问题，拍了很多照片，可口可乐后台人员看照片、做统计的人有100多个，但是效率很低，每人每天最多能看一百张，机器识别一张照片只需零点几秒，是人效率的千倍、万倍。

　　我们的核心识别时间在一秒之内，以4G传输速度计算，五秒内就能传回场景报告。按后台人员一年10万元的费用计算，一百人就是1000万。

　　人员可以告别低效重复的工作，为品牌开启真正的智能决策，这是我们的核心使命。服务快消品已有需求解决督导痛点

　　问题：零眸智能数据来源有哪些？

　　樊凌云：我们有两种，一是在市场上的真实场景拍摄传回的，来自客户原来进行拍照监察时积累的大量数据；第二种是我们派人去拍。

　　一旦客户开始使用我们的产品，照片每天还会大量更新循环。平均一个业务代表每天走几十家店，拍摄照片上百张，像可口可乐全国有15000个业务代表，这个数据量就很惊人了。

　　问题：零眸智能的图像识别技术有何特点？

　　樊凌云：我们的核心技术是图像识别，类似于黑盒子，输入大量数据，进行特征提取，用特征判断物品。

　　我们的算法颗粒度很细。首先会按大品类进行区分，再分具体口味。只要眼睛能识别，机器也能做到。如果是文字识别，就更简单了，用图像识别的OCR技术识别文字即可。

　　目前我们的实际识别率是95%--98%还会继续上升，但越到上面越难，如果人眼也看不清楚，比如有反光、遮挡、模糊，机器只能去猜，但猜的概率有时候比人还要准。

　　问题：零眸智能在市场有多大的领先优势？

　　樊凌云：我们在饮品行业领先竞争对手3-6个月。任何一个技术团队跨过来做，需要时间重新定制算法、标注数据、再学习。

　　对我们来说，第一是能力，第二是技术，或者叫算法，第三是产品，产品要落地实现商业化。现在大部分项目停留在能力和技术上。我们第三步的产品已经完成了，现在在产品商业化的过程中，有客户买单。

　　从能力到技术，组建自己的算法，我们准备了一年多；从算法变成场景中的产品，又花了大半年。产品还需不断迭代，达到商用水平，至少需要三个月；最后再进行商务谈判，整个过程能领先行业同类公司3-6个月。

　　问题：获客方式是什么？

　　樊凌云：有几种模式。第一，我们会在每个行业直接获取标杆客户，饮料是可口可乐，乳品选蒙牛或伊利，饮用水像农夫山泉或娃哈哈，至少是细分领域的前三名。

　　接下来，我们希望与渠道合作，渠道与很多品牌已经建立了多年的联系，我们把产品授权给它，以SDK或API形式都可以。

　　今年2月份我们与益普索签署了战略合作协议，益普索为世界500强企业出标准的调研报告，我们的技术可以提高它的效率，使数据来源更丰富、更实时。所以我们总体的想法还是找更多合作伙伴。

　　每一方都有自己的优势，包括在人脸识别这个领域，各家大公司的能力和侧重点都不一样。我认为新零售如此巨大的市场，未来一定是大家抱团一起做。

　　人工智能服务新零售，场景落地比技术更重要

　　问题：革新的技术与工具，是新零售发展的核心吗？

　　樊凌云：首先，我认为工具永远是工具，技术永远是去赋能的，所以最重要的是能解决什么问题、这个问题对目前的从业者是不是痛点。如果做增量市场，看上去很酷炫，但对传统零售商来说，可能没解决什么问题，甚至感觉到被颠覆的威胁，就会被抵制。

　　但如果帮助零售商节省人工成本，获得更好、更多的数据，辅助决策优化，那就是合作的关系，而不是替代与颠覆，这点很重要。

　　未来5-10年，是逐步渗透的过程。线下占整个零售70%市场份额，但数字化程度低，首先要把线下的消费行为数字化。

　　我们希望在研究和变现中取得一个平衡，第一步只做工具，也能有点收入，但这不是长期目标；第二步走到前端，依靠数据变现；第三步是做智能决策等增值服务，分享创造的价值。

　　我们把自己的发展分为这三个阶段，每个阶段都要有收入。按照这三步走的目标，最终要建设零售大脑，人工智能的真正价值在这里。

　　问题：您预期人工智能未来的发展会有哪几个阶段？

　　樊凌云：主要是三部分。算法、产品、数据，形成一个闭环。更好、更多的数据，会让算法更聪明，产品更好用，识别率更高，用的人更多，就产生更多的数据，形成良性循环。

　　这三方面团队都需要加强，但要从产品的大规模应用开始，让真正的数据进来。有的创业公司品类扩张太快，协同性不好，每一个品类都没打通。而我们要实现一个品类中非常高的渗透率，才有价值。用的人多，才有高质量数据，然后实现良性循环。

　　现在对人工智能来说最大的问题，我认为是很多人没有找到合适的应用场景，仍处在实验室阶段。到了应用场景中，如果使用者觉得更麻烦，甚至有被监控的感觉，可能是因为团队对行业理解不足。

　　未来重要的是对场景的理解，不只是技术。大家在技术上的差距会越来越小，更多是技术与场景的整合过程。最后的融合，也将是多重技术的融合。

　　文章来源爱分析

搜索更多: