宇多田撰文

买水果, 逛鞋店, 改造超市, 这是属于「腾讯智慧零售」的另一番体验|独家

在马化腾昨天发布的「三网战略」(人联网、物联网、智联网)中,腾讯最擅长的,其实是第一张网。

人联网。人与人,个人与企业,个人与政府,腾讯要做的是一个全平台的用户连接。

实际上,要依靠微信,腾讯早就做到了「人与人的连接」,这个不用多说;而强调「连接个人与企业及政府」,则是云计算市场的天然属性。因此,这个概念并不新颖。

但腾讯做「人联网」,有一个优势比别人更加明晰——小程序。

你要骑辆共享单车,直接用 ofo 小程序扫码开锁;想喝杯咖啡,直接使用卡包里的优惠券;你要办张广州居住证,直接打开「粤省事」这个政府小程序申请办理。

从表面上,小程序是一个连接我们个人与企业及政府的接口,但对于腾讯云来说,这是一个从最上层的 SaaS 应用层,把生意往下做到 IaaS 基础层的「倒逼」思路。

举个例子,「粤省事」这个小程序只是我们看到的一个政府提供民生服务的终端出口,而在这背后,需要将广州省政府的政务信息迁移上云,打通各个厅局的政务大数据,重新搭建一个决策与管理平台……

这里面势必会牵扯与改变每一位公务人员的工作流程,也会改变政府的服务模式,最后,再将服务输出给普通民众。

总的来说,腾讯社交入口优势+云计算+技术支持组成的「生态套餐」,是许多企业用户愿意选择腾讯云的关键原因。这在零售客户中体现得尤为明显。

并不意外,在这次腾讯云+未来峰会上,零售商的体验展台最受欢迎。这也是能让我们最直观检验腾讯智慧零售效果的案例。

每日优鲜的零食柜,永辉超市的刷脸支付、百丽鞋店的扫码识鞋……他们的共同点除了上云、小程序与绑定微信免密支付外,我们也有另外一个发现:

所有涉及到图片识别的 PaaS 层技术支持,都是由与腾讯云同属 SNG 事业群的优图实验室提供的。

每日优鲜的零食柜在我们办公室旁边就有一个,但那种不联网的「老版」机柜,扫码付款开柜后的一系列行为,就取决于你的素质了。

而这次升级后的新货柜,最大的特点其实就是「联网」。只有在联网的基础上,机柜才能实时判断你拿的食物品类,并在货柜上方的屏幕上显示你选择的货品与价格。

实话讲,从扫码开锁支付到选择货品,再到支付的整个过程,是少有的让我感到「流畅」的一次体验。

         

我们从货柜拿出什么商品,屏幕就会迅速显示出购物车中的商品总价;如果什么也没拿,屏幕就会提醒你「什么都没拿」。

我在体验时,故意把橙子、酸奶的摆放位置全部打乱,把橙子放在每一层货架上,但优图实验室的工程师告诉我,这种做法并不会扰乱最后的识别结果,因为每层摄像头需要确认的是「你最后从货柜中拿走的商品」。

「我们用每日优鲜提供的几十万张商品图片训练出模型放在云端,他们调取接口就可以了。」

实际上,这是一种静态识别的技术路线,道理很简单:

通过识别开门前和关门后柜子里面的商品,然后做比对获得最终「数量」结果。举个例子,我在开门前拍一张照片,关门后拿出了橙子后再拍一张照片。市面上很多无人货柜都开始使用这种方式进行商品识别。

一般来说,使用静态识别技术的货柜,通常需要在每层货架上方安装 1-2 个摄像头。而我们也在每日优鲜货柜的每层架子上发现了这种配置。

但这种安装配置往往会存在一个问题——空间利用率不高。

在我们观察这个货柜时,很明显,每层食物高度与每层的实际层高有很大差距,前者可能还不到后者的 1/2。这意味着商品不能上下叠放。而这种「略显空旷」的效果,其实也在某种程度上增加了商家的「补货成本」。

此外,其他展位的一位算法工程师提出质疑——如果这种「联网」货柜成百上千台铺开来,需要多大的带宽来承载云端的实时识别?

但腾讯云的工程师予以否认,他告诉机器之能,每张图片仅仅 200 多 kB,而且只有在有人取商品时才会拍照上传。

「但如果网络不好,可能会多少受到一些影响。」

另外,每日优鲜的工作人员表示,由于正在与运营商进行合作,因此目前的网络流量几乎是免费使用。

「现在与腾讯云的合作都是以试点的形式进行的,在一些基础云计算服务的基础上,他们又给我们提供了一些技术和资源支持。」

隔壁的百丽鞋业在人脸识别技术与硬件服务上与优图实验室进行了对接。

一方面,他们自己在做基于 RFID(射频识别)技术的商品标签芯片(这个在业界很常用了),用户拿起鞋子就能实时查询商品的基本信息(下面视频一目了然);另一方面,挂在室内墙角的摄像头与人脸识别系统是与优图合作完成的。

           

「与腾讯的合作除了小程序、支付以外,人工智能是很重要的一块。我们在这个展示区布了五个摄像头,一个是为了识别判定新老客户,人脸识别系统已经跟我们的客户会员系统进行了打通,如果老客户进来,后台就会显示他的所有消费数据与个人喜好。」百丽展台上国际新零售部门的运营人员表示。

另一方面,门店要依靠摄像头和数据分析平台判定人流量,分析整个店面的人流热力区。如果一个区域的人很多,但另一个区域的人很少,可能会说明这里的鞋子款式不佳,品类单一,或者说是鞋架的布局有问题。

另外,根据每个区域人流热度的差异,店长也可以实时进行店员调配。

「这种热度分析特别适用于面积较大的门店。之前我们在深圳的商场里有一家门店在试点,我们在后台发现有一个区域的鞋架几乎没有人过去,然后我们发现是这个区域有两个模特,把路给挡住了,有些人不愿意绕过去。我们后来跟另一家店商量把模特挪开了,那里的销售额就整体上升了。」

除了摄像头,百丽展台区域内的地毯下也铺满了感应设备,可以感应鞋里内置的芯片,目的是为了统计试鞋数。据他们的新零售运营团队介绍,在与腾讯合作把这些数据与系统被打通后,客户试鞋的转化率,以及试鞋成功后的转化率,就可以在后台被捕捉到。

「这个转化率就会涉及到店铺分析的机制,如果一双鞋被试了 100 次,卖出去了五六十双,这个销量是比较正常的;如果这双鞋试了 100 次,但一次都没有被卖出去,那么可能款式没有问题,但在使用穿着上会有问题。我们就要返厂,研究它哪里有问题。」

但他们也承认,虽然部署摄像头与 RFID 芯片让产品的改版速率明显加快,但摄像头与人脸识别系统偶尔也有识别不准确,甚至有时候捕捉不到人脸的情况。

「有时候是老客户进来,但也被识别成新客户,这种情况并不少见,不过所有涉及到深度学习的东西不都是『越用越准确』嘛。所以我们很有信心。」

但永辉超市的展台体验,并不十分让人满意。

所谓「智慧零售」,一定要包括两点:企业通过技术得到了好处,消费者的购物流程也更加便捷。

在永辉旗下品牌「永辉生活」搭建的购物场景中,除了可以用小程序扫码支付,基于人脸识别的自助购物是最大卖点。

但是,首先自助购物并不是一个新鲜的应用,在国外,多年前就已经可以自助投币或刷卡在超市买东西了(留学的同学们应该深有体会);

其次,我们选择自助购物的前提是,不用排队便可以更快结账走人。但现实情况却是,除去第一次需要绑定微信免密支付和上传照片要花的时间外,我在永辉刷脸支付的时间远远超出了直接扫微信付钱所用的时间……后面还有一群等着刷脸支付的人。

想象如果在一个真实的便利店里,按照这样的流程,究竟是人结账快,还是刷脸支付快?(或者按照大多超市的传统做法,自助结账仅仅是人力结账的一种附属功能)

             

很明显,在视频里中,与银行的静态人脸识别过程相同,支付系统每次都需要采集我的面部信息,上传云端进行比对(这需要好几秒),通过后还需确认手机的尾号,然后才能免密支付……而在我前面两个排队的女孩甚至出现多次采集不正确的情况。

说好的「不掏手机轻松完成购物流程」呢?

如果不能真正「带来便利」、解决行业痛点,「人脸支付」就是一个不必要的步骤,而这也会是 AI 技术「上山下乡」最大的问题所在。

永辉超市的技术人员告诉机器之能,目前永辉已经与多家技术公司签订了合同,而旗下与腾讯云合作的几个品牌,主要是使用了腾讯的云计算基础设施服务(IaaS)与人脸识别及数据分析等技术服务(PaaS)。

「现在处于试点过程中,软件层面可能还不够成熟,目前真正的店面并没有上线刷脸支付,但用户可以使用永辉的小程序设置免密支付。」

这次的腾讯系零售体验,如果打分,我们可以给一个处于「及格线」以上的分数。

但需要明确的一点是,展台也仅仅是展台,网速设置与软件设置通常都被调试成一个最佳状态,而到店的实际情况,还需要等真正试点铺开后,你亲自走进一家腾讯系的新零售超市,仔细探查一番。

产业
1
相关数据
人脸识别技术
Facial recognition

广义的人脸识别实际包括构建人脸识别系统的一系列相关技术,包括人脸图像采集、人脸定位、人脸识别预处理、身份确认以及身份查找等;而狭义的人脸识别特指通过人脸进行身份确认或者身份查找的技术或系统。 人脸识别是一项热门的计算机技术研究领域,它属于生物特征识别技术,是对生物体(一般特指人)本身的生物特征来区分生物体个体。

查询技术
Query

一般来说,查询是询问的一种形式。它在不同的学科里涵义有所不同。在信息检索领域,查询指的是数据库和信息系统对信息检索的精确要求

深度学习技术
Deep learning

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值(例如一幅图像)可以使用多种方式来表示,如每个像素强度值的向量,或者更抽象地表示成一系列边、特定形状的区域等。而使用某些特定的表示方法更容易从实例中学习任务(例如,人脸识别或面部表情识别)。 近年来监督式深度学习方法(以反馈算法训练CNN、LSTM等)获得了空前的成功,而基于半监督或非监督式的方法(如DBM、DBN、stacked autoencoder)虽然在深度学习兴起阶段起到了重要的启蒙作用,但仍处在研究阶段并已获得不错的进展。在未来,非监督式学习将是深度学习的重要研究方向,因为人和动物的学习大多是非监督式的,我们通过观察来发现世界的构造,而不是被提前告知所有物体的名字。 至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

物联网技术
Internet of Things

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

返回顶部