為了活下去，全球最大的零售商沃爾瑪變身數據公司
文：王茜穎 / 若水 Flow AI Blog 編輯團隊
【本文重點】：
1. 今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。
2. 為了預測消費趨勢、提高供應鏈和營運效率，沃爾瑪張開數據網，即時監控2000億筆的內部交易數據，200 個外部數據。
3. 從行銷、採購、品管、上架、庫存管理到配送，AI 正在改寫超市地景和運作方式。
零售業是一個國家最古老的行業。但你發現了嗎？全球最大的零售業龍頭沃爾瑪 Walmart，正在把自己變成一家數據公司。
它不得不。它最大的競爭對手，吃下線上零售市場一半江山的電商龍頭亞馬遜，不斷探索線下經營。繼實體書店、無人便利店 Amazon Go、收購全食超市（Whole Foods Market）之後，2019年再度推出 Amazon 4-star，銷售在亞馬遜網站上獲得4顆星以上評價的商品，準備對線下零售市場攻城掠地。
「今天，人工智慧不再是一種選擇，而是生存下去的基本必須品。」知名暢銷作家Bernard Marr 說。《華爾街日報》形容這是一場「不斷升級的科技地面戰」。
如何確保對的產品在對的時機，放在對的位置，做出對的定價，以方便對的人購買，是競爭白熱化的零售業的致勝關鍵。
即時監控2000億筆的內部交易數據，200個外部數據
為了抓出客戶需求、提高供應鏈和營運效率，沃爾瑪阿肯色州本頓維的總部設立了@WalmartLabs 和 Data Café（Collaborative Analytics Facilities for Enterprise，企業協作分析工具），監控過去幾週高達2000億筆的內部交易數據，以及氣象、經濟、電信、社交媒體、油價、鄰近沃爾瑪的重大事件（如：體育賽事）、美國最大評論網站Yelp、信用徵信網站Experian等200個外部數據。
沃爾瑪每週預測全美4700家店，共500億件商品需求，「我們每個週末都提出一套新的預測，」「我們有12小時完成所有的預測，約3天完成所有的訓練。」@WalmartLabs 傑出數據科學家和數據科學主任John Bowman說。
但沃爾瑪的規模實在太大了，Bowman說原有的開源軟體，「隨著我們擴大演算法規模，加入愈來愈多的數據，涵蓋愈來愈多的類別，開始遇到嚴重問題」，目前其預測模型是由內部改寫和開發的機器學習演算法組成，每項商品的預測，都建立在350個數據特徵上。
除了預測消費風向，最基本的，「用來確保門市和配送中心的庫存水位，足以滿足預測的需求。它不只幫沃爾瑪控制庫存成本，也確保架上的庫存足以應付來客或網路訂單。」前@WalmartLabs印度班加羅爾主任Nitin Sareen指出。
沃爾瑪 Walmart 同時收集所有顧客的消費紀錄、住在哪裡、並從店內的免費無線網路追蹤其產品喜好。2017年的報導指出，沃爾瑪掌握了6成美國成人，近1.45億人口的詳細資料。「我們想知道世界上所有的產品，我們想瞭解世界上每一個人，然後我們想要擁有連結兩者，促成交易的能力。」前沃爾瑪全球電子商務與科技執行長Neil Ashe曾說。
它的「社會基因體計畫」（Social Genome Project）監控社交媒體上的公開對話，參透消費者的社交DNA，藉以預測消費趨勢。沃爾瑪開發的Shopycat禮品推薦APP，「透過社會基因體計畫，分析朋友的臉書上的讚、分享、發文等動態，解除送禮壓力，提高送禮樂趣。」
當人們在線上展現我們的喜怒哀樂時，沃爾瑪就從分析臉書和推特的對話，在趨勢轉成需求前，成功預測棒棒糖蛋糕機、電動榨汁機的需求，立刻進貨、鋪貨。
數據讓沃爾瑪（Walmart）能預測未來趨勢，抓出過去錯誤
除了預測未來，即時數據和分析，讓沃爾瑪從異常銷售數字中，立即抓出定價失誤，或發覺特定門市根本未將商品上架的問題。機器學習把解決問題的時間從2～3週，大幅縮短為20分鐘。「若你得花上一週或一個月分析你的銷售數字，才能獲得洞見，你那段時間的營收已經蒙受損失。」沃爾瑪資深統計分析師Naveen Peddamail說。
為了收集消費者資訊，沃爾瑪甚至在2012年推出了自己的搜尋引擎Polaris。今年2月，沃爾瑪再度收購以色列科技新創Aspectiva，利用其自然語言處理功能 (Natural Language Processing)，讓電腦擁有理解人類語言的能力，分析客戶的產品評論等用戶生成內容，並結合其瀏覽行為，以提供個人化的產品推薦。
沃爾瑪每小時產生約美國國會圖書館館藏167倍的數據，這些通通餵給雲端。沃爾瑪和微軟聯手建立全球最大的私人雲，每小時從百萬名消費者身上收集2.5 petabytes非結構化的數據，做出行銷、採購、鋪貨、庫存管理等各種決策。有一說，此舉是要和亞馬遜的Amazon Web Services (AWS)一別高下。
衝刺電子商務戰場，營造個人化體驗、用AI 工智慧鞏固生鮮市場
電子商務上，沃爾瑪仍看不到 Amazon 亞馬遜的車尾燈。
為此，沃爾瑪接連併購 Jet.com、Bonobos、中國電商 JD.com、及砸160億美元買有「印度亞馬遜」之稱的 Flipkart，去年沃爾瑪亦翻新官網，挾其龐大的數據能力，用消費者的所在地、瀏覽和購買歷史，加強區域與個人的個人化體驗。
例如，顯示當地熱門商品、通常一起合購商品、「我的門市」生鮮配送服務；提供「輕鬆續訂」功能，類似亞馬遜網站上的快速按鈕（Dash button）。去年第四季，沃爾瑪的電子商務營收成長43％，eMarketer並預測今年底沃爾瑪將分食4.6％的市場，較去年成長4％，居全美電商第三名。
沃爾瑪抓緊數據，苦苦追趕，有其苦衷。根據Accenture 2016年的調查，58％的消費者傾向在有個人化推薦的網站購物，一旦沒有，最快60秒就會失去興趣；SmarterHQ的報告則指出，在這樣的情況下，47％的消費者會直接轉往亞馬遜，便宜了沃爾瑪的頭號競爭對手。
為了拉抬線上銷售，沃爾瑪祭出廉價生鮮優勢。去年底全美有1600家門市提供生鮮配送，3100家門市設提貨中心。亞馬遜迅速回防，今年4月，旗下的全食超市推出第三波降價，以及2小時生鮮配送，1小時店內提貨，要挖沃爾瑪牆角。
這是一塊沃爾瑪輸不起的戰場。不同於亞馬遜，生鮮佔沃爾瑪全美近6成營收。金雞母保衛戰，沃爾瑪用AI和相機打造「新鮮度演算法」，名之「伊甸園」（Eden），用AI檢查蔬果缺陷和新鮮度，預測腐壞日期，確保蔬果從農場到貨架全程新鮮，終結食物（成本）浪費。在全美43個配送中心試用6個月，已替沃爾瑪省下8600萬美元，預計5年內將省20億美元。
在此之前，沃爾瑪必須派員在配送中心先目視檢查送進來的生鮮，接著再手動檢查是否符合美國農業部和沃爾瑪內部的食品標準。
「伊甸園源自我們生鮮營銷團隊工程師間的一場駭客松。」沃爾瑪部落格說。在6個月內，他們量化了美國農業部和沃爾瑪內部的食品標準，並發給稽查員一支iPhone，用Eden的APP記錄各種蔬果在不同生命週期時的樣貌，是否符合各項食品標準。這百萬張照片的資料庫，成了人工神經網絡進行深度學習最佳教材。
當稽查員在現場拍下照片時，機器將比對資料庫中的圖像，經過一層層，千百萬個神經元的數值運算後，評估蔬果新鮮度，預測保存期限，最後決定接受或退貨。沃爾瑪還把iPhone送到農夫手上，讓他們在農產品運送前先拍照，通過伊甸園把關再上路，從頭減少因品質而被退貨所衍生的成本。
「這代表（我們）能更有效率地催熟香蕉，當番茄還長在藤上時，就預測出它的保存期限，或依此調整蔬果上架的優先順序。」沃爾瑪供應鏈技術副總工程師Parvez Musani分析。販賣生鮮是一場和時間賽跑的賭局。時間，就是金錢。
除了產地和配送中心的品管，他們發現運輸過程中的溫度，也會影響蔬果新鮮度。為此，伊甸園即時監控蔬果在貨車裡的溫度，若發現溫度飆升導致蔬果「短命」2天，則立刻重新安排貨車路線，送到較近的配送中心，減少損失。
Musani舉例，沃爾瑪的明星商品香蕉，來自7個拉丁美洲國家，鋪貨到全美4千多家門市。不久的未來，在跨洲、跨國、跨州的長途運送過程中，伊甸園會重新估算「新鮮度」，決定香蕉運到哪裡。「最後香蕉會運到較近的門市，確保最新鮮，消費者樂於買一串美味香蕉，人人皆大歡喜。」
跟 Amazon 亞馬遜搶食 AI 語音購物市場
眼紅於亞馬遜語音助理Alexa登堂入室，開口即可在亞馬遜下單，沃爾瑪也想搶食語音購物市場。
近來的專利申請，透露沃爾瑪打算在產品中內建物聯網電子標籤，以監控家用品的使用情況，例如追蹤保存期限，或你提起洗潔精的次數，藉此推測何時需要補充，自動加入你的購物清單，並為沃爾瑪提供顧客行為的龐大數據，包括產品使用的時間和頻率。
今年4月起，直接呼喚Google Assistant也能在沃爾瑪下單，可在全美超過2100家門市提現貨，800家門市領取網購商品。由於語音下單容易指示不清（例如：買2罐洗衣精），為求準確，沃爾瑪顧客的消費記錄將和Google Assistant帳號綁定，以判斷脈絡。
儘管目前語音購物對營收的貢獻很小，分析師紛紛預測這是未來趨勢。為了「不落人後」，沃爾瑪甚至投資一家針對上流社會的個人購物服務新創Jetblack，會員可用簡訊「遠端遙控」購物員幫他們購物，年費要價600美元。
簡訊的文字，是絕佳的機器訓練素材。「沃爾瑪正在利用Jetblack的大批人力來訓練其AI，盼其有朝一日能提供自動化的個人購物服務，為搜尋欄消失，聲控購物成為主流的那一天，提早做好準備，」Jetblack執行長Jenny Fleiss告訴《華爾街日報》。該報分析，沃爾瑪將該投資視為AI和語音購物的研究中心，打算用它來打造和亞馬遜Alexa抗衡的秘密武器。
而JetBlack正是從沃爾瑪位於矽谷的科技孵蛋器Store No.8孵出來的新創公司。為了尋找下一代的零售科技，沃爾瑪透過Store No.8來孵化、投資新創，與創投和學術界合作，開發機器人、虛擬實境、機器學習和AI技術。
AmazonGo會是沃爾瑪的未來嗎？
自去年10月底，沃爾瑪旗下的倉儲式商店Sam’s Club宣布將在德州開第一家無結帳員的超市後，大家都在揣測沃爾瑪超市何時會跟上AmazonGo的無人店。
4月底，沃爾瑪公布了它的「未來超市」。它改造了紐約州Levittown的門市，化身「零售智能實驗室」（Intelligent Retail Lab），在真實運作的超市裡，裝滿感應器、攝影機、並建有龐大的數據中心。「這些硬體佈線之長足以爬聖母峰5次，處理能力之強大每秒能下載3年份的音樂（27000小時）。」沃爾瑪的部落格寫著。
5萬平方呎，3萬件商品，超過百名員工，可以確定的是，沃爾瑪的未來藍圖，不是AmazonGo。
具有人工智慧的攝影機，並非用來分辨消費者拿了什麼，好自動結帳，而是用來監控貨架上的存貨。機器「看見」架上商品，準確辨識品項和數量，並對照預測銷售需求的量，即時通知員工哪些商品空了，立刻補貨，或哪些放太久，立即下架。如此一來，確保架上永遠有貨，而且絕對新鮮。
這不是沃爾瑪第一次用AI來即時盤點庫存。
走進今天的沃爾瑪，你可能會碰到Auto-S貨架掃描機器人，穿梭在繁忙的貨架間。
自駕車的感應器和人工智慧，讓它能即時辨識路徑中的障礙物，優遊於樑柱、顧客、店員之間，避免碰撞。身高2英尺（約60公分），機器手臂最高可達8英尺高，裝有高解析度相機可快速掃描架上存貨、標價標籤和商品位置，而且免傳雲端，運用卡尼基美隆大學研發的Hawxeye人工智慧，機器人可現場用機器學習進行圖像辨識，加快分析速度，減少無用數據。
不到1小時，機器人就掃完數十個貨架，找出缺貨、庫存過低、沒有標籤、標價錯誤和錯置的商品，通知店員處理。在過去，這得花上一群人數天時間才能完成。
目前全美有50家沃爾瑪使用Auto-S貨架掃描機盤點架上商品。目前總里程650英里（近1千公里），尚未發生任何事故。來源：KPIX CBS SF Bay Area / 沃爾瑪
這提升了顧客的便利性，確保他們總能在對的貨架上找到想買的東西。對沃爾瑪而言，這能降低人事成本，減少貨架空間的浪費，但它還有更重大的意義：「驅動這類新科技的動力，是走向全通路零售的必要性。為了提供當天、低價或最後一哩運送，你必須以這些門市做為配送中心。但要實現這個目標，他們真的需要即時掌握架上有什麼，」Auto-S的製造商Bossa Nova執行長Bruce McWilliams接受Venturebeat採訪時說。
入口處的自助提貨塔就是明證，只要掃描你的網路訂單條碼，45秒內你的貨就會出現在輸送帶上，取貨變得跟「高科技自動投幣機」一樣方便。自駕車配送也進入測試階段。
去年11月，沃爾瑪宣布與福特合作，用自駕車宅配；7月，和Waymo（Alphabet旗下子公司，專門研發自駕車）聯手，在亞利桑那州小規模試點，「http://xn--walmart-6p3l44vn4ljhs1l8c981cucbz07isk0a.com/grocery下單，選擇到店取貨，我們的個人購物助理便會依據取貨時間，細心準備訂單上的商品。剩下的就交給Waymo。Waymo會接送顧客往返門市取貨，你可以利用這段時間完簡訊、小睡、工作，隨心所欲。」沃爾瑪部落格如此描述。
這一切聽起來，像是科幻小說？
沃爾瑪可不這麼認為，「今天，變化的速度很快。10年前，多數客戶還在讀第一代iPhone的消息，懷疑是否實用。現在，他們用手機上買東西，就期望宅配到府或店裡取貨 – 而且通常是當天，幾小時內，甚至幾分鐘內，」沃爾瑪執行長董明倫（Doug McMillon）說，「零售商得適應這些變化 – 在某些領域甚至引領潮流 – 不然就會落後並消失。」
附圖：圖說：去年改版後的沃爾瑪網站，新功能包括當地熱門商品、快速追蹤訂單、快速續訂、我的當地門市服務等，強化區域及個人化體驗。來源：沃爾瑪
圖說：伊甸園的APP介面，機器藉由照片的圖像辨識和比對，預估蔬果新鮮度。來源：沃爾瑪
圖說：只要45秒，16英尺高的自助提貨塔，就會準備好你訂的商品。來源：沃爾瑪
資料來源：https://ai-blog.flow.tw/walmart-ai-data-retail
易洗樂洗衣精評價 在 [情報] 家樂福台酒易洗樂洗衣精在特價- 看板hypermall - 批踢踢 ... 的推薦與評價
我在竹北店看到的！
瓶裝的179元，補充包135元。
我上個月才跟我姊兩人合買台酒購物網特價的補充包六包組，結果家樂福居然這次特價單包
跟一次六包一樣單價（傻眼）
總之，再屯兩包壓壓驚…
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 42.73.93.190 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/hypermall/M.1603082036.A.952.html
... <看更多>