数字化转型对中国零售业产生了迅速而深远的影响。目前,中国零售业的创新程度和增长速度可以与任何西方经济体相媲美。消费者购物偏好发生迅速变化的同时,实体购物与数字购物之间的界限也变得模糊起来。不难看出,中国消费者已经步入了全渠道购买的行列,但随之而来的,是消费者期望值的不断攀升。
当下,中国消费者希望得到“一条龙”式、“即看即买”的零售体验。这种期望迫使零售商不断改善管理流程并提高自身服务能力,但同时也为具有前瞻性的公司创造了机会——通过大力支持企业数字化转型和技术创新来增强客户体验。
迅猛发展的零售业与中国新型消费者
中国零售业的迅猛发展与国内政策变化息息相关,中国政府希望消费者增加消费来扩大内需,而不是一味地增加储蓄。数据显示,2018年全年社会消费品零售总额380,987亿元,比上年增长9.0%,保持较快增长。2018年全年全国居民人均可支配收入28,228元,比上年名义增长8.7%,扣除价格因素实际增长6.5%【[1]】。消费者的消费行为符合政府预期的同时,也在不断刺激零售业的不断升级与发展。
近年来,随着电商环境、技术平台和网购习惯的普及与完善,中国的零售业发生了翻天覆地的变化。例如,各大电商平台的线下门店落地,与传统零售商联盟化趋势加强,将线上线下资源进一步整合;人工智能、大数据区块链等技术在物流、营销、质量追溯等领域应用日趋深入;电商流量加速分化,拼购模式、小程序电商、内容电商等新模式交易规模呈指数增长。
据中国互联网络信息中心数据统计,截至2018年12月,我国网络购物用户规模达6.10亿,较2017年底增长14.4%。随着消费者数字化程度不断提高,网络购物将继续保持升级态势,从而进一步推动零售业市场成熟发展,加快零售商在资源技术和运营模式方面不断升级。
新工具、新客户、新方法
如今,中国的零售商正在尝试使用聊天机器人和预测语音分析等新型数字工具来增强零售业务。以全新的客户体验管理模式(Customer Experience Management)为例,零售商可通过该管理模式所提供的多种渠道(包括传统的联系中心)为客户提供多触点、全方位服务体验,如将聊天机器人集成到零售商的服务系统中,通过全新的方式与消费者互动,并创建深入的对话机制。
这种多触点服务体验与全渠道沟通方式紧密相连。中国零售商想要维持领先地位并保持竞争力,首先需要以客户为中心,并考虑数字化发展,成为“全渠道”企业。消费者希望通过每个可用的沟通渠道与零售商进行沟通并从中获益,同时,零售商也应该与供应链中的所有合作伙伴实现信息流通,加快产品的生产和供应,以可扩展的方式满足中国消费者的需求。
中国的零售商正在尝试摒弃复杂的沟通程序,积极地采用集成的方式与消费者、合作伙伴沟通,以满足消费者的全新诉求。这意味着中国零售商需要摆脱垂直营销模式,转向强大的云或能够提供无缝、高效信息传输的混合IT平台,加速数字化转型步伐。
研究显示,未来一到三年,中国企业在云服务上的投资将与全球平均水平相当。相对于全球其它企业而言,中国企业更适用于使用云服务来支持移动办公并减少成本支出。中国零售商正在利用云技术来占据全球零售市场的领先地位,约20%的零售商表示,他们相信云技术将在未来几年不断推动行业创新。
数字化“赋能”零售业腾飞
中国零售商坚信,创新将继续推动行业向前发展。有超过十分之一的零售商认为,自动化技术将成为创新的主要驱动力,同时,他们也相信移动平台和应用程序、3D打印、生物技术/数字健康工具、物联网(IoT)和人工智能(AI)将帮助行业蓬勃发展。
如今,中国的零售行业已经迎来了黄金时期,数字技术也将助力行业腾飞,未来光明可期。Orange Business Services 作为一家全球知名的基础设施运营商、技术整合商和增值服务提供商,将持续为全球范围内的企业提供专业的数字化转型支持,推动零售行业不断向前稳健发展。
文章作者:张宇锋
Orange Business Services中国区总经理
好文章,需要你的鼓励
Lumen Technologies对美国网络的数据中心和云连接进行重大升级,在16个高连接城市的70多个第三方数据中心提供高达400Gbps以太网和IP服务。该光纤网络支持客户按需开通服务,几分钟内完成带宽配置,最高可扩展至400Gbps且按使用量付费。升级后的网络能够轻松连接数据中心和云接入点,扩展企业应用,并应对AI和数据密集型需求波动。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
RtBrick研究警告,运营商面临AI和流媒体服务带宽需求"压倒性"风险。调查显示87%运营商预期客户将要求更高宽带速度,但81%承认现有架构无法应对下一波AI和流媒体流量。84%反映客户期望已超越网络能力。尽管91%愿意投资分解式网络,95%计划五年内部署,但仅2%正在实施。主要障碍包括领导层缺乏决策支持、运营转型复杂性和专业技能短缺。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。