让沃尔玛都叫苦不迭的“零元购”,还有治吗?

最近行业峰会和展会颇为热闹,我也乐于忙碌。刚在重庆参加完CCFA的新消费论坛,又马不停蹄赶到天津的物联网与人工智能高峰论坛,看看智能物联的前沿行业应用。

更重要的目的是想了解下:物联网和AI技术对于零售老板最头疼的“零元购”现象有没有什么更好的解决方案?

零元购指的是2021年11月美国兴起的一波零售盗窃浪潮,除去old school式的偷盗,还发展成聚众“快闪”式的哄抢,甚至打砸抢。这不,最近连沃尔玛老大哥都被偷得苦不堪言。据美国全国广播公司报道,沃尔玛表示有组织的零售犯罪造成的损失达数十亿美元。沃尔玛的CEO道格·麦克米伦说,“零售犯罪已成为一种流行病,如果不能得到纠正,商品价格将持续走高,商店将接连关闭。”在过去的几年中,家得宝、百思买等零售集团也一直警告称有组织的盗窃团伙不断洗劫他们的商店,公司不得不投入大量资金和人力用于防盗,但收效甚微。

虽然这一波零元购风潮的兴起有美国相关法律处罚较轻等特殊原因有关,但零售犯罪却从来不是一国一地的特产。

在我国零售犯罪当然不会像在美国那么奔放,主要还是小偷小摸。根据能查证到的2019年中国零售业盘点损失调查报告,零售业盘点损失率为1.44%,其中员工盗窃、顾客盗窃、供应商欺诈等因素导致的损失占到了总损失的62.79%。根据该报告,2019年每家店每月的平均盘点损失为人民币11543元,按比例估算盗损超过7000元。

这还是4年前的数字,大型卖场业态的零售企业损失要远远大于这一数字,所以几乎所有大型超市都设置了令人闻风丧胆的部门——防损部,就是负责在超市内抓盗窃的。但这种人力密集型的传统手段存在很多弊端,例如无法准确抓现行容易导致冤案和纠纷,甚至出现过顾客猝死的情况。顾客体验差,谁也不想来消费还被当贼防着对吧?防损部职责单一,客流无论高峰低谷都无法灵活调配人力,成本高人效低。门店之间缺少联动,对于跨店流窜作案的人员不能有效防范。

所幸在天津的论坛中,我看到业内已经出现了将智能物联方案成功用于零售行业防偷盗的案例。使用自助结账机与智能防损灯杆,通过视觉识别和人工智能对顾客自助结账时扫描商品的过程进行监控,如果顾客有少扫、漏扫等行为,灯杆会通过颜色的变化通知店员处理。员工一是不用再贴身紧逼给顾客添堵,二是值守的范围大幅扩大,还能把省下来的时间用在服务顾客上。

这种模式的好处很明显,系统智能识别全天候在岗且非常精准,监控画面铁证如山能防止扯皮。同时,对于流窜作案的人员,由于信息在线联通,只要在一家店被拍到,其他店都会对他多一层提防,对于惯犯甚至可以在他刚进店时系统就自动向店员推送预警。这样,不仅同一品牌的商超可以有效防范在不同门店间流窜作案的团伙,甚至不同品牌、不同区域的零售企业,也能经由这同一套防损系统为彼此提供有价值的防盗损信息。某大型连锁企业上线了这种智能防损系统,三个月发现盗损线索8.7万条,处理盗损6944件,累计拉入黑名单2213人,盗损率大幅下降85%。另外,自助结账机以及可以智能识别商品打印价签的生鲜秤的使用同样能够降低人力成本,三种智能设备整体能够节省人力成本达到30%。

除了营业时段的顾客偷盗,闭店时段的入室盗窃也是造成零售盗损的另一大原因。以往为了防有可能来又不知道什么时候回来的贼,每家店都要每晚安排至少一名夜值员工。而现在将监控设备与远程中控室结合,AI能够在关键点位智能进行巡逻检查,一名员工可以在线值守多家门店,发现问题进行针对性处理或报警即可,最大化减少了无用功,复用了人力。

以往夜值员工还要承担夜间收货的任务,这往往也是很难优化掉这一人力最重要原因:供应商送货,店内必须有人清点对账。但我们看到,现在利用数字化技术和系统工具,供应商的司机已经可以做到自助送货,通过专门的小程序扫码开店门,在监控之下把货物放到指定收货地点即可。而且在这一模式下,司机只能打开送货路上的卷帘门和消防门,不必担心司机闯入其他区域。这种无人夜收系统,上线某连锁超市的161家门店,每月节约的人力成本达到124万元。

另外,论坛上关于将智能物联与AI结合应用于超市货架补货以及能效管理等案例也令人很有启发。虽然我国的零售业相比美国等成熟市场在规模和利润率方面仍有不少差距,但这些参会企业带来的成功案例证明,如果零售企业能够利用好数字化技术,在这一轮变革中抢得先机,我们的零售企业完全有机会解决成熟市场中零售巨头所无法解决的问题,并获得跨越式的发展。

特别是随着应用规模的扩大,防损系统的设备价格和软件的服务订阅费用已经大幅下降。在商言商地说这些设备和服务全天候服役,不会请教不会生病,只要将时间拉长,相比人力投入优势明显。那么,如果你是超市老板,每家店每月你舍得投入多少钱用于防盗损的系统和设备呢?请评论告诉我,更多关于本次天津物联网论坛的情况,也欢迎私信交流。

免责声明:上述内容仅代表发帖人个人观点,不构成本平台的任何投资建议。

举报

评论

  • 推荐
  • 最新
empty
暂无评论