对于零售商来说，是时候在人们产生需求的确切瞬间，帮助他们找到相应的产品——甚至是在他们形成这种意识之前——无论消费者是否登录了购物网站，是否准备好点击屏幕上的购买按钮。

想象一下这样的场景：你正准备出门接孩子放学。当你抓起钥匙时，咖啡桌上的语音助手alexa提醒说：“牛奶明天就喝光了，今天的酸奶特价1.19美元。你想在trader joe’s（译者注：美国一家私营杂货连锁店）以5.35美元的价格一起下单购买吗？”假如你回答“是”，那么alexa就会帮你确认订单。15分钟之内，商品就能准备齐全，当你从学校返回家时，就能直接从路边取件了。

上述场景其实并没有想象中那么遥远。亚马逊、facebook、谷歌和苹果正在加速消费者期待方面的研究以及进行技术上可行的尝试，例如当日送达和机器驱动的图像识别技术。现在，你已经能够通过苹果手机的siri使用uber打车服务，或者完全依靠facebookmessenger 聊天机器人订购一张机票。

回应型零售（responsive retail）已经发展到了顶峰，我们即将进入预测型商业（predictive commerce）时代。对于零售商来说，是时候在人们产生需求的确切瞬间，帮助他们找到相应的产品——甚至是在他们形成这种意识之前——无论消费者是否登录了购物网站，是否准备好点击屏幕上的购买按钮。这种商业模式的转移，要求我们设计出一种全新的体验，这种体验要将对人类行为的理解与大规模自动化、数据整合相融合。

机器学习的价

在过去几年中，零售业巨头一直采用机器学习的算法来预测需求和设定价格。2014年，亚马逊取得了预测库存技术的专利权，并声称有关人工智能、机器学习和个性化定制的技术已“有所改善”的言论太过轻描淡写。零售商需要像技术公司一样进行思考，不要仅仅利用人工智能和机器学习去预测如何安排店内库存和制作排班表，更要向消费者动态地进行产品推荐，进行富有吸引力的产品定价。

假设你正在出差，突然意识到自己忘了带手机充电器。为了能在会议开始前用上，你就不得不考虑重新买一个。在这种情况下，一家电子产品零售商很有可能会根据这一情况，预测你还想要一副新耳机。考虑到你明天晚上还要搭乘航班，它会推荐你购买一副消音耳机，这副耳机兼顾了亚马逊上的定价、best buy店内的库存量以及快递费用。

为了实现这一层面的预测，技术人员要做到能够从动态的海量数据中识别出微妙的模式。这些数据集包括：消费者的购物历史，产品偏好，购物清单，竞争对手的定价和库存，以及当前和未来的产品需求。这是人工智能和机器学习发挥作用的地方，也是许多公司正积极投资的领域。为了提高搜索功能的预测能力，etsy 刚收购了一家专攻机器学习的公司，从而向用户呈现存在细微差别的产品推荐，而不单单是基于购买历史或产品偏好。这是产品推荐的自然演进，也将会成为未来的标准模式。

发挥互联设备和数据的潜能

预测型零售将在不同场景下激发消费者的购买欲望——购物前、购物中和购物后。商业已经逐渐成为日常生活中的有机部分，不再是一种强行买卖。除了智能手机以外，还有很多东西会让我们不由自主地浏览和购买商品；亚马逊的dash 按钮和由语音助手驱动的echo 设备都可以让人们在家中享受到便捷的购物。当你发现家里的洗涤剂快用完了，就可以点一下dash 按钮；当你想起妈妈下周就要过生日了，就可以让alexa 帮你订一束鲜花……所有这些，其实都只是开始。

下一代智能助手和互联设备将通过学习用户习惯、识别行为模式和环境模式，来使得消费体验更具预测性。像echo 这样的互联设备将获取用户日常交互产生的数据，对可能发生的交易及其时机做出精准预测。

在预测消费者行为和满足个体需求方面，零售店中的互联设备还有巨大潜力。许多零售商早已使用智能手机关注顾客动态，以及进行特定的商品推荐。未来，生物识别技术、身份验证技术和位置传感器的进步，将能够使零售商在综合考虑各个因素后为消费者提供个性化推荐，例如根据消费者的心情、花多少时间浏览商品，以及刚从公司下班还是刚做完健身等。

零售商需要用与线上购物相同的定位和个性化服务来设计线下体验。想象一下，当你经过诺德斯特龙（nordstrom）时，收到了一条手机推送通知，它建议你购买一双新运动鞋。你这才意识到脚上穿着的鞋已经陪你跑过500英里，有些破旧了——所有这些都被鞋底的芯片记录下来，并发送给了你的健身app。随后，你滑动手机点开了这一通知，开始选择鞋的款式。然后，一张店内地图会引导你走进店里、找到店员，而店员早已拿着你想要的鞋子，耐心地等待着你。

拥抱以人为本的设计

预测型零售的未来需要我们为商业设计出一个新的生态系统。这些系统将会依人而建，而非局限于一个特定的设备，或单纯关注线上和线下的体验。这些系统需要整合人情纽带和叙事手法、空间设计和环境，以及许许多多的数据。

通过建立创新实验室，许多零售商走在了预测型零售变革的前列。这些实验室配有专门的研究团队，致力于孵化新创意、对连接线上和线下的数字体验进行测试。丝芙兰（sephora）的创新实验室就是一个非常棒的例子。该品牌在app中引入了一种“商店模式（store mode）”，这种功能整合了用户的网上购物车和beauty insider 积分卡，提醒用户收藏的产品、获得的消费点数，以及他们目前享有的优惠福利，例如一次免费的化妆服务等。

零售连锁店、品牌和电商也经常通过合作的形式来将新的想法付诸实践。几年前，韦斯特菲尔德商城（westfield mall）的实验室同ebay 合作，在其位于旧金山的购物中心建造了一块10英尺高的交互式屏幕。购物者通过滑动屏幕来浏览如瑞贝卡·明可弗（rebecca minkoff）和索尼等品牌的产品，随后便能直接用手机进行购买。

在人工智能驱动的基础上提高预测能力，将会为企业的发展带来巨大潜力。想象一下，手机可以直接连接实体店的橱窗，为你展示个性化的内容。例如，手机上会推荐展示为爱人准备的生日礼物或为度假准备的泳装，而所有推荐都是根据你在pinterest 和instagram 上关注的图片和品牌进行个性化定制而得。通过连接多方的数据和以用户为本进行个性化定制，零售商能创造相关性更高的购物体验，让消费者不由自主地进入实体店、登陆网站或点开app进行购物。重要的是，它们能提前预测出消费者的需求。

重视个人隐私和建立信任

隐私和个性化之间经常存在一些取舍；这一点对于每一代技术革新来说都是如此。零售商需要把透明、尊重和安全作为优先考虑的事项，并及时采取行动。同时，他们还需要展示自身的价值。谷歌在这一方面做得很好，不仅是个性化搜索方面，还有服务方面，例如，谷歌now 可以将你的日历和谷歌地图整合起来，提醒你目前的路况要比平时更糟糕，而且会告诉你，为了准时抵达会场，你应该什么时候离开办公室。

我们中的许多人都愿意为了奇妙和有价值的体验分享个人信息，因为这些体验通常无法在别处获得。零售商需要让这种奇妙和价值变得显而易见。革新早已开始。未来，人们将期待比今天更便捷、更智能的服务。在不久的某一刻，“按需型”商业将转变为“预测型”商业。零售商需要在这次革新中抢占先机。

以上是网络信息转载，信息真实性自行斟酌。