零售数字化服务如何借助AI技术的力量

2020年北京部委央企及大型企业CIO年会于1月11日在北京开启。大会邀请了约150位来自北京部委、央企和知名企业的信息高管出席，围绕“数字化转型的实践落地”，共同探讨数字经济下政府部门和大型企业在政府职能转变及企业业务变革方面的全新机遇，为企业数字化转型出谋划策。

以下是现场速记。

于斌平：大家下午好！很高兴我们在这个辞旧迎新的时间来跟大家探讨分享一些数字化的内容。

我是国美零售技术的负责人、技术副总裁，我之前长期负责国美在线的技术，大概工作有小十年，现在线上、与线下充分的融合，我现在主要负责零售和服务板块的技术工作。

刚才听了几位嘉宾的分享，我也是深有感触。作为零售行业，技术的责任是非常重的，公司给我们的任务技术的贡献是什么？技术对业务的帮助是什么？技术带给了公司什么？所以我们始终在探讨，我们有差不多3000、4000人的研发团队，也有一些跟其他友商的合作，所以我们始终在探讨，在不同的阶段，技术怎么去帮助公司，怎么去帮助消费者来提升我们的企业，提升我们的业务。

今天跟大家分享的主要是我们在数字化方面怎么去帮助我们服务能力的提升。这个图大家都很熟悉了，零售的核心是人、货、场。从有计算机开始，Pose机开始到现在的数字化、AI，零售的核心始终没有变过，过去倒退20、30年，我们去商场买东西排队，国美刚成立时万人空巷去排队买彩电。后来随着技术发展、物质生活的丰富，慢慢的场开始多了起来，开始有连锁店等。随着互联网技术的发展和人工智能的发展，我们大家拿起手机来也能买东西，所以“场”不断的发展变化。过去从商场买东西演变成无处不在，比如今天会场的服务员倒水也是商品，承包会场费用是多少钱，也是商品化，这个商品不一定实时交易，可以通过各种方式的交易，商品是这样的。

我们“场”的定义也发生了完全不同的变化。比如直播的网红，我们知道几个平台很知道知名的几个网红，它本身是“场”，它又带“货”。在AI基础驱动下，人和场发生了变化。怎么利用新技术来帮助企业，来帮助消费者更好顺应趋势，使企业提升自己。

我想我们很多人对国美的印象是家电的零售商，其实早都不是了。这三句话是我们近几年转型的核心，国家已经从家电零售商转变成家生活整体方案提供商、家生活服务解决商、家生活供应链输出商。如何理解这三句话？我们从之前单一卖商品，变成我们从零售的提供商变成服务的解决商跟整体方案的解决商。比如我们整体厨房、整体暖通、包括家装，用户从你的家推开门开始，从水电煤、家装、暖通我们提供一套整体的解决方案。从经营商品到经营用户。

我们利用互联网和AI技术，从以电为基础，线上与线下进行深度融合，全网线上、线下提供我们的安装、维修、清洗等等各种各样的服务。我们有一个实体公司叫“国美管家”是服务解决商的实体承担公司。我们每年的活跃用户数大概每年到6000万、7000万，这是非常活跃的，国美累计有两亿、三亿的会员，除商品解决方案之外，我们在服务方面已经有6000万、7000万每年的活跃用户。

除此之外，我们利用30来年的供应链服务。我们现在有1000多家输出店，来帮助他们，这是我们主要的三个产品。

在人跟场上发生了非常大的变化，大家可以去体验一下。除门店以外，刚才讲线上、线下充分的融合，我们现在有三个端，传统门店是一个端，线上国美APP是一个端，我们还有一个产品叫美店，它是社交的产品，线上、线下，美店是基础端。同时辅助其他的比如平台常用的小程序、公众号等，包括大屏这些都是“场”的集中内容之一。

利用技术，再利用我们会员的基础，利用我们刚才讲的三个基础产品，我们无处不在的在服务我们的会员。在这个服务过程中，我们会遇到很多问题，今天我重点讲遇到问题的时候，如何利用技术提升解决这些问题。

首先看服务的能力。我们每个月有成百上千万，大概有小一千万的用户评价，用户的评价内容是什么？包括商品的质量、门店人员服务包括线上的服务、安装的服务、配送的服务、维修的服务情况。

我顺便给大家说一下，我们在线上买东西，大家可能习惯了评价，但是实际上我们在四五年前，应该是在2014年、2015年已经实现了在店里面买的东西或者说我们的配送和安装、维修，进用户家里以后，用户是在店里买的，用户也可以很方便的去评价我们的商品服务。

接着问题就来了，我们讲企业给用户提供满意的服务，但是怎么才能让用户满意呢？每个月上千万的评价，这个评价如果用人工来看是看不过来的，我们以前试图用人去做，根本做不过来，而且人力的处理，会把很极端的问题当做客诉处理，一般客诉差评看都不看就翻过去了。做企业管理我们知道，很多问题恰恰就是这种评价的三星、四星，可能用户不断的出现不满，但还没有到客诉的程度，这个时候怎么办？我们怎么能用技术的方法去把大多数用户包括抱怨或者不适用的整理出来，我们进而去改进，这是我们要做的第一个特点，我们要成为一个家服务的提供商，我们首先要改进我们的服务，知道消费者怎么说。

我们是怎么做的呢？我们的服务评价来自于很多方面。有线上的客服、电话、去门店投诉、微信投诉，管家评价是给门店和线下做的用户评价平台，用户评价会有季积分，用户也能高兴他能吐槽了，我们进而做分析。刚才朱总讲开源，我们实际也用了一些开源的方法，核心是NLP平台，我们大概有100多人团队做这个事情，核心是在做语义的分析，分析顾客在说什么。分析完之后，我们会归纳成几个方面：观点，是哪个责任团队、门店还是哪个服务网点还是哪个负责人，会出一个剪裁结果。结果应用几个方面，一个是没有投诉，但是评价不好，影响它的派工、绩效、奖惩措施。对公司来讲，我们在哪些方面进行改进。

这个事情是怎么做的？这是技术图。我们是把原来做人工分析的人，我们讲人工智能上来之后，人是不是无用了？我们发现人工智能上来以后，一线人是有用的，我们来做标注，为什么做标注？因为我们要告诉计算机，它哪句话表达什么意思，这个标注做了以后，我们再给它做模型，计算机可以训练、效果再上线，然后再上线、修改、做注，最后是结果输出。

给大家举一个例子，这个是我昨天做材料的时候是从系统里抽出来的。我们从观点、缘由抽取，这是用户写的话“打膨胀螺丝才能挂上，机器有漏水，也修了”。我第一次看到这句话的意思，我没明白用户反应是好是坏，系统根据这个标注，它能判断这个话用户投诉是什么意思，核心意思就是机器有漏水。

我们看下面这句话，“安装打膨胀螺丝才能挂上，机器有漏税，也修了，哈，费用貌似还行”。这句话表达两个意思，打膨胀螺丝才能挂上，机器还有漏水，第三个是对这个费用好像还是满意的。系统分析出来的结果第一价格合理，第二是安装有漏水。

再举一个例子，这句话是去年11月7日用户在店里买空调，11月8日送货，没有及时安装，协商12号才安装，由于空调旺季工人不够用，下面描述付款了，第三个意思是门店人员没告诉他。第一个是安装完了，第二个是收钱了，第三个是没人告诉他。这个事儿，我们后台分析之后，我们管理层马上做了改善，因为直接报表呈现了。但是我们看系统怎么分析的？投诉内容是安装不及时、收取费用、未告知。但是这个是我们替系统做的，要非常智能处理的，因为收费是很正常的，只是客户不理解，我们在服务改进时是要很方便的告诉客户服务措施的，不管什么原因，安装晚了，我们要对安装人员做一定的处罚，系统处罚结果是对安装维修团队做了一定的处罚，剩下两条收费和未告知不是安装队伍的责任。

这个工作我们大概做了小一年的时间，我们2014年、2015年上完评价和可视，2017年、2018年用大量用户的评价和NLP的软件进行改进服务。

这是架构平台。我们有很多的业务系统也有评价的中台，我们100多人团队建立了NLP的分析平台，这个数据的来源是我们从系统业务、评价系统抽出评价，调用NLP进行分析。最后的结果因为呈现出来的结果，各种人员要看，安装团队要看，这个结果清晰且典型。

这是NLP分析的结果，为什么给大家展示这个数字？如果对AI感兴趣，这个数字还是比较难的，我们的观点抽取召回率能达到92.52%，召回率是放多少样本，回来多少个样本是召回，最后都能达到90%多，基本90%的问题是我们可以去处理的，所以这个是我们刚才讲的技术对业务的贡献，我们这一个项目让我们的服务提升了非常明显的进步。

给大家分享第二个服务的案例，我们刚才讲我们国美已经从零售商转型到家生和整体方案的解决商，以前卖商品，现在是商品全生命周期的服务。怎么理解？因为现在的物联网技术非常发达，这个商品卖到消费者手里以后，我们不是不管了，我们还得继续管，我们国美智能有一键安装，买了国美电器以后，到用户家以后，一键智能配网，配网的好处是家电的故障和异常的信息，我们能收到进而帮助用户。这个信息推过来以后，后台会有分析，哪些是告警、哪些是坏了，有些告警我们会告诉客户你要注意，比如冰箱、彩电过一两年要清洗，有需要维修的上门维修，同时给用户优惠券。所以这是一个从购买、到保养、到维修、到新件是全生命周期的服务。

我看了一些经典的案例，这是用户实际收到的。这张图片是收到哪里出了问题，第一个例子，空调不转了，可能用户还不知道，点确认链接可以直接确认，我们会有人联系上门维修。我还看了更多的，冰箱门开的报警，它的报警很多人不注意，我们后台收到消息以后，我们会给用户发消息，用户马上会收到，哪里有问题会进行检查，这个功能，用户是非常欢迎的。

给大家分享第三个是我们在提升服务方面案例，我们叫视频化的智能客服导购。很多朋友可能用过智能客服，但它只限于基本的问答。我昨天准备材料看到，智能客服能解决60%的咨询问题，为什么能解决？这是一个商品咨询的案例。我们在客服里，大概有40%-50%问题是用户咨询商品的，因为一些家电还是比较专业的，我给大家坦诚的分享，客服人员对商品信息未必很专业，他要大量处理其他信息，小姑娘未必很专业。这个时候更专业的是我们的机器人。

这里举了一个例子，用户要买一个冰箱，它不断的连贯的问。我们很多机器人只能一问一答，你问第二句就不知道前面说什么问题了？我们叫做多轮任务可以不断的问答，比如什么品牌、什么价位，为什么会这样问？因为用户的信息，我们早都有，他的浏览轨迹、购物行为我们做了明确的用户画像，用户进来的时候，机器人已经知道他的喜好、价位，机器人推荐基本都是很精准的。

同时通过NLP智能分析的时候，我们的智能客服，一个是经典的NLP语义分析，第二个是千人千面的推荐，第三个跟我们的业务中台结合起来，我们用多种技术来满足用户咨询的场景。

我重复刚才说的这句话，很多企业的智能客服只是简单的NLP一问一答，简单理解意思从库里抽取答案告诉你，他没有做到用户画像回答什么，我们通过这两点以后跟业务中台结合起来，去做搜索、分析技术把用户需要的结果分析出来。

这是我们的集成调度，对这个技术感兴趣的朋友可以看一下，这是知识图谱库。

给大家分享的下一个是视频导购服务。我们以前讲不管千人千面也好都是机器人的，对于零售，我们认为人服务是要有温度的，最好的结果是人直接服务，但是我们又没有那么多人，人员又很贵，又未必很专业，所以我们线上、线下会有一个触摸屏，国美APP有个按钮叫咨询专业的导购，这都是真人在服务。假如在店里，如果导购要忙或者某些柜台，由于样机有限，我们可以触摸这个屏，线上看到机器人回答不满意，看到商品介绍也不满意，我们点个按钮，后面会有专业的人员为我们服务。比如这个品牌洗衣机人员会专门与你沟通，沟通完以后，这个人可以直接帮你下单，如果不满意可以再换一个。有些年龄大的顾客不会下单，我帮你下单你直接支付就行了，这个很方便。

刚才给大家分享的是AI驱动的几个案例。我们在研究的有几个方面：

第一个，是基于人体的客流统计。这个不算什么，但是它比较难的是这个摄象头从这儿过去再换另外一个摄象头就跟丢了，所以我们叫人体识别，不是人脸识别。同时要剔除掉店面人员、外卖人员，所以你要准确的算出来到底有多少人来，这是第一步，算出来没什么用，只知道多少人来了。

第二步，算转化。

第三步，用户动作画像。用户去到柜台没买东西，去一定有意愿，但是没有买东西，系统就要分析原因。

第二个，我们利用刚才讲的智能客服知识库，我们做了公用的库。在门店里顾客过来如果不愿意跟人打交道，可以用机器人介绍。

其他的还做了用户大屏，用户在店里逛的无聊时，用户可以扫码玩游戏，抢红包和券直接在店里消费。

还有一些快消的卖场做到自动化人脸识别，自动收银，拿着东西直接走了。我们店里有实验室，在一些快消品类里，这个产品比较受用户欢迎。

今天因为时间的关系，给大家分享到这里，我们的核心理念是怎么用技术的方式，怎么用AI的技术方式去帮助我们企业的能力或者服务的能力提升，怎么去更好的服务到我们的消费者。

今天的分享就到这里，谢谢大家！