AI融合产业 | 马上赢：连接零售数据，合作实现双赢

左右滑动查看更多

系列导读

本系列由BCG亨德森智库与创新工场董事长兼首席执行官李开复博士带领的创新工场团队共同推出，围绕“AI融合产业：‘改造者’¹如何促进AI普惠”的课题，我们致力于探究传统企业在应用AI过程中的关键要素与合作伙伴，以及传统企业拥抱AI的范式与路径。

在零售领域，马上赢致力于定义中国快消品零售监测行业的新标准，成为“中国的尼尔森”，通过免费为连锁零售商提供市场情报和“零售数字化铁三角”²，与零售商进行数据合作，将海量的线下快消品零售数据转换成精准的市场洞察情报。

^{1 “}改造者” 通过传授其AI技术和垂直行业理解，极大地打破了传统企业应用AI的瓶颈，充当产业中传统企业应用AI的桥梁。“改造者”包括AI企业与成功转型AI的传统企业。

²“零售数字化铁三角”指通过PDCA循环迭代的方法提升零售商销售收入。P=Plan：52周企划；D=Do：会员营销；C=Check：BI看板；A=Act：改进。

本期受访嘉宾：猴哥（王杰祺）

马上赢正在建设覆盖线下门店最多的零售监测网络，为连锁企业免费提供BI看板、52周企划³、会员营销和市场情报，推进连锁企业数字化转型。

猴哥（王杰祺）是马上赢的创始人兼首席执行官，清华大学学士，美国华盛顿大学硕士。他是原阿里巴巴集团资深产品专家，曾于美国UPS供应链部门担任高级工业工程师。在创立马上赢之前，他曾创业推出购物助手（如意淘），后被阿里收购。

³“52周企划”指依托马上赢的大数据AI技术帮助零售商实现精细化管理。零售商可以了解一年中每周适合销售什么类目的产品，与阴历节日、阳历节日、节气、特殊事件（如比赛活动）关联，提升门店的销售计划能力。

对谈实录

马上赢为什么选择切入零售赛道？如何定义“中国的尼尔森”？

马上赢致力于定义快消品零售监测的新标准，做“中国的尼尔森”，为零售商和品牌商提供服务。面向零售商，马上赢免费提供ABC服务，即AI、big data（大数据）、Cloud（云服务），以换取订单数据；面向品牌商，马上赢基于零售商的脱敏数据提供全国市场情报，赚取收入。

马上赢发现，中国的市场过于分散，零售的毛利又低，大量规模小的零售商缺乏足够的IT费用以支持其独立完成信息化应用，但他们对信息化的需求又是真实存在的。另一方面，品牌商有意愿和能力为市场情报、动销数据支付费用。马上赢看到了零售商和品牌商的痛点以及购买力的巨大差异，尝试通过为零售商和品牌商提供所需服务来提升整个行业的效率。

马上赢一方面向零售商免费提供差异化的信息技术服务，按零售商的需求提供BI看板和市场情报支持，另一方面向品牌商提供产品动销数据与竞品监控服务。此外，马上赢还在着重提升AI算法和大数据中台数据处理能力，以便支持更多零售商和品牌商的数据服务需求。同时，这些技术优势和服务支撑能力帮助马上赢建成国内覆盖范围最大的实时零售数据监测网络。对于马上赢和客户而言，这是双赢。

在数据治理中，马上赢需要做的是建立相对统一的内容体系，实现统一的度量衡。比如同一个条码的商品在不同门店的名称写法不同，传统方法是通过人工进行校验和修正之后才能统一名称入库。马上赢通过自己搭建的超1,600万条码的商品库，使用AI算法对零售数据做分类、清洗，并基于完善的商品知识图谱体系标记商品属性，再由BI看板提供数据洞察服务。马上赢的这套全流程自动化体系，极大地提升了数据处理和情报产出的速度和效率。

相比数据咨询商、科技巨头等其他类别的竞争对手，马上赢的差异化优势是什么？如果品牌方想自己做零售大数据，马上赢怎么应对？

以往零售商想实现信息化必须高价购买专门技术公司的服务，只有少数资金充足的大零售商可以负担得起，零售行业中数量众多的中小型零售商往往望洋兴叹。而品牌方一般很难获取到这些生意占比很大的中小型零售商数据，因而会寻求数据咨询商的数据服务。但出于成本和利润的考虑，数据咨询商往往只服务最头部的品牌商，在中国可能只有几百个品牌商能消费得起数据咨询商的服务。相比之下，马上赢合作的品牌商更加广泛，从新锐品牌、区域性品牌到成熟品牌、头部品牌，马上赢都可以提供符合客户需要的数据服务。

数据咨询商从少数零售商那里提取商品月度销售汇总数据，再将数据整合为大盘情报，卖给少数头部品牌商。但马上赢从“激活生态”的角度出发，帮助零售商提升数据运营能力，获得大量一手销售订单数据，可以为品牌商提供更详细的数据洞察服务。此外，马上赢由AI赋能数据清洗和BI交付，从而可以提供实时的、更细颗粒度的看板，可以提供细到省级、地级市级、业态级、SKU级颗粒度的数据。

相比电商巨头，马上赢选择线下快消品零售行业，覆盖更多的线下零售商，涉及更丰富的业态，有大卖场、大超市、小超市、便利店、食杂店等等。在商品品类的选择上，马上赢暂不拓展美妆、服装等电商渠道占比超过50%的品类，而选择线上化率相对更低的品类，如食品、饮料、日用品。这些品类消费时效性高、频次高、单价低，线上购物场景并不适合线下。

至于品牌方自己做零售大数据，马上赢早前就思考过这个问题。我们和大品牌都聊过，如果建立品牌方自己的销售追踪网络是否可行，得出的结论是不可行。一是单一品牌方来做大数据，做完了只能自己受用，成本摊下来很不合算，还不如投资AI企业，实现专业化分工；其次，品牌方还有一些技术壁垒解决不了，攻克下来只会对成本端造成更大的压力，得不偿失。

马上赢在赋能零售商和品牌商的过程中遇到的最大挑战是什么？

最大的挑战来自于行业里不透明的竞争——现在做AI的企业太多了，很多企业会虚报准确率，噪音特别大。

AI在每个垂直行业的落地需要很多行业知识，其次才是叠加AI算法。但很多传统企业对AI的期待特别高，导致市场上各种声音鱼龙混杂，每个企业都在讲述“AI万能”的故事。马上赢不会激进地过度承诺，但这种冷静和狂热之间的冲突会带来很多麻烦——当别的AI企业过度承诺其自动补货的准确率高达95%的时候，马上赢如果表示我们的准确率位于70%—85%的区间，传统企业就会轻视我们的实力。现在，垂直行业里缺乏行业组织或者专业机构来做客观、公允的第三方普查。比如在图像识别、自然语义处理领域，都有比较公认的训练赛，大家用算法的跑分说话，相对而言就比较客观。落到垂直领域里，每个企业自己报数据，很多时候就会有水分。

马上赢曾经考虑把收集的数据脱敏之后贡献出来，让大家有一个公平的舞台竞技，但是很难运行起来。仅仅共享数据不足以激励算法团队，需要行业组织定期举办竞赛、活动等，或者像Netflix举办推荐算法比赛，通过资本来激励大家参与，仅仅靠社区运转不起来。

你认为未来AI企业的发展趋势是什么？

有能力的巨头要持续加强行业的基础设施，让开发AI的人能有更好的工具，让雇不起博士生的企业也能应用AI，实现技术普惠。同时，垂直领域内的AI创新需要符合企业自身的需求，AI企业要在巨头的基础设施之上，基于更好的训练集和更专业的垂直行业知识，不断突破行业壁垒，优化垂直领域的AI创新。我相信这是我们的生存之道——“科技巨头靠算力，我们靠设计”。

同时，中国的零售行业在洗牌，有很多更具备数据化思维的新品牌在跃跃欲试。以前是渠道经济，在社区里抢到点位就能有流量，未来是有技术、数据和管理能力的品牌才能从老品牌手中抢到点位。此外，随着许多快消品牌逐步上市，出现资本外溢，更多的人会开始创业，叠加当前快消巨头的二代交棒窗口，零售领域将有新一波浪潮涌动。我相信，未来的零售行业会更加拥抱数据，拥抱AI。

■要点回顾

不只是技术层AI要有标准，应用层AI也需要标准。垂直领域应用AI需要由行业组织或龙头企业牵头制定公认的行业标准，从而促进AI企业公平有序发展，这也将反哺传统企业，促使传统企业的AI应用提质增效。

“科技巨头靠算力，AI企业靠设计”，结合巨头提供的行业通用基础设施和“改造者”特有的垂直领域数据集和算法，各取其长，方能最大化传统企业应用AI的效率。