无人零售迎来风口

无人零售，即在零售场所不设置工作人员，由顾客自助购物、自助付款的新型零售方式。

我国无人零售业态分为自动售货机和无人零售店两种，其中自动售货机主要定位于交通枢纽、工业园区、学校等人流密集且相对封闭处，主供饮料和休闲食品;无人零售店多坐落于高档住宅小区、高端写字楼和科技园区等处，售卖的商品类别与普通便利店相近，主供酒水饮料、各类食品、应急快消品等商品。

目前我国无人零售业风头正起，自动售货机市场规模正在不断扩大，各类无人零售店也在积极试点。

行业深度研究报告下载：乐晴智库网站 www.767stock.com

乐晴智库，行业深度研究（微信公众号：lqzk767）

无人零售业在 2017 年集中爆发存在多方面驱动因素。从社会层面看，社会竞争日益激烈使得消费者生活节奏加快，时间更加碎片化;其次，经济的高速发展催生了用户需求不断深化，消费者对于提升消费体验的诉求日益增强;同时，不断上涨的人力及租金成本使得运营成本居高不下、电商不断侵蚀市场份额的零售行业改革意愿强烈。

从技术层面看，得益于物联网、移动支付、大数据征信等新兴技术的发展和成熟，无人零售所需突破的技术难题正在被逐步解决。

此外，在零售业 C2B 的大趋势下，消费者数据成为零售业所必需，而无人零售店的商业模式要求其必须掌握足够的消费者数据才能完成交易，是收集消费者数据最天然的场景。

零售智能化大势所趋，无人零售为消费者数据收集天然场景

零售智能化要求零售商通过智能手段更懂消费者，提高优质交易的效率，实现消费品上游至厂商下游至消费者的共赢。打通 C2B 链路是零售智能重要的特征之一。

C2B 即生产商根据消费者需求来设计和制造消费品，其商业模式具体为:消费者在终端零售渠道消费时，渠道端会对消费者信息、消费习惯、潜在消费方向等进行收集和整理，此类信息经由渠道端通过数据传输平台传递给品牌商，再由品牌商通过数据分析平台等方式进行归纳整理和、分析，并据此分析结果和工厂签订更符合消费者需求端要求的订单。

该商业模式可以提升品牌商的供应链调控效率，降低库存占用资金，从而降低商品的生产成本;同时，C2B 也让消费者获得了更个性化的产品设计和更合理的产品推销和供应。C2B 已成为零售业未来发展的必然趋势。获得本文完整报告请百度搜索：乐晴智库

目前 BAT 等互联网企业通过淘宝、微信等热门应用在消费者数据采集端处于绝对领先地位，而其他企业若想在 C2B 中占据一席之地，也必须想方设法从其他渠道获取消费者数据。而无人零售店的商业模式要求其必须掌握足够的消费者数据才能完成交易，是收集消费者需求数据最天然的场景。

大数据行业的发展，使无人零售店的选址和商品陈列有基础的数据分析结果参考，而无人零售业态的发展，也会增添新类型的消费者需求数据，此类大数据经过分析和预测，将进一步提高无人零售店的运营效率、商家的广告投放效率和厂家的供应链效率。

无人零售店:资本纷纷入局，技术竞相发展推动不同场景落地

如上文所述，随着社会与技术相关层面的不断发展，以及企业对消费者数据的追求，无人零售店已经迎来发展契机。根据艾媒咨询(iiMedia Research)发布的《2017 中国无人零售商店专题研究报告》，2017 和 2020 年中国无人零售商店的市场交易额预计可分别达到389.4 亿元和 1.8 万亿元以上;2017 年中国无人零售商店用户规模仅有 600 万，预计未来五年用户复合增长率约 110%，至 2022 年，用户规模可达 2.45 亿人。

实现无人零售店“无人零售”模式的技术核心在于进门识别方式与支付方式。从进门识别方式看，目前国内无人零售店的采用的识别方式主要包括:

1)扫码进门。顾客每次进门前都需打开微信或相关 App，进行扫码进门。

2)人脸识别进门。顾客首次进门前进行人脸识别注册，并将人脸与顾客微信或 APP 账户等进行关联，此后可实现“刷脸”进门。

3)静脉识别进门。顾客首次进入需将手掌放置在门口设定的感应区进行扫描以生成账户，并绑定支付渠道，此后可实现“刷手”进门。

与进门识别方式相比，购买及支付方式对消费者体验的影响更为重要，从购买及支付方式分类，目前国内无人零售店采用的支付技术主要包括:

1)条形码识别无人零售店。顾客挑选商品后，在自助结账机上扫描商品条形码并支付货款，以小 e 微店为代表。

2)RFID 码识别无人零售店。顾客挑选商品后，在自助结账机上扫描商品 RFID 码并支付货款，以缤果盒子、EATBOX 为代表。

3)机器视觉识别无人零售店。顾客进店挑选商品后直接离店，由店内视觉感应识别装置自动结算货款，以 Amazon Go、淘咖啡、Take Go 为代表。

机器视觉识别:消费者体验上佳，技术发展水平成为关键

此类无人零售店由大名鼎鼎的 AmazonG Go、淘咖啡为代表，以机器视觉识别技术与深度学习技术等前沿技术为核心，能够真正实现“即拿即走”。

机器视觉识别技术为通过机器视觉产品，将被摄取目标转换成数字化信号，通过计算机识别后来控制现场设备的动作;深度学习技术则是使计算机模拟人脑神经网络，从人类的思维模式解释图像、声音和文本等数据并做出反应的过程。通过以上两项核心技术，零售店可识别到每位顾客对每个商品做了什么动作，并反馈到处理器判断交易行为是否成功和合法，从而实现真正意义上的无人零售。

无人零售店缺陷:识别精确度仍需提升，政策风险或阻碍店铺扩张

作为一项新兴事物，无人零售店在目前不可避免地存在部分缺陷，我们总结下来主要包括以下几点，但认为大部分问题目前已经或将在未来得到解决:

1)商品识别准确度未达到 100%。目前 RFID、机器视觉识别等支付技术识别准确度尚未达到 100%，不可避免地会出现商品无法识别、识别错误等情况。我们认为目前此类小概率事件所带来的损失或已在商家的承受范围之内，而若需完全解决则需等待技术进一步发展。

2)消费者道德风险问题，包括尾随进入、在店内饮食、偷盗等。此类风险目前已在不同无人店通过不同方式得到了一定程度解决，如 Take Go 基于其先进的视觉识别技术，对于多人进入默认从刷手者账户中扣款，对于进食、将东西塞包等动作则可进行异常动作识别;EATBOX 则会在消费者入门/出门阶段分别测试消费者体重，从而判定消费者是否偷带/食用店内商品。

3)货物摆放问题影响消费者购物体验。消费者选购商品后可能会对商品原有摆放产生影响，店内无人随时整理货架，或在一定程度降低消费者体验。此问题可通过派驻人员对货架进行定期整理的方式解决，但需付出更多人力成本，需要商家进行综合考量。