零售业的AI：推荐算法之外，还有哪些地方真的用起来了

推荐算法：被讨论最多，但不是全部

推荐系统当然重要——淘宝、京东、抖音电商的增长，推荐算法功不可没。但推荐算法主要是电商平台的游戏，传统零售和品牌商直接受益有限。

对大多数零售从业者来说，AI 的价值在别的地方。

零售最痛的两个点：卖断货（损失销售机会）和积压库存（占用资金，最后打折清仓）。

传统的补货逻辑靠经验和简单规则：上周卖了多少，预留安全库存，到了再订。这在品类少、需求稳定的时代够用，但当 SKU 数量到了几万几十万，季节、节假日、促销、天气都影响需求，人工管不过来。

AI 库存预测做的是：把历史销售、促销计划、天气数据、节假日、竞品价格等因素综合考虑，给每个 SKU 预测未来 N 天的需求，自动生成补货建议。

这件事落地的公司里，库存周转率提升 10-20%、缺货率下降 30% 以上，不少案例可以找到。不性感，但省的是真钱。

"为什么我昨天看的机票今天涨价了？" 这背后是动态定价算法。

航空、酒店行业用动态定价已经很成熟，现在这个逻辑在向零售渗透。

超市生鲜区的临期商品，系统自动计算折扣幅度——折太多损失利润，折太少卖不出去还是浪费。AI 根据剩余保质期、当前库存、历史同类商品销售曲线，给出一个最优折扣率。

电商平台上，大促期间的实时调价更明显——系统每隔几分钟评估竞争对手价格、自己的库存水位和需求弹性，动态决定要不要调价以及调多少。

线下门店的 AI 应用比电商低调得多，但也在推进。

客流分析：摄像头 + 视觉 AI，统计进店人数、在各区域的停留时长、购物路径。哪个货架前停留时间长但转化率低（看了不买）？哪个区域人流少、是不是陈列有问题？这些数据以前只能靠导购观察，现在可以量化。

收银台排队预测：根据当前客流，预测 15 分钟后各收银台的排队长度，提前决定是否开新台、调配人力。大型超市在节假日的收银台管理，用 AI 调度能明显缩短等待时间。

货架商品识别：扫一眼货架，判断缺货位置和陈列是否符合规范。这个方向的 ROI 还在验证中，但几个连锁便利店品牌已经在试了。

线上线下数据割裂：同一个顾客在 App 上的行为和在门店里的行为，很多零售商还连不上，个性化体验在线下几乎为零。

小零售商用不起：定制 AI 系统的成本对夫妻店来说完全不现实。SaaS 化的库存预测工具在降低门槛，但渗透率还很低。

隐私和感受：门店摄像头分析顾客行为，法律边界在哪？顾客知情权怎么保障？这些问题还没有统一的行业规范。