嘉宾简介：何崚，阿里巴巴研究员、盒马技术负责人。

**以下内容根据演讲视频以及PPT整理而成。
**戳我观看视频
本次分享主要围绕以下四个方面：
一、盒马零售技术的核心命题
二、供给网络
三、履约网络
四、销售网络
戳我下载ppt

一、盒马零售技术的核心命题

1、天猫业务的挑战

天猫业务强调的是快速规模化和爆发，例如双十一的营销活动。同时强调行业的拓展：上天、入地、出海。技术架构所遇到的挑战是货品的组织效率，流量的匹配效率以及各方服务能力的无损表达，以构建跨行业、可扩展的导购交易平台。以及无缝接入交易链路上来自阿里自建、商家、第三方的服务的能力，以拓展消费者体验。例如大家电的预约安装，家装、送装一体，手机换屏服务、上门取退等。随着天猫直营、天猫超市业务的开展，构建了自营供应链系统，包括采购、出入库、供应链计划、库存管理、物流履约、财务等产品系统，并孵化了阿里巴巴支撑集团25个零售业务的供应链中台。

2.盒马业务的核心命题

盒马是端到端，线上线下一体的零售业务，组织架构是从总部区域门店的树状组织形态。业务链条长，覆盖营、采、销到店仓配各个零售角色，拥有庞大的门店和物流网络，具备一定的劳动密集型属性。复杂的零售业务，对零售链路的协同效率和决策水平提出了高要求。因此要求盒马产品技术，需将系统打磨到极致，同时依托智能化，提升零售全链路的决策水平，依托自动化，降低劳动密集型水平，实现从规模化到精细化的双轮驱动。体量巨大的零售业务，背后需要强大的产品技术体系支撑，盒马产品技术面临的课题：构建一个全链路、全温层、全渠道的数字化零售体系。从顶层抽象来看，主要解决卖什么、卖多少、怎么卖、怎么送的问题，即构建零售业务的供给网络、销售网络、物流网络这三个基础零售网络，并且解决三网的动态平衡课题。

3.供给网络

供给网络，主要解决卖什么，卖多少的问题。生鲜零售的规模化能力很大程度上取决于采购能力，尤其是采购的行业经验。生鲜商品在消费者需求分布上呈现的是区域化、时令化的特点。品类规划上，基于行业数据和本地会员画像，充分挖掘区域人群的偏好，洞察用户的情感诉求，结合盒马的品牌定位，给出品类建议，包括引进新品，淘汰旧品，新品研发。库存策略上，基于销售预测，平衡供应链各个库存节点的库存水位和供给节奏，以平衡生鲜的缺货和损耗，优化库存周转。消费者快速响应上，洞察消费者需求的变化，尤其是新流行趋势，以及市场外部环境的变化。例如此次疫情带来的冲击，从而快速调整品类、定价、库存策略。做到快速响应，处置得当，掌握先机。供给网络的技术难点，在于生鲜商品的非标品属性给数字化决策带来的挑战。如何标准化、数字化生鲜，沉淀生鲜行业知识，近几年来，盒马为此做了大量建设工作。针对消费者需求快速响应，盒马利用归因分析和仿真手段，加速业务应对的速度和效率。

4.销售网络

销售网络，解决商品如何高效分发的问题。盒马是线上线下一体化的销售，线上App端，需要精准的人货场匹配。线下门店网络，需要店网规划，从选址开店选品主货准确及时的基于运营数据分析市场机会，从而制定促销策略。门店营运排班，促销、滞销、效果跟踪，实现零售全链路反馈闭环的建设，使得自上而下的总部生意计划和自下而上的消费者反馈都能准确高效的完成，从而提升销售网络的规模化和清晰化能力。销售网络的技术难点在线下门店的数据采集，执行效果跟踪，以及线上线下时时的数据同步。盒马构建了一整套的AIoT硬件设备体系，能够准确有效的提升门店现场数据的感知能力以及运筹决策能力，从而提升门店的人效、流效和品效。

5.物流网络

物流网络，用于解决商品的高效低成本流动问题。物流是盒马零售运营的基石。盒马建立了全国重点城市的全温层物流网络以及生鲜作业标准化流程。盒马门店三公里定点及时履约体系利用大数据算法，在保证履约时效的情况下，降低履约成本。生鲜仓配上，盒马利用大量的智能硬件和传感设备，数字化、可视化物流的各个环节。能够实时查看每条链路的状态，感知一线作业人员的状态，从而优化作业任务和提升人效，并且可保证运输、存储过程中生鲜的品质，降低损耗。

二、供给网络

1.品类规划和生鲜知识图谱

传统零售业务的规模化依赖采购能力，对采购的行业经验提出了很高的要求。盒马利用阿里在行业大数据和消费者画像的沉淀，并结合生鲜行业积累的知识，深度挖掘消费者的品牌心智以及潜在的市场销售机会，帮助采购引入机会品、汰换旧品，优化品类结构，同时加速新品的研发工作。传统的品类规划基于消费者决策树（CDT），寻找品类的关键属性，并且通过SKU在决策树上的分布和密度以决定是否需要引品和汰换。但存在两方面的问题，一是品类实用度，传统方法适用于全品类零售业务，例如快消品超市，但当零售品牌具备自己独特的品牌认知，服务于特定人群时，并不需要对决策树进行全覆盖。二是传统方法不利于发现新的机会。决策树基于市场已有的商品构建，属于后验性统计，无法洞察新的机会。

盒马结合决策树和消费者情感诉求，基于消费者画像深度挖掘消费者选择商品背后的理性需求和情感诉求，并与盒马自身的品牌定位匹配。一方面用于指导采购和优化品类，另一方面，线上APP端，透出该商品所代表的用户情感诉求，从而提升转化率，增加销售机会。例如，盒马研究消费者心智，发现消费者对生鲜商品的食品安全诉求特别强烈。通过研究发现，“散养”、“野生海捕”、“进口”等商品心智能够较好符合消费食品安全方面的诉求。之后，联系采购，重点冲刺此类商品，整个类目的销量得到了大幅度提升。

盒马将生鲜类目的行业知识不断沉淀到生鲜知识图谱产品中。基于此类数据，进一步协助业务链接消费者情感诉求和产品特征之间的关系。在生鸡类目中，以石门生鸡为例，“深山散养”对应消费者的安全诉求，“足月”和“肉质紧致”对应消费者的口感诉求。应用知识图谱，可以链接消费者和供给侧，达到表述一致。生鲜知识图谱将消费者关注的商品价值、行业资深采购经验、商品品类特点和生产工艺进行数字化沉淀，使得不了解生鲜的消费者知道商品好在哪里，使得采购时时洞察到消费者对于商品核心卖点的关注以及未来的消费发展趋势，并且为生产和引品提供数据指导，同时算法可以深入了解资深采购的经验，以系统智能化的方式，拉高整个团队的采购水平，奠定系统智能化基础。

盒马将生鲜标准化，建立内部生鲜DNA体系，以解决市场标准和叫法的不统一，难以数字化的问题。例如，大闸蟹在某些门店叫做中华绒螯蟹，水果的果径、酸甜、挂枝头时间。生鲜标准化和数字化后，方可真正利用大数据方法，同时结合消费者画像进行需求的有效预测和采购的有效选品，并提高销售决策上的人货匹配效率。而且可以帮助上游的农业种植和养殖进行生产决策，实现真正的订单式农业。
技术难点：非结构化的定性类知识处理，知识图谱元数据模型设计以及知识图谱中的知识点。除了定量的知识点，还存在大量的定性知识点，例如口感。对于定性的内容，盒马应用自然语言处理、语义理解的工具以及算法进行最终聚类。

2.库存优化

众所周知，库存是零售企业的生死线，对于盒马也不例外。盒马自创立之初，极为重视大数据在供应链和库存的优化应用。一是自动补货，盒马以销售预测为基础，门店补货全面自动化，提升库控工作效率，降低门店的损耗和缺货。二是流量可控制，通过线上流量调控机制，精准补足预测和实际销量的Gap，控制损耗，降低成本。以盒马的全自鲜产品为例，供给网络跟踪门店库存，在可能的损耗发生前，预警营运人员，开始变价和促销工作。同时，线上会根据销售预测和量价弹性系数，适当对该商品倾斜流量，提高曝光，在毛利最大化和有效期到达前清空库存。

目前优化的目标聚焦在ECR——消费者需求快速响应。对于生鲜行业，时令性和区域性的需求差异较大。此外，一些突发的流行现象需要被快速感知和响应。例如前几年火爆的小龙虾在去年开始降温。纯粹基于历史数据进行销售预测和库存优化，将会带来大量的损耗和断货。同时，对市场大环境的变动做积极响应。例如疫情环境下，供应链不稳定、用工荒导致的运力不足增加了业务计划和协同的难度。盒马技术部门通过归因分析和供应链的仿真模拟，帮助业务部门在突发事件后使用数据和系统快速修正决策和协同。疫情期间，通过仿真模拟，得到了最优了门店作业和履约时效平衡的机制，可满足在产能不足的情况下，提升门店履约吞吐量。运筹仿真平台可以快速探察对业务产生影响的相互关联、动态和随机事件，探索“what-if”场景，利用数据双胞胎的实习数据仿真，完善策略优化。

三、全温层物流网络

仓配物流领域是盒马业务的基石和创新点。其目标是平衡消费者体验、成本、风险，在尽可能满足消费者需求前提下，不断优化成本和提升风险控制水平。盒马半小时送达的履约服务，区别于生活零售领域友商的履约体系，是以单一门店为中心的及时履约体系。在此履约体系中，计单算法的优化至关重要，多大的计单时间窗口才能够平衡履约时效、最大化单一配送订单量。其次是路径优化问题，包括配送员的配送路径和订单的先后顺序，以保证配送员手中的订单均能在大约半小时内送到。且考虑到了路径夹角问题，避免配送员绕路，提高配送效率。曾经出现过此类问题：骑手获取包裹后，习惯于根据自己的配送顺序依次投递而忽略系统建议的方式，本应该最后投递的包裹被首先投递，导致后续应优先投递的包裹全部超时。在研究骑手配送习惯时发现，骑手投递一圈再回到门店，是一个循环过程。为了保证骑手没有空驶，并不是最远的订单最后配送。同时，骑手对于需要折返的订单较为反感。这些问题可对应到路径规划上的夹角问题，路径中的锐角意味着骑手需要折返。考虑以上问题后，骑手整体的满意度大幅度提升，骑手更加愿意按照系统规划路径配送，超时订单下降。与此同时，系统标记电动车可行使路线，使得路线规划和耗时计算更为准确。

物流全链路数字化是盒马物流的建设重点，物流是劳动密集型领域。随着盒马业务的发展，以及仓、店的规模化增长，物流成本呈现线性增长。为了打破物流成本的线性增长，生成边际效应，盒马产品技术部利用算法推荐每日最优的劳动力结构，结合预测的每日的波峰、波谷，安排自营、第三方和外包员工数量和比例，结合智能排班，确定出勤数量和出勤时间。实际作业中，需根据出勤的实际情况，动态分派任务，同时跨岗位调动店、仓的人员，平衡各个岗位产能。基于以上策略，持续优化物流成本。疫情期间，盒马帮助武汉动物园运送小鱼、泥鳅之类的动物口粮，背后依赖的是盒马构建的全温层物流履约网络。盒马产品技术部通过IoT设备，数字化从活鲜加工冷冻冷藏运输的每一个环节，使得业务可以追踪查看各条链路的状态，指导一线作业人员优化作业任务，保证生鲜品质的同时降低了生鲜损耗。全温层物流履约网络覆盖了全国的主要城市，这为去年西安上市海产梭子蟹提供了保障。

四、销售网络

1.盒马App

盒马App基于消费者消费产品需求，通过技术不断创新，为用户提供更好的人货匹配的体验。首先是消费者洞察体系，基于门店LBS属性，具体化本地生活圈，以商圈、规模、客群特征及品类结构等进行门店分层，从生命周期、特征识别、需求洞察建立消费者画像，对用户的需求把握更准确。例如：健身人群、减肥人群、母婴人群在食品选择上的特殊需求。其次是需求匹配，通过生鲜知识图谱数据、评价等数据，对商品的用户决策属性进行个性化表达，同时通过菜谱内容库的建设为消费者提供做菜的方法，看商品时帮助消费者选择，买完商品后提供做菜的方法。再次建设端智能，通过增强端上动态交互的能力和边缘推理能力，更加实时洞察用户的行为，并实时将内容反馈给用户。例如消费者购物肉类食品是，提供搭配蔬菜的卡片。然后智能场景构架技术，通过自动化的场景内容构建技术，并通过策略实验室将业务目标策略和数据算法执行进行融合，为消费者提供匹配的消费场景解决方案，满足一站式聚集性的商品和服务需求。例如夜宵场景，通过对时间、地点、用户的精确识别并结合线上沉淀的运营经验，工作日晚上的特定时间向白领用户推销夜宵场景卡，以烧烤、炸串为关键词，商品上以熟食、水果、饮料、啤酒品类为主。盒马通过对用户全域行为的洞察，如果年轻女性用户在淘宝上购买过待产包，且最近采购婴儿服装，将被识别为生育宝宝不久的新手妈妈，盒马App根据宝宝月龄的变化，并结合生鲜知识图谱，自动为用户推荐不同阶段的儿童商品。搜索结果页面，优先推荐适合宝宝的食品。盒马和品牌方合作了一些例如新西兰儿童鳕鱼、儿童奶粉等商品，在用户的逛、买过程中，系统使用场景构建技术生成产后如何保健、宝宝餐如何做等场景化内容，满足消费者多样性需求。

2.门店数字化

传统零售具有劳动密集型、依赖人员经验和专业熟练度的特点，如果仍旧以传统零售规模化的方法，盒马在高速拓店中必然会遇到专业人才和一线作业人员用工瓶颈问题。盒马产研着手建设云端一体、软硬一体的业务解决方案，目标是：1. 辅助营运决策、管理过程中的专业人才中台化，使线性增长关系变革为对数增长关系。2. 为劳动密集型的营运作业提供辅助执行和自动化执行，降低门店作业人员的绝对数量，使线性关系斜率缩小。首先门店数字化是一个云＋端的体系，云侧是零售全链路角色的生意协同和任务下达的运筹优化。第一是总部分公司门店的管理策略的上传下达，包括大品的生意计划，例如小龙虾何时采购，仓库何时收货、门店何时收货上架、何时开始营销活动等，供应链协同，门店智能检查。第二是门店任务排班，关键业务经营决策整体运筹优化，包括供应链降损、用工规划、库存管理和库内管理。第三是基层作业辅助，以AI代替专业角色做现场问题的发现和决策，包含AI智能防损、AI防火防害、AI员工作业规范检查、设备实时远程监控和远程运营。端侧是门店智能AIoT设备，考虑AIoT组成的工作场景，AIoT之间的联动和计算的闭合性，将业务感知、业务策略、业务执行封装在一个AIoT中，降低业务标准落地的培训成本。第一是代替专业人员感知现场问题，包含智能货架（感知陈列执行正确性和排面空洞问题，驱动相应业务活动，提升陈列质量）、智能实时定位（感知小二工作状态和工作饱和度，以供管理决策提升员工饱和度）、智能防损（机器视觉和ReID，高位行为的全场追溯降低损耗）。第二是辅助或代替小二现场作业，包含手持移动终端和价签联动，进行亮灯作业辅助、减少作业中冗余的系统操作。自动化输送设备，进行单门店任务合流和后场调度12分钟出仓（拣货打包）。第三是边缘计算降低AI店均成本，包含以城域边缘计算降低跨门店海量摄像头上云的流量成本和实时推理成本（AI防盗损）。以门店边缘计算节点解决门店内设备联动的实时性和可靠性问题（悬挂链、机器人送餐）。针对门店订单密度和昼夜作业密度差异，以城域边缘计算节点弹性分配算力、降低店均AI成本。

3.AIoT在门店的应用

盒马数字化门店依赖AIoT技术提升门店的自动化水平，降低人力投入，同时提高升门店营运的人效、流效、频效。构建云端一体、软硬一体门店AIoT解决方案，以解决高速开店过程中遇到的专业人员的用工瓶颈问题，驱动劳动密集型产业转型升级。

智能零售终端，自助的AIPOS，通过模块组装可以用于AI防损、自助贩卖等多场景，AI推理消费者姿态，识别漏扫、错扫、盗窃等高危行为，降低自助场景的盗损风险。同时模块化组装后可以支持自助店员收银、自重称重、点餐等多个场景。移动店务助手重新设计作业终端，将小二主动选择功能点完成工作的操作标准化为自动判断场景，业务活动为入口，保证作业SOP的标准执行效率。共享管理门店内移动终端，降低门店终端的采购成本。同时通过设备柜的人脸识别和作业终端的传感器，实时采集小二的工作行为，为店长精细化人效管理提供数据基础。设备管理柜和门店内的其他设备整合设计，产出可模块化组装的智能控制柜以支持自提、暂存、取餐等场景。智能货架技术的电子价签，通过有缘导轨、灯光辅助，提升了商品信息的可读性。在拣货场景中，拣货助手通过货架亮灯辅助DA的方案，帮助门店新手小二在极短的时间内达到熟练的效率。货架陈列算法覆盖复杂陈列规划和陈列量计算，区别于传统需等待人工出图，可直接系统出图并下发门店。盒马门店内应用了大量的视觉技术，结合门店原有的机器视觉能力可高效识别人员特征，可追溯盗损商品，预警可疑人员，提升盗损盘查效率，降低门店损失。结合AI视觉和温度传感器，提升自动断电、断气的能力，降低厨房因操作不当导致的火灾隐患。室内立体传统体系广泛应用悬挂链系统，脱离原先大量现场安装带来的运维人力成本和支出，实现模块化安装、远程配置、远程监控、远程运维，该方案将进一步泛化，升级整个门店的输送体系，通过生态伙伴输出到所有的物流输送领域。随着盒马业务的不断延申，将不断挖掘零售全链路AIoT提升零售效率的场景，提出更多的AIoT的解决方案。