想象一下你即将要出门接你的孩子，你抓起钥匙，听到咖啡桌上的设备说：“似乎你的牛奶明天就会用完了，而酸奶现在特价1.19美金。你想要在Trader Joe’s（译者注：一家私营的杂货连锁店，直接从全世界的农场和生产商进货，不通过中间商或者代理商）下订单吗，总价5.35美金？”假若你回答是的，那么Alexa则确认订单。订单在15分钟之内就会准备好，待你从孩子学校回到家时，就能从路边取件了。

此未来场景并非那么遥远。亚马逊、脸书、谷歌和苹果正在加速实现消费者的期望，以及技术上可行的东西，从当日送达到机器驱动的图像识别技术。你能够用Siri打车，或仅通过脸书Messenger聊天机器人便能够订一张机票。

回应型零售（Responsive retail）已达顶峰，我们即将进入预测型商务（predictive commerce）的时代。零售商是时候在人们确切需要什么时，帮助他们找到相应的产品——甚至可能是在他们还没意识到此需要之前——无论他们是否已登陆或准备点击屏幕上的购买按钮。此改变将要求设计出，一种能够使我们对人类行为的理解同大规模自动化和数据整合相融合的体验。

机器学习并非只和预测有关

零售业巨头在过去几年一直采用机器学习型算法来预测需求和设定价格。亚马逊在2014年取得预测库存技术的专利权，有关人工智能、机器学习和个性化定制技术从那时起有所改善的言论实则言不符实。零售商需要让自己更像技术公司那样去思考，不要仅仅利用人工智能和机器学习去预测如何安排商店库存，以及制作排班表，同时还要动态地推荐和制定能够吸引个体消费者的产品和价格。

假设你正出差，然后你意识到自己忘了带手机充电器。想要新充电器在一场全天候的会议开始前送达酒店房间，你将要支付额外费用。一家电子产品零售商可能还会预测你想要新的耳机。它会推荐你购买一副消音耳机，给出的价格已考虑到了亚马逊目前的定价、Best Buy店内库存、按需选择的快递的现行费率，以及一个事实，即你明天还将要满眼血丝地搭飞机回家。

此层面的预测要求能够从不断变化的海量数据集中识别微妙的模式。这些数据集包括：消费者的购物历史、产品偏好，和清单；竞争对手的定价和库存；以及目前的和预测的产品需求。此处即是人工智能和机器学习发挥作用之地，也是公司正积极投资的领域。Etsy 刚收购了一家专攻机器学习的公司，通过给出不单单是基于产品历史和偏好的，具有细微差别的产品推荐，从而使其搜索更具可预测性。这是产品推荐的自然演进，将会作为未来岁月的标准。

实现联网设备和数据的潜能

预测型零售涉及在不同场合下鼓舞消费者—

—购物之前、期间和之后。商务比起我们如何渡过日常生活的一块有机部分，反倒已经变成一项不那么需要我们深思的活动了。不仅仅是智能手机让我们不由自主地浏览和购买商品；亚马逊的Dash按钮（Dash buttons）和由Alexa（亚马逊语音助手）驱动的Echo设备（亚马逊智能居家产品）正越发使得人们能够更方便地在家中进行购物。当你在洗衣房发现洗涤剂就快用完了，你可以点一下汰渍（Tide）Dash按钮，或当你记得你妈妈下周即将生日了，你可以让Alexa帮你订一束鲜花给她。而这些仅仅是开端而已。

下一代智能助手和联网设备将能够学习用户的习惯，识别行为和环境模式，从而使这些体验更具预测性。如Echo那般的设备将能够获取日常交互的数据，以预测交易的具体时机。零售商店中的联网设备也将有巨大的潜能去预测消费者行为和 回应个体需求。许多商店已经利用智能手机，关注顾客动态与传递同情况密切相关的商品提议。生物识别技术、身份识别技术和位置传感器的进步将会让零售商在了解诸如你的感受、你花多少时间浏览商品，以及你是刚从公司下班亦或是刚完成健身等因素后，能够私人定制产品内容。对于这样的场景，你可以尽情地想象。

零售商将需要用它们在网上提供的相同的定位和个性化服务来编写具体的体验。想象一下，路过诺德斯特龙（Nordstrom）时，你收到了一条手机上的通知，提议你购买一双新的运动鞋，而你目前的那双几乎陪伴你跑过500英里了，早已破破烂烂——所有这些都被鞋底的一张芯片记录下来，然后向你的健身应用发送数据。你滑动此通知，选择你想要尝试的款式，然后一张店内地图引导你找到一位带着你的鞋子，正在等你的店员。

接纳以人为本的设计

预测型零售的未来要求为商业设计新的生态系统。这些体系将会依人而建，而非围绕特定的设备或线上线下体验。这些系统将需要整合人情纽带和叙事、空间设计和背景，以及许许多多的数据。

许多零售商通过创建创新实验室，已经走在此次变革的前头。这些实验室配有专门的团队和空间，用于培养新思路，测试连接网上和店内世界的数字体验。丝芙兰（Sephora）的创新实验室就是非常棒的例子。该品牌在其手机应用中引入了一种“存储模式（store mode）”，该功能整合了用户的网上购物车和Beauty Insider积分卡，以提醒用户他们已拥有的产品、他们已获得的点数，以及他们目前享有的福利，例如一次免费的美容。

零售连锁店、品牌和电商公司也在一同合作，以实现新的想法。几年前，韦斯特菲尔德（Westfield）的实验室同eBay合作，在其旧金山的购物中心中建造了10英尺高的交互式屏幕。购物者滑动屏幕，浏览如瑞贝卡·明可弗（Rebecca Minkoff）和索尼等品牌的产品，之后他们便能直接购买这些产品。

于此人工智能驱动的基础设施之顶端建设预测能力将带来巨大潜能。想象一扇商店窗户，能够同你的手机连接，然后展示个性化内容。例如，你或许在浏览为父母生日准备的礼物，或为下一次假期准备的泳装，这些商品都已根据你在Pinterest上关注的图片板（board）和你在Instagram上关注的品牌进行了定制。通过连接来自多方来源的数据和以用户为本的设计，零售商能够创造更具相关性的体验，从而把你拉到商店去，促使你登陆网站或使用其应用。更厉害的是，它们甚至能够先你一步预测出你想要的东西。

考虑隐私，建设信任

隐私和个性化之间总归有一些取舍；这一点对于每一代技术来说都是如此。零售商需要把透明、尊重和安全作为他们优先考虑的事项，并在这些方面采取行动。他们同时还需要展示其价值。谷歌在这一点上做得很好，不仅仅是在个性化的搜索结果方面，还在于服务方面，比如Google Now，该服务整合了你的日历和谷歌地图以提醒你，前往开会地点的路况比平时更糟糕，且会告诉你，若是想要准时到达回应，你应该什么时候动身离开办公室。

我们许多人都愿意为了奇妙的和有价值的——无法在别处获得的——体验分享个人信息。零售商将需要创造让此奇妙和价值显而易见的体验。此革新已经开始。未来，人们将期待甚至比如今的还要更快、更智能的服务。在不久的将来的某一个时刻，人们的期望将会从“按需”转为“预测型”商业。零售商是时候走在此次改变的前头了