在新零售蓬勃发展的今天，线下零售作为主战场之一（据尼尔森数据显示，中国快消品市场线下销售份额占比74%），需要以更快的步伐去拥抱变化。
零售业态
与传统依赖流量生存电商不同的是，新零售为消费者提供了线上线下的交互购物体验，卖场为客户实现个性消费，增强购物体验提供了现实平台。所以线下零售商如何来主动地调配线下资源抢占先机变得十分重要。
由于实体商店运营以货架作为商品的承载体，真实存在的物理空间让商品呈现可以随着消费趋势的变化快速进行更改。货架商品的摆放，无不反映着消费者新的需求。有些货品的置放看似毫无逻辑，却实际的增长了两者的购买比率。消费者在不断被暗示的购物通道中，达成更多的消费以及充满掌控感的消费体验。
那是否有方法能将这种独特的优势扩大化呢？得益于技术端和供应链的不断发展，线下零售正在不断获取新的生命力。
货架秘密
与过去需要专人专时进行货架核查和库存清点这种耗时耗力的方法不同，物联网和大数据的成熟，使实时信息的收集传递成为可能。
人工智能的发展更是让货场人力结构发生了转变。科技的成熟让店内空间重新被“开源节流”，以获得更高效的零售空间，和更低成本的碎片化点位。同时，实时数据分析帮助零售商更了解顾客需要什么，进行更精确的调整。
所以货架已不单单作为卖场的商品展示工具，更是在大数据分析下对店内运营情况客观数据收集载体，在专业的数据分析帮助下，卖场能更快速地做出反应。
因此，理想的零售状态下，个性消费应该被充分尊重。数据让零售商更贴近消费者。那如何才能获得有效的货架数据呢？
完整而准确的货架数据或许是其中的一个答案。如何使货架数字化、商品数据化、销售可视化、补货自动化，这其中包括铺面上的零售数据以及库存数据的收集。
科技赋能
在零售进入更加碎片化，多样化，更快的包装换代进入货场的环境下（据统计，每年有超过25,000个新产品上市，并以15%的年增长率在持续增长，但超过70%的新产品在上市18个月内就消失啦)，数据收集的难度与准确性都在不断增加。
为了更精确的识别场内的货物，基于精心设计的算法，Trax开发了一种持续监测服务，并让其能在主动学习引擎上运行。
因此，每当系统检测到新的产品或包装设计时，都将在数据库内进行实时更新。图像识别简化了店内数据收集的过程，但有时由于人为的因素，也会出现重复操作或错误指令。为了避免此类异常情况的发生并确保收集的数据完整和准确，Trax开发的无监督学习引擎，可监测每次操作，识别特定问题，检测不完整数据和重复图像，甚至利用已知的商店位置交叉检查照片的GPS定位。同时，在面对外界的移动干扰时Trax运用庞大的训练数据库增强现实的沉浸式功能，标记用户可能遗漏了的货架，然后再引导用户从受到干扰的部分开始重新进行审核。
依靠基于AI的先进的图像识别技术，实现更加精准与全面的货架监测。同时检查库存的变化，帮助品牌商和零售商准确掌握货架商品信息，如哪些商品还足够销售，哪些需要立即补货。这些实时的图片都将被储存，以构建一个巨大的产品信息库。这些数据将帮助品牌商和零售商更好的进行当下的业务开展以及决定未来业务重点。
拥抱未来
而Trax对数字化零售的愿景并不仅仅是以企业中心的，Trax也计划提供使消费者能获得更优消费体验的消费端APP。这将为增强客户体验提供更具有冲击力的改变。
纵观零售行业的发展，在AI，云计算，大数据等新兴技术的赋能下，传统零售的三大关键要素：成本、效率与体验实现了，在降低成本的同时实现对销售效率与消费者体验的双重提升。
这不仅仅需要依靠全面和准确的数据作为基础，同时需要品牌商和零售商进行快速反应，才能在了解货架真相的同时，跟上数字化的步伐。
