今年早些时候，我们举办了年度高管论坛。近 100 位零售业领军人物与我们共度了三天时光，期间参加了分组讨论、晚宴，以及走廊里的即兴交流。在上述每一种场合中，都有一个话题被反复提及。话题往往从人工智能（AI）切入，随后几乎无一例外地转向了一个更棘手的问题：这一切对我们现有的分析基础设施意味着什么？
观看《The Session》👉 Foot Locker 如何利用门店数据提升转化率
零售行业董事会层面的 AI 讨论已迅速成熟。两年前，讨论的焦点是“我们是否应该制定 AI 战略？”；一年前，则是“我们在哪些地方开展试点？”；而如今，讨论的焦点已转变为“我们运营架构中的哪些部分能够支撑我们正在尝试做的事情，哪些部分又无法支撑？”
最后那次讨论比前两次更难。它迫使领导者审视多年前（通常通过采购渠道）购置的基础设施，并思考这些设施是否仍能满足当前需求。对于大多数实体零售商而言，客流量和门店分析系统正是属于这一类的基础设施：买过一次，基本能用，却在悄无声息地限制着发展。
资金规模足以说明事态已发展到何等严峻的程度。Gartner 预测，2026年全球人工智能支出将达到 2.52 万亿美元，同比增长 44%。IBM 对全球 1,500 名零售和消费品高管进行了调查，发现其中 81% 的企业正在中度或高度应用人工智能，而其内部团队的应用程度甚至更为深入。这些已不再是试点项目，而是正式的运营预算。
三十多年来一直主导这一领域的传统客流量计数器，其设计初衷是为了回答一个问题：有多少人走进了店门？在当时，这确实很有用。转化率、人员配置比例以及每小时客流趋势，都为经营者提供了真正的竞争优势。
但这种架构存在硬性限制。仅能报告数字的硬件无法转变为能够从模式中学习的软件。将人工智能能力生硬地嫁接到计数平台上，是一种结构上的不匹配，而非产品更新。其数据基础并不存在。
那些能及早意识到这一点的零售商，会将分析基础设施的现代化升级作为其人工智能战略的一部分，而不是在战略实施之后才进行。而那些未能意识到这一点的零售商，将在未来两年里将人工智能投资投入到一个无法支撑其重量的基础架构中。
我已经在相邻领域目睹了这种模式的演变。率先实现原生 AI 运营的企业能够确立结构性优势。而那些在现有技术栈上加装 AI 功能的企业，不仅成本更高、推进更慢，而且成效也更有限。这种差距是真实存在的，而且正在迅速拉大。
这一切背后有一个更深层次的问题。零售商为未来十年选择的分析平台，必须能够支持那些尚未被发明的 AI 应用场景。要实现这种灵活性，唯一的方法就是在平台初期就将其架构设计为支持机器学习，而不是等到市场需求出现时再仓促添加。零售商应该向供应商提出一个不同的问题。不要只问平台目前能做什么，而要问：它是如何构建的？传统的客流计数器并非为此而设计。而未来十年胜出的平台，则会为此而生。
该类别中，大多数商家仍在发布每周的买卖报告。只有一小部分零售商已经超越了这一阶段。以下是这种转变在实际中的具体表现。
五家不同的零售商。五个不同的品类。其运作模式如出一辙：持续推进而非每周一次；整合运作而非孤立行事；着眼未来而非回顾过去。采用这种运营模式的零售商不会坐等品类跟上步伐。当竞争对手仍陷于评估周期时，它们早已抢先一步。
两年后，有三件事将会成为现实，而今天它们仅部分成立。
如果您是一位正在阅读本文的零售业高管，那么在下次战略审查中需要考虑的问题并非“我们在人工智能方面做得够不够？”，因为这个问题过于抽象，缺乏实际意义。真正的问题是：我们现有的分析基础设施能否支持我们希望在两年后运行的运营模式？
如果答案是是，那么您在该领域已领先于大多数同行；如果答案是否，那么拖延的代价会随着每个季度的推移而不断累积。目前行动最迅速的零售商们早已做出了决定。
这一领域正在不断发展。关键在于，您的基础设施能否与时俱进。
又一场活动？👉 肯德拉·斯科特（Kendra Scott）与马林莱尔（Marine Layer）正将门店打造成社区活动中心