行业
零售与消费品
全渠道体验与智能化 - 零售业的未来
亮点
- 随着消费者对地球环境愈加关注且对倡导可持续发展实践的产品日益青睐，绿色消费主义逐渐兴起，这使得品牌迅速采取行动以保持与时俱进和竞争力变得尤为重要。
- 以统一商务平台为依托的全渠道客户旅程编排可通过预测购买行为和推动购物者在线习惯的转变实现“绿色”转型。
- 结合消费者和零售商的属性，绿色商业可通过个性化旅程编排以多种形式推动可持续发展实践。
绿色消费主义正在兴起
仅靠高质量产品已不足以赢得在网购消费者的忠诚。
消费者的行为已发生变化。他们对产品的期望往往与其个人价值观（包括社会和环境价值观）相一致，且对绿色产品的要求越来越高。
随着消费者对地球环境愈加关注且对来自倡导可持续发展实践的目的驱动型品牌的产品日益青睐，绿色消费主义逐渐兴起，这使得品牌迅速采取行动以保持与时俱进和竞争力变得尤为重要。因此，零售商采用可持续商业实践将可对销售带来更大影响1。
如今，确保可持续发展的责任落在了零售商的肩上。目前的电子商务解决方案更多地关注个性化客户旅程编排，鲜少涉及可引领消费者为实现更为环保的在线购物做出贡献的实践。有许多方法可确保购物者的购买行为对地球产生更为环保的影响，同时促进环境管理。
可持续性指数可借助人工智能驱动的电子商务解决方案通过负责任的客户旅程编排予以改善，以实现绿色电子商务。此处所述框架旨在预测购物者的行为，并倡导通过有效方法将其纳入可持续发展之旅，同时通过重点关注绿色产品的负责任购物之旅，改善地球环境。
在线推动绿色购物
以统一商务平台为依托的全渠道客户旅程编排可通过预测购买行为和推动购物者在线习惯的转变实现“绿色”转型。
在商业解决方案内外使用人工智能（AI）模型的智能框架可根据客户意图及其对外关联情况，以多种方式预测可行的客户旅程编排，在此基础上推荐更为环保的购物方式，以推动可持续发展实践。
可持续发展认知旅程编排可采取多种形式
通过电子商务解决方案对客户行为进行强大的建模和人工智能驱动的预测，可使购物者意识到其如何成为整体环保和可持续发展计划的一部分。
有效的以可持续发展为中心的旅程编排应跟踪以下关键绩效指标（KPI）：
- 碳足迹
- 能耗
- 因节约和改进举措而节省的成本
- 供应商环境可持续性指数
- 供应链里程
结合消费者和零售商的属性，绿色商业可通过个性化旅程编排以多种形式推动可持续发展实践：
- 生态航运编排：通常情况下，翌日派递或特快专递需采取空运方式，而这可能会留下大量碳足迹。确定是否需要紧急交付产品，并在购物过程中向消费者建议最佳运输方式，有助于减少能耗。
- 批量购买编排：购买多种商品往往需要多次配送。这可能需要采取多种运输方式来配送货物，并留下大量碳足迹。预测购物者的大宗购买倾向，并通过意图识别来整合产品，可有效减少货物配送所需运输次数，从而减轻对地球环境的影响。
- 通过“绿色业力积分”激励购买编排：通过预测购物者的行为，可引导购物者采用可推动可持续发展的购物实践。可为购物者提供“绿色业力积分”（忠诚积分），以激励其采用前述购物实践。购物者可利用该等积分实现更为环保的网购。
- 环保产品目录编排：增强零售商产品目录的环保属性，如“有机棉”、“植物性食品”等，可使购物者意识到并乐于消费环保产品，从而促进绿色消费主义。
- 促销回扣编排：预测购物者的行为，并就可推动可持续发展的购物实践为其提供促销优惠、折扣或奖励等，可能会激励购物者成为环保人士。
- 礼品购买编排：预测礼物购买旅程，如为庆祝生日或周年纪念日而购买礼物等，并引导购物者通过正常交付方式而非快递服务购物，同时避免购物拖延，以尽可能减轻对环境的影响。
网购的日益普及引起了人们对环境的关注。但是，通过部署正确的电子商务解决方案，以智能方式完成可持续旅程编排，可促使网购变得更为环保。这些旅程可扩展到多个零售商环境中，这种方法可成为最先进的环保解决方案，能够对网购方式产生巨大影响，并使其更具可持续性。
实现实时智能绿色购物
绿色购物要求720度解析购物者档案，包括其内外部概况及其在生态环保方面的情况等，同时还需了解零售商的可持续性商业实践和销售背景等信息。
此外，多边购物者的实时意图构成了拟议框架的核心原则。
基于数据加工和汇总，构建一个独特的可持续性领域背景（SRC）模型。该模型可为可持续性消费者旅程编排的预测和推荐奠定基础。
零售商可利用拟议框架根据购物者的购物意图和喜好来洞察其行为特征和隐性偏好。零售商的可持续性和销售背景，包括营销、优惠、订单、物流、采购和可持续性等相关数据，有助于推动消费者旅程编排与其意图相一致。可持续性领域背景模型可整合衍生出的档案资料、可持续性和销售背景等信息，有助于预测消费者的购物行为，并为消费者旅程编排提供智能建议，以推动实现可持续性。
图2：物联网投资的四个重点
加工整合后的数据需要不断更新并纳入SRC模型中，以推动实现消费者跨触点体验的同步和一致性。AI和机器学习有助于快速处理复杂数据集，并通过忽略无效数据和预测环保购物行为和绿色消费主义趋势来提取正确信息。
以分层方法构建消费者旅程
可结合零售商和购物者全面的静态和派生属性，使用分层方法构建无缝、个性化的客户旅程编排，以促进可持续发展（图2）。
该方法首先识别统一的消费者档案信息，包括内部、社会和环保等方面的信息，并利用购物者打算购买的环保产品目录和产品集。消费者倾向/意愿集层主要决定消费者的各种意图和交易关联，包括点击流、以往购物经历、愿望清单、偏好和兴趣、在线和店内交易、礼品购买以及访问和购物篮指标等。
下一层决定零售商的物流和销售背景，包括装运方式、环保和运输物流、可持续性数据、优惠、促销和折扣等。
各层相融合在一起，可在特定购物者档案信息基础上派生出一组背景信息，而该等信息可能产生最具价值的生态产品和运输数据集。明确所用AI-ML算法，并用以预测情境化消费者旅程编排。该等编排应是更具个性化、实时且意图驱动的，并可促进负责任绿色消费主义。
通过这种方法，零售商和购物者可以更好地了解产品的环保性，共同推动可持续性指数不断改进，并促进环保网购。
可同时惠及零售商和消费者的模式
绿色商业倡导的个性化消费者旅程编排可为零售商和购物者（特别是绿色产品偏好者）提供一种互利模式，同时通过智能框架和方法赋予双方共同创造生态友好型购物环境的责任。
这种方法可促进网购可持续发展，并鼓励绿色消费。它促使购物者和零售商共同推动实现可持续发展KPI，而这可能对可持续发展实践产生深远影响。
此处所述核心模型可进一步增强各种消费者旅程编排，这可能对地球环境产生直接影响。上述方法对特定消费者产生的影响可能很小，但若能在全球范围内推广使用，无疑将可对世界各地数百万购物者产生更大的影响，并引导大家服务于一个共同目标，即保护地球，增进健康。
网购的日益普及引起了人们对环境的关注。但是，以智能方式完成可持续旅程编排，可促使网购变得更为环保。该等旅程可适当扩展，以纳入多家零售商的销售背景，进而对网购方式产生巨大影响，并使其更具可持续性。
联系我们
联系我们
