2026年互联零售体验研究：新全渠道现实：人工智能是竞争的必要条件，但难以实施

新全渠道现实：竞争需要AI，但实施却很困难 引言 我们为什么要做这项研究？ 威瑞森和思科合作开展了这项多年期研究，旨在了解该零售店的数字化转型。在过去五年中，我们专注于理解技术优先事项、挑战以及在店内技术采用方面进行基准测试。 2026年的研究中，我们比较了不同零售细分市场的受访者，旨在了解： 哪些关键挑战和优先事项正在推动技术投资？ • 零售商在个性化和人工智能应用方面是否取得了进展？ • 移动技术如何改变员工生产力？ • 网络基础设施是否已准备好支持人工智能和物联网的需求？ 关键要点 零售商对加速个性化、移动性和人工智能的关注，正推动着升级的需求。网络基础设施 移动优先是新的标准 人工智能的进步缓慢但坚定不移。 规模化个性化仍然是一项挑战 网络基础设施建设滞后于人工智能和物联网的采用 16% 68% 67% 他们对店内个性化定制服务感到满意。 相比有所增加 网络升级的动力来自于人工智能和机器学习应用。 人工智能在对话中无处不在，但尚未得到广泛应用。 44%的零售商表示店内个性化很重要，但只有16%对他们的能力感到满意。 一键通（PTT）、库存应用程序和Wi-Fi连接现在已是必备条件。 人工智能、物联网和计算机视觉正在推动网络现代化，但准备情况仍不均衡。 虽然83%的零售商表示人工智能对于未来竞争是必要的，但只有6%的人认为他们目前的人工智能已经成熟。 随着人员配置挑战依然存在，焦点已从招聘更多人员转向让每位员工更高效。 尽管零售商正在升级网络以支持边缘用例，但只有39%对边缘计算支持感到满意，49%对管理峰值网络流量感到满意。 对于全渠道个性化，满意度降至12%。 人工智能部署因数据质量差或数据孤岛化（55%）、系统集成挑战（48%）以及专业人才缺乏（44%）而变得复杂。 数据孤岛和脱节系统仍在阻碍大规模提供相关、个性化的体验的进程。 随着AI工作负载向门店和分销环境迁移，网络性能正日益成为实现价值的关键制约因素。 第一部分 人员配置和失窃预防是最大的挑战。 寻找和留住门店员工仍然是杂货零售商面临的最紧迫的挑战。 劳动力市场已发生变化，人们的期望也随之改变，人才竞争持续对杂货商和大众零售商构成挑战。 防盗和失窃预防是专业零售商面临的首要挑战，因为他们要应对有组织的零售犯罪和高价值商品。库存可见性和准确性构成了三大零售挑战之一，反映了支持店内购物和全渠道履约的运营复杂性。 关键要点 这些挑战的共同点在于资源减少、任务增加的压力。技术已成为应对所有三大核心挑战的主要手段。移动工具、人工智能驱动的排程系统和实时库存系统已不再是锦上添花，而是在人员数量受限时维持店铺运营的必要条件。 在利润压力下，零售商们持续调整优先事项，核心运营效率依然是首要关注点。 零售商在这两个细分市场中都关注一个共同点：把基础工作做对。库存准确性和可见性，以及提升结账速度是杂货行业的优先事项，这反映了管理易腐商品和高周转率SKU的运营复杂性。 与此同时，专业零售商更注重库存准确性和可追溯性，以及防止损耗——这是应对日益增长的损耗率和保护利润率的举措。 对员工生产力和店铺效率的重视，标志着行业正朝着更注重运营规范的方向转变。随着劳动力成本上升和利润空间受压，零售商正从现有资源中挖掘更多价值，而非增加新的能力。履约和自提的全渠道投资保持稳定，但并非优先事项，因为当前流程“足够好了”。 关键要点 在充满挑战的经济环境下，零售商们首先专注于优化其核心运营流程，然后再部署创新技术，以提升客户体验和运营效率。 弥合雄心与执行之间的个性化差距，是每个接触点的挑战。 特定购物渠道的客户个性化重要性和满意度水平 零售商意识到，个性化能够提升客户忠诚度、促进转化和增加购物篮大小，并且对个性化的重视程度显而易见。 但理解价值与实现价值是两回事。在任何渠道中，满意度都远远落后于重要性。在全渠道中，这一差距最大，因为连接各触点的客户数据和偏好仍然是一个基本挑战。 专业零售商更重视个性化，并报告了稍高的满意度。但两个细分市场的差距仍然很大。 关键要点 对大多数零售商而言，实现真正的一对一个性化、统一数据、实时决策和一致执行的基础要素仍然难以企及。 零售商正大力押注员工互联与赋能。 门店运营的未来取决于在恰当的时机为员工配备恰当的工具。沟通与连接引领投资议程，对讲机和专用Wi-Fi接入构成了员工高效工作的基础。 移动能力紧随其后，库存跟踪应用程序和基于视频的培训反映了向现场学习和实时任务执行的转变。 合作伙伴没有时间离开销售区参加办公室会议或进行手动盘点。 未来两年内，大部分关键移动功能的应用预计将翻一番。 关键要点 最紧迫的任务很明确：要为员工提供必要的设备连接、信息和培训，以在更精简的运营环境中取得成功。 大多数零售场景中的运营技术部署预计将接近翻倍。 该店已成为零售网络中最复杂的节点。它既是展示厅，又是履约中心、退货中心和提货点。正获得关注的科技反映了这一转变。它们并非关于自动化商店已有的业务，而是关于使商店能够更好地完成更多事情。 移动POS和智能视频是同一问题的两面：在交通不可预测且劳动力紧张的情况下，如何保持业务运转。随着从门店进行在线订单履约，实时库存可见性变得更为重要，因为出错的成本已经上升。计数错误不仅仅意味着损失一单，它意味着取货失败、订单取消，以及不再光顾的客户。 关键要点 尽管零售商们根据其运营现实情况有所侧重，但他们都高度关注利用技术来提升运营效率。他们共同认识到，门店技术已不再是次要问题，而是其竞争的核心所在。 面向客户的科技：连接性与便利性引领各业务部门制定路线图。 店内面向客户的技术已形成两个层级。 第一层是基础：Wi-Fi、移动应用程序和数字标牌。这些已不再是差异化因素。它们是预期中的标配。顾客认为他们可以无需寻找店员就能连接、浏览和获取信息。不提供这些的店铺将处于劣势。 第二层则更有意思。对于管理高交易量但收银员较少的杂货零售商来说，自助结账已成为必需。而专业零售商则不太认同，这很可能是因为他们的顾客期望获得更多服务，而不是更少。 扫码即走依然是一种小众的玩法。技术是可行的，但顾客所需的行为改变尚未跟上。 关键要点 随着零售商不断增添店内数字化体验功能，顾客在线上体验与在店内期望之间的差距正持续缩小。 物联网路线图反映了每个独立部门的运营基因。 预防损失主导着物联网议程，因为货品损耗已成为董事会层面的议题。讨论重点已从运营中的烦扰转变为对利润的实际威胁。当盗窃和有组织零售犯罪出现在财报电话会议中时，技术投资往往紧随其后。 杂货店和专业店在设备与环境监控方面的差异，反映了其根本不同的风险特征。 杂货店依靠微薄的利润和易腐的库存运营。一晚上的冷藏设备故障可能会严重影响一周的利润。而专业零售商由于拥有设备和温度监控，不会面临同样的风险，因此他们没有同样的投资紧迫性。 关键要点 将这些投资联系在一起的是一种防御姿态。零售商正在使用物联网来阻止损失和防止失败，而不是重塑商店。 第三节 从人工智能雄心到落地执行 人工智能成熟度曲线：进展但非规模化 - 各个部门 虽然人工智能是零售商的首要任务，但其成熟度和大规模应用仍受制于若干挑战。 从规划到开发的转变，是动力停滞的地方。构建商业案例是一回事，但要将试点项目投入生产并取得可衡量的成果是另一回事。人工智能部署的复杂性源于数据质量差或数据孤岛化（55%）、将人工智能与现有系统集成面临的挑战（48%），以及专业知识的缺乏（44%）。 真正的问题在于，究竟是什么将那少数成熟的组织与其他所有人区分开来？ 很少是技术问题。通常在于数据基础、组织层面的认同，以及从失败中迭代的意愿。人工智能的成熟度与其说是算法，不如说是决策方式的变革准备度。 关键要点 对人工智能的热情是真实的，但执行却滞后。大多数零售商仍处于规划或探索阶段，仍在摸索人工智能的适用场景以及如何使其发挥作用。 零售商们认为，人工智能是竞争的必要条件，但具体部门执行起来却面临挑战。 人工智能实验正在开展，但整个组织内部的理解仍然薄弱。当领导层、IT部门以及门店运营部门对于人工智能是什么、它能做什么缺乏一致认识时，试点项目就会停滞不前，规模化推广也变得困难。每个人心中都有自己的定义、期望和担忧。 人工智能人才的可获得性很低，这是一个真正的挑战。零售业从来都不是数据科学家和机器学习工程师的热门目的地。建立这种能力需要时间、投资，以及一个能与支付极高人工智能人才薪酬的科技公司相竞争的价值主张。 治理和伦理方面最为滞后。这是一个风险。在缺乏监管的情况下快速发展人工智能，会引发比金融领域（fx）更容易预防的问题。那些能尽早正确处理此事的零售商，将避免日后付出昂贵的代价。 关键要点 几乎所有人都认为，要竞争就必须依赖人工智能。问题不在于这种信念本身，而在于其后续的一切。 零售商们正专注于夯实基础，而非追逐各部门花哨的应用案例。 这里的优先事项体现了务实精神。他们首先从奠定基础的工作开始，而这一切都以此为前提。数据基础设施被置于首位，因为如果没有它，其他任何事物都无法实现规模化。 具体的用例紧随其后，这表明研究方向已从单纯的实验转向实际应用。现在重点是解决已定义的问题，并追求可衡量的成果，而不是为了完成任务而进行试点项目。培训及变革管理被置于如此高的优先级，是一个积极的信号。这表明零售商们认识到，当预期使用技术的人员未得到充分培训时，技术采纳就会失败。 处于较低位置的同样能说明问题。治理、合作伙伴选择和投资回报率衡量很重要，但在核心基础设施和能力建立起来之前，这些只是次要的考虑因素。 关键要点 零售商正在正确地规划其人工智能投资：先构建基础，再验证价值，然后正式化运营模式。 人工智能部署到哪里，取决于哪些问题让你所在的部门彻夜难眠。 零售商优先考虑的使用案例揭示了他们的运营现实。防盗是首要任务，因为库存损耗是一个遍及所有业态的生存性问题。这是杂货店和精品零售商找到共同点的唯一领域。 除此之外，优先事项差异显著。杂货店侧重于运营用例：库存预测、劳动力调度、供应链、定价。这些是高销量、低利润率的企业，微小的效率提升会迅速累积。劳动力分配得当或通过降低千分之几的浪费，都会对利润产生实质性影响。 专业零售商专注于客户关系。当销售依赖于相关性和服务而非价格时，个性化推荐、聊天机器人和行为分析就更为重要。这些被视为是独立购买行为，而非购物篮填充。 关键要点 人工智能投资重点遵循零售业态的业务模式：杂货店侧重于优化运营，而专业店则侧重于提升客户互动。 零售商对核心网络感到满意，但部门间协调存在时间差，边缘能力不足。 零售商对核心网络基础，如安全性和基本连接性，表示中度满意，但随着性能要求的提高，满意度稳步下降。与实时响应应用速度、峰值流量管理和支持连接设备相关的功能在不同格式间仍存在不一致。 最薄弱的环节在于边缘计算的准备情况。只有少数零售商认为他们的网络能够支持边缘计算能力，这表明当前的基础设施与新兴的AI和物联网驱动用例之间正日益存在不匹配。 这些差距已经转化为商业影响。61%的零售商报告因缓慢或不可靠的数字体验而收入损失，55%报告因店内移动应用程序崩溃而收入损失，45%报告因糟糕的Wi-Fi影响应用程序性能而收入损失。 关键要点 随着商店承担更多数据密集型、延迟敏感型的工作负载，网络性能已不再是背景问题——它正直接影响客户体验和商业成果。 人工智能、物联网和计算机视觉等高科技领域对网络的高需求，是推动网络升级的关键驱动力。 多年来，网络升级一直由增量需求驱动：需要更高的带宽、更好的覆盖范围和更少的故障。随着最新技术进步，网络优先事项已发生改变。 人工智能和机器学习之所以位居前列，是因为它们需要一种完全不同的基础设施。模型的性能取决于为其提供数据的质量，而这些数据必须快速、可靠且安全地传输。这是一项由需求驱动的投资，而非被动推动。 零售商并非因为IT部门