Amazon Go模式贵难乱,阿里口碑今天用二维码打造低配版无人便利店

本文主要是介绍Amazon Go模式贵难乱,阿里口碑今天用二维码打造低配版无人便利店,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在杭州白马湖国际会议中心A馆,阿里巴巴旗下本地生活服务平台“口碑”用一张普通的二维码,希望把传统便利店打造出Amazon Go的体验感:不用排队结账,即扫即得。

Amazon Go模式贵难乱,阿里口碑今天用二维码打造低配版无人便利店

用户在口碑无人便利店的购物流程如下:

顾客进入店铺后,打开支付宝,扫描入口处的口碑码。系统会根据你过往的消费偏好,自动弹屏,向用户推荐当时当下门店最适合用户的优惠组合。

Amazon Go模式贵难乱,阿里口碑今天用二维码打造低配版无人便利店

与此同时,体验店也采用了自助结账技术。消费者用支付宝扫描商品条形码,所选商品就会自动进入口碑电子购物车,支持一键支付。

在线完成支付后,只需出示消费明细即可离开门店,节省了排队时间。

最后,口碑的自助购物解决方案将营销推广对接到了支付环节。消费者完成支付时,可在支付成功页领取优惠。这些优惠的核销情况将连同其他消费数据一起,构成一套完整的用户行为体系。

口碑于今天推出的体验店,试图尝试为便利店的转型提供了另一种可能——不需要高昂的成本和复杂的技术投入,用简单的二维码和被用户广泛使用的支付宝,为传统便利店打造出无人便利店的体验。

虽然基于人工智能和RFID技术的无人便利店深受资本市场追捧,但现实是,国内还有上百万零售门店甚至连最基础的信息系统都没有,在地基不扎实的环境下,接入这些新型技术便犹如空中楼阁。与此同时,以上两种方案也会遇到成本高和实现难等问题。

以被广大无人便利店采用的RFID为例,其存在四大问题。

RFID方案一直以来饱受诟病的一点就是成本高昂。不过近年来,随着技术发展和应用场景增多,RFID标签的成本已经有所下滑。此前,缤果盒子创始人兼CEO陈子林曾向雷锋网透露,缤果盒子中使用的RFID标签单个成本约在五角钱左右。

其次是漏读,雷锋网(公众号:雷锋网)记者此前在Well Go的实际体验过程中,发现了一些问题。首先,记者选择了六件商品前往收银台结算,当记者把所有商品放置在感应区时,商品自然堆积在了一起,此时系统只识别出了四件商品。随后记者又尝试将六件商品均匀摊开,系统这才识别出所有商品。

漏读是目前行业内正在重点解决的问题之一。之所以会出现漏读现象,是因为芯片和天线之间没有发生接触。解决的途径主要有三种:一是提高标签的灵敏度,降低标签的最小唤醒功率;二是增加读写器的信号强度;三是改善信号场的设置,通过机电协同,避免死角的出现。

第三是速度,结算完毕后,顾客需要带着已买单的商品经过一个感应区,感应区会自动识别是否有未支付的商品。如果没有,系统就会提示顾客推门离开,整个过程耗时约5秒。而随着顾客购买的商品数增加,即使系统能够准确识别,耗时也将进一步增加,严重影响用户体验。

第四是止损,无论对于大型商超还是小型便利店,止损都是一个亘古不变的难题。止损率的轻微浮动对于零售行业来说都是致命的,而无人零售面临的止损问题更是极为严峻。采用RFID方案的无人便利店面临的止损挑战主要来源于两方面:一是顾客恶意损毁RFID标签;二是顾客刻意屏蔽标签的信号,比如用手或锡箔纸遮挡标签。

除了RFID流派外,被创业者经常提及的基于计算机视觉方案也频繁被应用在无人店中,天若科技CEO陈维龙谈到RFID会彻底淘汰,或在个别场景运用。AI分量会加重,但是短期内无法起到决定性作用。目前为止,RFID和CV的识别效果是一样的差、贵且麻烦。

在RFID和CV这些技术流派都存在诸多挑战之际,从业者们开始关注低成本、低门槛的模式。

而此时口碑体验店的出现,无疑为广大零售商提供了一种更接地气的零售思路。




本文作者:亚峰
本文转自雷锋网禁止二次转载, 原文链接

这篇关于Amazon Go模式贵难乱,阿里口碑今天用二维码打造低配版无人便利店的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/193436

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

阿里开源语音识别SenseVoiceWindows环境部署

SenseVoice介绍 SenseVoice 专注于高精度多语言语音识别、情感辨识和音频事件检测多语言识别: 采用超过 40 万小时数据训练,支持超过 50 种语言,识别效果上优于 Whisper 模型。富文本识别:具备优秀的情感识别,能够在测试数据上达到和超过目前最佳情感识别模型的效果。支持声音事件检测能力,支持音乐、掌声、笑声、哭声、咳嗽、喷嚏等多种常见人机交互事件进行检测。高效推

在JS中的设计模式的单例模式、策略模式、代理模式、原型模式浅讲

1. 单例模式(Singleton Pattern) 确保一个类只有一个实例,并提供一个全局访问点。 示例代码: class Singleton {constructor() {if (Singleton.instance) {return Singleton.instance;}Singleton.instance = this;this.data = [];}addData(value)

基于 YOLOv5 的积水检测系统:打造高效智能的智慧城市应用

在城市发展中,积水问题日益严重,特别是在大雨过后,积水往往会影响交通甚至威胁人们的安全。通过现代计算机视觉技术,我们能够智能化地检测和识别积水区域,减少潜在危险。本文将介绍如何使用 YOLOv5 和 PyQt5 搭建一个积水检测系统,结合深度学习和直观的图形界面,为用户提供高效的解决方案。 源码地址: PyQt5+YoloV5 实现积水检测系统 预览: 项目背景

pip-tools:打造可重复、可控的 Python 开发环境,解决依赖关系,让代码更稳定

在 Python 开发中,管理依赖关系是一项繁琐且容易出错的任务。手动更新依赖版本、处理冲突、确保一致性等等,都可能让开发者感到头疼。而 pip-tools 为开发者提供了一套稳定可靠的解决方案。 什么是 pip-tools? pip-tools 是一组命令行工具,旨在简化 Python 依赖关系的管理,确保项目环境的稳定性和可重复性。它主要包含两个核心工具:pip-compile 和 pip

Go Playground 在线编程环境

For all examples in this and the next chapter, we will use Go Playground. Go Playground represents a web service that can run programs written in Go. It can be opened in a web browser using the follow

go基础知识归纳总结

无缓冲的 channel 和有缓冲的 channel 的区别? 在 Go 语言中,channel 是用来在 goroutines 之间传递数据的主要机制。它们有两种类型:无缓冲的 channel 和有缓冲的 channel。 无缓冲的 channel 行为:无缓冲的 channel 是一种同步的通信方式,发送和接收必须同时发生。如果一个 goroutine 试图通过无缓冲 channel

如何确定 Go 语言中 HTTP 连接池的最佳参数?

确定 Go 语言中 HTTP 连接池的最佳参数可以通过以下几种方式: 一、分析应用场景和需求 并发请求量: 确定应用程序在特定时间段内可能同时发起的 HTTP 请求数量。如果并发请求量很高,需要设置较大的连接池参数以满足需求。例如,对于一个高并发的 Web 服务,可能同时有数百个请求在处理,此时需要较大的连接池大小。可以通过压力测试工具模拟高并发场景,观察系统在不同并发请求下的性能表现,从而

模版方法模式template method

学习笔记,原文链接 https://refactoringguru.cn/design-patterns/template-method 超类中定义了一个算法的框架, 允许子类在不修改结构的情况下重写算法的特定步骤。 上层接口有默认实现的方法和子类需要自己实现的方法

【iOS】MVC模式

MVC模式 MVC模式MVC模式demo MVC模式 MVC模式全称为model(模型)view(视图)controller(控制器),他分为三个不同的层分别负责不同的职责。 View:该层用于存放视图,该层中我们可以对页面及控件进行布局。Model:模型一般都拥有很好的可复用性,在该层中,我们可以统一管理一些数据。Controlller:该层充当一个CPU的功能,即该应用程序