Trax：客户的业务诉求在哪里 解决方案就在哪里

如果你是一个经常“留恋”超市的人，稍加观察也许你会注意到：蔬果区或面包区总是设置在超市的入口，冷冻食品总是要走完超市才能看到，而收银台前总是摆满各种低价的商品……超市经营者如此布局商品的摆放位置，可不仅仅是巧合那么简单。因为，对于像连锁超市这样的零售商来说，他们的核心原则是要让消费者能够以最快的效率找到他们想要购买的商品。而诸如联合利华、宝洁、蒙牛这样的品牌商来说，在零售的场景当中，他们就要不遗余力的将正确的产品摆放到正确的位置，从而保证其产品的整体出现几率是最大化的。

不过，面对每天庞大的客流量，如何才能有效统计顾客身份、进离店客流、营业厅热力情况、店内客户轨迹以及商品销售频次等诸多数据，从而最大限度的实现零售商和品牌商的销售愿景。其中，单单依靠人力，不仅费时费力，数据误差似乎又无法避免。而随着新零售及无界零售等新的商业形态的不断涌现，加之大数据、人工智能、物联网等新技术的研发创新及落地实践，为零售商和品牌商解决销售痛点，化解销售瓶颈，带来了更多的选择。

也正是在这样一种市场趋势及技术演进的浪潮当中，零售行业计算机视觉解决方案提供商Trax开始进入这一领域，并经过9年的深耕探索，已经成长为一家每月访问商店规模超过150万家、覆盖货架、二次陈列、门头、发票、POSM等全零售场景，并通过智能手机、固定摄像头、智能巡店机器人及SaaS平台软硬件一体化的形式实现数据实时处理分析的零售行业全场景AI领导企业。

（图1 – Trax智能固定货架摄像头）

新零售的机会

在于满足更多场景的应用需求

在Trax大中华区副总裁Mike Wang看来，新零售时代，传统零售企业不仅在意识形态方面开始寻求数字化转型，更为重要的是开始注重利用科学的方法改善自身的经营效率。一直以来，在中国包括大卖场、超市、便利店以及传统食杂店在内的320多万家店铺当中，如何实现高效的经营管理，其实都是一个无法回避的痛点。在这个过程当中，只有将新技术真正应用到他们的日常管理当中，才能加速实现新零售下的转型升级。

目前，品牌商和零售商是Trax最主要的客户群体。对于这两类客户，因为关注方向的不同，Trax也有着不同的侧重点和解决方案。其中，零售商更为关注的是某些商品高频次销售之后缺货、补货所发生的商品陈列状况变化的信息。Trax通过智能固定摄像头的方式，能够实时捕捉商品陈列变化的数据信息，经过数据的处理分析之后可以将决策数据以可视化的形式反馈到销售人员的智能终端上，从而发起自动预警，进而提升工作人员的补货频次和效率。而对于品牌商来讲，他们关注的则是自家的产品能否更多的摆放在货架上，从而提升在消费者面前的曝光度。所以，Trax选择先从零售终端检查业务为切入点，为品牌商提供数据支持等零售管理服务。这套解决方案核心要实现的目的是提升品牌商对线下零售渠道的掌控力。

对此，Mike介绍道：“Trax通过智能手机、固定摄像头、智能巡店机器人与SaaS平台相结合的软硬件一体化的形式，并凭借在算法优化和训练数据积累量上的先发优势，能够将图像识别引擎和应用场景深度结合，为客户提供实际价值。”以某家全球大型日化企业的实践为例，在与Trax合作的几年中，通过内部的数据分析，可以发现借助Trax所提供的货架数据、地推和端架等二次陈列数据和竞品分析，帮助其货架份额提升了8%，二次陈列份额提升了6%。

（图2 – Trax大卖场货架、二次陈列的分析数据）

技术上的优势更多体现一家企业在背后所能支撑的优秀团队、创新方向以及研发逻辑。在这方面，Trax经过多年的技术创新，无论是适用场景，还是专利数量，在行业内都是领先的。俗话说：“创新的最终目的在于应用实践。”透过传统的计算机视觉识别模型与神经网络深度学习技术相结合所形成的综合解决方案，可以处理除单一场景之外更为复杂的场景。比如卖场中经常会高频次出现的促销堆头，特别促销场景等零售难题。

（图3 – Trax大卖场货架图像识别）

（图4 – Trax小店陈列图像识别）

本地化落地生花 

看Trax如何长袖善舞

就像当年Google和微软等国际巨头进入中国市场时一样，Trax同样面临着本地化落地的挑战。事实上，挑战的另一面就是机遇，而如何将挑战转化为机遇，关键在于如何更为深刻的理解这个刚刚进入的新市场。

为此，Trax走了一条捷径，通过收购中国零售AI解决方案创新企业朗镜科技，实现了将自身积累的丰富的国外实践经验与中国较为成熟的落地方案的有效融合，真正做到了1+1>2。与此同时，Trax还在中国建立了本地的研发中心，注重本土化的研发处理，帮助中国这种复杂应用场景下的解决方案进行快速升级，并且与以色列注重基础性算法研究的研发中心一起，形成了相得益彰的研发态势。“在中国市场本地化落地方面，收购本土企业可以加深Trax对中国市场的纵深影响。而建立本地的研发中心，就是基于更多的应用场景提供技术研发上的支撑。”Mike进一步解释道。

不仅如此，Mike表示，Trax希望让所有的零售企业都可以通过自动化数据智能系统实现快速数字化的决策。当然，这个过程会相对比较漫长，需要很多基础设施和算法应用的升级。而Trax就在按照这个方向不断前行，并投入了很多的研发资源。未来，Trax希望能够将自身积累的技术模型拓展到每个品类，拓展到不同的卖场类型，拓展到丰富的识别场景。为此，Trax会研发出一些新的模型平台，而这个平台可能会成为一个基于产品图像识别的搜索工具。

 
“在这样一个平台上，当你想要了解市场上任何一家店的终端表现的时候，都可以实现通过搜索看到产品在不同门店的实时货架陈列、所处的位置等指标，这样所有的”货”和”场”的数据就变成一个透明的网络，零售企业、生产企业和渠道商都可以通过这种网络去进行快速决策。” Mike如此阐述了对于未来愿景的理解。实际上，这样一个网络或者链条其实就是一个生态体系的建设。在这个生态体系当中，无论是上下游的企业或者是解决方案的提供者，其实都是Trax实现本地化落地的一个重要的实践方式。

共建合作生态 

以多元化服务解决用户诉求

如今，Trax已经与超过175家全球主要品牌商和零售商进行了广泛合作，分布在快消、OTC、3C等不同领域。而在中国市场的用户，一部分是全球客户延伸到中国，另一部分是来自越来越多的国内品牌商对零售数字化需求的爆发。

为了更好的服务于本地用户，Trax目前正积极与国内外的一些合作伙伴进行深入合作，比如像阿里、腾讯、京东等。Trax的目的就是能够快速融入到这些企业的生态系统当中去，共同推进行业及企业数字化转型的进程。“类似阿里、腾讯这些企业已经形成了一个生态体系，而在其中它们更多的发挥着一种平台化的作用，需要在更加专业的纵向领域吸纳像科大讯飞、Face++以及Trax这样的企业，去提供基于场景的专业解决方案。” Mike如是说。

 
目前，Trax不仅可以提供独立的SaaS，也可以提供基于SDK的植入性方案，所以其灵活度更高，这样一来既可以直接部署给品牌企业，也可以通过第三方的软件应用为更多的用户提供定制化和模块化的灵活解决方案。

所以从整体来看，针对中国市场，Trax在不断升级自身的解决方案，从而尽可能使解决方案适用更多元化的场景。与此同时，Trax还致力于从端到端的角度去解决现在中国企业面临的问题，就是从产品铺货到数据采集，最后通过数据分析启动预警机制，从而能够调动每一个销售员的工作积极性，进而提升工作效率。“客户的业务诉求在哪里，我们的解决方案就应该在哪里，当你的解决方案能够完全解决用户痛点的时候，你一定可以快速占领市场。”Mike表示。