朗镜科技(Trax中国):从2023美国纽约零售展,预测零售业未来_门罗币:iXMR价格

2023美国纽约零售展览会圆满落幕,NRF是全美历史最久、规模最大的零售业博览会。由世界上最大的零售业行业协会全美零售业联盟主办,是全美历史最久的商店卖场设计、店铺陈列设施、视觉营销及店内行销行业的专业博览会。NRF以最具创新的产品和技术解决方案而著称,该展集高科技之大成,将展示包括实体商店行销及数字化商店等在内的最新技术,代表了零售行业最先进的理念和发展趋势。

在今年的NRF展会上,从人工智能到元宇宙,从较小型概念店到消费者购物行为表现,对于2023年,零售业是关于进化和适应。我们看到,未来一年零售业或许会有以下七大趋势。

元宇宙虚拟地产2026年前录得增长将达53.7亿美元:金色财经报道,根据市场研究公司 Technavio 发布的《最终用户和地理区域的元宇宙房地产市场 - 2022-2026 年预测和分析》显示,元宇宙虚拟地产 2026 年前的录得增长将达 53.7 亿美元,年复合增长率为 61.74%。根据地理细分,预测期内超过 41% 的增长来自北美市场,其次是欧洲和亚太地区。此外,企业市场份额将显着增长,包括耐克、Facebook 和微软在内的更多大公司将进入虚拟地产市场。(美通社)[2022/8/18 12:33:05]

一、元宇宙

毫无疑问,零售商认为他们应该有一个元宇宙战略。随着消费者越来越多地与品牌进行虚拟互动,它已迅速成为品牌定位的关键因素。最近KPMG的研究发现,虽然56%的美国成年人知道元宇宙,但只有8%的人利用了它。

2021百度Create大会在元宇宙产品“希壤”召开:12月27日消息,2021百度Create大会(AI开发者大会)主论坛今日正式开启,这是国内首次在元宇宙中举办大型科技峰会。据悉,百度将发布元宇宙产品“希壤”,并尝试在“希壤”举办该会议。此外,百度创始人、董事长兼CEO李彦宏将在大会上为10位中国AI学者颁发百度奖学金。

根据已经发布的议程,本届Create大会论坛期间,中国航天中国月球探测工程首任首席科学家欧阳自远院士、诺贝尔物理学奖得主兼《星际穿越》科学顾问基普·索恩、《连线》杂志创始主编凯文·凯利、特斯拉公司创始人埃隆·马斯克母亲梅耶·马斯克等嘉宾,以及李彦宏、百度首席技术官王海峰,将就人工智能前沿技术、产业应用、科技人才培养等议题发表演讲。此外,还能够体验少林寺、三星堆、三体博物馆等虚拟场景。(新浪科技)[2021/12/27 8:07:44]

二、元空间

观点:鉴于大宗商品价格上涨,美加将在2022年跌至1.20:10月8日消息,尽管基本面对加拿大经济仍相对有利,但加元在第三季度走软。展望未来,加拿大国家银行财富管理经济学家预计,美元兑加元明年将走低至1.20。鉴于未来几个月能源价格不会大幅下跌,我们认为美加应该会走低。鉴于加拿大劳动力市场近期的表现,以及大宗商品价格和名义GDP的积极前景,我们继续预计加拿大央行将在10月份再次缩减量化宽松规模。鉴于我们上调了对石油和天然气价格的预测,我们现在预计2022年美加将跌至1.20。(金十)[2021/10/9 5:48:38]

元空间融合了物理世界和虚拟世界,为人们创造了充满活力的新互动方式。最为精通技术的玩家所熟知的《堡垒之夜》欢迎用户参加元空间的现场音乐会活动,而Roblox则在零售界更为人所知。包括耐克、Vans、Gucci、RalphLauren和Forever21在内的众多品牌都在Roblox创建了虚拟世界,允许用户与他们的产品进行互动。

数据:本月加密货币交易量已打破2020年12月份记录:1月16日消息,本月全球主要加密货币交易所的交易量已经超过上个月的总量 。截至发稿,一月份的最高点是4687亿美元,比上个月增加了894亿美元(23.6%)。(The Block)[2021/1/16 16:17:46]

在未来,元空间可以成为虚拟商店、各种类型的娱乐、教育,甚至是工作团队头脑风暴的一个平台。好消息是,实现这一目标所需的大部分技术已经被创造出来。但很多人仍然不喜欢虚拟现实头盔——或伴随着这些设备的高昂价格。元空间是否被过度炒作?这是一个“很难说的肯定”。

三、Web3

元空间将各种技术编织在一起,是新兴的Web3平台的组成部分。这些技术包括去中心化的区块链系统、数字货币和代币。在零售商中,对区块链技术的采用持续增加;它在供应链领域扎根,被用来创建一个数据线索,可以追踪产品从源头到零售货架的情况。此外,它还作为一种工具出现在其他流程中,包括库存管理、真实性验证和客户数据及忠诚度计划。

共为2020 | 首旅如家何英琪:未来3—5年一定会有很多家万亿级企业产生:金色财经现场报道,2020年6月21日,由金色财经主办的共为2020·区块链创新应用论坛在深圳拉开帷幕。首旅如家区块链总经理何英琪在《跃迁:大变革后的格局与方向》圆桌对话中指出,首旅如家2年来一直用区块链探索个人数字资产,将积分、优惠券、消费券等与区块链结合实现数据价值的互链互通流转。我们作为入围北京国资委高精尖示范项目,广州区块链重点应用示范项目,真正利用区块链技术,实现把个人数字资产上链打造成一个可行的模式。另外,太多的人把区块链和金融绑在一起,我个人认为区块链应该和价值绑在一起,金融会有很多放大的属性。我认为我们的政府是比较优秀和开明的,关键是我们有足够的方法和方式沟通。我会认为整个的区块链和技术以及产业融合未来都是乐观的,我认为未来3—5年一定会有很多家万亿级的企业产生,而且区块链本身是跨域的,我们国家可以有一些企业把这种价值突破边界,把这种价值流转到全球和流转到“一带一路”。[2020/6/21]

在最近的麻省理工学院平台战略峰会上,一位专家预测,Web3将标志着零售业的模式转变,无论是实体产品的虚拟版本,还是重新设计的实体店,产品过道减少,体验空间增大。

麦克法迪恩数字公司的首席战略官彼得·埃文斯认为,零售业已经为这种转变做好了准备。“这不是这边的元空间和那边的商店。你可以在元空间做一些事情,为你赢得奖励,你可以在实体店兑换。或者你到实体店去,然后在元空间里兑换。这两个空间之间会有一个交换。”

这可能都是真的,但这目前还处于一个形成阶段,我们离它接近主流还有好几年。

四、人工智能

为什么是现在?答案是与量子计算芯片的进步有部分关系。像英特尔和英伟达这样的芯片制造商正在合作开发先进的芯片,据说这些芯片将预示着下一级的计算能力。

在零售业,公司对人工智能产生的个性化通信前景感到兴奋。随着下一代人工智能计算能力的爆发,专家们认为,零售商将能够提供个性化和相关的数字营销信息,并通过一手数据加以加强,这不仅可以消除数字噪音,更重要的是,可以推动数字变现。

11月下旬,媒体开始大量报道人工智能支持的数字内容创作,主要关注消费者应用。“生成型”人工智能应用Lensa和ChatGPT——它们各自根据用户的文本输入来创造内容——从而抢占了焦点。它们也迅速引起了人们对道德的关注,并提升了对透明度和法规的担忧。人工智能能够做很多事情,但生成性人工智能会犯很多错。预计在未来的一段时间内,会有很多好的/坏的应用程序的讨论。

五、小型概念店

随着零售商对新格式的尝试,小规模的商店将蓬勃发展。

涉足较小规模商店的想法并不新鲜,但早期的成功故事为其他人提供了基石,以测试“小而强大”是否是一个可印证的格言。在过去的12到18个月里,受购物者回归实体店的影响,零售商在新冠大流行之后以比预期更快的速度在开设实体店。今天的新店通过精确的邻里意识、个性化的库存组合和合适的店面大小来提供竞争优势。

这样的例子比比皆是。今年早些时候,DSW开设了一家名为WarehouseReimagined的小型商店。还有MarketbyMacy's、Bloomies、NordstromLocal、Kohl's、SchnucksFreshstores、Publix的GreenWise,这些例子不胜枚举。

六、机器人

机器人能否取代人力?零售商承认,机器人可以成为降低风险、提高效率和促进可持续性努力的强大手段。自动驾驶汽车的最后一英里交付量将增加,更多的机器人将与仓库中的人类工人同居,我们距离主流或许并不遥远。

朗镜科技全一代RetailMetaverse零售巡检机器人已经落地试行,它可以实时收集货架数据,建立每个区域、每家门店、每节货架、每个sku、每个小时的饱和数据仓。通过领先的AI技术,灵活和动态的方法,IoT新兴技术更便捷地构建货架数据。与此同时,借助门店助手客户端和远程商业分析平台,全面展示并进一步分析呈现“实时货架情报”。从数据到洞察,从洞察到行动优化,基于IoT机器人带来的终端零售饱和数据,推进进入时时细颗粒度数据管理优化时代,并对未来基于高数据维度的零售解决方案的衍生提供极大的想象空间。

七、顾客至上

消费者的购物行为最终将决定2023年是否是零售业的好年份。

预测购物者的感受和反应很困难,因为他们是人;他们说什么和做什么可能非常不同。显而易见的是,购物者担心经济衰退的言论,以及与通货膨胀相关的价格上涨。他们当然利用了假期中无休止的促销活动和低价零售商的服务,但他们似乎不太可能继续疯狂消费。专家认为,如果对经济衰退的担忧加剧,购物者会购买更少的东西,但没有人指望它们会妥协于质量、价值和耐用性。

对品牌商和零售商灵感在于,继续认可购物者占据的主导地位——特别是当他们不断经历来自媒体和技术新互动的狂轰乱炸时。品牌商和零售商应坚守底线:客户仍然是王者,零售的工作是为购物者提供更优质的服务。

郑重声明: 本文版权归原作者所有, 转载文章仅为传播更多信息之目的, 如作者信息标记有误, 请第一时间联系我们修改或删除, 多谢。

金智博客

[0:15ms0-4:66ms