前兩篇文章中，介紹了智能貨櫃如何讓補貨效益最大化以及怎麼提升智能貨櫃的故障處理效率，本篇文章則重點介紹智能貨櫃的商品相關的內容，重點涉及到如何實現不同機器的千機千面從而使商品更加暢銷，提升銷售額。
01 背景
不管是智能貨櫃，還是之前傳統的自動販賣機，在每一臺機器投放前，都會面臨一個問題，就是這個點位這台機器初始投放需要售賣哪些商品，對於很多自動售貨機來說，可能更多的都是要運營的經驗去投放，容易造成的問題就是投放出去的產品可能不適合這個點位的用戶群體的需求，進而造成銷量不佳。
而需要解決這個問題，其實會涉及到2個大的課題，第一個課題就是怎麼從產品和數據層面，制定初始化投放的商品列表；第二個課題就是在每台機器運營一段時間後，怎麼根據銷量和用戶需求，對商品的sku種類和結構進行動態的調整，實現銷量的提升。
02 智能貨櫃初始化怎麼投放商品
項目啟動時，怎麼確定第一批商品？
由於智能貨櫃不同於傳統的飲料機彈簧機，只要大小合適都能放到機器內售賣，智能貨櫃涉及到商品學習、建模的過程，因此首先商品會受到技術的約束，需要根據技術的條件去挑選商品，這是第一個條件，比方說智能貨櫃剛開始會有如下技術上的條件限制：
- 包裝類型：硬包裝，瓶裝罐裝的飲料，以及盒裝能站立的零食
- 商品高度：由於商品需要擺放在貨櫃層板，每層的高度一樣，所以必須得保證高度小於層高
- 包裝版本：同一個商品只支持一個類型的包裝，不支持不同的包裝
- 包裝圖案：一些過於透明的商品不支持，容易造成誤識別
第二個因素，就是在技術限制的條件下，怎麼選擇這些商品，我們項目啟動時，核心挑選了20多款商品，商品基本上都是爆款，比方說可口可樂、雪碧、桶裝泡麵、盒裝的好麗友蛋糕、餅干等。也就是在項目剛啟動時，以跑通流程為主要目標，在商品選擇上，盡可能選擇在技術上最容易支持的商品，待流程跑通後再根據用戶、場景等需求去豐富整個商品種類。
正式運營機器投放時，初始商品怎麼選擇？
當機器正式大規模投放時，這時候商品已經較為豐富了，怎麼避免運營人員無腦的根據經驗去投放商品，這就需要在產品和數據層面提供支持了，主要涉及到以下2個維度：
第一，機器可能投放的地點包括寫字樓、酒店、學校、健身房、政府部門等，不同的地點場景不一樣，人群不一樣，消費水平等也不一樣，比方說寫字樓裡面會有高端寫字樓、低端寫字樓，投放的公司有可能是互聯網公司，可能是游戲公司，也有可能是教育公司，這裡面就有可能涉及到用戶的性別、年齡、消費水平、工資水平等用戶畫像的基礎數據。所以我們必鬚根據投放的點位機器的場景、用戶畫像等數據，為運營人員提供一個工具，在我們的商品庫裡面去生成建議投放的初始商品。
這個商品列表我們可以理解為一個商品模板，每一臺機器對應的就是一個獨立的商品模板，因為同一臺機器內有些商品可能會存在互斥關係，比方說可口可樂和零度可樂，如果外包裝特別相似的話，就不能在同一臺機器內售賣。
這個初始化的投放，我們需要很多數據，這些數據怎麼獲取呢，主要有幾個途徑：一是業務員在談合作的時候進行的實地調研，比方說人群規模、用戶性別分佈、年齡層分佈、消費力的級別等數據，二是可以和第三方的數據公司進行合作，獲取更精準的數據。通過這些數據，再結合我們的商品庫的約束條件，就能根據場景和用戶等數據進行個性化的商品投放。
第二，由於一些場地主會涉及到排他性或者指定商品，比方說有些點位的機器不允許賣礦泉水，有些地方則必須你指定售賣紅牛等，所以在投放時，還需要結合場地的特殊要求去靈活的調整投放的商品列表。
03 怎麼動態調整商品結構，實現最大效率的“千機千面”
“千機千面”在這裡其實會和運營效率有一定的衝突，運營員如果一個人負責100台的機器，每台機器的商品如果都不一樣，在備貨、補貨時肯定會影響一定的效率；但是我們站在用戶的角度，如果每台機器的商品都是一樣的，並且很長時間都不換新品，那麼用戶的留存和復購一定會產生極大的影響，那樣只會造成銷量降低，補貨和備貨的高效率也無用武之地，因此還是需要根據用戶需求的不同，滿足用戶對於商品豐富度的需求。這裡面涉及到幾個核心的算法、策略和方案，例如銷售速度預估算法、暢銷品滯銷品的定義、新品推薦策略、商品數量調整策略。
我們在機器初始投放的時候已經根據場景和用戶畫像等數據實現了商品的個性化，但是由於這些都是根據原始的數據進行大致的分析，沒有真實的售賣訂單數據和用戶數據作為最直接的算法數據來源，無法真正實際滿足用戶的需求，所以需要在機器產生一定時間的真實訂單數據後，根據訂單和用戶購買數據動態調整。
1. 暢銷品滯銷品調整
第一，實現最簡單的商品調整，就是增加每台機器暢銷品的數量，減少滯銷品的數量，比方說每次補貨的時候可樂都賣完了，但是雪碧都剩很多，那麼我們的調整策略就是需要增加可樂的補貨數量，減少雪碧的補貨數量，同時為了避免雪碧過期，應該對雪碧進行打折促銷，這裡需要註意一個問題，就是需要保證商品豐富度，避免這樣的調整，導致機器的商品sku越來越少，在前期的時候可以通過這種最簡單的方案實現商品的優化和調整。
這裡面涉及到的算法和策略就是對暢銷品和滯銷品的定義策略，主要可能會有以下幾種方案去定義：
- 通過銷售排名來確定，比方說排名第一第二的為暢銷品，排名末尾的為滯銷品，這裡會有一個問題就是暢銷品增加的話，不一定會帶來額外的增量銷售，需要判斷暢銷品在一個補貨周期內，是否充分滿足了用戶的需求，也就是當用戶來機器前想買暢銷品的時候，這個暢銷品是否有貨。
- 通過二八法則去定義，20%的商品帶來了80%的銷量的商品則為暢銷品，但是剩下的80%的商品都是長尾商品，還是得結合銷量來確定滯銷品；
- 通過ABC法則來確定，ABC法則是二八法則的升級版，但是也只能解決宏觀層面的商品數據表現，無法定義到最小顆粒度機器維度的商品暢滯銷的分析。
- 我們的方案則是引入了一個真實需求占比的指標來定義暢滯銷品，也就是根據商品占據總貨道的比例，與商品在總銷量的比例進行比較，比方說機器總貨道40個，可樂補貨了1個，容量占比是1/40=0.025，補貨周期內的總銷量是40個，可口可樂賣了4個，則銷量占比為4/40=0.1，那麼可樂的真實需求占比為0.1/0.025=4，類似的其他商品也是這麼計算，通過真實需求占比的排名就能定義出暢銷品滯銷品，這也是第一個定義的升級版。
通過暢銷品和滯銷品的調整方案，主要是在商品模板內的調整，不涉及到新品的調整，比方說為了滿足商品豐富度，需要在消掉滯銷品的時候，上架新的商品，以滿足用戶多元化的需求。同時還需要一個兜底的策略，比方說定義1個月內，必須要上幾款新品，保證商品的新鮮度。所以暢滯銷品的解決方案還是最基礎的，還需要更好的方案來實現商品效率最大化。
2. 實現最大效率的“千機千面”
通過前期簡單的暢滯銷品的調整策略，可以解決很多機器商品銷量的問題，但是還是會有一些問題無法解決，比方說無法根據商品的利潤貢獻來進行調整，商品結構調整時，需要考慮的不僅僅是銷量，還需要考慮每個商品的利潤貢獻，有的商品可能銷量不是特別好，但是利潤貢獻特別大。
為了更好的解決商品結構調整，滿足用戶需求的同時，實現機器利潤最大化的要求，我們引入了更優的策略和算法，主要涉及到以下幾個大的方面：
- 銷量數據：類似之前提到的，排除售空等因素，計算每個商品單位時間內的銷量（單位時間可以自己定義，比方說1小時、4小時、1天等，顆粒度越小數越準確，但是算力要求也會更高）；
- 投入資源：也就是這個商品占了總機櫃的多少，某個商品補貨時的庫存占總庫存的比例；
- 利潤占比：每個售出的商品毛利潤是不同的，毛利潤越高，則更應該增加該商品；
這裡每個商品都可能涉及到如上幾個指標的計算，通過以上指標可以去定義每個商品的銷售貢獻，銷售貢獻越高，則越暢銷，通過此算法可以實現商品結構的最優調整，實現利潤最大化。同時為了避免商品豐富度和長尾商品的需求，還需要引入新品的推薦機制，新品的推薦機制主要考慮同場景相似點位的需求，比方說AB兩個點位的相似度很高，那麼就可以將A點位暢銷的商品推薦給B商品。
以上，這些指標不僅可以應用到單台機器，還可以應用到整個大盤的數據分析，實現對某條線路某個分公司的大盤數據監控。
04 總結
商品對於自動售貨機是一個非常重要的課題，直接會影響到機器的銷量和用戶的體驗，商品種類的是否滿足用戶的需求直接會影響該機器能不能賺錢。
當機器初始化投放時，需要根據點位場景、用戶畫像和特殊要求來實現商品的投放，但是最核心的還是需要根據機器的商品銷售表現來進行動態調整，調整的時候還需要考慮商品的豐富度，同時策略上還需要有兜底，比方說運營策略上每個月需要至少調整一次，還需要監控運營員的執行效率，以實現整個商品調整策略的閉環，最終實現每台機器的商品都能最能契合該點位用戶的需求，實現利潤最大化。
#相關閱讀#
《智能貨櫃專題一：如何讓“智能貨櫃”的補貨效益最大化？》
《智能貨櫃專題二：怎麼提升機器故障處理效率？》
作者：harryli，新零售行業產品經理，微信公眾號“Harry李先生筆記”；微信號：aihoneyyeah，歡迎交流。
本文由 @harryli 原創發佈於人人都是產品經理，未經許可，禁止轉載
題圖來自 Unsplash，基於 CC0 協議。