店前数据的采集运营还只是冰山一角，冰面之下是供应链各环节数据的打通。在新零售大趋势下，数据的价值正日益凸显。从表象来看，线下门店因电商体系冲击、租金成本上升等因素正面临困局，节节败退；而更深次的则是源于门店全数字化运营能力的匮乏。传统门店在消费者心中的信任优势仍未消失，以电子消费品类为例，93%的消费者会先在线上研究再到实体店体验；96%的消费者会选择线下渠道体验或购买。线下门店仍是天然的流量场所，而传统门店现有的会员系统、支付体系可获取的数据仅有销售记录和有限的客流（人次）信息，流量的数据转化率较低，对上游供应链的控制和下游消费者的触达均有限。
科技将如何赋能重塑零售模式？智慧供应链又将如何全面提升社会效率？
科技将如何赋能重塑零售模式？智慧供应链又将如何全面提升社会效率？科技将如何赋能重塑零售模式？智慧供应链又将如何全面提升社会效率？6月27日，由《每日经济新闻》主办的科技赋能：预见零售未来2018未来商业系列首场沙龙在北京如期举行，与会大佬就此展开了一场重量级的智慧碰撞。沙龙汇聚了科技、零售、资本、供应链...在瑞为看来，落地到AI +新零售应用场景的精准化数据才是线下门店的生命，也正因此，瑞为希望通过视觉识别技术帮助线下门店实现精准流量数据的转化。瑞为成立于2012年，是一家视觉感知产品与解决方案提供商，专注于在性能、功耗、成本均受限的嵌入式前端实现复杂的机器视觉算法，目前主要应用在安防、家电、零售、车辆等领域，其中零售是其核心的落地场景之一。
瑞为联合创始人兼零售业务负责人张国强表示，之所以将零售业作为发力点，一方面是由于该赛道较新，市场尚未卡位，有充分竞争的可能性；另一方面则源于零售场景的复杂性和多样化，导致准入门槛较高，容易实现在细分领域的抢先优势。而零售业＋视觉识别的高门槛主要体现在两方面：应用和成本。
应用层面，针对线下门店的数据收集，瑞为推出“店计”、“晓客”等智能终端，前者用于精准分析入店客户，后者用于识别客户对商品、广告的关注。覆盖店前、入店、逛店、买单等一系列完整消费行为的数据采集，包括基于人脸识别的年龄、性别数据、VIP识别、关注度分析、回头客分析等。店后服务层面，瑞为推出针对店面管理人员的“店客云及”APP，基于对用户画像的分析，提出资源优化配置建议。
不同于安防、金融等镜头方位明显的应用场景，零售业中人脸识别智能终端的安装需是无感知的，这也对安装位置、光线条件、镜头方案、硬件性能等技术层面提出更高要求。瑞为采用易操作的傻瓜式极简安装，对店前数据采集的精准度超过92%，店内因光线、环境等因素的干扰人脸识别的准确率也在80%以上。
此外，成本也是困扰零售业＋视觉识别领域的一大痛点。张国强表示，零售业最看重投入产出比，对成本的变化相当敏感。“客户最终需要的是这套解决方案能给他们带来的实际利益，这就需要在成本与效益间找到一个平衡点。理论上来说识别的数据自然越精准越好，但这也意味着更高的成本，而零售行业需要的是一个能反映到盈利、降本和提效上的大概率数据，至于数据的精准度在投入产出比面前并不是最重要的。”
因此针对不同层级不同规模的店面需定制化配套解决方案，调整智能终端的布置数量和方位，将成本控制在合理范围内。据张国强表述，瑞为低成本高效率的前端数据采集能将系统成本控制在传统摄像头解决方案的五分之一。目前，在零售行业，瑞为已合作80多家品牌，覆盖10000多家门店，部署超4万个智能终端，用户续费率近100%，2017年用户增长率达300%。
前端门店的数据收集还只是冰山一角，未来，瑞为打算将触角延伸至零售行业的上下游，围绕门店，向品牌商服务、原料、供应链、分销、市场推广等上下游服务商扩展业务，例如采集快闪店、展会等线下活动的数据为服装类品牌客户、时尚买手提供多维用户画像，与大的咨询公司合作提供战略层面的帮助等，通过对每一个节点数据的采集反哺上下游供应商，深层次多层面地为新零售赋能，真正意义上实现线下门店的全数据化运营。
团队方面，创始人兼总经理詹东晖毕业于南京大学，曾就职于华为，于2007年离职创办远立科技；2012年开始第二次创业，进军图像智能分析领域，并以人脸识别作为主要方向。
