人工智能与就业系列调研 | 宝尊电商新场景

简介:

人工智能在电商零售领域快速应用,对就业究竟产生了哪些方面影响?

本期调研对象是上海宝尊电子商务有限公司(以下简称“宝尊电商”)。

作为一家美国纳斯达克上市的电子商务代运营服务商,宝尊电商主要为品牌提供网站建设、线上推广、线上运营、IT及仓储物流服务、客服等全方位解决方案。

本课题组于近期对宝尊电商进行了实地走访调研,以期了解、探讨人工智能在电商零售场景下的应用情况、就业及人员工作状况等。

调研时间:2018年1月12日

调研对象:宝尊电商BD总监史一淇及相关工作人员

调研人员:

吴清军    人民大学劳动人事学院副教授

王  非     人民大学劳动人事学院助理教授

邱子童   人民大学劳动人事学院助教

聂文文   人民大学劳动人事学院助教

刘明巍   美国罗格斯大学教授

郝建彬   阿里研究院创业就业研究中心主任


调研重点内容

(一)宝尊电商模式

1.基本情况

宝尊电商成立于2007年初,是一家为品牌企业和零售商提供包括营销服务、IT服务、客户服务和物流服务等在内的专业的整合式电子商务服务商。

宝尊电商始终坚持以品牌为中心,根据品牌方需求来提供全链路电子商务服务方案。目前,已经成功为微软、飞利浦、三星、Nike、Levi's、CJ等146家中内外知名品牌企业提供了电子商务整合服务。

2017年宝尊电商代运营GMV达到113亿,2018年目标为 200亿。

c5a7c9bead3c06745fff8d185c3c67d760f39270

宝尊电商首页


2.商业模式

根据与客户合作深度的不同,宝尊电商的运营模式分为基础服务模式和经销模式两种。

a)  基础服务模式,即为品牌提供IT技术、视觉设计、店铺经营、线上推广、市场营销、客户服务、仓储物流等基础服务。

多数品牌选择委托宝尊进行代理的代运营服务。宝尊按照销售金额向品牌方收取一定的服务费。服务费收取有两种方式:固定收费加销售佣金,以及直接按销售佣金提点。

b)经销模式,即和品牌商定约销售,作为经销商拥有商品所有权,承担经营风险。经营环节中的技术、设计、运营、推广、仓储等基础服务也包含在内。

3.物流模式

2007年,宝尊电商的物流部门成立时只有2人,2016年,成立了独立的物流子公司——“宝通易捷”。发展到目前,宝尊电商拥有11个仓储物流中心(苏州5个,其他分布在北京、香港、深圳、成都和广州),总面积在32万平方米(2018年数据),提供仓储、配送、供应链等一体化服务。

4.创新模式

宝尊电商非常重视在零售系统、数据采集和分析、图像处理和识别、人工智能等领域的研发投入,2017年下半年,建立创新中心科学实验室。目前实验室有20多人,主要来自清华大学和上海交通大学。研究的领域涉及人脸识别、数据分析、仓储物流等。

b6dcb9a8ecd6af38472bcc49762462589fab3f51

课题组在宝尊电商调研座谈

(二)宝尊电商的智能化技术应用

1.智能客服

宝尊电商于2017年下半年开始推广店小蜜(阿里官方推出的商家版智能客服机器人),前期有30多家旗下品牌商开始日常使用;推广半年后,有76家日常使用。

通过半年磨合期,店小蜜的智能客服效用大幅提升。2017年双11当日,由店小蜜承担的询单工作量相当于1455位人工客服的工作量,销售转化率与人工客服的差异在10%以内。

2.图片设计

宝尊电商的图片设计是通过整合图片素材、文案描述,并提供模板向客户确认后再进行制作。设计人员主要提供创意想法和排版规则,宝尊自动化技术已可以实现机械化的图片裁剪、排版、拼接等,帮助设计师提高机械化操作40%以上的效率。

3.数据分析

针对品牌店铺的决策咨询,现阶段没有特定的工具,主要是靠经验和数据分析。生意参谋提供数据源,宝尊电商的数据分析员进行分析。分析人员隶属于不同的品牌运营团队。

4.其他成果

a)Shopdog:驻店宝。帮助品牌解决全渠道O2O,线上线下同步的问题,也可以帮助品牌的门店嵌入场景服务,大大提升顾客的体验感受。

b)Shopcat:驻店猫。这是一款全渠道全链路全营销工具。在全渠道的环境中,非常精准地记录消费者的行为和数据,从而帮助品牌更好实现全整合营销。

b5abb1475d5b7d67fc4b283c990ca270a83fd80c

课题组与宝尊电商团队合影

(三)智能应用下的就业情况

1.员工情况

目前宝尊约有3800多名员工。其中,90后占比60.2%,男女比例1:1.07。

2.岗位变化

销售额超两亿元的品牌店铺逐渐使用自动客服,某天猫店铺售前客服由14人缩减到8人,这6人采取转岗、调岗或末位淘汰的方式安置。

由于智能客服的使用,该店铺基本不再考虑新增售前客服岗位,但店铺售后客服人员数量会比之前架构略有新增。

3.薪酬变化

使用智能化工具后,人工客服工作效率会提高,员工生活时间的安排会更加宽松,平均收入也会随着绩效的提升而增长。

4.新增岗位

人工智能训练师,计划在2018年专职训练“客服机器人”。


原文发布时间为:2018-01-29

本文作者:郝建彬

本文来自云栖社区合作伙伴“阿里研究院”,了解相关信息可以关注“阿里研究院”微信公众号

相关文章
|
2天前
|
人工智能 IDE 程序员
与1.0 相比,通义灵码 2.0 AI 程序员有哪些功能、亮点、优势、场景?
通义灵码2.0相比1.0新增了工程级编码任务、单元测试生成和图片多模态问答等功能,支持多文件代码修改、批量生成单元测试及根据图片内容生成代码建议。亮点包括支持主流IDE、垂直智能体覆盖更多场景、企业级检索增强和灵活对话交互体验。技术优势涵盖多模态上下文感知、快速推理、企业数据个性化及一流代码生成效果。典型应用场景有新功能开发、跨语言编程、单元测试自动生成和错误排查修复。
83 4
|
21天前
|
存储 人工智能 NoSQL
Tablestore深度解析:面向AI场景的结构化数据存储最佳实践
《Tablestore深度解析:面向AI场景的结构化数据存储最佳实践》由阿里云专家团队分享,涵盖Tablestore十年发展历程、AI时代多模态数据存储需求、VCU模式优化、向量检索发布及客户最佳实践等内容。Tablestore支持大规模在线数据存储,提供高性价比、高性能和高可用性,特别针对AI场景进行优化,满足结构化与非结构化数据的统一存储和高效检索需求。通过多元化索引和Serverless弹性VCU模式,助力企业实现低成本、灵活扩展的数据管理方案。
58 12
|
21天前
|
存储 人工智能 边缘计算
AI时代下, 边缘云上的技术演进与场景创新
本文介绍了AI时代下边缘云的技术演进与场景创新。主要内容分为三部分:一是边缘云算力形态的多元化演进,强调阿里云边缘节点服务(ENS)在全球600多个节点的部署,提供低时延、本地化和小型化的价值;二是边缘AI推理的创新发展与实践,涵盖低时延、资源广分布、本地化及弹性需求等优势;三是云游戏在边缘承载的技术演进,探讨云游戏对边缘计算的依赖及其技术方案,如多开技术、云存储和网络架构优化,以提升用户体验并降低成本。文章展示了边缘云在未来智能化、实时化解决方案中的重要性。
|
22天前
|
人工智能 缓存 安全
每一个大模型应用都需要一个 AI 网关|场景和能力
本次分享的主题是每一个大模型应用都需要一个 AI 网关|场景和能力。由 API 网关产品经理张裕(子丑)进行分享。主要分为三个部分: 1. 企业应用 AI 场景面临的挑战 2. AI 网关的产品方案 3. AI 网关的场景演示
|
22天前
|
存储 Serverless 文件存储
AI 场景下,函数计算 GPU 实例模型存储最佳实践
当前,函数计算 FC 已被广泛应用在各种 AI 场景下,函数计算支持通过使用容器镜像部署 AI 推理应用,并且提供多种选项来访问训练好的模型。为了帮助开发者高效地在函数计算上部署 AI 推理应用,并快速解决不同场景下的模型存储选型问题,本文将对函数计算的 GPU 模型存储的优缺点及适用场景进行对比分析,以期为您的模型存储决策提供帮助。
|
2月前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2月前
|
机器学习/深度学习 人工智能 算法
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
X-AnyLabeling是一款集成了多种深度学习算法的图像标注工具,支持图像和视频的多样化标注样式,适用于多种AI训练场景。本文将详细介绍X-AnyLabeling的功能、技术原理以及如何运行该工具。
216 2
X-AnyLabeling:开源的 AI 图像标注工具,支持多种标注样式,适于目标检测、图像分割等不同场景
|
2月前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
564 37
|
1月前
|
人工智能 运维 监控
云卓越架构:企业稳定性架构体系和AI业务场景探秘
本次分享由阿里云智能集团公共云技术服务部上海零售技术服务高级经理路志华主讲,主题为“云卓越架构:企业稳定性架构体系和AI业务场景探秘”。内容涵盖四个部分:1) 稳定性架构设计,强调高可用、可扩展性、安全性和可维护性;2) 稳定性保障体系和应急体系的建立,确保快速响应和恢复;3) 重大活动时的稳定重宝策略,如大促或新业务上线;4) AI在企业中的应用场景,包括智能编码、知识库问答、创意广告生成等。通过这些内容,帮助企业在云计算环境中构建更加稳定和高效的架构,并探索AI技术带来的创新机会。
|
2月前
|
弹性计算 人工智能 数据管理
AI场景下的对象存储OSS数据管理实践
本文介绍了ECS和OSS的操作流程,分为两大部分。第一部分详细讲解了ECS的登录、密码重置、安全组设置及OSSUTIL工具的安装与配置,通过实验创建并管理存储桶,上传下载文件,确保资源及时释放。第二部分则聚焦于OSSFS工具的应用,演示如何将对象存储挂载为磁盘,进行大文件加载与模型训练,强调环境搭建(如Conda环境)及依赖安装步骤,确保实验结束后正确清理AccessKey和相关资源。整个过程注重操作细节与安全性,帮助用户高效利用云资源完成实验任务。
108 10