作為全球知名的羽絨服品牌，波司登已連續三年入選Brand Finance全球服飾品牌價值榜。其品牌價值年增長12%，達到19億美元，在2023年榜單中位居第47位。此外，在入選的中國服飾品牌強度增速的競爭中，波司登高居榜首。

在由企業網D1Net主辦的2024全國消費零售CIO大會上，波司登CIO李強深入探討了公司品牌強度迅猛增長背后的原因以及制勝之道。

“讓‘好賣的不缺貨，不好賣的少生產’，一直以來都是服裝行業，甚至是整個線下零售行業最大的痛點。”李強如是說。

波司登CIO李強

傳統銷量預測方式存在諸多弊端

傳統零售業，尤其是線下銷售，通常依賴歷史銷量數據預測未來趨勢，但這種方法在服裝尤其是時尚行業存在明顯的局限性。原因在于服裝時尚行業的產品是非標準化的，每個季度都需重新開發和設計新款，這使得打造暢銷產品極具挑戰性。即便成功推出熱銷款，也常面臨缺貨問題，而滯銷產品則可能導致庫存積壓。為此，波司登一直在積極探索和推動技術創新，以破解這些難題。

過去，很多企業以及科研院所都在嘗試通過柔性生產和智能制造，來快速響應市場變化，提高生產效率。

“問渠哪得清如許，為有源頭活水來。”在李強看來：“如果方向錯了，即便效率再高，也僅僅是在放大錯誤的影響而已。因此，對在售商品進行客觀有效地評估，向中后臺、供應鏈和工廠發出準確的指令，比提升供應鏈和工廠的效率更重要。”

為了解決長期以來困擾服裝時尚行業的痛點，波司登將重點放在了市場和消費者身上，嘗試通過大模型等AI技術洞察消費者的真實需求和消費傾向，從根本上解決行業長期以來的庫存和供應問題。

線下零售缺乏捕捉用戶行為的有效工具

李強強調，所有品牌方都在向全渠道的模式轉型，只是進度各有不同。在線上零售領域，通過深入的用戶行為分析，已構建了包括瀏覽、訪問、加購以及收藏在內的完整轉化率漏斗。然而，線下零售往往缺乏捕捉用戶行為的有效工具，這限制了類似轉化率漏斗的構建，是導致線下銷量預測不準確的根本原因。

他進一步解釋，長期以來線下零售主要依賴訂單、POS機和成交數據來進行銷售分析。為了改善這種情況，門店開始安裝傳感器和掃描器來捕捉客流信息。然而，這些數據并不足以刻畫顧客從進店到最終購買的完整行為鏈。例如，了解顧客是否對某件衣服感興趣、是否有觸摸行為、是否試穿，都是重要信息。由于缺乏系統地捕捉這些行為的有效手段，導致企業難以構建完整的轉化率漏斗，直接影響到了對顧客行為的精準分析。

“但是這一切在技術高度發展的今天都有了突破。”李強說。與線上零售相比，線下零售的轉化率更高。線上顧客加購或收藏商品，并不一定完成購買。然而，線下顧客進入門店，通常已經對品牌產生了好感，購買意愿更高。波司登在市場研究中發現，線下零售的端到端轉化率顯著高于線上，這進一步證明了研究線下轉化率的重要性。

在努力提升線下轉化率的過程中，業界已經嘗試了多種技術。例如，通過在服裝上安裝RFID(無源芯片)標簽來感應和識別顧客的行為，但是這種方法因感應效率低、錯誤率高和準確性不足而受限。有些門店則采用安裝攝像頭的方式，利用圖像識別技術來捕捉顧客的動作，同樣面臨著成本高、識別精度不高等問題。

基于微無線傳感技術構建線下轉換率漏斗

為了提高線下轉化率，波司登提出了一種創新的解決方案。“我們在每件衣服上安裝了一個類似防盜扣的小芯片。這個小芯片功能類似雷達定位裝置，能夠感知并測量衣服在x軸的三維偏移量，并實時將這些數據傳輸給后臺系統。”李強介紹道。這種小芯片不僅能起到防盜作用，還能實現自動盤點，以及RFID標簽能夠實現的各類功能。

最關鍵的是，通過將這些偏移量數據傳輸給后臺，能夠讓大模型對這些動作進行識別，從而判斷用戶的行為。初期，波司登使用神經網絡進行數據處理和訓練，而現在則基于大模型進行訓練。通過大約30萬次的初始訓練，系統已經能夠準確區分用戶的具體行為，包括：有意義的觸摸行為、試穿行為，或是由于門店理貨、其他衣物接觸等所造成的干擾。通過這種芯片技術以及大模型的持續訓練，波司登實現了門店內用戶動作的有效感知。

波司登創新的芯片+大模型方案，是繼RFID方案后的下一代解決方案。新系統不僅繼承了RFID方案能夠提供的所有功能，如自動盤點、自動理貨、防盜以及自助收銀，而且通過后臺模型的強化訓練，能夠提供更為精準的數據分析和用戶行為識別，為門店的日常經營提供有力抓手。

波司登通過微無線傳感技術，為每件商品附加一個微型設備，實現商品行為數據的實時收集，精準地捕獲消費者行為。如上圖所示，基于新的AIoT技術和工具，波司登構建了從進店人數、觸摸、試穿到最終銷量和總銷售額的單店轉化率漏斗。

同時，波司登搭建了輕量化、模塊化的智慧門店系統，開發神經網絡行為分類模型來對產品的每個銷售環節進行量化分析，預測暢銷產品并優化庫存。通過這種方法，店鋪管理者和督導可以對門店的日常經營進行深入分析，從而有效提升整體轉化率。

智慧門店系統值得被精細打磨。李強介紹，經過3年研發和100萬條數據訓練，波司登開發的神經網絡行為分類模型，以95%以上的精度識別消費者在店內的各種行為，包括觸摸、試穿、看價格等，該模型不僅提高了預測的準確性，還顯著提升了商品的銷售量和店鋪的運營效率。

線下零售常見的2大陷阱

盡管冬季羽絨服銷量會自然增長，門店流量和業績也會相應提高，但單純依靠傳統銷量數據進行補貨可能會錯過銷售高峰期。

波司登通過數據分析發現，只有35%的熱銷產品能夠連續兩周保持在銷量排行榜的前10名，而在第二周繼續實現銷量增長的商品比例僅為25%。

這說明，現有的銷量預測和補貨策略難以有效應對快速變化的市場需求，特別是在高流量和高業績的門店中。

基于傳統的銷量預測方法構建的一整套商品邏輯和供應鏈體系對于服裝行業，尤其是波司登這樣專注于羽絨服市場的品牌而言，存在兩個常見陷阱。

1)高銷售貨品容易被過度投入，導致商品到達門店時已過高峰期，銷量下滑。

2)對潛力貨品缺乏前瞻性，即所謂的“28現象”。其中真正暢銷的商品僅占20%，而剩余80%可能都是滯銷款，這些商品常常通過降價或促銷來清庫存，但實際上一些潛力貨品可能因為被誤殺而喪失很多銷售機會。

基于用戶行為數據預測銷量準確度更高

李強強調，鑒于時尚行業的特點，需要采用更細致的分析方法來精準把握消費者行為和銷量趨勢，從而解決供應鏈的時效性問題，確保產品供應與市場需求保持同步。

波司登率先在上海的一家標桿旗艦店應用AIoT方案識別用戶的行為數據，研究發現：使用顧客行為數據進行銷量預測的準確性普遍高于傳統的銷量預測方法。在對多家頂級門店進行相似的驗證后，李強發現：盡管顧客行為數據并不是百分百準確，但在預測不準確時，其誤差仍小于傳統方法。

破解門店運營難題 實現一店一策滾動調優

波司登摒棄了傳統的銷量預測方式，結合顧客的行為數據創建二維象限，橫軸代表銷售數據，縱軸代表用戶行為數據，根據這些數據將商品劃分為四大類型。

• 潛力爆款：銷量高且試穿、拿起頻繁的商品無疑是熱銷款，需及時增產和補貨。
• 風險款：銷量高但用戶互動較少的商品可能正處于生命周期末期，這類商品補貨需謹慎，以避免過度庫存。
• 黑馬款：銷量不高但用戶行為數據呈上升趨勢的商品應受到重視，不能急于降價清倉，應考慮調整展示位置和營銷策略，挖掘其增長潛力。
• 死貨：只有商品銷量低且顧客行為數據同樣不佳時，才視為真正的滯銷品，需要通過清倉或折扣促銷處理。這類商品只占傳統銷量預測方法判定滯銷品的30%，其余商品都有潛力通過精細化運營實現轉化。

通過積累用戶行為數據和PDCA循環經驗，波司登已形成對單店決策動作的“數字孿生”，使得貨品選擇、門店主推、定價促銷和貨品陳列等關鍵決策均基于實際數據，實現了單店策略的滾動調優。

波司登正在從過去依靠銷量數據和管理層主觀判斷的決策模式，轉變為以數據驅動的量化和自動化的決策方式。這種技術創新不僅優化了決策過程，還顯著提升了公司的業績，使得波司登實現了高復合增長，品牌價值得到了快速提升。

小結

最后李強表示，“隨著人工智能算法和大數據模型的進步，軟硬件技術的持續升級，以及零售經營管理的變革，讓我們看到了破解線下零售轉化率漏斗的可能，人類此刻很可能已經站在了線下零售數字化大潮的關鍵節點!”

未來，波司登的目標是將這些先進技術推廣至全行業，助力更多品牌提升線下零售的轉化率。

2024全國消費零售CIO大會更多精彩內容：

http://event.d1net.com/cioxf2024/

關于企業網D1net(hfnxjk.com)：

國內主流的to B IT門戶，同時在運營國內最大的甲方CIO專家庫和智力輸出及社交平臺-信眾智(www.cioall.com)。同時運營18個IT行業公眾號(微信搜索D1net即可關注)。