首页科技快讯 36氪首发 | 爱莫科技完成数千万元A轮融资，打造实体零售数字化转型引擎

36氪首发 | 爱莫科技完成数千万元A轮融资，打造实体零售数字化转型引擎

来源：晰数塔互联网快讯时间：2021年08月01日 19:00

36氪获悉，爱莫科技宣布于近日完成数千万元A轮融资，投资方为前海瑞旗和奇绩创坛。据了解，此次融资将主要用于研发团队的拓展、核心技术KISS人工智能平台的升级、实体零售业务的市场扩张、DaaS和OaaS的产品研发与市场开拓。据了解，该公司此前已获得由华彬瑞联领投的数千万天使投资，现已实现盈亏平衡，年营收达数千万级，平均客单价为数百万元/年服务费。

当下，零售产业，尤其是快消品这类具备“刚需”、“使用频次高”、“复购强”特点的产品，能产生大量数据，利用数据中台的算法进行分析后，可以实现数据沉淀。其在短时间内复购就又给了企业得以校验AI能力的机会。因此，所谓“新”零售，其核心还是在于数据挖掘能力，在于“懂”用户。

爱莫科技是一家助推实体零售数字化转型的高科技公司。公司认为，对于零售业来说，发展势头迅猛的线上零售已进入增长平缓期，线下实体店仍然是实现零售的主要渠道，约80%的零售销量来自于线下实体店。支撑如此庞大实体零售销量的中坚力量是六百多万家各种业态的小型店铺，其中很大比例为下沉市场的夫妻店。就销量占比来说，这些小店铺的重要性不言而喻，与很多技术企业以“无人店铺”、“无人货架”、“社区团购”等新物种来试图颠覆这个行业不同，他们认为，通过帮助小店铺实现数字化转型，让每个店铺获取更多利益是更加接地气的模式。

爱莫科技利用在烟草、雪糕、冰淇淋、乳制品、酒类、零食等方面成熟的Martech SaaS产品，从营销活动策划、效果评估、市场普查等方面为众多烟草企业、快消品和酒类头部企业提供技术服务。相较于其他公司的方案，爱莫利用人+智能的交互模式，代替督导到店巡查或者摄像头设备拍摄的模式，在活动可执行频次、店铺覆盖率上实现两个数量级的提升，建立了品牌到零售终端的营销桥梁，使得品牌客户的活动执行成本大大降低，更重要的是，该模式可以让零售店主实时获得更多奖励，从而提高其参与营销活动的积极性和对品牌的粘性。不同店铺之间的差异很大，灯光条件、隐私保护、学习成本、推广成本等方面的限制，都是铺设摄像头等硬件方案的障碍。加上目前智能手机的高普及率、高拍摄质量，发动店主积极性，利用店主手机作为传感器的人与智能交互方式成为爱莫提出的新思路。

其实，类似的产品概念从2017年前后就不断出现在媒体报道中，但实际落地寥寥。毕业于剑桥大学的公司CEO杨恒博士介绍，目前人工智能技术在这个场景中应用的难点集中在三方面，一是数据采集难导致原始数据量少，二是数据标注难导致训练的模型精度不足，三是负责拍摄的人员可能会作弊。针对前两点，爱莫通过独创的KISS（Knowledge-driven Intelligence based on Simulation System）人工智能平台，对物品和场景进行3D仿真建模，在样本容量极少的情况下训练模型，解决了数据量少和模型精度低的问题，让产品的识别准确率超过95%。针对第三点，爱莫则采取图像、位置、操作模式等多模态交叉验证的方法，对舞弊的判断准确率已提升至99%，同时误判率降低至万分之一。

此外，爱莫科技利用长期服务多个B端大客户的优势，实现了线下数百万零售终端的画像和触达，未来，进一步开发好这数百万B端小客户是爱莫看好的第二增长点。杨恒希望以不断交互与获利来建立与店主之间的信任，基于这部分店铺的营业数据、信用数据等信息，与银行、物流配送企业、咨询公司等机构开展合作，提供如信贷风险智能评估、智能物流配送等更多维度的数据驱动决策方案DaaS（Decision as a Service）。同时，进一步为实体店铺提供陈列优化、供应链选择等数据驱动式的即时运营服务OaaS（Operation as a Service），不断为小型店铺在提升效率、提高收益和降低成本方向迭代产品和服务。

与爱莫科技定位类似的公司是成立于新加坡的Trax。与Trax相比，爱莫科技是通过品牌商渗透到下沉市场的百万个小型店铺，而Trax则是通过品牌商为大型超市和品牌店提供管理服务。相比较而言，大型超市和品牌店的产品摆放相对整齐，且国外往往以饮料等易于识别的简单商品作为切入点，“简单产品+简单场景”导致同类竞品进行的图像识别训练相对单一，遇上复杂场景容易导致错误率上升。而爱莫的策略则不同，由于其前期触达的客户是小型零售店铺，其拍摄场景较为多样，且选择的香烟、雪糕、酒类等属于在图像识别领域相对复杂的商品，解决了这些场景下的技术难点后，可对识别难度更低的场景形成技术优势。

爱莫科技与Trax产品差异示意图

据爱莫科技介绍，公司已经积累了300万+的店铺数据和20万+的商品知识图谱，每天可新增10万+的真实消费者多维数据，其拥有的数据规模和复杂性都有助于实现其他公司难以实现的复杂线下场景识别。杨恒博士认为，人工智能公司的最大护城河来自于拥有真实的一手数据，拥有数据才能不断地对技术进行迭代和为客户创造基于数据的价值。