人脸识别作为AI中的一个分支，2017年无论是资本市场还是线下应用都开始热起来。按照目前人脸识别技术的成熟度，已经具备了在线下大规模应用的条件。相信2018年，人脸识别技术会在线下商业得到更广更创新的应用。本文谈谈自己对人脸识别应用的理解。

个人把人脸识别技术在新零售中运用，概括成三件事：数据收集，数据应用，反馈闭环。

数据收集

抛开隐私这一点，人脸识别的好处是无感和非接触，也因此人脸识别的线下应用的优势在于数据收集。收集数据的方法，目前看到的做法要么在某个屏幕前自动拍摄人脸，要么在小程序里自拍。

屏幕适合线下的场景，无论是智慧门店的入口还是进入小程序自拍，在微信生态里，先让Faceid和openid作一次绑定。如果用户本身是会员，则相当于CRM中增加了Faceid。如果用户不是会员，可以在绑定人脸的同时，让用户在小程序里开卡成为会员，在绑定人脸的同时，拉动用户成为会员，当然考虑用户操作的简化，也可以使用支付即会员的能力，延后让用户成为会员。

有了第一次人脸的绑定，可以针对这部分用户作更多业务场景的收集，例如在各类支持人脸识别的屏幕前识别，采集用户在屏幕上的行为，这里用户行为能收集的数据取决于屏幕的互动设计，除了人脸识别，还可以结合语音，语义，大数据推荐，等科技概念，有很大发挥的空间，个人相信多屏幕也会是智慧零售的一个特点。在各种屏幕上，对于线下门店，增加了业务场景和增强了用户体验，同时也可以考虑线下到线上的引流。除了屏幕，有了人脸识别，在线下门店还能收集更多的数据，例如用户是否到店，到店的频次，在门店的行进路径，感兴趣的SKU，停留时间等等。

数据应用

数据的收集不是目的，数据的应用才是目的。通过人脸识别抓取的数据，丰富了CRM数据库。以上数据可以应用于全渠道的精细化营销，例如公众号，小程序，APP和线下屏幕，这些渠道基于人脸识别中收集的数据(以及其他渠道的数据)，可以千人千面的方式服务于用户。甚至线下屏幕可以通过识别人脸，基于收集的数据，作个性化的交互。

人脸识别也可以应用于支付，通过识别人脸，找到用户之前绑定的openid，调用免密代扣接口实现刷脸支付。人脸识别技术在人脸库比较大的时候，会有一定的误识别和通过率降低，这就需要产品设计的时候尽量规避纯粹通过人脸识别支付，例如需要输入手机号码后几位，在识别不出时自动提示使用其他支付方式等。

如果人脸打通了会员CRM，线下场景人脸可以应用于会员服务。线下无人店的自动开门，通知导购会员的入店，柜子的自动打开，会员的自动积分等。通过识别人脸，洞察用户在门店的行进路径和停留时间，可以对门店的SKU受欢迎程度作分析，指导供应链端的SKU供货。同时也可以通过这些分析，指导门店的货架陈列等。

反馈闭环

所有的数据应用，都需要做效果的收集完成闭环，这样才能指导后续的数据收集以及数据应用。

如果花很大的人力做好线下数据的收集，却停留在CRM里，那绝对和智慧零售南辕北辙。如果做了大量的数据应用，就需要评估这些应用是否偏离了商业的方向，评估这些应用的实际回报和效果，这些都需要在做数据应用的时候做好数据收集的闭环。例如刷脸后数据推荐的点击，试穿，查看，例如使用刷脸支付的效率，复购率，例如大屏的使用人流，引流效果等等。

最后，人脸识别的应用中，安全性特别重要，这不仅需要人脸识别技术的提高，更需要通过解决方案中产品流程的设计来规避。