前两篇文章中，介绍了智能货柜如何让补货效益最大化以及怎么提升智能货柜的故障处理效率，本篇文章则重点介绍智能货柜的商品相关的内容，重点涉及到如何实现不同机器的千机千面从而使商品更加畅销，提升销售额。

01 背景

不管是智能货柜，还是之前传统的自动贩卖机，在每一台机器投放前，都会面临一个问题，就是这个点位这台机器初始投放需要售卖哪些商品，对于很多自动售货机来说，可能更多的都是要运营的经验去投放，容易造成的问题就是投放出去的产品可能不适合这个点位的用户群体的需求，进而造成销量不佳。

而需要解决这个问题，其实会涉及到2个大的课题，第一个课题就是怎么从产品和数据层面，制定初始化投放的商品列表；第二个课题就是在每台机器运营一段时间后，怎么根据销量和用户需求，对商品的sku种类和结构进行动态的调整，实现销量的提升。

02 智能货柜初始化怎么投放商品 项目启动时，怎么确定第一批商品？

由于智能货柜不同于传统的饮料机弹簧机，只要大小合适都能放到机器内售卖，智能货柜涉及到商品学习、建模的过程，因此首先商品会受到技术的约束，需要根据技术的条件去挑选商品，这是第一个条件，比方说智能货柜刚开始会有如下技术上的条件限制：

包装类型：硬包装，瓶装罐装的饮料，以及盒装能站立的零食

商品高度：由于商品需要摆放在货柜层板，每层的高度一样，所以必须得保证高度小于层高

包装版本：同一个商品只支持一个类型的包装，不支持不同的包装

包装图案：一些过于透明的商品不支持，容易造成误识别

第二个因素，就是在技术限制的条件下，怎么选择这些商品，我们项目启动时，核心挑选了20多款商品，商品基本上都是爆款，比方说可口可乐、雪碧、桶装泡面、盒装的好丽友蛋糕、饼干等。也就是在项目刚启动时，以跑通流程为主要目标，在商品选择上，尽可能选择在技术上最容易支持的商品，待流程跑通后再根据用户、场景等需求去丰富整个商品种类。

正式运营机器投放时，初始商品怎么选择？

当机器正式大规模投放时，这时候商品已经较为丰富了，怎么避免运营人员无脑的根据经验去投放商品，这就需要在产品和数据层面提供支持了，主要涉及到以下2个维度：

第一，机器可能投放的地点包括写字楼、酒店、学校、健身房、政府部门等，不同的地点场景不一样，人群不一样，消费水平等也不一样，比方说写字楼里面会有高端写字楼、低端写字楼，投放的公司有可能是互联网公司，可能是游戏公司，也有可能是教育公司，这里面就有可能涉及到用户的性别、年龄、消费水平、工资水平等用户画像的基础数据。所以我们必须根据投放的点位机器的场景、用户画像等数据，为运营人员提供一个工具，在我们的商品库里面去生成建议投放的初始商品。

这个商品列表我们可以理解为一个商品模板，每一台机器对应的就是一个独立的商品模板，因为同一台机器内有些商品可能会存在互斥关系，比方说可口可乐和零度可乐，如果外包装特别相似的话，就不能在同一台机器内售卖。

这个初始化的投放，我们需要很多数据，这些数据怎么获取呢，主要有几个途径：一是业务员在谈合作的时候进行的实地调研，比方说人群规模、用户性别分布、年龄层分布、消费力的级别等数据，二是可以和第三方的数据公司进行合作，获取更精准的数据。通过这些数据，再结合我们的商品库的约束条件，就能根据场景和用户等数据进行个性化的商品投放。

第二，由于一些场地主会涉及到排他性或者指定商品，比方说有些点位的机器不允许卖矿泉水，有些地方则必须你指定售卖红牛等，所以在投放时，还需要结合场地的特殊要求去灵活的调整投放的商品列表。

03 怎么动态调整商品结构，实现最大效率的“千机千面”

“千机千面”在这里其实会和运营效率有一定的冲突，运营员如果一个人负责100台的机器，每台机器的商品如果都不一样，在备货、补货时肯定会影响一定的效率；但是我们站在用户的角度，如果每台机器的商品都是一样的，并且很长时间都不换新品，那么用户的留存和复购一定会产生极大的影响，那样只会造成销量降低，补货和备货的高效率也无用武之地，因此还是需要根据用户需求的不同，满足用户对于商品丰富度的需求。这里面涉及到几个核心的算法、策略和方案，例如销售速度预估算法、畅销品滞销品的定义、新品推荐策略、商品数量调整策略。