大学论文
无人超市就是指全程无售货人员，第一次进店时，打开微信，扫门口的二维码进店，进入超市你会看到分类摆放的商品，找到你所要购买的商品区域进行挑选，挑选完成后，进入最后一步就是支付。下面我们就为大家介绍几篇关于无人超市论文的范文，供给大家参考。
无人超市论文范文第一篇：基于大数据平台的无人智慧超市管理系统设计
作者：吴永豪
作者单位：广州新华学院信息科学学院
摘要：本文通过对无人智慧超市的管理系统进行分析，设计一种融合大数据算法和消费者行为学理论的智慧系统。通过对商品、销售数据和消费者行为进行分析，挖掘有价值的数据信息，从而提升超市的形象，获得更多的消费者群体。
关键词：无人智慧超市；消费者行为学；管理系统；大数据，
作者简介：吴永豪（1999-），男，2018级，软件工程。；
1 引言
无人智慧超市，主要是利用智能化技术提高消费者的购物效率和减低超市的运营成本。当今社会的发展，智慧地球概念的提出和物联网的发展，为智慧超市提供了新的理念和技术，为智慧超市的发展和实现起到了强有力的支撑作用[1].智慧超市的广告推送系统利用广告打动，消费人群，提升广告推送的智能化发展，构建与消费者之间的有效渠道，加强广告投放的针对性[2].这种推送系统虽然能针对消费者推送个性化广告，但并未与超市管理系统联结。
使用人脸识别技术对消费者人群进行识别，利用大数据记录各种消费者人群的消费行为和推荐系统向消费者推荐可能购物的商品，通过无人智慧超市管理系统将商品放置于各种消费者人群经常会选择的行走路线，管理系统根据大数据得出的各种消费者人群的必需品和可能会购买的商品安放在同一处。管理系统记录消费者在超市中的购物路径，通过大数据技术计算最佳的商品放置方式，在传统的基于商品类别进行分区放置提供更多的放置方式。
无人智慧超市管理系统利用大数据技术将消费者的消费行为、购物路径采集计算，优化超市的商品放置位置并融合部分的广告推荐系统功能，将消费者可能购物的商品放置于明显位置和购物路径经过的位置，提高商品的被购买几率，实现智慧超市的智能化管理。
2 超市管理系统应用大数据技术的框架
2.1 大数据技术
大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产[3].大数据是为了解决信息爆炸时代产生的海量数据而提出的一种新的技术概念，用于更加快速地、经济地和有效地从各种种类结构复杂的数据中获取有高利用价值的数据，通过研究这些海量的数据，能有助于数据拥有者发现数据背后的信息，从而利用这些有用的信息，例如超市管理系统可以通过尽可能地搜集消费者行为，了解消费者的需求，增强用户体验。大数据的主要特征是"大",不仅说明数据的数量庞大，还意味着数据种类繁多、结构复杂，变化速度快，大数据具有四个特性：海量（Volume）、多样（Variety）、价值（Value）、高速（Velocity）[4].
图1:系统总体功能结构图
图2:商品属性图
图3:消费者属性图
2.2 数据挖掘技术
数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。通过分析数据并试图寻找蕴含其中的规律，这些特殊的规律在进行一定的归纳性推理后，能够帮助决策者调整市场策略，减少风险，并作出正确的决策。
2.3 云计算技术
云计算是分布式计算的其中一种，指通过云端将海量的数据计算任务分解成无数个小计算任务，而后利用多部服务器组成的分布式计算系统进行处理和分析这些小任务得到结果并返回为用户。这种技术在大数据邻域的作用尤为重要，大数据的数据量大，单靠一台服务器无法完成计算任务，而高性能的超级计算机对于普通公司而言成本过高，云计算通过网络将计算任务分解到多台计算机上，同时运算，这种将计算资源集合一起通过软件进行自动化管理，有利于高效利用计算机资源，共享计算机算力。
2.4 基本框架
大数据时代下，传统的超市管理系统大量依靠人工操作方式进行数据的输入管理，这种低效模式并不符合现在的商业场景。从营销角度看，大数据的核心技术是挖掘、洞察、预测，全方位了解消费者的特征，掌握消费者的需求，强化与消费者的互动，最终提供符合消费者需要的商品和服务[4].基于大数据算法的新型超市管理系统将商品数据和消费者数据进行整合分析，通过可视化图表的方式向决策者展示超市的实时数据，将消费者数据从多个维度进行分类，给予不同的用户标签，绘制出消费者的微观、宏观画像，洞察消费者的需求。通过对用户数据进行行为分析，实现对不同类型的消费者制定专门的营销策略，打造出个性化的广告推送，同时对超市的商品进行销售管理，记录不同商品的销售周期和消费者的品牌关联关系，通过建立商品预测模型预测商品未来的销售情况，实现对商品的销售仓储高效管理，减低超市的仓储成本和库存压力，并结合相关的市场宏观分析，通过公开数据分析竞品的营销策略，得出最佳的定价方案和补货方案。
2.4.1 数据收集
本系统设计通过摄像头和货架传感器等方式，将消费者的消费行为、商品的销售情况、商品的质量数据、顾客的退换货情况记录到系统的存储模块中，以供数据挖掘和数据分析这两个引擎使用。系统的智能广告推送系统则使用Wi-Fi探针技术收集消费者智能设备，将分析模块得到的分析结果并结合管理者使用的营销方案，向消费者提供个性化广告。
2.4.2 数据挖掘
本系统设计使用频繁模式挖掘技术进行数据挖掘，频繁模式是指在数据集中频繁出现的一类模式，而频繁模式挖掘的著名例子是"啤酒和尿片",这种购物篮分析方式试图从消费者加入购物篮的商品中挖掘出某种模式或者关联，可以是真实的购物篮，也可以是虚拟的，并且给出支持度或是置信度，在用户行为分析中存在巨大的价值，可用于分析真实数据或根据预测数据进行推算，因此采用该大数据算法运用于超市管理系统的数据挖掘部分。该大数据算法为融合贝叶斯深度学习的计算机大数据频繁项挖掘算法（Sequential growth），这种改进算法的效率和可伸缩性方面均优于现有算法，能很好适用于Map Reduce框架[5].通过云计算和数据挖掘技术，将消费者行为和商品销售数据中隐含的关联信息挖掘形成有价值完整的数据信息。
2.4.3 数据分析
本系统利用数据分析技术对采集到的信息进行处理，分析销售数据，并提出下一步的管理方案。同时系统设计利用消费者行为学中的情境因素进行分析，情境因素是指并非来自个人的知识与刺激的属性，但它是足以明显而且有系统地影响当时个人行为的各种时间与地点等的特定因素[6].情境因素会影响消费者的消费意愿和忠诚度，通过分析该数据对超市商品的整体布局的合理化编排，将有利于提高消费者的满意度和忠诚度。有文献指出分析消费者在超市中的行走路径，将发现这些数据对商品陈列和购物模式等都有重大帮助，购物者不会走遍所有走廊，也很少会走完整条走廊，购物者还偏好逆时针的购物行走方式[7].文献作者提出这些数据将对商品陈列布局及走廊之间的关系产生重要影响，本人认为通过结合消费情境因素和购物路径将能对超市的管理系统建立用户画像和消费者群体，针对性进行商品营销有极为重要的作用，从而使系统利用这些数据给出超市的经营意见。
3 超市管理系统的设计
该管理系统的操作平台设计主要采用SSM框架进行开发，数据存储部分主要利用My SQL进行主数据存储，超市每日活动及广告等生存周期短且变化迅速的数据由Redis进行存储，同时Redis也负责主数据从My SQL数据库中读取后在数据分析和数据挖掘的过程的缓存，以此避免My SQL的读写负荷过大。
该管理系统的数据分析模块可以通过图像采集模块的人脸识别功能识别消费者，为每一位消费者记录购物路径及购物商品品牌忠诚度和喜爱偏好等，对于一些消费者的特殊行为，分析引擎能采用自学习的方式对未知行为进行补充学习。超市货架出现缺货情况，系统通过摄像头及货架传感器获悉缺货情况并使用系统通知管理员进行补货。整套无人智慧超市管理系统同时具备智能化人流管控、温度管控、硬件故障管控、火情监控等功能。
3.1 系统总体功能设计
本系统主要由四大部分组成，商品管理、仓储管理、销售管理和系统管理。商品管理主要负责系统管理员对商品信息的查询、增加、修改和删除等方面管理。仓储管理是负责商品在仓库中的管理，涉及商品的采购、进退货和补货管理，通过这些数据系统管理员可实时查看仓库的情况，以便对无人智慧超市的远程管控，以确保商品质量。销售管理是主要是负责商品的定价和管理用户的支付方式，以适应无人智慧超市中消费者自行购物结账的需求。系统管理主要负责整个系统的信息采集及管理，系统用户的管理和系统的备份。图1为本系统的总体功能结构图。
3.2 实体属性设计
商品的信息通过整理可得到5个，商品编码、商品名称、商品价格、商品类别和商品数量。这些属性将有利于与消费者的属性进行联系，以便数据挖掘模块通过这两个信息挖掘分析出有价值内容。图2为商品属性图。
消费者的信息通过整理可得到5个，消费者ID、年龄、性别、购物偏好和消费者类型。根据这些属性系统可绘制消费者画像，并对消费者进行分类，实现推送专属的制定营销内容。图3为消费者属性图。
3.3 功能模块设计
3.3.1 图像采集模块设计
图像采集模块主要是利用摄像头，并通过python第三方库Open CV将采集到的图像数据保存到数据库中。vc=cv2.Video Capture（0） ret,frame=vc.read（）上述代码通过打开默认摄像头并获取每一帧的图像数据，获取的图像数据为一个三维矩阵。而实现采集过程中实时识别物体的功能，将利用百度智能云提供的图像识别解决方案，获取图像中的商品信息及超市中的消费者行为轨迹。
3.3.2 商品管理模块设计
无人智慧超市管理系统的商品管理模块利用超市日常经营中摄像头采集到的货架商品数据进行数据分析，利用python的第三方库pandas库对数据进行清洗和挖掘，并通过sklearn库对数据进行预测分析，并通过销售模块获取商品销售信息，建立商品的季度销售模型，利用Hadoop框架中的Map Reduce模型将整个超市的所有商品进行迅速、大量的分布式运算，将所得数据通过可视化图表方式展示，得出商品的管理报告以供超市管理者查阅，并给出下一季度的进货方案。
无人超市的商品进货后，系统会自动记录库存中的商品数量和货架上的商品数量以及未到货的商品数量，商品管理者可以在系统管理平台中查看商品信息，同时系统将记录商品的有效期，以保证商品是处于有效日期内。
图像采集模块收集到的消费者行为轨迹数据将通过大数据模型运算得出消费者的行为路径。消费者购物动机的产生可以分为两类，一类是事先有计划的（planned）购物准备，另一类是随机发生的（unplanned）购物需求。不同的购物需求动机，将可能影响消费者对零售店选择决策，同时影响消费者店内消费额度[8].将获取的消费者行为路径和商品的排放位置进行合理编排，将有利于提高消费者的购买欲望。
3.3.3 销售管理模块设计
销售模块的设计要实现与商品资源进行精准对接，通过采集日常经营中产生的销售数据和记录消费者的退货数据，将销售数据通过可视化报表方式展现，并进行相应的商业分析，与商品管理模块结合，实现对商品数量及金额的有效管控。
销售模块对于处于销售低迷情况的商品，通过系统的智能广告推送系统向符合购物该商品的潜在消费者进行个性化推送，同时广告推送系统也将根据商品季度变化情况进行调整，保证畅销商品的广告投送同时对下一周期的热门商品进行预热和向潜在顾客推送商品促销信息，实现智慧化营销。
3.3.4 人脸识别功能设计
人脸识别功能的主要目的是精准识别消费群体，基本原理是通过图像采集模块收集到的图像数据，利用深度学习技术中的卷积神经网络（CNN），对图像进行年龄和性别划分，以供管理系统的销售模块建立消费者画像，制定营销方案，对消费群体实现精准营销。
这段代码通过使用人脸特征库和人眼特征库，利用级联分类器对人脸数据进行划分并标注，以便后续模型利用图像人脸数据作进一步分析。
4 结语
传统超市向无人化、智慧化发展已是时代趋势。无人智慧超市管理系统，将传统超市管理平台与大数据技术结合，并补充其他数据分析系统中并未利用的消费者行为学中的情境因素和消费者路径分析，其能挖掘出商业信息中高价值信息。因此，该管理系统将能为智慧超市的发展助力，实现增强消费者的购物欲望，令智慧超市更加明白消费者的购物心理。
参考文献
[1]王晨阳，赵金龙张慧远程云强基于智慧超市的自主微型购物系统的设计[J]数字技术与应用，2016（11）：177.
[2]何文华智慧超市广告智能推送系统[J]电子技术与软件工程，2019（13）：249.
[3]张正航，黄薇，岳晓红大数据在超市购物管理中的应用[J]电脑迷，2018（02）：42.
[4]朱彬彬。基于大数据的传统零售行业精准营销探究[J]管理观察，2018（18）：24-25+30.
[5]刘兴建，原振文融合贝叶斯深度学习的计算机大数据频繁项挖掘算法[J]成都工业学院学报，2020,23（04）-:38-42+62.
[6]杨秀丽，程永运对情境因素下消费者超市购物行为的研究[J] .价值工程2009,28（04）：112-114.
[7]Jeffrey S.Larson,Eric T.Bradlow,Peter S. Fader.An exploratory look at supermarket shopping paths[J] International Journal of Research in Marketing,2005,22（4）。
[8]解志韬，田新民李宁超市消费者购物行为理论研究[J]上海管理科学2006（04）：16-19.
文献来源：吴永豪。基于大数据平台的无人智慧超市管理系统设计[J].电子技术与软件工程，2021（12）：189-191.
无人超市论文范文第二篇：无人超市用户体验及优化策略研究
作者：白晓丽 曹恩国
作者单位：江南大学设计学院
摘要：在新零售发展背景下，研究无人超市用户体验的影响要素，为未来高效和优质的无人零售服务提供创新思考。通过调研法及访谈法对用户核心诉求进行定量与定性分析，通过观察法、案例分析法对用户消费行为路径进行解构，挖掘现有无人超市体验痛点及发展机会点。总结影响用户体验的主要因素，得出体验优化策略。以现有无人零售体验痛点为突破口，对零售前、中、后全流程服务体验优化，科技赋能增强体验，通过场景交互以视觉听觉方式触达用户实现情感交流与零售提效。
关键词：新零售；无人超市；户体验；无人零售；
Abstract:Under the new retail background,research the influencing factors of user experience in unmanned supermarkets,and provide innovative thinking for efficient and high-quality unmanned retail services in the future.Quantitative and qualitative analysis of user core demands is made through survey method and interview method. Deconstruction of user consumption behavior path through observation method and case analysis method,and tap existing pain points and development opportunity points of unmanned supermarkets.The main factors that affect user experience are the experience optimization strategies.Based on the pain points of the existing unmanned retail experience,combined with technology,it optimizes the entire retail service experience,and realizes emotional communication with users in a visual and auditory way through scene interaction to achieve retail efficiency.
Keyword:New retail; Unmanned supermarkets; User experience; Unmanned retail;
引言
无人零售是近年来崛起的新零售模式，也是对传统零售的补充。无人零售借助移动支付、人工智能、RFID、生物识别等技术，降低人工及租金成本的同时，打破传统零售场景，打造高效便捷的近场消费场景[1,2].
消费体验即用户购买行为过程中的体验，即用户在接触产品、系统、服务后，所产生的反应与变化，包含用户的认知、情绪、偏好、知觉、生理与心理、行为，涵盖产品、系统、服务使用的前中后期[3].这些变化决定了无人零售的形式能否在未来的零售市场被消费者接受及继续发展，这是本文关注的重点内容。
一、无人零售概述及无人超市市场研究
（一）无人零售发展现状概述
随着快节奏的生活方式及对于消费场景的不断打破重构，2017年是无人零售业的元年[4,4].如京东集团推出了京东X无人超市、阿里巴巴推出了"淘咖啡"、Easy Go便利店、缤果盒子、F5未来商店等无人便利店都纷纷布局一线城市，无人零售成为热门的商业新风口[5].在市场业态形式方面，无人零售主要包括自动售卖机、无人零售货柜、无人零售店三种[5,6].其中自动售货机发展较早，业态相对成熟，其投放区域广泛，特征是用封闭的自动售货机陈列商品。无人货柜是使用开放式的货架陈商品，用户可直接接触商品再通过扫描二维码支付，但一般只能投放在相对封闭的场所。无人商店目前处于发展初期，其特征是用户通过身份认证后开门进入封闭的无人商店，用户购买商品后可直接离开自行结算和自助收银结算两类。
从用户体验研究价值和研究空间的角度分析，无人商店是一种新的消费场的形成，融合更多的新技术，对于用户而言也更加具有挑战性。本文以无人超市为研究对象，对无人零售的用户体验进行剖析。
（二）无人超市类型研究
无人超市分为有人值守的智能超市与无人值守的无人超市两种，无人值守的无人超市真正达到了前端"无人化",后端"数据化",通常投放在交通枢纽、学校、医院、商场、办公楼等区域，售卖商品类型集中在鲜食商品、休闲食品、现冲饮品、生活百货快消品四大类[8].在实现形式上大致分为封闭式及半开放式两种，半开放式通常设置在室内环境下通过闸机实现店铺安全管理，封闭式多出现在户外环境，通常以全封闭的盒子的形式，通过扫码才可打开门进入。
下表为市面上出现较多的几家无人超市公司，从应用技术、占地面积，所需设备类型，结算方式四个方面进行归纳汇总：
综上，现有无人超市具有共性和个性。共性上，无人超市从占地面积通常在15-60平米不等，前端所需的软硬件技术系统包含智能门禁系统、商品识别系统、智能监控系统，在结算方式上，从最初的需要用户自主扫描商品逐步发展为无感自动识别商品，并实现自动结算。个性上，差异集中在商品类型涵盖范围以及技术实现方式上，如商品识别技术差异以及无感结算方式的实现技术的差异。根据技术成熟度及商品类目完整度，下文以京东X无人超市为例对消费者购物体验的定量与定性研究。
二、无人超市消费者体验的定量与定性研究
如图1所示是用户研究方法，本文采用定量的问卷调查分析、半结构式的用户访谈及观察用户消费行为的方式，了解消费者用户购买商品过程中的的消费习惯，行为方式，常见问题，愿景希望。
图1 用户研究方法
（一）消费者用户画像分析
据2017年艾瑞咨询发布的《中国无人零售行业研究报告》及《中国无人零售用户行为研究报告》数据统计，用户集中在30岁以下，文化水平较高的年轻白领一族。性别上男性居多，占比68%;学历程度上本科以上占比76%,普遍受教育程度较高；收入在5000元以上的中高收入白领阶层人群居多占比49%[9].
（二）定量研究
采用问卷调查法，样本数量使用过无人超市的用户106人，于2019年3-4月通过网上调查。问卷大纲如图2所示，就消费习惯，行为方式，常见问题，愿景希望四个方面展开。
结果显示，从个人基本信息和生活方式来看，超市消费者女性更多，一二线城市占比近半，且消费群体有年轻化倾向，具有较高消费能力。从购物习惯来看，消费者基本每天都会逛便利店或超市，大多数会选择在上下班路上或社区/公司楼下超市，购买三餐食品及日常消耗品，通常采用自助结账设备自行结算。其次，选择711/全家/罗森等连锁超市的人群比重较高，反映出人们对于消费品质的追求高于对于价格的限制，愿意为品质付费。从对无人超市的使用情况来看，多数用户未使用过无人超市，原因是生活场景的路线上无人超市较少，且担心排队结账较慢。但对于无人超市的的认可远高于其他无人零售形式。从对无人超市的消费体验来看，年轻用户对于新的零售形式具有较高的积极性，且对无人超市方便快捷的近场零售模式表示极大的认可，但对需要加工类的现做食品具有较高的卫生食品安全的要求。
图2 问卷调查大纲
（三）定性研究
根据问卷中咖啡消费者集中在25-35岁，因此选取的8名访谈者属于这一年龄区间，且具有一定无人超市消费体验的用户进行深入访谈，从用户的细节性描述回答中挖掘更加细节的信息，访谈者基本信息情况如表2所示。
从用户角度出发，访谈时发现用户对于消费场景，商品种类及服务体验三个方面有较高的要求。对于消费场景，希望能营造出更加真实自然的购物场景，能有逛起来的感觉，无人超市投放位置用户普遍认为越近越好，社区、交通枢纽、景区、办公区是较好的投放区域。对于商品类型，用户希望能够更具差异化的因地制宜，如办公场景下能有咖啡及办公产品的售卖，社区附近能有新鲜蔬果的类别等，同时希望能兼容更多生活服务如收快递等服务。而在消费服务体验方面，用户期待更便捷的付款流程，针对售后服务退换货普遍表示为主要顾虑，甚至退换货的较差体验是导致用户不再使用无人超市的主要原因。
三、无人超市案例研究
（一）用户触点及消费行为路径研究
利用观察法，对无人超市典型行业案例，对用户的行为进行观察，通过细节的观察挖掘用户需求，如图3所示。第一步，顾客用手机扫码并进行人脸识别后进出超市购物；第二步，根据导视进行商品购买，在目标商品区域进行对比挑选；第三步，用户排队进行结算或排队进行食品加工；第四、五步，进行商品的清算和支付。第六步，出门并识别有无未结算商品。
目前无人超市采用RFID射频识别技术，实现被动式的商品统计，顾客只需穿过结算通道即可自动完成结算直接出店，整个购物过程完全在"无感知"的情况下完成[8].在整个流程中发现主要痛点斤相应机会点可归结为以下四点：
入门识别繁。无论初次还是非初次，步骤繁琐，可采用多种生物识别方式共存，避免单一形式识别阻碍入门效率及难度。
商品导购效率低。导视系统分类较大，特定商品寻找复杂，可增设商品检索功能，引入VR等技术借助移动设备实现智能导购或设置智能设备帮助用户快速找到具体商品位置。
图3 用户体验地图
商品附加服务不完善。食品在加工服务或打包服务区较为无序，对加工机器的操作生疏而产生担忧，根据用户购买商品类型，针对性地通过移动端或智能设备进行二次加工指导，针对等候问题能根据区域及高峰期使用人数进行灵活调整各无人超市的服务区空间及设备数量。
商品后续售后服务及突发问题解决方案确实，需要设置适时的用户反馈，在结算时有商品列表显示，用户进行二次确认，并且出门后有电子收据实时出现在用户移动设备，减少用户疑虑。在退换货方面，可在用户移动端设置退换货申请入口以及出口处设置退换货说明及指导。
（二）传统超市与无人超市消费体验对比研究
从用户购物的前、中、后全流程，对比传统超市与无人超市购物体验的差异，整理如下表：
根据对比得出，首先，在消费前期的需求触发阶段，无人超市借助其多端触点能够多元化触达用户，同时也能触发消费者购买动机。第二，在消费过程中的购物场景下，入门时的真实问候是一个必要的情感触点，而用户选购商品阶段快速获得准确的具体商品位置是无人超市所欠缺的一点，同时对于无准确目的性的消费者，应有店内场景下的推荐（可根据用户所占货架位置或停留时间适当语音推荐进行实时互动）；另外，结算阶段应明确购物清单，并及时反馈电子小票。第三，消费后的在售后服务阶段是二者差异最大的地方，食品在加工的学习成本及时间成本是急需解决的问题，以及退换货的滞后性严重影响消费体验。
（三）无人超市影响消费体验的因素总结
综上，根据对消费行为路径观察分析及传统超市与无人超市消费体验对比研究，笔者归纳绘制了消费体验图如图4所示，并总结得出影响无人超市消费体验的四点因素：
第一，基本需求体验。用户走进超市，首先是目标商品的快速定位，清晰的导视系统和安全可靠的支付系统是完成交易的基础搭建。容易被忽视的是对于需在加工处理的商品需要对用户进行个性化指导，减少用户学习成本，并且完善售后退换货服务流程。
第二，安全需求体验。消费者在产生货币交易时，会对交易信息有不确定心理，需要在用户支付前进行二次确认，确认过程尽量简便化，但确认环节必不可少。
第三，互动需求体验。用户追求"无感化"消费体验，身份识别及结算支付环节，应将用户主动式的交互转变为被动式交互。并且在用户无明确购物决策时，能给出合理的商品推荐建议。
第四，情感需求体验。无论是入门问候还是还是消费过程中的互动对话，都需通过一定形式的声光互动与用户进行沟通，使用户有真实逛超市的感觉而非面对冰冷机器的购物体验，使无人零售更具人情味。
图4 消费体验图
四、用户消费体验提升策略
第一，服务流程体验优化，完善线上及线下触点设计，满足基本购物需求。良好的购物体验需要贯穿整个过程，需更加关注售后支付及服务环节。针对用户退换货问题，可增设退换货快速通道，在入口处设置专门区域供用户进行退货处理，当用户将产品放置在指定位置检验无误后即可实现快速退货，减轻用户购买担忧。
第二，科技赋能，增强购物体验的安全可靠度。无人超市在实现无感化操作的同时也要注意用户对于重要信息的关注，对于消费清单及扣费详情，商品支付环节应将商品清单进行二次确认，消除用户购买担忧。售后阶段降低学习成本节约用户时间，需要再加工的商品，可通过技术手段实现识别商品类型进行针对性的指导，减少用户因不熟悉设备或商品属性带来的担忧。其次可利用人工智能对顾客的行为进行记录分析，通过消费记录分析顾客的喜好。
第三，多感官场景交互，根据用户行为进行即时互动。注重用户参与感，打破传统人机交互方式，寻求交互形式的创新，打造更多元的互动方式。在用户入门、选购、结算、离开、再加工整个全流程都应实时与用户产生联系，通过视觉或听觉的方式与用户互动，根据用户行为进行分析，分析预测用户购买意向，进行合理推荐。
第四，有共鸣的消费场景打造，满足用户情感诉求。消费空间的行走动线、交互形式、视觉展示都是让用户感知和品牌认同的有效手段。通过寻找年轻人品牌偏好，从他们喜爱的公共空间，购物场所等途径，提炼符合年轻人审美的符号，从而进行能产生共鸣的购物空间设计。
结语
体验经济时代背景下，用户对于消费体验的要求与日俱增。无人零售将传统零售过程中的人际交互转换为线上或线下的人机交互，改变了用户传统的购买路径，这对服务提供者提了更高的要求。虽然无人零售目前还未有稳定的业态形式，但可以肯定的是，无人零售将在未来零售市场中，为用户提供更优质、更便捷的服务体验。
本文通过无人超市这一综合零售形进行无人零售体验的探讨，对影响消费体验的因素进行了初步探讨和给出体验优化思路，但由于采用单一案例研究方式研究，可能无法全面概括不同行业无人零售的消费体验。针对这一问题，可以在今后的研究中不断完善和丰富案例从而加以解决。
参考文献
[1]宋志昌，陈虹 ,毕雷新零售行业中的用户体验设计研究[J]设计， 2018（03）：82-83.
[2]张军，陈思基于全链路用户体验路径的无人商店创新设计研究[J]包装工程， 2019,40（04）：21-29.
[3]王正沛，李国鑫消费体验视角下新零售演化发展逻辑研究[J]管理报， 2019, 16（03）；333-342.
[4]谢理正，沈榆基于用户体验的新零售系统设计策略[J].设计， 2017（21）：116-117.
[4]朱琪颖，张卓然新零售视野下的无人商店用户体验研究[J].包装工程， 2018,39（22）：29-34.
[5]冯军维。无人零售产业发展现状与趋势[J]科技中国， 2018（03）：63-72.
[6]卜立言，姚冰，李鹤森，孟昕新零售驱动下的超市购物服务系统设计策略研究[J].包装工程， 2019,40（04）：13-20.
[8]杨炯君。新零售时代下无人超市的发展动向探析[J]现代营销（信息版） , 2019（06）：60.
[9]中国无人零售用户行为研究报告2017年[C]艾瑞咨询系列研究报告上海艾瑞市场咨询有限公司， 2017（09）：279-306.
文献来源：白晓丽，曹恩国。无人超市用户体验及优化策略研究[J].设计，2020,33（24）：136-139.