6 приложений искусственного интеллекта, определяющих будущее розничной торговли

Машинное обучение и компьютерное зрение могут помочь ритейлерам, ориентированным на ИИ, улучшить качество обслуживания клиентов, повысить прибыльность и опередить конкурентов. Основными пунктами применения искусственного интеллекта в торговле специалисты считают:

— внедрение терминалов самообслуживания;

— управление запасами;

— анализ поведения клиентов;

— аудит продакт плейсмента и планограмм;

— анализ трафика;

— оптическое распознавание символов.

Розничные компании, которые хотят оставаться на вершине своей деятельности, все чаще обращаются к искусственному интеллекту.

AI дает им доступ к потокам данных, что улучшает скорость и эффективность бизнес-решений.

Действительно, все больше и больше ритейлеров тратят деньги на ИИ, и ожидается, что в 2022 году глобальные ежегодные расходы достигнут 7,3 миллиарда. А в 2023 году около полумиллиона розничных компаний будут в той или иной форме использовать машинное обучение.

Более того, ритейлеры уже сейчас хорошо подготовлены к использованию ИИ, поскольку их камеры видеонаблюдения могут собирать соответствующие визуальные данные.

Это поможет магазину внедрить компьютерное зрение.

КОМПЬЮТЕРНОЕ ЗРЕНИЕ

Такие методы, как распознавание изображений, обнаружение объектов, оптическое распознавание символов, оценка позы человека и распознавание активности уже играют значительную роль в помощи рознице для улучшения качества обслуживания клиентов и работы сотрудников.

1. КАССЫ САМООБСЛУЖИВАНИЯ

Здесь не требуется кассир. Вместо этого покупатель может войти в магазин, добавить продукты в свою тележку, оплатить их и выйти из магазина, не прибегая к услугам помощника-человека. Каждый из нас уже ощутил преимущества такой оплаты в крупных сетевых магазинах.

С помощью компьютерного зрения и анализа больших данных ритейлеры могут очень скоро превратить традиционные покупки в умные покупки.

Розничный магазин без кассира сочетает в себе использование камер, датчиков и систем компьютерного зрения для:

— обнаружения и понимания взаимодействия клиентов;

— наблюдения за движением товаров (благодаря алгоритмам обнаружения объектов);

— автоматического определения цены.

Касса самообслуживания может работать так:

Прежде чем покупатель войдет в магазин, ему необходимо загрузить приложение для смартфона. Попав в магазин, приложение аутентифицируется с помощью QR-кода. Если розничный магазин представил интеллектуальную тележку для покупок, такую как тележка, чувствительная к весу, которая точно идентифицирует, что покупатель поместил в свою корзину, тогда покупатель может оплатить покупку, не подходя к кассе, так как корзина автоматически сканирует каждый штрихкод.

Когда покупатель закончит делать покупки, ему нужно перейти на полосу с датчиком, которая автоматически списывает средства с его карты.

Однако на этом процесс не заканчивается.

Используя аналитику больших данных, приложение для смартфонов может записывать, хранить и использовать данные о каждом отдельном покупателе, чтобы оно могло а) определять поведение клиентов и б) персонализировать будущие рекомендации.

У кассы самообслуживания есть два основных преимущества:

1. Сокращение времени ожидания клиентов.

2. Сокращение средств, потраченных на найм помощников по покупкам — продавцов, консультантов и кассиров.

На данный момент развитие технологии ограничено тем фактом, что для решения большинства задач компьютерного зрения (особенно после оценки и обнаружения активности) требуются большие вложения.

Также существуют опасения относительно этичности использования распознавания лиц (безопасности данных).

2. УПРАВЛЕНИЕ ЗАПАСАМИ

Управление запасами чрезвычайно важно, потому что оно помогает вам понять, какой ассортимент нужен, в каком объеме, в какое время и по какой цене.

Управление запасами в розничной торговле за последние несколько лет претерпело цифровую революцию. И теперь, когда розничные компании начинают использовать ИИ, они могут лучше оптимизировать свои:

— цепочки поставок;

— ценообразование;

— рекламное планирование.

Системы компьютерного зрения используются для захвата изображений перед применением алгоритмов сегментации изображений и обнаружения объектов для отслеживания товаров на полках и выполнения полного сканирования оборудования.

Системы компьютерного зрения также:

— предоставляют мгновенные уведомления, когда есть распродажа или дефицит;

— показывают увеличенный план магазина;

— ускоряют A/Bтестирования — создают тепловые карты магазина;

— прогнозируют, сколько времени товар будет оставаться на полке.

В результате ИИ может помочь работникам-людям и определить, какие продукты нужно доставить на полки в кратчайшие сроки.

Розничные компании могут использовать компьютерное зрение для создания автономных роботов, которые также могут помочь в работе персонала. Эти роботы позволяют автоматизировать процесс пополнения запасов.

Однако ограничения все еще существуют, и успех еще не является гарантией. Если робот должен точно и полностью покрыть весь магазин, ему нужен доступ к огромным массивам точных визуальных данных.

3. АНАЛИЗ ПОВЕДЕНИЯ КЛИЕНТОВ

Когда дело доходит до поведения покупателей, для ритейлеров важно следующее:

— подозрительная деятельность;

— время пребывания (время, проведенное перед полкой);

— время взгляда (время, потраченное на просмотр продукта).

Системы на базе искусственного интеллекта способны анализировать кадры с камер видеонаблюдения, что позволяет им а) определять потенциально подозрительную активность и б) передавать сигнал персоналу. После этого сотрудники могут немедленно просмотреть отснятый материал и сделать следующий шаг.

Системы на основе компьютерного зрения (в которых используются такие методы, как распознавание активности, отслеживание объектов и оценка позы) были разработаны также для обнаружения краж. Поскольку они позволяют сотрудникам анализировать движения и поведение в режиме реального времени, они являются надежным способом поимки воров.

Более того, камеру на базе искусственного интеллекта можно использовать для выявления других типов своенравного поведения в магазине, включая физическое нападение. Это помогает защитить репутацию продавца, а также обеспечивает бóльшую безопасность клиентов.

Ведущие торговые сети давно начали использовать технологию искусственного интеллекта и видеоаналитику для измерения времени ожидания покупателя. Общая цель — узнать больше об опыте покупателей в магазине, чтобы повысить коэффициент конверсии по конкретным продуктам.

Исследование как времени пребывания, так и времени взгляда позволяет розничным компаниям понимать, как покупатели взаимодействуют с различными товарами. Используя анализ данных, ритейлеры могут принимать более обоснованные решения, которые гарантируют, что покупатели добавят больше товаров в свои тележки, что принесет ритейлеру выгоду за счет увеличения прибыльности.

Используя технологию искусственного интеллекта, розничный продавец может еще больше улучшить качество обслуживания в магазине, предоставив персонализацию, которая включает, среди прочего, перекрестные продажи и дополнительные продажи.

Анализируя данные, ритейлеры могут определить маркетинговую ценность одной полки по сравнению с другой. Понимая это, они могут эффективно решить, какие продукты где разместить, на каком уровне, и так далее.

Ритейлеры также могут тестировать дизайн упаковки A/B и, следовательно, лучше обслуживать клиентов.

4. АУДИТ ПРОДАКТ ПЛЕЙСМЕНТА И ПЛАНОГРАММ

В течение многих лет аудит торговой полки был трудоемким процессом просто потому, что он всегда выполнялся вручную. К сожалению, ручной аудит никогда не бывает полностью точным, а уровень ошибок — высок.

Действительно, составление планограммы, которая определяет, где продукты должны быть расположены и выставлены в магазине, а также в каких количествах, долгое время была несовершенным процессом.

Вот где особенно пригодятся методы распознавания изображений и обнаружения объектов.

Эти методы могут автоматизировать процесс — проверять цены, местонахождение продуктов и т.д. — в результате чего сотрудники розницы получают гораздо больше информации о расположении товара на полках и вносят необходимые поправки с точки зрения улучшения планировки магазинов.

Компьютерное зрение также используется для анализа того, какие товары пользуются спросом и быстро «уходят», а какие — нет. Это помогает руководству магазина принять более правильное решение относительно того, когда пополнять полки, на каких товарах сосредоточиться, а какие — игнорировать.

По сути, программное обеспечение искусственного интеллекта сможет предлагать розничным компаниям два ключевых KPI:

— соответствие планограмме (насколько хорошо реализовано индивидуальное распределение/количество товаров в магазине);

— доступность на складе (сколько доступных продуктов сейчас находится в торговом зале, а не в подсобных помещениях)

Когда любой из двух KPI падает ниже определенного порогового значения, персонал информируется, и может принять меры.

Эта технология также может быстро определять пустые полки, которые в течение многих лет были «отравой» как для розничных магазинов, так и для потребителей. Используя фиксированные камеры вместе с алгоритмами обнаружения объектов и изображений, управляющие могут мгновенно предупреждать персонал каждый раз, когда обнаруживается пустая полка. Технология способна определить как расположение полки, так и точное описание артикула.

Это экономит время, а технология адаптируется к динамике продаж, так что, когда необходимо внести изменения в исходный план, они могут быть внесены почти мгновенно.

Стоит помнить, что компании, производящие потребительские товары, платят хорошие деньги за премиальное полочное расположение — и боты могут гарантировать, что они будут вознаграждены справедливо.

5. АНАЛИЗ ТРАФИКА

Счетчики объектов в настоящее время используются для обнаружения покупателей, входящих и выходящих из магазина. Затем розничные компании могут использовать эти данные о посещаемости (подсчет людей) для анализа показателей, которые позволяют им понять, почему люди покупают их продукты, их общее поведение в магазине и реакцию на продукты (анализ настроений), а также предпочтения клиентов.

Более того, у анализа трафика есть и другие применения. Его можно использовать для лучшего понимания возникновения очередей, кадровых изменений и управления ими, и в целом он предоставляет аналитические данные, которые помогают ритейлеру улучшить управление своим магазином.

Например, такой изучение трафика обеспечивает демографический анализ, который показывает менеджеру магазина, какие продукты пользуются популярностью у каких демографических групп. Затем могут быть приняты решения в отношении списков продуктов, которые помогут повысить коэффициент конверсии.

Розничные компании также могут использовать компьютерное зрение, чтобы гарантировать соблюдение протоколов безопасности и гигиены труда. А если магазин применяет протоколы COVID-19, технология может обнаруживать маски для лица и обеспечивать соблюдение правил социального дистанцирования.

Кстати о COVID-19: во время пандемии спрос на вспомогательные покупки сильно вырос. А благодаря возможностям обнаружения объектов с помощью камер видеонаблюдения, покупатели теперь могут войти в магазин и сразу же точно знать, куда идти за любым продуктом. Это экономит время и восстанавливает доверие и уверенность потребителей.

Технология обычно включает в себя ручное отслеживание, коврики давления, тепловые счетчики и видеосчетчики. Обнаружение объектов является фундаментальным компонентом видеосчетчиков, поскольку оно отслеживает объекты в каждом кадре, а то в свою очередь присваивает уникальные идентификаторы каждому обнаруженному покупателю перед отслеживанием его движения в магазине.

Конечно, по-прежнему существуют проблемы, которые розничному продавцу необходимо будет преодолеть, чтобы компьютерное зрение могло успешно отслеживать данные о шагах. Угол камеры видеонаблюдения должен быть правильным, а также для точного обнаружения объектов необходимо хорошее освещение.

Что касается самой технологии, обнаружение объектов должно быть быстрым, чтобы собирать точные данные о трафике, особенно в очень загруженных магазинах.

6. ОПТИЧЕСКОЕ РАСПОЗНАВАНИЕ СИМВОЛОВ ДЛЯ РОЗНИЧНОЙ ТОРГОВЛИ

Сбор огромных массивов данных о ценах и товарах был серьезной проблемой для розничных компаний. Ритейлерам нужны точные данные, но в течение многих лет у них не было ни автоматизации процессов, ни времени для трудоемкого анализа.

Оптическое распознавание символов (OCR) использует компьютерное зрение, чтобы позволить розничным магазинам преобразовывать письменный текст, чеки и другие документы в цифровую форму, чтобы машины могли а) сканировать их, б) читать их и в) использовать алгоритмы обработки естественного языка для анализа данных. И чтобы очень быстро превратить эту информацию во что-то значимое.

Это позволяет упростить редактирование и поиск данных, а также сглаживает — среди прочего — процессы подсчета и возврата.

Например, ритейлеры могут использовать OCR для поиска в огромных репозиториях, чтобы быстро найти нужный документ, а также ввести указанный документ в программу и искать в нем нужную информацию. Его можно использовать для сканирования и извлечения данных из накладных, заказов на поставку, упаковочных листов и т.д. Более того, используя систему счетовфактур OCR, розничные продавцы могут создавать шаблоны для тысяч документов без необходимости взаимодействия с пользователем.

В конечном итоге все это экономит время, гарантирует точность данных и повышает удовлетворенность клиентов.

Кроме того, замена штрих-кодов на OCR экономит еще больше времени и позволяет продавцу сканировать продукты и инвентарь (например, коробки), чтобы ускорить процесс, автоматизировать и централизовать его.

OCR ( оптическое распознавание символов) используется во многих отраслях, но особенно выгодно покупателю розничного магазина сканирование чеков в супермаркетах, поскольку оно обеспечивает автоматическую обработку возврата денег, а также автоматическую систему баллов за лояльность.

Что такое сканирование чеков в супермаркете? Это процесс использования OCR для чтения квитанций и определения основных полей данных перед преобразованием любого текста в формат этих данных, который можно использовать.

Поскольку процесс на 100% автоматизирован, ритейлер экономит огромное количество времени, получая доступ к беспрецедентному количеству данных, которые помогают им лучше исследовать продукты. Ритейлеры также могут лучше понимать поведение покупателей, вносить изменения в свой инвентарь и даже изменять свои стратегии ценообразования.

OCR также можно использовать для улучшения таких услуг, как «щелкни и забери», за счет ускорения сбора, чтобы клиенту не приходилось ждать, пока будут отсортированы необходимые документы.

БУДУЩЕЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РОЗНИЧНОЙ ТОРГОВЛЕ

Будущее розничной торговли — за искусственным интеллектом. То, как розничные компании исследуют свои продукты, оценивают их и управляют своими запасами, будет все больше и больше зависеть от ИИ, как и то, как потребители делают покупки.

Розничные сети уже начали внедрять ИИ, чтобы улучшить качество обслуживания клиентов. Магазины используют камеры, чтобы узнать больше о времени пребывания и взгляда и обнаружении воров, и крупные сети уже внедрили систему самостоятельной оплаты.

Естественно, что не всегда все получается сразу. Но тот факт, что Искусственный Интеллект является эффективным, точным и предсказуемым, означает, что это лишь вопрос времени, когда подобные системы датчиков умных полок, магазины без кассира и улучшенные планограммы будут приняты в широком масштабе, чтобы улучшить и качество розничной торговли для клиентов, и сам магазин.