Сила технологий искусственного интеллекта заключается в том, что они дают пользователям способность видеть как общую картину, так и мелкие детали: ИИ может понимать большие данные и бизнес-аналитику, так что компании способны прогнозировать и планировать касаемо поведения потребителей, потока поставок или кадровой деятельности.
Продуктовый сектор розничной торговли все больше использует опции искусственного интеллекта: крупные сети продуктовых магазинов внедряют технологии для достижения бизнес-целей, таких, как улучшение или расширение обслуживания клиентов, сокращение пищевых отходов и страхование инвентаря. Приложения ИИ для продуктовых магазинов разнообразны, и экосистема решений стремительно растет: одна сеть даже внедряет роботов для проверки складских запасов, сбора заказов на продукты и доставки их клиентам. Для большинства преимуществ искусственного интеллекта и подходов, основанных на данных, важен доступ к информации, которая позволяет более точно прогнозировать товарные запасы и потребительский спрос. Также, важно понять, когда нужно менять цену товара и даже какие продукты считаются востребованными.
Еще одним примером того, как продуктовые магазины могут улучшить инфраструктуру с помощью технологии искусственного интеллекта для принятия решений на основе данных, считается программное обеспечение с видеоаналитикой. Некоторые продуктовые магазины уже развернули системы видеонаблюдения в целях безопасности: таких, как мониторинг всевозможных областей магазина или склада, а также проверки кадров и расследований после инцидента. Такое ПО для видеонаблюдения, основанное на технологии Deep learning, дает продуктовым магазинам максимизировать инвестиции в камеры видеонаблюдения, делая поиск записей действенным и количественным. Используя видеоаналитику, продуктовые магазины смогут продуктивно предотвращать потерю товарных запасов, улучшать планировку магазина, оптимизировать закупку и хранение продуктов и, в конечном итоге, улучшать качество обслуживания покупателей в магазине.
Предотвращение нехватки запасов
Эксперты обнаружили, что только 1% записей видеонаблюдения проверяется человеком: у людей попросту не хватает времени, чтобы просмотреть все собранные кадры, да и человеческие наблюдения подвержены ошибкам. Программное обеспечение для видеоаналитики решает эту проблему путем обработки видеоресурсов для обнаружения и идентификации появляющихся объектов, их классификации, а затем индексации метаданных для обеспечения точного поиска и фильтрации видео на основе обширных комбинаций классов и атрибутов — так что отснятый материал можно легко и быстро понять и проанализировать.
Ускоренный видео обзор необходим для ускорения расследований и выявления пробелов в записях инвентаризации. Продуктовые магазины могут использовать видеоаналитику для поиска и фильтрации записей, чтобы найти подозреваемых после кражи. Выявляя преступников, когда-либо совершавших кражи в магазинах, ритейлеры могут настраивать оповещения в режиме текущего времени о подозрительном поведении — например, о деятельности в конкретных зонах магазина или в складском помещении в нерабочее время. Другими словами, лучшее понимание архивных данных или действий может способствовать продвижению стратегий по предотвращению убытков.
Улучшение макета магазина и транспортных потоков
Видеоданные можно использовать не только для повышения физической безопасности, но и для получения нужной бизнес-аналитики. Собирая и агрегируя видеоданные с течением времени и визуализируя метаданные в сводных панелях и отчетах, менеджеры могут понимать тенденции и шаблоны действий на основе конкретной информации и принимать обоснованные, основанные на данных бизнес-решения. Таким образом, видеоаналитика превращает комплекты видеонаблюдения в мощный ресурс для получения оперативного интеллекта.
Например, видеоаналитика помогает магазинам розничной торговли отслеживать взаимодействие с объектами, отображая «фоновые изменения» в сцене, в виде тепловой карты. Также помогает понимать время, что потребители проводят в конкретных областях магазина и иллюстрировать пути, по которым покупатели зачастую перемещаются. Основываясь на этих тепловых картах и навигационных данных, менеджеры по продуктам могут отслеживать тенденции активности клиентов и оптимизировать планировку магазина. Основываясь на отчетах о задержках и настраивая оповещения о количестве людей, менеджеры также могут прогнозировать и заблаговременно управлять очередями и скоплениями людей, разрабатывая долгосрочные решения для этих задач, а также планы на основе данных для ожидаемых пиков трафика и вмешательства в режиме текущего времени.
Эта функциональность также помогает ритейлерам точно определять препятствия и недостаточно используемые пространства, оценивая тенденции навигации в магазине. Улучшение транспортных потоков, оптимизация планировки и размещения витрин имеют решающее значение для улучшения общего обслуживания покупателей в магазине. Например, на основе этих точек данных ритейлеры могут оптимизировать стратегическое распределение персонала по магазину, основываясь на горячих точках трафика, где потребители взаимодействуют с товарами. Сравнивая тенденции трафика от видеоданных к POS или учетным записям, магазины могут даже определить корреляцию между временем ожидания и покупками для планирования будущего и интеллектуального принятия решений.
Оптимизация закупок товаров и управление запасами
Устаревшие методы покупки продуктов слишком сильно зависят от опыта, предположений и инстинкта, а не от количественных данных: благодаря доступу к количественным данным о том, какие продукты привлекают весомое внимание в магазине или популярны среди покупателей, продуктовые магазины могут понять, какие товары покупать, и принимать более разумные решения. Видеоаналитика, основанная на искусственном интеллекте, дополняет другие решения по управлению запасами, предоставляя измеримые и действенные данные для принятия решений.
Понимание клиента и улучшение опыта
Розничным продуктовым магазинам важно знать свою аудиторию. Программное обеспечение для видеоаналитики предлагает детальные демографические данные, поэтому розничные продавцы могут понять, кто посещает и совершает покупки в магазине, и получить количественную информацию о клиентах и их покупательских привычках. Понимая, кто их покупатели, менеджеры могут направить усилия на эту аудиторию, а также определить, какая реклама, акции и продукты могли бы понравиться другим целевым группам населения.
Среди многочисленных технологий искусственного интеллекта, предлагающих ритейлерам новые способы улучшения качества обслуживания клиентов, видеоаналитика использует установленные IP камеры видеонаблюдения, чтобы предоставить пользователям количественные и качественные данные для повышения производительности в конкретной отрасли. С помощью видеоданных, что предоставляют нужную информацию для принятия решений о маркетинге, мерчендайзинге, рекламе и стратегии размещения — продуктовые магазины смогут оптимизировать усилия, чтобы покупатели не только делали покупки, но и возвращались снова.
