Сила технологій штучного інтелекту полягає в тому, що вони надають користувачам здатність бачити як загальну картину, так і дрібні деталі: ШІ може розуміти великі дані та бізнес-аналітику, так що компанії здатні прогнозувати й планувати стосовно поведінки споживачів, потоку постачань або кадрової діяльності.

Продуктовий сектор роздрібної торгівлі все більше використовує опції штучного інтелекту: великі мережі продуктових магазинів впроваджують технології для досягнення бізнес-цілей, таких, як поліпшення або розширення обслуговування клієнтів, скорочення харчових відходів та страхування інвентарю. Додатки ШІ для продуктових магазинів різноманітні, та екосистема рішень стрімко зростає: одна мережа навіть впроваджує роботів для перевірки складських запасів, збору замовлень на продукти та доставлення їх клієнтам. Для більшості переваг штучного інтелекту та підходів, заснованих на даних, важливим є доступ до інформації, яка дозволяє більш точно прогнозувати товарні запаси та споживчий попит. Також, важливо зрозуміти, коли потрібно міняти ціну товару та навіть які продукти вважаються популярними.

Ще одним прикладом того, як продуктові магазини можуть поліпшити інфраструктуру за допомогою технології штучного інтелекту для прийняття рішень на основі даних, вважається програмне забезпечення з відеоаналітикою. Деякі продуктові магазини вже розгорнули системи відеоспостереження з метою безпеки: таких, як моніторинг всіляких областей магазину або складу, а також перевірки кадрів та розслідувань після інциденту. Таке ПЗ для відеоспостереження, засноване на технології Deep learning, надає продуктовим магазинам максимізувати інвестиції в камери відеоспостереження, роблячи пошук записів дієвим та кількісним. Використовуючи відеоаналітику, продуктові магазини зможуть продуктивно запобігати втрату товарних запасів, покращувати планування магазина, оптимізувати закупівлю та зберігання продуктів і, в кінцевому підсумку, покращувати якість обслуговування покупців в магазині.

Запобігання нестачі запасів

Експерти виявили, що тільки 1% записів відеоспостереження перевіряється людиною: у людей просто не вистачає часу, щоб переглянути всі зібрані кадри, та й людські спостереження схильні до помилок. Програмне забезпечення для відеоаналітики вирішує цю проблему шляхом обробки відеоресурсів для виявлення та ідентифікації об'єктів, їх класифікації, а потім індексації метаданих для забезпечення точного пошуку й фільтрації відео на основі великих комбінацій класів та атрибутів — так що відзнятий матеріал можна легко й швидко зрозуміти та проаналізувати.

Прискорений відео огляд необхідний для прискорення розслідувань та виявлення прогалин в записах інвентаризації. Продуктові магазини можуть використовувати відеоаналітику для пошуку та фільтрації записів, щоб знайти підозрюваних після крадіжки. Виявляючи злочинців, які коли-небудь здійснювали крадіжки в магазинах, рітейлери можуть налаштовувати оповіщення в режимі поточного часу про підозрілу поведінку — наприклад, про діяльність в конкретних зонах магазину або в складському приміщенні в неробочий час. Іншими словами, краще розуміння архівних даних або дій може сприяти просуванню стратегій щодо запобігання збиткам.

Поліпшення макета магазину та транспортних потоків

Відео дані можна використовувати не тільки для підвищення фізичної безпеки, але й для отримання потрібної бізнес-аналітики. Збираючи та агрегуючи відеодані з плином часу та візуалізуючи метадані у зведених панелях та звітах, менеджери можуть розуміти тенденції та шаблони дій на основі конкретної інформації й приймати обґрунтовані, засновані на даних бізнес-рішення. Таким чином, відеоаналітика перетворює комплекти відеоспостереження на потужний ресурс для отримання оперативного інтелекту.

Наприклад, відеоаналітика допомагає магазинам роздрібної торгівлі відстежувати взаємодію з об'єктами, відбиваючи «фонові зміни» в сцені, у вигляді теплової карти. Також допомагає розуміти час, що споживачі проводять в конкретних областях магазину та ілюструвати шляхи, за якими покупці часто переміщаються. Ґрунтуючись на цих теплових картах та навігаційних даних, менеджери по продуктах можуть відстежувати тенденції активності клієнтів та оптимізувати планування магазина. Ґрунтуючись на звітах про затримку та налаштовуючи оповіщення про кількість людей, менеджери також можуть прогнозувати та завчасно управляти чергами та скупченнями людей, розробляючи довгострокові рішення для цих завдань, а також плани на основі даних для очікуваних піків трафіку й втручання в режимі поточного часу.

Ця функціональність також допомагає рітейлерам точно визначати перешкоди та простір, що недостатньо використовується, оцінюючи тенденції навігації в магазині. Поліпшення транспортних потоків, оптимізація планування та розміщення вітрин мають вирішальне значення для поліпшення загального обслуговування покупців в магазині. Наприклад, на основі цих точок даних рітейлери можуть оптимізувати стратегічний розподіл персоналу по магазину, ґрунтуючись на гарячих точках трафіку, де споживачі взаємодіють з товарами. Порівнюючи тенденції трафіку від відеоданих до POS або облікових записів, магазини можуть навіть визначити кореляцію між часом очікування та покупками для планування майбутнього й інтелектуального прийняття рішень.

Оптимізація закупівлі товарів та управління запасами

Застарілі методи покупки продуктів занадто сильно залежать від досвіду, припущень та інстинкту, а не від кількісних даних: завдяки доступу до кількісних даних про те, які продукти приваблюють вагому увагу в магазині або популярні серед покупців, продуктові магазини можуть зрозуміти, які товари купувати, та приймати більш розумні рішення. Відеоаналітика, заснована на штучному інтелекті, доповнює інші рішення з управління запасами, надаючи вимірні та дієві дані для прийняття рішень.

Розуміння клієнта та поліпшення досвіду

Роздрібним продуктовим магазинам важливо знати свою аудиторію. Програмне забезпечення для відеоаналітики пропонує детальні демографічні дані, тому роздрібні продавці можуть зрозуміти, хто відвідує та здійснює покупки в магазині, й отримати кількісну інформацію про клієнтів та їх купівельні звички. Розуміючи, хто їх покупці, менеджери можуть спрямувати зусилля на цю аудиторію, а також визначити, яка реклама, акції та продукти могли б сподобатися іншим цільовим групам населення.

Серед численних технологій штучного інтелекту, що пропонують рітейлерам нові способи поліпшення якості обслуговування клієнтів, відеоаналітика використовує встановлені IP камери відеоспостереження, щоб надати користувачам кількісні та якісні дані для підвищення продуктивності в конкретній галузі. За допомогою відеоданих, що надають потрібну інформацію для прийняття рішень про маркетинг, мерчандайзинг, рекламу та стратегії розміщення — продуктові магазини зможуть оптимізувати зусилля, щоб покупці не тільки робили покупки, але й поверталися знову.