Рынок решений компьютерного зрения нашел свое место среди мировых тенденций, в частности на территории ритейла. Нейронные сети научились восстанавливать реалограммы по фотографии полок с товарами, тем самым работа с планограммами и выкладкой товара может быть заметно оптимизирована. Компьютерное зрение в ритейле — незаменимый современный инструмент, помогающий значительно увеличить продажи.
Компьютерное зрение (Computer Vision, CV) — область искусственного интеллекта, умеющая анализировать поступающие изображения и видео. В нем собраны методы, наделяющие компьютер способностью «увидеть» на картинке необходимые данные и затем их обработать.
Инновационное решение состоит из камеры (фото или видео) и ПО. В зависимости от задач, программное обеспечение может анализировать разные объекты.
Научить компьютер «видеть» не так просто. Надо «показать» ему множество фотографий, чтобы он смог определять исходные данные. Фото должны содержать разные комбинации, признаки, предметы.
Сегодня развитие CV-систем далеко от реализации всех его возможностей. Отрасль быстро развивается, а диапазон применения компьютерного зрения постоянно расширяется.
Как используют компьютерное зрение в ритейле
Компьютерное зрение в ритейле способно сегментировать посетителей по полу и возрасту, анализировать выкладку продукции не только на отдельных полках, но и работать с конкретными группами товаров.
Сотрудники маркета отслеживают маршрут и поведение покупателей, расставляя ассортимент таким образом, чтобы происходил рост продаж FMCG-товаров. Компьютерное зрение можно интегрировать в систему видеонаблюдения, а сохраненные видеозаписи достаточно загрузить в программу, чтобы она провела анализ.
Возможности компьютерного зрения в продажах:
- Расстановка товаров в зале. Искусственный интеллект отслеживает маршрут покупателя, оценивая его и предлагая грамотное распределение групп товаров в торговом зале.
- Выделение горячих точек интереса. CV-системы отслеживают выбор покупателей, сегментируя по полу и возрасту. Как результат, ПО пересматривает мерчандайзинг товаров, влияя на маршрут потенциальных клиентов.
- Подбор аналогов из наличия в магазине. Система распознает весь товар на полках и способна предложить покупателю замену.
- ИИ отслеживает эффективность сотрудников. Компьютерное зрение фиксирует, насколько хорошо сотрудник проработал группу товаров, привела ли консультация посетителей торгового зала к покупке.
- Контроль очередей. Речь не только о мобильных кассах и системах самообслуживания. Компьютерное зрение фиксирует длину очереди, при которой посетитель отказывается от покупки, при этом подает сигнал, когда требуется помощь второго кассира.
- Анализ выкладки товара. Камера фиксирует расположение товара на торговых полках, сравнивает его с планограммой и дает рекомендации мерчандайзеру по перемещению товара или пополнению его запасов.
CV в сочетании с алгоритмами искусственного интеллекта помогает ритейлерам автоматизировать многие процессы, которые раньше выполняли сотрудники. Например, когда на полке заканчивается товар, программа подает сигнал, и мерчандайзер уже знает, к какой полке следует направиться.
В 2018 году компания Amazon открыла инновационный магазин Amazon Go. В него была встроена система компьютерного зрения, которая формировала виртуальную корзину покупателя. Она фиксировала не только момент, в который клиент брал товар с полки, но и когда товар возвращался на место. Оплата производится автоматически при выходе из магазина без обращения к кассе.
Преимущества его использования и лучшие практики
Многие ритейлеры уже знают, как увеличить FMCG продажи с помощью компьютерного зрения. Преимущества его использования очевидны:
- Снижение затрат на персонал и операционные преимущества. Сотрудники тратят много времени на ручную проверку наличия товаров на полках, соответствие их расстановки планограммам. Компьютерное зрение значительно ускоряет процесс мерчандайзинга, с одного «взгляда» фиксируя недочеты. Освободившееся у сотрудников время можно направить на выполнение других задач.
- Сбор данных. CV-система не просто фиксирует текущую «картинку», она дает понимание всего процесса продаж, предлагая эффективные рекомендации по совершенствованию работы торгового зала, влияющие на прибыль FMCG.
- Повышение качества. Система компьютерного зрения всегда стремится к идеалу — она будет напоминать, что товар стоит не на своем месте, пока не будет порядка на торговых полках.
По сведениям американской платформы Chooch, розничные магазины используют стратегии компьютерного зрения для преодоления болевых точек розничной торговли и получения значительной отдачи от своих инвестиций в ИИ.
Хороший пример реализации компьютерного зрения в розничной торговле — сервис Snap.Find.Shop, работающий в приложении универмагов Neiman Marcus. ПО распознает загруженное клиентом изображение и подбирает похожий товар среди всего товара сети. Такой подход увеличил квартальный доход компании на 6,2%.
Анализ выкладки: компьютерное зрение vs человек
Систематизация и распознавание изображения — основная задача компьютерного зрения.
Ребенку достаточно несколько раз показать кубик и шарик, чтобы он научился их отличать. По тому же принципу работают нейронные сети. «Зрение» обрабатывает картинки, находит схожие черты, выставляет ключевые точки, соединяет их в линии и с большой точностью определяет, что за предмет или человек находится перед камерой.
Достаточно всего пары сотен снимков и два часа времени, чтобы система CV оказалась натренирована на группу товаров.
С какими сложностями может столкнуться система распознавания в компьютерном зрении:
- Огромное количество товаров и категорий, которые необходимо уметь распознавать. Рост продаж FMCG-товаров во многом зависит от умения нейронных сетей работать с планограммой и широким ассортиментом.
- На каждом снимке может находиться около 100 разных товаров.
- Иногда невозможно сделать фотографию стеллажа в один снимок, ИИ должен уметь определять, что на картинке только часть полок из планограммы.
- Плохое качество снимков из-за освещения, бликов или других факторов.
- Фотографии под большим углом, не всегда удается сделать снимок «анфас», что мешает анализу данных.
- Наложение товаров, а иногда товар стоит впритык.
- Товары на нижних полках находятся в тени.
- Нестандартные формы стеллажей.
Компьютерное зрение настолько «натренировалось» в сфере мерчандайзинга, что легко может заменить человека. Оно способно поправить недочеты человеческого фактора, когда сотрудник не увидел, не заметил, пропустил. Напоминает, когда товар заканчивается или стоит не на своем месте, обозначенном в планограмме. К тому же, если установить камеру с периодической фиксацией, то контроль за полками будет круглосуточным, а не только тогда, когда посещение мерчандайзером торговой точки стоит в плане.
Как Goods Checker может повлиять на прибыль вашей компании
Компьютерное зрение в продажах стало занимать ключевую позицию среди современных систем.
Экосистема Goods Checker может взять на себя вопросы автоматизации мерчандайзинга. Она не только контролирует работу сотрудников, но и с помощью компьютерного зрения помогает FMCG-компании увеличить прибыль, анализируя выкладку товаров и проработку SKU.
Компьютерное зрение распознает товары на полке и отправляет отчет менеджеру. Тот, в свою очередь, принимает решение о необходимости выставить продукцию или заменить ее на другую. Менеджер может в реальном времени следить за торговыми полками и контролировать соблюдение выкладки и наличие товара. Важно понимать, что отсутствие SKU на полках приводит к отсутствию продаж.
Регулярный мониторинг с помощью компьютерного зрения помогает определить реальный спрос на конкретные группы или единицы товаров. Менеджер, получив информацию, может принимать решение об объеме поставок в магазин. При этом клиенты такой торговой сети всегда будут знать, что любимый товар они точно найдут на полке.
Применение экосистемы Goods Checker позволяет повысить выручку и прибыль FMCG-компании благодаря тому, что автоматизируется мерчандайзинг, выкладка всегда соответствует планограммам, а наличие товара на полках контролируется в реальном времени.
