Инженеры призывают ритейлеров использовать ИИ, чтобы лучше обслуживать клиентов

Прочитано: 53 раз(а)


Три исследователя QUT входят в состав международной исследовательской группы, которая определила для розничных продавцов новые способы использования искусственного интеллекта в сочетании с камерами в магазине, чтобы лучше фиксировать поведение покупателей и адаптировать макеты магазинов для максимизации продаж.

В исследовании, опубликованном в журнале Artificial Intelligence Review, команда предлагает ритейлерам структуру дизайна макета магазина на основе ИИ, чтобы наилучшим образом использовать преимущества последних достижений в методах ИИ, а также его подобластей в области компьютерного зрения и глубокого обучения для мониторинга физического покупательского поведения покупателей. их клиентов.

Любой покупатель, доставший молоко из самого дальнего угла магазина, хорошо знает, что эффективная планировка магазина представляет его товары, чтобы привлечь внимание покупателей к товарам, которые они не собирались покупать, увеличить время просмотра и легко найти сгруппированные связанные или жизнеспособные альтернативные продукты. вместе.

Было показано, что хорошо продуманная планировка положительно коррелирует с увеличением продаж и удовлетворенностью клиентов. Это одна из самых эффективных маркетинговых тактик в магазине, которая может напрямую влиять на решения покупателей и повышать прибыльность.

Исследователи QUT д-р Киен Нгуен и профессор Клинтон Фукс из Школы электротехники и робототехники, а также профессор Бретт Мартин из бизнес-школы QUT объединились с исследователями д-ром Минь Ле из Экономического университета города Хошимин, Вьетнам, и профессором Ibrahim Cil из Университета Сакарья, Сердиван, Турция, для проведения всестороннего обзора существующих подходов к дизайну макетов магазинов.

Доктор Нгуен говорит, что улучшение дизайна планировки супермаркета — посредством понимания и предсказания — является жизненно важной тактикой для повышения удовлетворенности клиентов и увеличения продаж.

«Самое главное, что в этом документе предлагается всеобъемлющая и новая структура для применения новых методов искусственного интеллекта в дополнение к существующим данным с камер видеонаблюдения для интерпретации и лучшего понимания клиентов и их поведения в магазине», — сказал доктор Нгуен.

«CCTV дает представление о том, как покупатели перемещаются по магазину, о маршрутах, по которым они ходят, и о участках, где они проводят больше времени. Это исследование предлагает углубиться в детали, отметив, что люди выражают эмоции с помощью наблюдаемых выражений лица, таких как поднятие брови, открытие глаз или улыбается».

Понимание эмоций клиентов во время просмотра может предоставить маркетологам и менеджерам ценный инструмент для понимания реакции клиентов на продукты, которые они продают.

«Алгоритмы распознавания эмоций работают, используя методы компьютерного зрения, чтобы найти лицо и определить ключевые ориентиры на лице, такие как углы бровей, кончик носа и уголки рта», — сказал доктор Нгуен.

«Понимание поведения клиентов является конечной целью бизнес-аналитики. Очевидные действия, такие как сбор продуктов, укладывание продуктов в тележку и возврат продуктов на полку, вызвали большой интерес у умных розничных продавцов.

«Другие виды поведения, такие как пристальное внимание к продукту и чтение упаковки продукта, являются золотой жилой для маркетинга, чтобы понять интерес клиентов к продукту», — сказал доктор Нгуен.

Наряду с пониманием эмоций через мимику и характеристики клиентов менеджеры по планировке могут использовать аналитику тепловых карт, отслеживание траектории движения человека и методы распознавания действий клиентов для обоснования своих решений. Этот тип знаний может быть оценен непосредственно из видео и может быть полезен для понимания поведения покупателей на уровне магазина, избегая при этом необходимости знать индивидуальные личности.

Профессор Клинтон Фукс сказал, что команда предложила схему Sense-Think-Act-Learn (STAL) для розничных продавцов.

«Во-первых, «Sense» — это сбор необработанных данных, скажем, из видеозаписей с камер видеонаблюдения магазина, для обработки и анализа. Менеджеры магазинов обычно делают это своими глазами, однако новые подходы позволяют нам автоматизировать этот аспект распознавания, и сделать это по всему магазину», — сказал профессор Фукс.

«Во-вторых, «Думай» — это обработка данных, собранных с помощью продвинутого искусственного интеллекта, анализа данных и методов глубокого машинного обучения, таких как то, как люди используют свой мозг для обработки входящих данных.

В-третьих, «Действие» заключается в использовании знаний и идей, полученных на втором этапе, для улучшения и оптимизации планировки супермаркета. Этот процесс представляет собой непрерывный цикл обучения.

«Преимущество этой структуры заключается в том, что она позволяет ритейлерам оценивать прогнозы дизайна магазина, такие как поток трафика и поведение покупателей, когда они входят в магазин, или популярность витрин, размещенных в разных частях магазина», — сказал профессор Фукс.

«Такие магазины, как Woolworths и Coles, уже регулярно используют алгоритмы с искусственным интеллектом для лучшего удовлетворения интересов и желаний клиентов, а также для предоставления персонализированных рекомендаций. Это особенно верно в отношении системы торговых точек и программ лояльности. Это просто еще один пример использования ИИ для улучшения макетов и дизайна магазинов на основе данных, а также для лучшего понимания поведения покупателей в физических пространствах».

Доктор Нгуен сказал, что данные можно фильтровать и очищать для повышения качества и конфиденциальности, а также преобразовывать в структурную форму. Поскольку конфиденциальность была ключевой проблемой для клиентов, данные можно было деидентифицировать или сделать анонимными, например, путем изучения клиентов на совокупном уровне.

«Поскольку с камер видеонаблюдения поступает интенсивный поток данных, облачная система может рассматриваться как подходящий подход для анализа планировки супермаркета при обработке и хранении видеоданных», — сказал он.

«Уровень интеллектуального видеоанализа на этапе «ДУМАЙ» играет ключевую роль в интерпретации содержания изображений и видео».

Доктор Нгуен сказал, что менеджеры по планировке могут учитывать переменные дизайна магазина (например, дизайн пространства, витрины в точках продаж, размещение товаров, размещение кассиров), сотрудников (например, количество, размещение) и клиентов (например, скопление людей, количество посещений). продолжительность, импульсивные покупки, использование мебели, формирование очереди ожидания, восприимчивость к витрине).

Инженеры призывают ритейлеров использовать ИИ, чтобы лучше обслуживать клиентов



Новости партнеров