Как превратить клиента в данные: меняем видеонаблюдение и видеоаналитику для ритейла

image

«Будущее уже наступило, просто оно неравномерно распределено». Вот и в сферу ритейла вовсю проникают технологии будущего, поскольку успех в бизнесе уже сейчас определяется показателями внедрения множества ИТ-решений.

В ритейле два пути: стать технологичным или умереть. В первом случае есть из чего выбрать — на российском рынке уже доступны технологии для отслеживания наличия товара на полках, для распознавания клиентов, а также для предотвращения очередей.

Видеоаналитика становится ключевым конкурентным преимуществом — это естественный эволюционный ответ на жесткую конкуренцию и рост запросов потребителей к уровню обслуживания.

Платформы, которые помогают повышать продажи на десятки процентов, ограничены только одной существенной проблемой — стоимость решений непомерно высока для малого и среднего бизнеса.

Доступная видеоаналитика — вот та свободная ниша, в которой Ivideon «распределит будущее равномерно».

Компьютерное зрение: знать цену в лицо


image

Объем мирового рынка распознавания лиц, по данным компании MarketsandMarkets, к 2021 году вырастет до $6,84 млрд. Российский рынок в этом отношении гораздо скромнее — десятки миллионов долларов. Основная причина низких объёмов — высокая стоимость конечного решения для малого и среднего бизнеса.

Face recognition уже несколько лет как обыденность. И когда к нам приходил клиент с запросом сделать сервис отслеживания VIP-клиентов, то очень удивлялся, что у нас такого решения нет. Ведь в телефоне распознавание лица есть, а почему в IP-камере нет?

Задача контроля и детекции людей в потоке до бума нейросетей оставалась крайне сложной.

Разберем этот тезис на примере одной из крупнейших в мире систем видеонаблюдения. В Москве камеры установлены везде: на территории и в зданиях школ и детских садов, на станциях МЦК, стадионах, остановках общественного транспорта и автовокзалах, в парках, в подземных пешеходных переходах.

Москва занимает второе место в мире по числу камер видеонаблюдения на душу населения: на 1 000 жителей приходится 11,63 камер видеонаблюдения, что практически в два раза больше чем в Гонконге, и в шесть раз больше, чем в Пекине.

Камеры над домофонами в Москве распознают лица и отправляют push-уведомление, если в объектив попадает человек из розыска. В московском метро также действует зона face recognition.

Правительство Москвы тратит на обслуживание системы около 5 млрд рублей в год, при этом записи с каждой камеры хранятся всего пять дней. Во сколько же обходится подключение системы распознавания лиц? По оценке экспертов, минимум в $ 100 на каждую подключаемую камеру. Для малого бизнеса это непомерная стоимость.

Облака (не только белогривые лошадки)


image

Почему вообще мы сравниваем видеоаналитику для ритейла с аналитикой безопасного города? Тем более, что из 160 000 столичных камер обычному человеку без обращения в полицию доступно ровно 0.

Дело в том, что до недавнего времени цены на подключение системы распознавания лиц брали с потолка, запутывая клиентов примерным подсчетом потока людей и размерами объектов. Трудно сравнить с тем, что не имеет четких границ.

Даже направленность самого бизнеса влияет на стоимость — если у вас казино, будьте готовы платить больше. Если у вас сеть из 80 магазинов, будьте готовы за каждую камеру платить больше. Неудивительно, что на этом фоне до 2020 года затраты на разработку, покупку и внедрение инновационных решений у крупнейших ритейлеров Европы могут достигнуть 17–19% от выручки.

«Нам бы все эти деньги!»
Мнение экспертов в области видеонаблюдения

Систему «под ключ» собирают для каждого клиента индивидуально, руководствуясь логикой »сколько мы можем заработать прямо сейчас». Прайс-листов на сайтах никто обычно не размещает, накручивая цену до 100 миллионов для крупных производств и сети супермаркетов.
На первый взгляд решение действительно не выглядит доступным: для охвата торговой точки интеллектуальным видеонаблюдением требуются десятки не самых дешевых камер, коммутация, свитч, сервер и т. д.

Однако облачное решение сокращает все затраты к минимуму. IP-камеры подойдут любые, на которых можно различить лицо. Количество камер сокращается, потому что облачная аналитика позволяет настраивать несколько зон для анализа на одной камере.

У большинства торговых точек системы видеонаблюдения уже установлены. Но и эти системы можно подключить к облаку, не переплачивая за сложное и дорогостоящее переоборудование зала.

Что покупателю нужно


image
Камера распознает покупателя по полу и возрасту, после чего предлагает на дисплее то, что может его заинтересовать. Фото: X5 Retail Group

Мы делаем аналитику доступной, но зачем вообще она нужна? Для ритейла ответ сводится к двум базисам:

  • идентификация воров, по базе тех, кто был ранее замечен службой безопасности;
  • идентификация для распределения по базам лояльности и стимулирования покупательской активности.


Стоит посетителю зайти в магазин, как его лицо захватывает через камеру софт для распознавания лица. Если клиент был замечен за опасными действиями, охрана получит предупреждение об угрозе. А если наш покупатель, к примеру, VIP-клиент, то ему можно прислать скидку в мессенджер. Можно также определить, что в магазине в данный момент больше молодых женщин, чем других покупателей, и опубликовать для них на экранах специальную акцию.

Кроме того, аналитика покажет, куда смотрит отдельно взятый покупатель, на чем задерживает взгляд, какие красочные пятна привлекают его внимание. Эти данные помогут оценить маркетинговую привлекательность акции и работу мерчендайзеров.

Поколение Z и более молодые особенно чувствительны к персонализации, переходу онлайн в офлайн, цифровым фишкам, повышающим привлекательность шопинга. В конечном счете, таргетированные предложения экономят клиентам время, деньги и убивают скуку от походов по магазинам.

Сеть «Рив Гош» недавно официально заявила, что успешно использует обучаемую систему предсказания поведения покупателей на основе данных камер, касс и машинного обучения. Уже на первоначальном этапе ее работы точность персональных товарных рекомендаций по конкретным артикулам составила 33%.

Система способна выявлять из всех держателей карт лояльности ритейлера (а это 2,6 млн человек) тех, кто потенциально совершит покупку в ближайшие две недели, при этом она делает прогноз наиболее вероятных покупок по каждому из клиентов. В «Магните» же технология машинного обучения позволяет всегда иметь в ассортименте именно те продукты, которые нужны покупателям.

Для владельца бизнеса, по данным X5, технологии видеоаналитики и компьютерного зрения сокращает на 10% количество людей, уходящих из магазина без покупок, и на 20% — потери магазинов.

Товары на полке


image

Умные люди в трейд-маркетинге придумали специальный термин для ситуации, когда вы приходите в два часа ночи за своей любимой «Агушей» и видите, что проклятый йогурт пропал с полки магазина.

OSA (On-Shelf Availability) — это доступность товара на полке магазина в любое время. В свою очередь ситуация, когда товар отсутствует на полке, а вы хотите его купить, называется OOS (Out-of-Stock).

Полный OOS — неприятная ситуация. По нашим данным, 25% людей в магазин заходят только за тем, что им нужно — никаких ситуативных покупок. Такой человек-кремень развернётся и уйдет, не взглянув на шоколадку у кассы.

Причин появления OOS несколько: разгильдяй аналитик в головном офисе ошибся с прогнозом заказов, где-то возникла проблема с логистикой, товар оказался на другой полке. 20% всех товаров в России постоянно находятся в состоянии от OSA до OOS, а розничные сети теряют от 2 до 4% товарооборота.

Компьютерное зрение элементарно определяет наличие, количество и правильность расположения продуктов на полке, исключает человеческий фактор и автоматизирует процесс снабжения магазина.

Система распознает практически любые товары на полках с точностью выше 95%, учитывает форму, цвет, логотип, тип упаковки, и отправляет сотрудникам в приложение отчеты с информацией по ассортименту и выкладке в течение 10 секунд.

Технология Image Recognition определяет:

  • какие товары присутствуют на полке и количество единиц продукции;
  • есть ли у товара ценник, и соответствует ли цена на нем утвержденной в центральном офисе;
  • присутствует ли утвержденная промо-акция для данного товара;
  • какие товары отсутствуют на полке вопреки утвержденному ассортименту.


Дополнительный элемент защиты от «я забыл» у менеджера — автоматическая постановка заданий на выкладку товара и заданная частота анализа наличия товара. Доступ к системе настраивается сразу для нескольких ответственных лиц, чтобы полностью исключить ленивый человеческий фактор.

Тестирование подобной системы в «Пятерочке» привело к росту продаж товаров, что показало, насколько видео- и фотоконтроль выкладки эффективен.

Потенциальные выгоды от внедрения автоматизированного контроля за наличием товаров на полке составляют до 5% в товарообороте за счет повышения показателя наличия товаров на полке.

Очереди


image
Про очереди мы написали несколько статей, суть которых сводится к одному предложению: клиенты испытывают негатив, а любой негатив ведет к тому, что в другой раз клиент не придет в этот магазин.

Видеоаналитика определяет количество покупателей в очереди. Когда камера фиксирует, что скопилось более пяти человек, менеджеру поступает уведомление о необходимости открыть дополнительную кассу.

При этом одна камера способна контролировать сразу несколько зон торгового зала, что снижает стоимость решения для малого бизнеса.

Подсчет посетителей


image

Менеджер в реальном времени отслеживает динамику посещений магазина в течение всего рабочего дня, знает время и день наибольшей активности клиентов. Полезно выяснить объективно, а не со слов продавцов, когда в магазине пик посещений, по выходным или будням, предпочитают ли клиенты делать покупки рано утром или поздно вечером.

Более продвинутая аналитика будет способна отслеживать передвижение покупателей вплоть до метра. В соответствии с этой информацией можно отправлять им push-уведомления с релевантными промо-предложениями.

Со временем доступным даже для малого бизнеса станет решение, при котором удастся выяснить, как часто конкретный покупатель ходит в конкретный магазин и, сопоставив эти данные с интересами покупателя, формировать регулярные промо-предложения.

Что под ёлкой


image

Видеоаналитика Ivideon долгое время была как единорог — все о ней слышали, но никто не видел. Проблема была не в том, чтобы сделать аналитику и обучить нейросети. Проблема была в том, чтобы сделать эту систему по возможностям как у профессиональных решений, а по стоимости как у… ни у кого, то есть для людей, которые видят во фразе «стоимость внедрения инноваций достигнет 17–19% от выручки» цитату из научно-фантастического романа.

Привлечение $8 млн инвестиций от фондов Rusnano Sistema SICAR и Skolkovo Ventures позволили нам фактически завершить эту задачу. Теперь мы не только даем доступ к онлайн видеопотоку и видеоархиву, но и подключаем любую видеоаналитику сторонних разработчиков, адаптируя ее под масштабы и запросы бизнеса.

Что это значит на практике: плата за аналитику рассчитывается по трафику (детектор лиц, детектор товара на полке) или сразу по фиксированным тарифам за каждую камеру (детектор очередей). Подсчет посетителей, очереди и товары на полке — уже доступны.

Распознавание лиц мы представим под Новый год. Если вы хотите прямо сейчас подключить модули видеоаналитики или записаться на бета-тест лиц (только для бизнес-пользователей), напишите нам на videoanalytics@ivideon.com.

© Habrahabr.ru