מה משותף למצלמות לזיהוי חיוך, סורקי ברקוד ורכבים אוטונומיים? כולם מיישמים צורה כלשהי של ראייה ממוחשבת (CV), דיסציפלינה מדעית המאפשרת למכונות לקבל החלטות שימושיות לגבי אובייקטים פיזיים אמיתיים וסצינות על סמך תמונות. כיצד משתמשים בטכנולוגיה זו בעולם הקמעונאות?
מחקר מוקדם על Computer Vision החל לפני יותר מ-50 שנה, והיישום שלו בתעשיות גדל לתחכום יחד עם ההבנה שלנו בדיסציפלינה. רוב המצלמות הדיגיטליות כיום מזהות פרצופים בתמונה, תוכנת OCR בסורקים ממירה מסמכים סרוקים לטקסט, וביומטריה מבוססת ראייה גם עזרה לזהות בחורה אפגניסטן לפי דפוסי הקשתית שלה .
חלק מהיישומים המוקדמים של Computer Vision בקמעונאות מגיעים ממסחר אלקטרוני, אך יותר ויותר נעשה בו שימוש בחנויות קמעונאיות פיזיות כדי לשכלל את סחורת המדף, לשפר את היעילות התפעולית וליצור חוויה חסרת חיכוך לקונים.
להלן חמש דרכים יצירתיות שבהן מותגים וקמעונאים משתמשים בחדשנות מונעת חזון.
- ההקשר הוא המלך: טשטוש הגבול בין בחנות למקוון
לפעמים אתה רואה משהו שאתה רוצה לקנות, אבל אין לך מידע על זה. במקרה כזה, כלי שנקרא Lens יכול לעזור. הוא הושק על ידי אתר שיתוף התמונות Pinterest כמוצר בטא, והוא יכול לסייע בחוויית החנות.
זה עובד על ידי זיהוי האובייקט ומתן מידע הקשרי לגביו. אולי זה יגיד לך מי עיצב את הרהיט באיזו שנה, או שהוא יציע בגדים אחרים שישתלבו עם זוג נעליים מסוים. פשוט צלם תמונה של הפריט, והאפליקציה תעשה את השאר.
- זיהוי פנים: זיהוי קבועים, אשכרה נאמנות
קמעונאית ממתקי הגורמה Lolli & Pops משתמשת בזיהוי פנים כדי לזהות חברי נאמנות כשהם נכנסים לחנות. לאחר מכן, קורות חיים מאפשרים חווית קניה מותאמת אישית: על ידי בדיקה של היסטוריית הרכישות וההעדפות שלהם, המערכת יכולה להמליץ על מוצרים מותאמים אישית לכל קונה.
על ידי התייחסות אליהם כאינדיבידואלים - וחשוב מכך, כאל VIP - המערכת משרה נאמנות למותג, והופכת קונים מזדמנים ללקוחות קבועים. שניהם טובים לעסקים.
- שנה את הבריאות של כל מדף, בכל חנות
היופי והפשטות של Computer Vision הם היכולת שלה להפוך תמונות ממשיות לתובנות מעשיות על מנת לעזור למותגים ולקמעונאים להתמקד ביסודות בחנות . על ידי "דיגיטציה של המדף", חברות מקבלות כעת מודעות מצבית בזמן אמת לגבי מה שקורה על המדף. ההנחיות נעות בין המובן מאליו (כגון: "לכו לחדר האחורי ותביאו קופסת מוצר שתמלא חלל ריק") לנשגבות יותר, כמו הוראות לצמצם את מספר ה-facings (כמה מוצרים מאותו סוג שיושבים זה לצד זה) של מתחרה ולהגדיל את ה-facings שלכם באותה כמות.
משתמשים שאינם ניידים מקבלים תובנות מבוססות תפקידים על מגוון עצום של מדדי קמעונאות שאומרים להם בדיוק מה קורה על המדף ומה לעשות כדי להבטיח את חווית הקנייה הטובה ביותר ולהניב מכירות טובות יותר.
- מדידת קונים: ניתוח ירידת רגל, תנועת עוברים, אינטראקציות ועוד
Aurora by RetailNext הוא החיישן הראשון שתוכנן במיוחד כדי לענות על הצרכים המורכבים של הקמעונאות. הוא סופר את תנועת הגולשים בחנות כמו כל כך הרבה חיישנים אחרים דומים לו, אבל גם מוסיף מרקם לנתונים - הוא כולל את קצב הלכידה של תנועת הגולשים, ומפרק את נתיביהם של הקונים ברחבי החנות. כך תוכלו לראות אילו מבצעים תופסים מעורבות, ואילו מכבים לקוחות.
אבל זה לא רק עוקב אחר הקונים. זה גם מוסיף אינטראקציה עם לקוחות ושותפים, ומספק נראות בזמן אמת למעורבות בשירות בחנות. בנוסף, ניתן להשתמש בו כדי להניע קמפיינים שיווקיים ומסרים מותאמים אישית.
- חווית החנות חסרת החיכוכים: סוף לקופות?
קורות חיים יכולים לעזור גם כשמדובר באחד החלקים הגרועים ביותר של חווית הקנייה: עמידה בתור לקופה.
חנות הקונספט Amazon Go בסיאטל עוקבת אחר קונים באמצעות קורות חיים, עם חיישנים על המדפים שמזהים מתי הם מרימים פריט. לאחר מכן הוא רושם את כל הפריטים בסל הקניות של הקונה באפליקציית Go לנייד, ומבטל את תהליך התשלום לחלוטין - הקונה פשוט עוזב את החנות, כאשר אפליקציית Go לוקחת את הכסף אוטומטית מכרטיס האשראי המיועד של הקונה. הקבלה נשלחת ישר לאפליקציה.
הקונה המחובר תמיד שחווה קמעונאות נטולת חיכוכים הוא באמת לאן פנינו מועדות, מתאפשר הודות לשילוב של ראיית מחשב ולמידה עמוקה.
תוהה כיצד הופכות תמונות מדף אמיתיות לניתוחים ניתנים לפעולה?
