Методы сбора и аналитики информации в сфере розничной торговли и обслуживания

“Статистика будущего. Давай я за тебя посчитаю.”

Современные методы сбора и аналитики информации в сфере розничной торговли и обслуживания.

statistic-of-future-01.jpg

“Я твердо верю в одну простую вещь: самый надежный способ выделить свою компанию среди конкурентов, оторваться от толпы преследователей - это хорошо организовать работу с информацией. Именно то, как вы собираете, организуете и используете информацию, определяет, победите вы или проиграете.”

Билл Гейтс

“Бизнес со скоростью мысли”

“Колесо прокалывается по двум законам:
- по закону подлости - далеко от автосервиса;
- по закону маркетинга - возле автосервиса.”

Сегодня одним из самых ценных ресурсов является информация, и это уже ни для кого не новость. В бизнесе очень часто информация – это деньги или их отсутствие, так как проблема полноты и достоверности информации возрастает с каждым днем, а принятие решений на основе искаженных или недостаточных данных может привести к финансовым убыткам, если речь идет о бизнес-процессах. В связи с этим специалисты стараются использовать те механизмы для сбора и анализа информации, в которых процент погрешности минимален.

Интеграция технологий, применяемых в сегменте B2B становится все проще, это связано как с развитием электроники в целом, так и с появлением возможности часть работы по обработке информации брать на сторону интегратора (облачные сервисы). Сами технологии при этом становятся более сложными, методы сбора информации более футуристичными, и сейчас они предоставляют инструменты, которых ранее не было на рынке сбора и анализа информации. В данной статье мы будем рассматривать одно из самых интересных и перспективных направлений: технологию компьютерного зрения.

Если говорить об интернет-магазинах и их виртуальных покупателях, то люди, работающие в индустрии интернет-маркетинга прекрасно знают, что такое конверсия сайта. Это отношение количества человек, выполнивших какие-либо действия на вашем сайте (покупку, регистрацию, посещение определённой страницы сайта, переход по рекламной ссылке) к общему числу посетителей. Стоит отметить количество возможностей, предлагаемых интернет-маркетингом.

Однако для офлайн-магазинов так называемой сферы ритейл (retail) выбор инструментов в данной области не так велик. Разумеется, на рынке уже есть предложения по внедрению систем подсчета посетителей для сферы розничной торговли и обслуживания, используются различные технологии, такие как инфракрасные лучи, тепловидение, лазерное сканирование, но, как правило, их функционал ограничивается определением количества посетителей магазина и разделением проходящих людей на два класса: входящие и выходящие, а также относительно дорогой стоимостью некоторых подобных решений. Аппаратная реализация и сам метод сбора информации не позволяет получать точную и достоверную статистику. Частое количество ложных срабатываний и малоперспективная возможность модернизации явились причиной к развитию технологии компьютерного зрения, и появлению абсолютно новых методик по сбору и анализу информации.

Технология компьютерного зрения - это технология создания систем, которые могут производить обнаружение, слежение и классификацию объектов. Способность видеть и распознавать предметы естественна для человека, но для компьютера

пока что это чрезвычайно трудная задача. Мы только пытаемся научить компьютер хотя бы толике того, что люди используют каждый день, даже не замечая этого.

В действительности обычный человек регулярно сталкивается с компьютерным зрением, начиная от считывания штрих-кодов на кассе в супермаркете, заканчивая считыванием номеров автомобилей и применением компьютерного зрения для создания систем дополненной реальности. Существуют даже специальное мобильное приложение которое помогает искать потерявшихся домашних питомцев (собак), при помощи компьютерного зрения.

Стоит добавить, что компьютерное зрение используется не только в сфере торговли и обслуживания, как инструмент маркетолога, но и в сфере рекламы. Широко развивается направление Digital Signage, в котором успешно применяется данная технология, однако речь в данной статье о применении в сфере торговли и обслуживания.

Два ИТ-продукта для реализации технологии компьютерного зрения в торговле.

Существует множество методик, подходов и алгоритмов по реализации технологии компьютерного зрения, мы рассмотрим два весьма перспективных продукта на рынке ИТ в России, которые предлагают возможности по сбору и анализу информации о посетителях.

Итак, аппаратно системы могут быть реализованы множеством способов, единственное требование - обеспечение вычислительных мощностей. Наилучшим решением является применение безвентиляторных встраиваемых компьютеров на стандартной PC-совместимой архитектуре, так как они изначально были разработаны для решения подобных задач и не имеют недостатков, которые есть у настольных пк или ноутбуков, а именно: они легче в обслуживании (у них нет вентиляторов и активных систем охлаждения, в связи с чем шанс отказа работы оборудования из-за забитого пылью кулера равен нулю), удобнее в монтаже и эксплуатации (меньше по габаритам, можно установить в шкаф или на стену). Для получения видеопотока подойдут обычные камеры наблюдения (для некоторых задач, хватит и возможностей web-камер).

В первом приближении обе системы могут показаться идентичными, выполняющими схожие функции, однако они простроены на разных принципах:

CasRetail.

Для начала рассмотрим систему CasRetail от компании “Синезис”, которая позволяет нам считать посетителей, отслеживать их перемещение по магазину, анализировать очереди на кассе, а также создавать тепловые карты.

Разработчики системы “Синезис” предлагают следующие конфигурации, в зависимости от площади помещения от 10-15 м2 до помещений более 1000 м2

Комплектация

Описание

Количество

Камера

Разрешение 1280x720;

3 MPX:

2 шт.

Локальный сервер

Atom D525

ION2

Wi-Fi / HDMI

2GB RAM

SSD250GB

1 шт.

Офис банка.

Комплектация

Описание

Количество

Камера

Разрешение 1920х1080

Стандарт сжатия видео H.264; MJPEG

8 шт.

Локальный сервер

Core™ i3-2130/

Intel HD Graphics/

HDD500Gb/

4Gb RAM

1 шт.

Гипермаркет электроники.

Комплектация

Описание

Количество

Камера

Разрешение1920х1080

Стандарт сжатия видеоH.264; MJPEG

8 шт.

Локальный сервер

Xeon E3/

HD Graphics P3000

8Gb RAM

500Gb HDD

1 шт.

В основе работы системы – уникальный детектор, распознающий на видео головы людей. Каждый обнаруженный человек сопровождается в кадре, при этом игнорируются такие помехи, как тени, блики и нецелевые объекты (товары, предметы интерьера). Проще говоря, камеры смотрят в пол и считают людей по головам в прямом смысле этого слова. Монтаж камер зависит от конкретной задачи. Допустим, вам нужен мониторинг длины и времени ожидания очереди на кассе, тогда необходимо повесить камеру прямо перед кассой с небольшим запасом обзора. Стоить отметить, для что каждой кассы, необходима установка индивидуальной камеры.

statistic-of-future-02.jpg

Рис. 1 Распознавание и подсчет людей на кассе.

Как видно на рисунке 1, система обнаружила и зафиксировала трех покупателей на кассе. Наверное, многие читатели видели объявления рядом с кассами, которое гласит, что если вы заждались в очереди на кассу, то можете позвонить по номеру и сообщить об этом администратору, лично у меня никогда не было подобного желания, я разворачивался и уходил, но теперь технологии позволяют автоматизировать этот процесс. При превышении заранее указанного количества посетителей в очереди, на телефон руководителя или дежурного оператора приходит визуальное сообщение, демонстрирующее положение дел у конкретной кассы.

Маршруты посетителей заведений.

Также мы видим красные кривые линии, идущие от голов покупателей – это пути следования посетителей по магазину. Имея такую возможность, система может построить популярные маршруты, а также дать четкое представление о потоках покупателей, одновременно определяя “мертвые” зоны магазина.

statistic-of-future-03.jpg

Рис. 2 Маршрутная карта.

Тепловая карта магазина.

Тепловая карта еще один инструмент для аналитики поведения покупателей в сфере розничной торговли. Она формируется путем суммирования времени, в течение которого в определенной точке находился объект. Красная зона на тепловой карте означает наиболее часто посещаемую точку, желтая и зеленая – менее посещаемые в порядке убывания (Рис. 3). Результат – выделение участков, где клиент задерживается наиболее продолжительное время.

statistic-of-future-04.jpg

Рис. 3 Тепловая карта

Такая тепловая карта позволяет провести анализ витрин/полок для выкладки более маржинальной продукции, оптимизация работы персонала в торговом зале, т.е. вы получаете действительно достоверную и полную статистическую информацию о том, в каких зонах в вашем магазине покупатели задерживаются дольше всего. Такая статистика также позволяет обосновать арендодателям стоимость арендой платы за площадь.

Система подсчета посетителей организована (Рис. 4) так же, как и мониторинг очереди на кассе: вы устанавливаете камеру на входе в магазин, которая также смотрит в пол, только считает она всех людей на входе и ведет статистику: сколько людей зашли в магазин, а не прошли мимо, сколько из них дошли до кассы или до нужного отдела.

statistic-of-future-05.jpg

Рис. 4 Камера на входе

В отличие от системы CasRetail фирмы “Синезис”, которая считает “по головам”, система goCount от компании goFaceRecognition считает посетителей совсем по другому принципу.

goCount.

Уже сейчас goCount учитывает количество посетителей магазина и распознает их пол. В ближайшее время можно будет определить возраст и время, проведенное покупателем в магазине.

statistic-of-future-06.jpg

Ключевое отличие данной системы, состоит в том, что она распознает человеческие лица, и работает с ними. В связи с этим меняется реализация системы в целом: теперь камеры не смотрят в пол, они устанавливаются так, чтобы в поле зрение камеры на уровне головы попадали все люди, заходящие в магазин. Что дает другие возможности. На сегодняшний день, продукт goCount обеспечивает подсчет людей и распознает их пол. По словам разработчиков, в ближайшем время будут реализованы такие функции как, определение возраста посетителя, а также просчет времени, проведенного покупателем в магазине.

Реализации последней функции удалось достичь установкой двух камер (Рис. 5): одна размещается на входе в помещение, другая на выходе.

statistic-of-future-07.jpg

Рис. 5. Схема размещения двух камер

Применяя специальные алгоритмы, система идентифицирует каждого человека, что позволяет ей контролировать посещение клиента. При этом программный комплекс осуществляет исключительно сбор статистической информации, т.е. изображения лиц не хранятся и не передаются куда-либо, что гарантирует анонимность и неприкосновенность личной жизни ваших клиентов.

Программа работает таким образом, что в момент обнаружения лица, машина трансформирует его в специальное математическое описание - сигнатуру, которая и используется для определения длительности посещения, пола, возраста.

По словам авторов, восстановление исходного изображения по сигнатуре — принципиально невозможно.

Демонстрация работы системы:

Обнаружение и фиксирование лица, определение возраста и пола

Анализ информации.

Для обработки данных, обе компании используют свои собственные серверы, предоставляя конечному пользователю удобный формат данных для обработки: графики, диаграммы, прямые видеопотоки в веб-интерфейсе.

statistic-of-future-08.jpg

Веб-интерфейс приложения “Кассиопея“ от компании “Синезис”.

statistic-of-future-09.jpg

Аналогичный интерфейс системы goCount от разработчиков GoFaceRecognition.

Подводя итог, хотелось бы сказать, что при выборе системы стоит учитывать задачу, которую вы ставите, тот класс информации, который вы собираетесь получать.

У каждой технологии есть свои плюсы и минусы, но их главной особенностью является машинная обработка информационного потока, что дает более полную и достоверную информацию, исключая “человеческий фактор”, который часто является источником ошибок.

Автор статьи: Сахаров Илья

Продакт-менеджер компании ipc2u

Список источников:

  1. http://gofacerecognition.com/

  2. http://synesis.ru/

  3. A. Savran, B. Sankur, M. T. Bilge, «Comparative Evaluation of 3D versus 2D Modality for Automatic Detection of Facial Action Units», 2012.

Оставить заявку