Практичне значення ШІ для обслуговування клієнтів у сфері роздрібної торгівлі
Дослідники Квінслендського технологічного університету (QUT) у складі міжнародної дослідницької групи запропонували роздрібним торговцям створити дизайну планування магазину на основі штучного інтелекту. Таким чином, менеджери магазинів можуть скористатися останніми досягненнями у сфері технологій штучного інтелекту, а також комп’ютерного зору та глибинного навчання для моніторингу та аналізу поведінки своїх клієнтів під час шопінгу.
Ефективне облаштування магазину допомагає привернути увагу покупців до продуктів, які вони не збиралися купувати, збільшити час перебування у магазині та разом з цим полегшити пошук альтернативних чи пов'язаних товарів. Сприйняття настрою клієнтів під час пошуку бажаних продуктів є цінним інструментом для маркетологів і менеджерів, який забезпечує краще розуміння реакції покупців на товари, що продаються.
Разом із розпізнаванням емоцій завдяки міміці та виразності обличчя клієнта, мерчендайзери можуть також використовувати аналітику теплової карти, відстеження траєкторії руху та методи розпізнавання дій споживачів, щоб приймати зважені рішення на основі детальної інформації. Усі ці показники можна оцінити безпосередньо з відео в магазині, що сприяє кращому розумінню поведінки покупців без використання персональної інформації.
Професор Клінтон Фукс відмітив, що команда запропонувала структуру Sense-Think-Act-Learn (STAL) для роздрібних торговців, яка передбачає: «Перший етап - Sense збирає необроблені відомості, наприклад, з камер відеоспостереження магазину для їх подальшої обробки та аналізу. Менеджери магазинів зазвичай виконують нагляд самотужки; однак нові підходи дозволяють нам автоматизувати цей аспект вимірювання та виконувати його в усьому магазині.
Другий етап - Think обробляє відомості, які зібрані за допомогою удосконаленого штучного інтелекту, аналізу даних і методів машинного навчання, так само, як мозок людини обробляє вхідну інформацію.
Третій етап - Act полягає в тому, щоб використовувати знання та ідеї з другого етапу для покращення та оптимізації планування супермаркету. Зрештою процес працює як безперервний цикл навчання - Learn».
За словами професора Фукса: «Перевагою цієї системи є те, що вона дозволяє роздрібним торговцям оцінювати прогнозовану ефективність облаштування магазину, наприклад, за такими показниками: обсяг відвідувачів, поведінка покупців усередині магазину або популярність розміщених у різних частинах магазину вітрин».
Команда QuData дійшла подібних висновків про необхідність аналізу поведінки споживачів під час аналізу поведінки гравців мобільних та комп'ютерних ігор. Постійний моніторинг залучення гравця до ігрового процесу є невід’ємною частиною процесу розробки ігор.
Для аналізу ігрових процесів Qudata практично з нуля розробила комплексну систему відстеження ключових показників (KPI). Система забезпечує створення наборів звітів, які індивідуально налаштовується для вибраних продуктів. Це дозволяє як відображати поточну продуктивність проєкту, так і прогнозувати поведінку гравців за допомогою сегментації, аналізу конверсій, воронки входу, A/B-тестування, аналізу поведінки покупців тощо.
Додаткову інформацію про аналіз ігрових процесів та поведінки гравців читайте тут