I ricercatori incoraggiano i rivenditori ad adottare l’IA per offrire un servizio migliore ai clienti
Università di tecnologia del Queensland
Tre ricercatori QUT fanno parte di un team di ricerca internazionale che ha identificato nuovi modi per i rivenditori di utilizzare l’Intelligenza Artificiale insieme alle telecamere in-store per servire meglio il comportamento dei consumatori e personalizzare i layout dei negozi per massimizzare le vendite.
Nella ricerca pubblicata su Artificial Intelligence Review , il team propone un framework di progettazione del layout del negozio basato sull’intelligenza artificiale per consentire ai rivenditori di sfruttare al meglio i recenti progressi nelle tecniche di intelligenza artificiale e i suoi sottocampi nella visione artificiale e nell’apprendimento profondo per monitorare i comportamenti di acquisto fisico di i loro clienti.
Qualsiasi acquirente che ha recuperato il latte dall’angolo più lontano di un negozio sa bene che un layout efficiente del negozio presenta la sua merce per attirare l’attenzione dei clienti su articoli che non intendevano acquistare, aumentare il tempo di navigazione e trovare facilmente prodotti alternativi correlati o praticabili raggruppati insieme.
È stato dimostrato che un layout ben congegnato è correlato positivamente all’aumento delle vendite e alla soddisfazione dei clienti. È una delle tattiche di marketing in negozio più efficaci che può influenzare direttamente le decisioni dei clienti per aumentare la redditività.
I ricercatori QUT Dr Kien Nguyen e il professor Clinton Fookes della School of Electrical Engineering & Robotics e il professor Brett Martin , QUT Business School hanno collaborato con i ricercatori Dr Minh Le, dell’Università di Economia, città di Ho Chi Minh, Vietnam, e il professor Ibrahim Cil della Sakarya University, Serdivan, Turchia, per condurre una revisione completa degli approcci esistenti alla progettazione del layout del negozio.
Il dottor Nguyen afferma che il miglioramento della progettazione del layout del supermercato, attraverso la comprensione e la previsione, è una tattica fondamentale per migliorare la soddisfazione dei clienti e aumentare le vendite.
“Soprattutto questo documento propone un quadro completo e innovativo per applicare nuove tecniche di intelligenza artificiale in aggiunta ai dati delle telecamere CCTV esistenti per interpretare e comprendere meglio i clienti e il loro comportamento in negozio”, ha affermato il dottor Nguyen.
“TVCC offre approfondimenti su come gli acquirenti viaggiano attraverso il negozio; il percorso che prendono e le sezioni in cui trascorrono più tempo. Questa ricerca propone di approfondire ulteriormente, osservando che le persone esprimono emozioni attraverso espressioni facciali osservabili come alzare un sopracciglio, aprire gli occhi o sorridere”.
Comprendere le emozioni dei clienti mentre navigano potrebbe fornire a esperti di marketing e manager uno strumento prezioso per comprendere le reazioni dei clienti ai prodotti che vendono.
“Gli algoritmi di riconoscimento delle emozioni funzionano utilizzando tecniche di visione artificiale per individuare il viso e identificare i punti di riferimento chiave sul viso, come gli angoli delle sopracciglia, la punta del naso e gli angoli della bocca”, ha affermato il dottor Nguyen.
“Capire i comportamenti dei clienti è l’obiettivo finale della business intelligence. Azioni ovvie come raccogliere i prodotti, mettere i prodotti nel carrello e rimettere i prodotti sullo scaffale hanno suscitato grande interesse per i rivenditori intelligenti.
“Altri comportamenti come fissare un prodotto e leggere la confezione di un prodotto sono una miniera d’oro per il marketing per comprendere l’interesse dei clienti per un prodotto”, ha affermato il dottor Nguyen.
Oltre a comprendere le emozioni attraverso i segnali facciali e la caratterizzazione dei clienti, i gestori di layout potrebbero utilizzare l’analisi delle mappe di calore, il monitoraggio della traiettoria umana e le tecniche di riconoscimento delle azioni dei clienti per prendere decisioni informate. Questo tipo di conoscenza può essere valutato direttamente dal video e può essere utile per comprendere il comportamento dei clienti a livello di negozio evitando la necessità di conoscere le identità individuali.
Il professor Clinton Fookes ha affermato che il team ha proposto il framework Sense-Think-Act-Learn (STAL) per i rivenditori.
“In primo luogo, ‘Sense’ è raccogliere dati grezzi, diciamo da filmati delle telecamere a circuito chiuso di un negozio per l’elaborazione e l’analisi. I gestori dei negozi lo fanno regolarmente con i propri occhi; tuttavia, nuovi approcci ci consentono di automatizzare questo aspetto del rilevamento e di eseguirlo in tutto il negozio”, ha affermato il professor Fookes.
“In secondo luogo, ‘Think’ è elaborare i dati raccolti tramite IA avanzata, analisi dei dati e tecniche di apprendimento automatico approfondito, come il modo in cui gli esseri umani usano il cervello per elaborare i dati in arrivo.
“In terzo luogo, ‘Act’ consiste nell’utilizzare le conoscenze e le intuizioni della seconda fase per migliorare e ottimizzare il layout del supermercato. Il processo funziona come un ciclo di apprendimento continuo.
“Un vantaggio di questo framework è che consente ai rivenditori di valutare le previsioni di design del negozio, come il flusso di traffico e il comportamento quando i clienti entrano in un negozio, o la popolarità degli espositori posizionati in diverse aree del negozio”, ha affermato il professor Fookes.
“Negozi come Woolworths e Coles utilizzano già regolarmente algoritmi basati sull’intelligenza artificiale per soddisfare meglio gli interessi e i desideri dei clienti e per fornire consigli personalizzati. Ciò è particolarmente vero nel sistema dei punti vendita e attraverso i programmi di fidelizzazione. Questo è semplicemente un altro esempio di utilizzo dell’intelligenza artificiale per fornire layout e design del negozio basati sui dati migliori e per comprendere meglio il comportamento dei clienti negli spazi fisici”.
Il dottor Nguyen ha affermato che i dati potrebbero essere filtrati e puliti per migliorare la qualità e la privacy e trasformati in una forma strutturale. Poiché la privacy era una preoccupazione fondamentale per i clienti, i dati potevano essere resi anonimi o resi anonimi, ad esempio, esaminando i clienti a livello aggregato.
“Poiché c’è un intenso flusso di dati dalle telecamere a circuito chiuso, un sistema basato su cloud può essere considerato un approccio adatto per l’analisi del layout del supermercato nell’elaborazione e nella memorizzazione dei dati video”, ha affermato.
“Lo strato di analisi video intelligente nella fase THINK svolge un ruolo chiave nell’interpretazione del contenuto di immagini e video.”
Il dott. Nguyen ha affermato che i gestori del layout potrebbero considerare variabili di progettazione del negozio (ad esempio progettazione dello spazio, display nei punti vendita, posizionamento dei prodotti, posizionamento dei cassieri), dipendenti (ad esempio: numero, posizionamento) e clienti (ad esempio: affollamento, durata della visita , acquisti d’impulso, uso degli arredi, formazione di code d’attesa, ricettività all’esposizione dei prodotti).
