Was haben Kameras, die ein Lächeln erkennen, Barcode-Scanner und autonome Fahrzeuge gemeinsam? Sie alle nutzen in irgendeiner Form Computer Vision (CV), eine wissenschaftliche Disziplin, die es Maschinen ermöglicht, auf der Grundlage von Bildern nützliche Entscheidungen über reale physische Objekte und Szenen zu treffen. Wie wird diese Technologie in der Welt des Einzelhandels eingesetzt?
Die ersten Forschungsarbeiten zum Thema Computer Vision begannen vor über 50 Jahren, und die Anwendungen in den verschiedenen Branchen haben sich mit unserem Verständnis dieser Disziplin weiterentwickelt. Die meisten Digitalkameras erkennen heute Gesichter auf einem Bild, OCR-Software in Scannern wandelt gescannte Dokumente in Text um, und die auf Bildverarbeitung basierende Biometrie hat bekanntlich dazu beigetragen, ein afghanisches Mädchen anhand ihrer Irismuster zu identifizieren.
Einige frühe Anwendungen von Computer Vision im Einzelhandel stammen aus dem E-Commerce, aber zunehmend wird es auch in physischen Einzelhandelsgeschäften eingesetzt, um die Regalpräsentation zu perfektionieren, die betriebliche Effizienz zu steigern und ein reibungsloses Einkaufserlebnis zu schaffen.
Hier finden Sie fünf einfallsreiche Wege, wie Marken und Einzelhändler Innovationen mit Hilfe von Visionen umsetzen.
Manchmal sieht man etwas, das man kaufen möchte, hat aber keine Informationen darüber. In diesem Fall kann ein Tool namens "Lens" helfen. Es wurde von der Foto-Sharing-Website Pinterest als Beta-Produkt auf den Markt gebracht und könnte das Einkaufserlebnis im Geschäft erleichtern.
Es erkennt das Objekt und liefert kontextbezogene Informationen dazu. Vielleicht sagt sie Ihnen, wer das Möbelstück in welchem Jahr entworfen hat, oder sie schlägt Ihnen andere Kleidung vor, die zu einem bestimmten Paar Schuhe passt. Machen Sie einfach ein Foto von dem Gegenstand, und die App erledigt den Rest.
Der Gourmet-Süßwarenhändler Lolli & Pops nutzt die Gesichtserkennung, um Kunden zu identifizieren, sobald sie das Geschäft betreten. CV ermöglicht dann ein personalisiertes Einkaufserlebnis: Durch das Durchsuchen der Einkaufshistorie und der Vorlieben der Kunden kann das System personalisierte Produktempfehlungen für jeden Kunden aussprechen.
Indem sie als Individuen - und vor allem als VIPs - behandelt werden, sorgt das System für Markentreue und macht aus Gelegenheitskäufern Stammkunden. Beides ist gut für das Geschäft.
Die Schönheit und Einfachheit von Computer Vision liegt in der Fähigkeit, aktuelle Bilder in verwertbare Erkenntnisse umzuwandeln, um Marken und Einzelhändler dabei zu unterstützen, sich auf das Wesentliche im Laden zu konzentrieren. Durch die "Digitalisierung des Regals" erhalten Unternehmen jetzt ein Echtzeit-Situationsbewusstsein über das, was im Regal passiert. Die Anweisungen reichen von den offensichtlichen (wie: "Geh in den hinteren Raum und hol eine Kiste mit einem Produkt, um einen leeren Platz zu füllen") bis hin zu subtileren Anweisungen wie der, die Anzahl der Facings (wie viele Produkte desselben Typs nebeneinander stehen) eines Konkurrenten zu reduzieren und die eigenen Facings um dieselbe Menge zu erhöhen.
Nicht-mobile Nutzer erhalten rollenbasierte Einblicke in eine Vielzahl von Einzelhandelsmetriken, die ihnen genau sagen, was im Regal passiert und was sie tun müssen, um ein optimales Einkaufserlebnis zu gewährleisten und den Umsatz zu steigern.
Aurora von RetailNext ist der erste Sensor, der speziell für die komplexen Anforderungen des Einzelhandels entwickelt wurde. Er zählt wie viele andere Sensoren seiner Art die Besucherzahlen im Geschäft, fügt den Daten aber noch eine zusätzliche Struktur hinzu - er erfasst auch die Passantenfrequenz und schlüsselt die Wege der Kunden im Geschäft auf. Auf diese Weise können Sie sehen, welche Werbeaktionen das Interesse der Kunden wecken und welche sie abschrecken.
Aber es werden nicht nur die Kunden überwacht. Es fügt auch die Interaktion zwischen Kunden und Mitarbeitern hinzu und bietet so Echtzeiteinblicke in die Serviceleistungen im Geschäft. Außerdem kann es für personalisierte Marketing- und Messaging-Kampagnen genutzt werden.
Ein Lebenslauf kann auch helfen, wenn es um einen der schlimmsten Teile des Einkaufserlebnisses geht: das Anstehen an der Kasse.
Der Amazon Go Concept Store in Seattle verfolgt die Kunden mit Hilfe von CV, wobei Sensoren in den Regalen erkennen, wenn sie einen Artikel in die Hand nehmen. Anschließend werden alle Artikel im Einkaufskorb des Käufers in der Go-Mobil-App registriert, und der Kassiervorgang entfällt ganz - der Käufer verlässt einfach das Geschäft, wobei die Go-App das Geld automatisch von der angegebenen Kreditkarte des Käufers einzieht. Der Kassenbon wird direkt an die App gesendet.
Der stets vernetzte Kunde, der einen reibungslosen Einzelhandel erlebt, ist wirklich das, was wir anstreben, ermöglicht durch eine Kombination aus Computer Vision und Deep Learning.
Sie fragen sich, wie aus echten Regalbildern umsetzbare Analysen werden?
Geben Sie uns einige Informationen, damit sich die richtige Person bei Ihnen melden kann.
