Quel est le point commun entre les caméras de détection de sourire, les lecteurs de codes-barres et les véhicules autonomes ? Ils appliquent tous une forme ou une autre de vision par ordinateur, une discipline scientifique qui permet aux machines de prendre des décisions utiles sur des objets physiques réels et des scènes en se basant sur des images. Comment cette technologie est-elle utilisée dans le monde du commerce de détail ?
Les premières recherches sur la vision par ordinateur ont débuté il y a plus de 50 ans, et ses applications dans tous les secteurs se sont perfectionnées en même temps que notre compréhension de la discipline. Aujourd'hui, la plupart des appareils photo numériques reconnaissent les visages sur une photo, les logiciels de reconnaissance optique de caractères des scanners convertissent les documents numérisés en texte, et la biométrie basée sur la vision a également permis d'identifier une jeune fille afghane grâce à ses motifs d'iris.
Les premières applications de la vision par ordinateur dans le commerce de détail proviennent du commerce électronique, mais elles sont de plus en plus utilisées dans les magasins de détail physiques pour perfectionner le merchandising des rayons, améliorer l'efficacité opérationnelle et créer une expérience sans friction pour les acheteurs.
Voici cinq façons inventives dont les marques et les détaillants utilisent l'innovation alimentée par la vision.
- Le contexte est roi : la frontière entre le magasin et l'Internet s'estompe
Il arrive que l'on voie un objet que l'on souhaite acheter, mais que l'on ne dispose d'aucune information à son sujet. Dans ce cas, un outil appelé Lens peut vous aider. Lancé par le site de partage de photos Pinterest en tant que produit bêta, il pourrait faciliter l'expérience en magasin.
Il reconnaît l'objet et fournit des informations contextuelles à son sujet. Elle vous dira peut-être qui a conçu ce meuble en quelle année, ou vous suggérera d'autres vêtements qui iront avec une certaine paire de chaussures. Il suffit de prendre une photo de l'objet pour que l'application fasse le reste.
- Reconnaissance faciale : identifier les habitués, récompenser la fidélité
Le détaillant de bonbons Lolli & Pops utilise la reconnaissance faciale pour identifier les membres du programme de fidélité lorsqu'ils entrent dans le magasin. La CV permet ensuite de personnaliser l'expérience d'achat : en parcourant l'historique des achats et les préférences des clients, le système peut leur recommander des produits spécifiques.
En les traitant comme des individus et, surtout, comme des VIP, le système suscite la fidélité à la marque et transforme les acheteurs occasionnels en clients réguliers. Ces deux aspects sont bénéfiques pour les entreprises.
- Transformer la santé de chaque rayon, dans chaque magasin
La beauté et la simplicité de la vision par ordinateur résident dans sa capacité à transformer des images réelles en informations exploitables afin d'aider les marques et les détaillants à se concentrer sur les éléments fondamentaux dans le magasin. En "numérisant le rayon", les entreprises ont désormais une connaissance en temps réel de ce qui s'y passe. Les directives vont des plus évidentes (telles que : Les directives vont de l'évidence (par exemple : "Allez dans l'arrière-boutique chercher une boîte de produits pour remplir un espace vide") au sublime, comme les instructions visant à réduire le nombre de faces (le nombre de produits du même type placés côte à côte) d'un concurrent et à augmenter vos propres faces de la même quantité.
Les utilisateurs non mobiles obtiennent des informations basées sur les rôles sur un large éventail de mesures de vente au détail qui leur indiquent exactement ce qui se passe dans les rayons et ce qu'il faut faire pour garantir la meilleure expérience d'achat et augmenter les ventes.
- Mesure de l'achalandage : Analyse de la fréquentation, du trafic de passage, des interactions, etc.
Aurora de RetailNext est le premier capteur conçu spécifiquement pour répondre aux besoins complexes du commerce de détail. Il comptabilise la fréquentation du magasin comme tant d'autres capteurs de ce type, mais il ajoute également de la texture aux données - il inclut le taux de capture du trafic de passage et décompose les parcours des acheteurs dans le magasin. Ainsi, vous pouvez voir quelles sont les promotions qui suscitent l'engagement et quelles sont celles qui rebutent les clients.
Mais il ne se contente pas de surveiller les clients. Il ajoute également les interactions avec les clients et les associés, offrant ainsi une visibilité en temps réel sur l'engagement des services en magasin. De plus, elle peut être utilisée pour mener des campagnes de marketing et de messagerie personnalisées.
- L'expérience sans friction dans les magasins : la fin des caisses ?
Le CV peut également être utile lorsqu'il s'agit de l'un des pires moments de l'expérience d'achat : la file d'attente à la caisse.
Le magasin conceptuel Amazon Go de Seattle suit les clients à l'aide de CV, des capteurs placés sur les étagères détectant le moment où ils prennent un article. Il enregistre ensuite tous les articles du panier de l'acheteur dans l'application mobile Go et supprime complètement le processus de passage en caisse - l'acheteur quitte simplement le magasin et l'application Go prélève automatiquement l'argent sur la carte de crédit nominative de l'acheteur. Le ticket de caisse est envoyé directement à l'application.
L'acheteur toujours connecté qui fait l'expérience d'un commerce de détail sans friction est vraiment ce vers quoi nous nous dirigeons, rendu possible par la combinaison de la vision par ordinateur et de l'apprentissage profond.
Vous vous demandez comment les images d'étagères réelles sont transformées en analyses exploitables ?
