AI, компьютерное зрение, нейросети… Это не что-то из области фантастики, а технологии, которые уже используются для мониторинга качества обслуживания в розничном бизнесе.
В этой статье простым языком рассказываем, как работают системы ИИ-видеоаналитики, в чем их отличия от классического видеонаблюдения, и какую систему выбрать для ритейла, чтобы увеличить LTV клиентов (и, как следствие, прибыль).
Искусственный интеллект для видеоаналитики: как работает
Чтобы уложить в голове, по какому принципу работает нейросетевая видеоаналитика, давайте рассмотрим два ее аспекта:
1 – Из каких комплектующих состоит система, какое аппаратное обеспечение нужно для ее внедрения;
2 – Какой программный комплекс включает в себя система, что входит в понятие «искусственный интеллект».
Что нужно для установки системы: подбираем комплектующие
Если вы решили улучшить качество обслуживания клиентов в бизнесе с помощью системы видеоаналитики, вам понадобятся:
- IP-видеокамеры, которые могут подключаться к облачному сервису, чтобы хранить данные (отснятый видеопоток);
- Выносные микрофоны для камер (нужны ESO серии M);
- Выделенный под видеонаблюдение интернет-канал с пропускной способностью не ниже 1 Мб/сек на камеру.
Ну и конечно, выбрать адекватного вендора, который предложит лучшее решение и настроит систему.
Где начинается работа искусственного интеллекта
А теперь о «начинке»: на каких высоких технологиях это все работает.
Когда речь заходит об интеллектуальной видеоаналитике, можно услышать сочетание таких понятий: искусственный интеллект, компьютерное зрение, нейронная сеть.
Как они связаны между собой?
-
Искусственный интеллект (ИИ или AI) – общее понятие для любых технологий, с помощью которых компьютеры могут выполнять задачи, где раньше использовался только человеческий интеллект. В контексте видеоаналитики – это анализ записей, распознавание образов и принятие решений на основе полученных данных;
-
Компьютерное зрение – направление работы искусственного интеллекта с фокусом на том, чтобы научить компьютеры понимать и интерпретировать визуальную информацию из окружающего мира так, как это делает человек;
-
Нейронная сеть – одна из технологий, которая применяется в искусственном интеллекте. Это компьютерная модель, которая приближена к работе мозга человека. Ее можно представить, как большое количество слоев «нейронов», соединенных друг с другом. В каждый «нейрон» попадают входные данные. Он их обрабатывает, а результат передает дальше по сети.
Чтобы нейронная сеть справлялась с поставленными задачами, ее нужно обучать.
Для нейронных сетей в системах видеоаналитики, которые сейчас существуют на рынке, стандартно используется классическое машинное обучение. Суть его в том, что система по определенным маркерам учится распознавать и отмечать необходимые участки видеоматериала, на которых зафиксированы нужные нам объекты и ситуации.
Если мы говорим об оценке качества обслуживания клиентов в ритейле, то речь о ситуациях нарушений в работе персонала, которые система как раз и подсвечивает автоматически.
И что, это прям совсем без людей само работает?
Когда-нибудь определенно будет работать и само :) Но сейчас реальность такова, что наиболее эффективный и оптимальный по ресурсозатратам вариант – сочетание работы искусственного интеллекта и людей-аналитиков в мониторинге обслуживания клиентов.
Процесс работы системы в таком формате выглядит следующим образом:
-
IP-камеры делают запись и отправляют озвученный видеопоток в облако;
-
В работу подключается искусственный интеллект: система автоматически выбирает релевантные участки видео по заранее заданным чек-листам (верно ли сотрудник выполняет свою работу) и отправляет фрагменты человеку-аналитику для верификации;
-
Аналитик верифицирует отобранные системой фрагменты, дополнительно вручную проверяет ситуации на видео по чек-листам на предмет нарушений;
-
Результат проверки попадает в ваш личный кабинет, где уже в формате удобных дашбордов предстает в цифрах (все нарушения в работе персонала здесь тоже можно открыть и посмотреть самому, видеофрагменты сохраняются).
Этот подход используется в Gladar, ИТ-системе контроля и оценки персонала на базе видеоаналитики. Он помогает не только обрабатывать большой поток данных с помощью ИИ, но и не жертвовать качеством проверки, оставляя финальную верификацию за человеком.
Такое сочетание оптимизации ресурсов и качественного мониторинга максимально важно для ритейла.
«Но есть же обычное видеонаблюдение», – возможно, подумали вы. Давайте посмотрим, в чем разница.
Отличия нейросети от классического анализа в видеонаблюдении
Стандартное видеонаблюдение предполагает просмотр видео по камерам в реальном времени – для этого выделяется отдельный сотрудник на каждой точке розничной сети. Записанный материал тоже можно просматривать, но делать это приходится полностью вручную.
На этом отличия не заканчиваются, перечислим основные.
Классическое видеонаблюдение:
-
Основная цель — обеспечить безопасность на точке продаж. Камеры устанавливаются для трансляции видео, чтобы предотвратить кражи, вандализм и другие неприятные инциденты;
-
Для повышения качества обслуживания клиентов такую систему сложно использовать – весь материал вручную не отсмотришь;
-
На эффективность мониторинга сильно влияет человеческий фактор – уставший охранник или менеджер может просто пропустить нарушения в работе сотрудников. Еще одна причина, по которой классическое видеонаблюдение не подходит для цели контроля качества обслуживания.
Интеллектуальная видеоаналитика на основе ИИ:
-
Цель выходит за рамки безопасности и включает в себя улучшение обслуживания клиентов, оптимизацию бизнес-процессов, управление очередями, анализ покупательского поведения;
-
Автоматизирует процесс анализа и может обрабатывать большие объемы данных намного быстрее и точнее, чем человек.
В общем, все зависит от целей, которые вы себе ставите. Если конечная цель – увеличение прибыли за счет повышения качества работы сотрудников розничного бизнеса, то выбор очевиден.
Как AI-видеоаналитика способна повлиять на прибыль в розничной торговле? Читайте дальше.
Преимущества видеоаналитики на базе ИИ для ритейла
Конечно, в личном кабинете системы не будет волшебной кнопки «деньги» :) Но вот как собранные и обработанные данные положительно влияют на прибыль в рознице:
-
Аналитика позволяет не только выявлять нарушения, но и отслеживать слабые места в процессе продажи товара сотрудником, внедрять проработку недочетов в обучение и увеличивать выручку.
Например, средний чек аптеки можно увеличить на 20%, если научить первостольника экологично предлагать дополнительные товары. Это реальные данные, которые мы получили от наших клиентов с помощью системы Gladar.
-
Собранные данные позволяют формировать понятную и приятную систему мотивации для сотрудников. Лучше мотивация = больше желания продавать.
Исследование McKinsey показало, что пересмотр бонусной системы для продавцов может увеличить продажи на 50% больше, чем изменения в рекламных инвестициях.
-
Снижение нарушений в обслуживании повышает его качество и, как следствие, увеличивает LTV клиента в бизнесе.
Согласно исследованию Salesforce, 88% опрошенных потребителей заявили, что хорошее обслуживание – главная причина их повторных покупок.
В вопросах бизнес-аналитики система контроля и оценки персонала Gladar станет отличным помощником:
-
Сформируем сценарии контроля и отчеты именно под ваш бизнес;
-
Полностью настроим систему для работы за 2-3 дня;
-
Обеспечим разные уровни контроля в личном кабинете: от управляющего одной торговой точки до целой сети;
-
Предоставим точность анализа данных на 99%, благодаря совмещению машинного и естественного интеллекта.
Что ждет AI видеоаналитику в будущем?
Только развитие :) Технологии распознавания на основе искусственного интеллекта уже используются в разных сферах – от дорожной инфраструктуры до медицины. Если говорить о развитии ИИ-видеоанализа в разрезе бизнеса, то здесь нас ждет усложнение технологии:
-
Появление более продвинутых систем, способных к самостоятельному глубокому обучению на больших объемах данных;
-
Появление более сложного аппаратного обеспечения. Например, нейроморфных процессоров (NPU), которые могут распознавать человека, обрабатывая лишь 10% видеоизображения (сейчас системе нужно более 25%). Анализ видео станет более глубоким;
-
Возможность более сложных интеграций систем видеоаналитики с другими системами управления бизнесом – это поможет создавать более персонализированный клиентский опыт.
С этими изменениями придут и новые возможности.
Но уже сейчас ИИ-видеоаналитика способна вывести бизнес на новый уровень, чего мы вам и желаем.