Сотрудник 24/7 в каждом магазине: как видеоаналитика меняет управление розничной сетью

Единственный сотрудник, который присутствует в каждой точке сети 24 часа в сутки семь дней в неделю, — это камера видеонаблюдения. Раньше она просто записывала происходящее. Теперь благодаря ИИ и видеоаналитике она может замечать нарушения, считать трафик и очереди, контролировать стандарты обслуживания и сообщать управляющему, где требуется его внимание. 

Рассказывает Заур Абуталимов, генеральный директор ivideon.

Еще недавно человек за монитором видеонаблюдения почти всегда был сотрудником службы безопасности. Его задача была понятна: заметить кражу, найти нужный фрагмент записи после инцидента, разобраться в спорной ситуации.

Сегодня за тем же монитором все чаще оказывается управляющий розничной сетью. Только ему уже не нужно часами смотреть видео. Камеры начинают делать то, что давно умеют цифровые системы в e-commerce: считать, сравнивать, находить отклонения и сообщать, где бизнес теряет деньги.

В онлайне ритейлер знает практически все о пути клиента: сколько человек увидели рекламу, перешли на сайт, открыли карточку товара, положили товар в корзину и ушли без покупки. В физическом магазине большая часть этого пути до сих пор остается невидимой. Сколько людей прошло мимо витрины? Сколько зашло? Сколько ушло без покупки? В какой момент возникла очередь? Встретил ли продавец посетителя? Предложил ли дополнительный товар?

Ответы на эти вопросы можно получить из инфраструктуры, которая уже есть практически в каждом магазине, — камер видеонаблюдения. 

Где ритейл теряет выручку

Представим управляющего сетью из 30 магазинов. В одной точке сотрудники регулярно опаздывают к открытию. В другой продавцы не подходят к покупателям в первые минуты после их входа. В третьей в часы пик возникает очередь. В четвертой сотрудники перестали предлагать покупателям участие в акции.

Каждая такая ситуация в масштабах десятков или сотен магазинов она превращается в системные потери.

При этом управляющий обычно видит конечный результат — продажи. Если магазин не выполнил план, начинается поиск причины. Не хватило трафика? Плохо сработала реклама? Сотрудников было недостаточно? Они не соблюдали скрипт? Покупатели ждали обслуживания и уходили?



Кассовая система знает тех, кто купил. Но практически ничего не говорит о тех, кто мог стать покупателем, но не стал.

Один из наших проектов хорошо показывает эту проблему. В розничной сети магазинов одежды среднего сегмента обнаружили шесть точек, где трафик был выше среднего по сети, а конверсия — примерно вдвое ниже. То есть проблема была не в отсутствии покупателей: люди приходили, но значительно реже совершали покупки.

После анализа процесса работы продавцов были изменены графики в часы пик, введен стандарт первого контакта и скорректированы KPI. Конверсия выросла с 12,8% до 15,1%, а недельная выручка магазина — с 3,7 до 4 млн рублей.

Главное здесь даже не конкретные цифры. Важно, что у бизнеса появилась возможность увидеть участок воронки, который раньше практически не измерялся.

Камеры наконец начали отдавать данные бизнесу 

Камера долго оставалась одним из последних цифровых устройств в компании, которое собирало огромный объем информации, но почти не передавало ее бизнесу. 

Она записывала видео в архив. Архив открывали, когда что-то произошло. В этом смысле видеонаблюдение было скорее страховкой, чем управленческой системой.

Компьютерное зрение и развитие ИИ меняют эту модель. Современная система видеонаблюдения может не просто записывать происходящее, но распознавать события и превращать их в данные для принятия решения и уведомления о событиях.

Руководителю не нужно просматривать камеры всех магазинов. Система сама должна сказать ему: «здесь возникла очередь», «эта точка открылась позже», «сотрудника долго нет в рабочей зоне», «конверсия падает при высоком трафике».

---

Читайте также: Как видеоаналитика увеличивает розничные продажи через персонализированные предложения и рекламу

---

Что можно оцифровать в физическом магазине

Самый очевидный показатель — посетительский поток. Но считать только вошедших уже недостаточно.

Интереснее восстановить практически всю офлайн-воронку: сколько потенциальных покупателей прошло рядом с магазином, сколько из них зашли, как распределялись по торговому залу, сколько времени находились внутри и какая доля совершила покупку.

Это позволяет, например, оценивать не только продажи после запуска промо кампании, но и то, изменилось ли поведение людей. Стало больше прохожих останавливаться у магазина? Выросла доля вошедших? Изменился поток в конкретной зоне? Выросла конверсия?

В ivideon мы анализируем и очереди: когда они появляются, сколько продолжаются, насколько часто повторяются. Или присутствие сотрудников в определенных зонах. Система может автоматически фиксировать отсутствие персонала и отправлять уведомление ответственному, вместо того чтобы ждать жалобы клиента. В сервисе ivideon, например, такие события могут передаваться в личный кабинет и Telegram, а затем попадать в аналитические отчеты.

Тайный покупатель становится цифровым

Отдельная проблема распределенной розничной сети — контроль стандартов.

Традиционный инструмент — тайный покупатель. Он полезен, но у него есть очевидное ограничение: проверка показывает ситуацию в конкретной точке в конкретный момент. Чем больше сеть, тем дороже и сложнее проводить такие проверки достаточно часто.

Есть и ручной контроль по камерам. Но если у компании 100 магазинов и в каждом несколько камер, руководитель физически не способен регулярно смотреть происходящее во всех точках. 

Поэтому мы в ivideon развиваем концепцию цифрового тайного покупателя. В ней компьютерное зрение, речевая аналитика и ИИ помогают проверять выполнение заданных критериев по чек-листу. Система может оценивать открытие и закрытие магазина, присутствие сотрудников, внешний вид и состояние определенных зон, соблюдение стандартов обслуживания. Речевая аналитика позволяет определить, прозвучало ли приветствие, рассказал ли продавец об акции, предложил ли карту лояльности или дополнительный товар.

В результате руководитель получает не десятки часов видеозаписей, а отчет: какие стандарты выполняются, в каких магазинах возникают нарушения и где ситуация ухудшается. 

От контроля сотрудников — к управлению экономикой точки

 
При этом задача таких систем — не поймать сотрудника на нарушении. Гораздо интереснее найти связь между операционным поведением магазина и его финансовым результатом.

В одном из проектов для сети из 120 кофеен мы сравнивали выполнение стандартов обслуживания. За период эксперимента соблюдение стандартов выросло с 79% до 93%, доля выполнения допродажи — с 22% до 71%. Конверсия в дополнительное предложение выросла на 49%, конверсия в допродажу — на 12%. По данным пилота, это дало около 33,7 тыс. рублей дополнительной прибыли на одну кофейню.

Другой сценарий — сеть магазинов у дома. Там задача состояла уже не только в стандартах сервиса, но и в снижении затрат на ручной контроль. Проект охватывал 72 точки и 550 камер. Система фиксировала своевременность открытия и закрытия, количество персонала, очереди и автоматически отправляла уведомления о нарушениях. В первый месяц количество нарушений уменьшилось в шесть раз, а один управляющий смог работать уже с 20–35 магазинами при сохранении показателей дисциплины и продаж.

Именно этот сценарий лучше всего показывает, куда движется рынок. Камера не заменяет управляющего, а увеличивает количество объектов, которыми человек способен качественно и объективно управлять.

Один управляющий — десятки магазинов

Следующий этап цифровизации ритейла происходит не только в CRM, ERP или кассовых системах. Он происходит непосредственно в физическом пространстве магазина. 

Мы постепенно получаем возможность оцифровывать почти всю операционную воронку: внешний трафик, входящий поток, очереди, загрузку зон, присутствие персонала, выполнение стандартов, коммуникацию с покупателем и конверсию в продажу.

Дальше эти показатели можно сопоставлять между магазинами. Почему две точки с одинаковым потоком дают разную выручку? Почему одна лучше конвертирует прохожих во входящий трафик? Что произошло после запуска промо? В какие часы магазину не хватает сотрудников? Какие нарушения действительно коррелируют со снижением продаж?

Но здесь возникает еще одна важная задача. Технологии научились собирать данные быстрее, чем компании сформировали привычку ими пользоваться. Недостаточно поставить видеоаналитику и сформировать очередной дашборд. Управляющий должен получать не сотню новых показателей, а несколько понятных сигналов: где возникло отклонение, почему на него стоит обратить внимание и что нужно проверить сегодня.

Камеры присутствуют в магазинах 24 часа в сутки. И если раньше они в основном сохраняли доказательства того, что уже произошло, то теперь могут становиться постоянными цифровыми ассистентами бизнеса: измерять происходящее, замечать отклонения и помогать одному управляющему эффективно работать уже не с одной или несколькими точками, а с десятками.