Узнай меня, если сможешь: зачем ритейлу технологии распознавания лиц

Один из самых обсуждаемых  технологических трендов в сфере ритейла – это распознавание лиц и эмоций. Что эта технология может дать продавцам? О том, какие решения востребованы, что разработчики готовы предложить рынку и как будет развиваться это направление, мы поговорили с компаниями NtechLab  и «ВоКорд», создающими подобные инструменты.

«Системы распознавания образов, в частности распознавания лиц, традиционно применявшиеся в первую очередь в системах безопасности и охраны общественного порядка, сейчас распространяются в бизнес-сферу, – поясняет Сергей Щербина, руководитель отдела маркетинга компании «Вокорд». – Этому способствует как совершенствование самих технологий, так и накопление опыта использования, практических «кейсов». С точки зрения технологий, конечно, мощный импульс придали нейросетевые алгоритмы, которые позволяют добиваться точности распознавания, близкой к 100%, причем делать это буквально «на лету»».

На сегодняшний день многие крупные ритейлеры проявляют серьезный интерес к технологии, рассматривая ее для решения различных задач. 

Но о серьезных внедрениях говорить пока рано. По словам Александра Кабакова, сооснователя NtechLab, ритейлеры начинают с малого, внедряя системы распознавания для определения входящих в магазин покупателей. 

Более сложные интеграции пока откладываются на более поздние сроки. 

«Самое очевидное применение технологии - распознавание покупателей на входе в магазин и определение их принадлежности к «черному списку» или VIP-категории. - рассказывает Александр Кабаков. – Для крупных ритейлеров чувствительны потери от воровства, поэтому служба безопасности получает сигнал при входе такого посетителя и более внимательно следит за ним». 

По словам Сергея Щербины, безопасность – традиционная сфера применения видеоаналитики и технологий распознавания. К ней в «Вокорд» относят не только ведение «черного списка» покупателей и  соответствующую систему оповещение охраны, но еще и фиксацию краж с полок, прилавков и на складе, автоматическое обнаружение оставленных предметов.

 

Распознавание лиц работает и для «противоположного полюса» – ритейлерам премиального сектора важно распознавать VIP-покупателей, лояльных клиентов, предлагать им индивидуального консультанта и т.д. 

Также Сергей упоминает еще одну востребованную задачу – составление так называемых «тепловых карт» торгового зала – построение маршрутов покупателей, расчет времени, которое они тратят в том или ином отделе.

Казалось бы, что зачем компании распознавать лица собственных сотрудников? Но эти технологии оказались очень полезными и для улучшения внутренних бизнес-процессов компании. 

Сергей Щербина отмечает, что распознавание лиц оказывается полезным при разработке  системы контроля доступа и учета рабочего времени для персонала и поставщиков, в мониторинге действий кассира и другие. 

«В больших сетях, где много сотрудников, критично контролировать перемещение персонала, – рассказывает Александр. – Для одного международного проекта, у которого есть сеть в России, мы делаем систему учета сотрудников, контроля рабочего времени. С помощью технологий распознавания мы определяем, сколько времени они проводят на рабочем месте, как часто и насколько отлучаются и т.д.».

Кстати, алгоритмы NtechLab умеют определять эмоции, что тоже немаловажно в контроле сотрудников. Работодатель может оценить, например, насколько дружелюбно продавец общался с покупателем. 

Человеческая оценка эмоций во многом ограничена, и технология распознавания лиц позволяет преодолеть часть этих ограничений, предоставляя более высокий уровень  понимания человеческих эмоций и реакций.

 

Технологии определения эмоций помогают анализировать эмоциональные реакции людей и не только лучше понимать шаблоны поведения людей, но и предсказывать их действия во время шоппинга, в процессе покупки или при просмотре рекламных предложений. 

Издание ChainStoreAge.com приводит пример исследования, связанного с распознаванием эмоций в исследовании рекламы. 

Обычно респонденты отвечают на вопросы о рекламе, которую им демонстрируют, оценивая ее по различным параметрам. Несмотря на то, что этот подход довольно популярен, он во многом зависит от того, насколько точно респонденты могут вспомнить, что им было показано, интерпретировать свои ощущения и выразить их словами. Разумеется, исследователи могут наблюдать и записывать эмоции, которые выражает респондент, но для этого нужны определенные навыки и это невозможно делать постоянно, безостановочно.  

Если же записать эмоции отвечающих людей на видео и скормить его системе распознавания, можно получить более точный результат. Технологии выделяют движения лицевых мышц, анализируют их, сравнивая с большим массивом исходных значений. Они могут более точно улавливать оттенки реакции. 

«У нас есть шесть основных эмоций и порядка 50 вспомогательных, – уточняет Александр Кабаков, сооснователь NtechLab. – Алгоритм работает с определенной точностью, более 90%. В каких-то моментах он может ошибаться, но распознает эмоции намного точнее человека». 

На Западе подобные технологии уже работают у нескольких ритейлеров, и они смогли заметно улучшить результаты своих рекламных кампаний, опираясь на реакцию потребителей. 

 

«Лучшие технологии распознавания достигли сейчас достаточно высокого уровня точности и скорости, чтобы их можно было использовать в ответственных приложениях, таких как, например, авторизация при совершении транзакций, – полагает Сергей Щербина. – Дальнейшее развитие будет связано в первую очередь с прикладным аспектом: интеграцией с существующими системами (например, с CRM для лучшего обслуживания уже распознанных знанных клиентов), «заточенными» под конкретные задачи пользовательскими функциями,  удобством внедрения. Распространению этих технологий будут способствовать «облачные» решения – ритейлер может использовать услуги распознавания изображений со своих камер как сервис, что значительно удешевляет решение в целом». 

Александр Кабаков полагает, что следующий этап в распознавании образов – создание BigData на основе поведения посетителей. «Человек заходит в магазин, с помощью технологии распознавания лиц мы фиксируем его, смотрим его историю покупок, определяем пол, возраст, эмоции и дальше можем вести полную поведенческую аналитику, и выдавать подходящие рекомендации, предполагает Александр. – Например, человек заходит в кофейню и даже не успевает ни с кем поговорить, а ему уже начинают готовить кофе. Или, вы стоите на кассе, а кассир, видя вашу историю покупок, напоминает, что вы давно не покупали зубную пасту».

С экспертами общалась