En la primera parte del artículo, hablé sobre una nueva herramienta para el negocio de contar y analizar el tráfico humano usando cámaras. Existen bastantes productos para contar personas en el mercado, pero prácticamente no hay productos que lo hagan analizando el rostro humano. Al reconocer caras, puede obtener la siguiente información: género, edad, antecedentes emocionales y, de hecho, lo más importante, un identificador único para la cara. Esto último es necesario para comprender que hemos visto esta cara antes: entonces, tantas veces, con tal y tal periodicidad, etc.
Estos análisis de video se utilizan perfectamente en tiendas, servicios, cafeterías y restaurantes. Ahora puede analizar de manera más específica y precisa a los clientes: su tráfico, singularidad, repetibilidad, género y edad y, por supuesto, emociones. En el mostrador de personas, finalmente puede separar a los empleados de los visitantes, considerar la duración del servicio y desarrollar actividades de marketing para aumentar la lealtad del cliente.
Permítanme recordarles que, por ejemplo, se tomó un punto: un café (sobre la base del comedor) en Moscú, en el que la cámara está instalada en la caja.
Análisis en profundidad de caras reconocidas
Los resultados que se pueden obtener con Track Expert , y que enumeré en la primera parte del artículo, son evidentes y son bastante obvios: la cantidad de compradores, empleados, segmentación por género y edad, emociones. Pero para tomar decisiones estratégicas serias, no necesita un análisis menos serio.
Quiero tocar el tema de la lealtad. Por lealtad, nos referimos a visitas repetidas de clientes y clientes. En consecuencia, cuanto más de ellos, mayor es la lealtad.
Hemos decidido la terminología. ¿Ahora cómo contar? ¿Cómo entender que la lealtad está aumentando, disminuyendo o que no le está sucediendo nada?
La opción más fácil es simplemente mirar la proporción de clientes nuevos y recurrentes y la relación de devolución.
En promedio, el coeficiente de retorno aquí fluctúa alrededor del 70%. Es decir Alrededor del 30% de los nuevos visitantes vienen al café todos los días. Esto es muy bueno
Ahora echemos un vistazo a aquellos que caminan no la primera vez, sino condicionalmente constantemente . Pregunta: ¿Con qué frecuencia o con qué frecuencia los visitantes vuelven aquí?
El propósito de mi pregunta es simple: cómo asegurarse de que los que ya van al café (tienda, salón, gimnasio, etc.) vayan aún más a menudo.
El enfoque tradicional son las tarjetas de descuento. Distribuir a todos, y luego "ya veremos". Esta es una opción normal, pero:
- La gente no siempre lleva consigo tarjetas de descuento;
- No siempre es posible identificarse en la caja por número de teléfono o correo electrónico. Sí, y muchos dejan datos falsos sobre sí mismos para evitar spam innecesario;
- Las tarjetas se pueden transferir entre sí (y eso es lo que hace J);
- No todas las empresas, en principio, tienen tarjetas de descuento.
Quizás algo más ha olvidado. Pero eso ya no es importante.
Por lo tanto, el rostro humano se está convirtiendo en una buena alternativa para identificar al comprador y el trabajo personal con él.
Para comenzar, sugerimos dividir a todos los visitantes en 5 grupos: Nuevo, Muy raro, Raramente, A menudo, Muy a menudo.
La lealtad del cliente no se puede obtener simplemente con el clic de un dedo. Por supuesto, uno puede esperar que un cliente que fue a un restaurante / cafetería / tienda una vez cada 3 meses de repente comience a ir allí varias veces a la semana, pero probablemente sea una situación excepcional. ¡El cliente necesita ser ganado y luego no perdido! Y, por lo tanto, es mejor transferirlo gradualmente de un grupo a otro, de "Nuevo" a "Muy a menudo".
Para cada negocio, los conceptos de "A menudo" o "Muy a menudo" serán diferentes. Por lo tanto, para no deleitarse con las ilusiones de la frecuencia con la que las personas vuelven a usted, puede utilizar la métrica "Recientes de las visitas" y comprender la frecuencia promedio de devoluciones de sus clientes.
Se puede ver que la mayoría de los visitantes son los que van a los cafés semanalmente (desde 1 vez por semana, hasta 7). Si una persona camina, por ejemplo, en un café una vez cada dos semanas, entonces ya pertenece a la categoría "mes". También hay bastantes de ellos. Por lo tanto, el análisis de la lealtad se lleva a cabo principalmente para dos grupos de clientes, para quienes la duración de la visita es "semana" y "mes".
Habrá dos goles. El primero es tratar de encontrar el apalancamiento para transferir la cantidad máxima de visitantes del grupo de mes al grupo de semana. Y el segundo, dentro de cada uno de los grupos, para influir en la frecuencia de las visitas de "Muy raro" a "Muy a menudo". En general, se trata de una buena consultoría de marketing.
Utilizando el ejemplo del grupo "Semana", mostraré cómo entender el problema, dividir a los visitantes en grupos en términos de lealtad y qué hacer a continuación con todos ellos. Los valores de frecuencia para el grupo "semana" que establecemos (se pueden cambiar) de la siguiente manera: "Muy raramente" - 1 vez por semana, "Raramente" - 2 ... 3 veces por semana, "A menudo" - 4 veces por semana, "Muy a menudo" - 5 ... 7 veces a la semana.
Durante dos meses está claro que la proporción del número de visitantes en estas categorías casi no ha cambiado. "Muy raramente" ocupa un mínimo del 50% con respecto a otras frecuencias, por lo tanto, el margen para aumentar la asistencia es muy grande. Para hacer esto, debe averiguar quién es quién en estas coloridas columnas.
No haré más análisis en este artículo, aunque es interesante. Solo puedo decir que, como mínimo, se puede y se debe hacer lo siguiente:
- vea la distribución de edad y sexo para cada grupo de frecuencia. Encuentre características de comportamiento similares y trabaje en un plan de marketing individualmente con cada uno de ellos.
- Después de cada paso de marketing, debe medir cuidadosamente los cambios.
Debe recordarse que para cada visita (semana / mes / trimestre / año) el efecto del marketing debe esperarse exactamente con la frecuencia adecuada.
Otros usos minoristas
Les recuerdo una vez más que todos estos datos fueron recibidos de una cámara. Ahora imaginemos si hay varias cámaras (dentro del objeto, en diferentes objetos).
Caso 1. Una cámara en la entrada y la segunda en la caja o en la salida.
Al colocar dos o más cámaras a la vez en la tienda, obtenemos otro conjunto de métricas que le permiten medir:
- el tiempo promedio que pasa el visitante en la tienda.
- el tiempo de viaje promedio desde la entrada a la boletería.
- emociones de los visitantes a la salida y al finalizar la compra.
Muy a menudo, los clientes quieren información sobre el tiempo que los clientes pasaron en la tienda. Con los contadores de visitantes tradicionales, no puede obtener dicha información. Solo podemos hablar de un cierto valor promedio durante un período de tiempo. Por ejemplo, en 1 hora, 14 personas ingresaron, 9 salieron, o viceversa, 8 personas ingresaron y 12 salieron. Ahora la pregunta es. ¿Cuál es el tiempo promedio que un visitante permanece en una tienda si se rompieron 5 cheques en la caja?
Si utilizamos tecnología de reconocimiento facial, esta tarea se vuelve factible y solucionable de inmediato. Hay otra opción: rastrear a cada visitante. Pero para esto, la tienda debe cubrirse con una cuadrícula de cámaras para que, por analogía con un sistema de comunicación celular, un visitante sea transferido de una celda (zona de cámara) a una vecina, antes de la salida. Saldrá una solución que no es muy asequible en términos de costo, más la probabilidad de una interrupción de la pista (pérdida de un visitante) en el marco ni siquiera es muy pequeña.
Con el reconocimiento facial, es suficiente para eliminar a una persona en la entrada y salida, o en la entrada y en la caja. Y ahora tiene estadísticas precisas sobre el tiempo que el visitante pasa en la tienda.
Caso 2. Trabajo predictivo con clientes.
Imagine por un momento que los visitantes vienen a su tienda que le han comprado algo más de una vez, pero que han entrado y salido recientemente sin comprar. En primer lugar, ¿cómo entender que tal situación está ocurriendo en principio y, en segundo lugar, cuál es la razón de esto?
La primera pregunta será respondida con información del caso 1, más datos sobre lealtad, más información sobre las emociones de las personas que se van. Y en la segunda pregunta, puede haber un millón de razones. Por ejemplo, usted cambió la línea de ropa, zapatos, algo más y una persona estaba buscando exactamente lo que compró el año pasado. El comprador entra una vez, dos, y el tercero lo pierde. ¿Una situación familiar? ¿Sería interesante ser proactivo y predecir tal comportamiento o atrapar visitantes leales antes de que incluso compren algo? La pregunta es retórica. Pero es importante saber que una respuesta a esto ya es posible.
Arquitectura y como funciona
En un artículo anterior, ya dije que la arquitectura de la solución CVizi es ligera. Sin servidores voluminosos, registradores. No es necesario mantener una flota de equipos y emparejar todo entre sí.
Además, la arquitectura no está nublada en su forma más pura. Ella es híbrida Este enfoque, dado el estado actual de las cosas en el desarrollo de cámaras de video domésticas, está totalmente justificado.
Ahora intentaré explicarlo. Desde el punto de vista de Internet de las cosas, las cámaras de video pueden considerarse como algunos sensores que suministran contenido para su posterior procesamiento automático, análisis y toma de decisiones. Puede dirigir el tráfico a algún servidor en la nube y procesarlo allí, pero hay varias trampas (aunque no son trampas).
- La cantidad de tráfico de Internet que se transmitirá a las nubes. Si un objeto tiene muchas cámaras y / o usted tiene muchos objetos, entonces el volumen de tráfico será colosal y se requerirán canales de Internet dedicados. Lo cual está lejos de ser siempre posible.
- Requisitos para los servidores que registran y procesan el flujo: potencia informática, redundancia, gestión de carga.
- Tolerancia a fallos de todo el sistema. Una fuerte dependencia de la salud de todo el sistema de la salud de incluso un servidor.
Sería genial usar cámaras no simples, sino cámaras inteligentes para tareas de análisis de video. La tarea principal de la cual debe ser un análisis preliminar del flujo de video "sobre la marcha", la asignación de los eventos deseados a partir de él, para preparar los datos para su análisis. Desafortunadamente, no se pueden encontrar cámaras inteligentes universales en el mercado por dinero razonable. Por lo tanto, lo "hicimos" nosotros mismos.
Repasemos brevemente los elementos de la arquitectura.
Dispositivo informático S-Box
Aquí está una de las modificaciones del dispositivo:
Su objetivo principal es el procesamiento primario de una transmisión desde una cámara IP o USB. En cada cuadro, la función de detección de rostros encuentra rostros, los captura y forma una lista de atributos de rostro (coordenadas, ángulo, calidad de imagen en el marco, distancia a la cámara). Además, esta información se envía al portal en la nube CVizi, que se ejecuta en la plataforma Azure, a través de un canal encriptado. Tenga en cuenta que la transmisión de video en sí no se transmite a la nube.
El código está escrito en C ++ y Python, lo que le permite utilizar todo el conjunto de herramientas para trabajar con imágenes y cámaras.
Por cierto, de manera similar, S-Box también se utiliza para otras tareas de análisis de video: la detección de procesos de producción, personas, vehículos y otras cosas.
Cámaras
Las cámaras pueden ser muy diferentes. Además, no hay criterios muy estrictos que limiten su elección. Lo principal es que se trata de cámaras IP domésticas simples, no industriales (a menudo IP) con un precio democrático. Cabe señalar que la cámara es el equipo que se está modernizando en el mercado, probablemente el más rápido de lo que usamos. El criterio principal para nuestra elección de una cámara en particular en el paquete de instalación Track Expert es Precio / Calidad. Para mantener el costo del paquete de instalación al mismo nivel, pero al mismo tiempo para mejorar constantemente la calidad del servicio, nos mantenemos constantemente al tanto de todos los productos nuevos. En nuestro laboratorio de pruebas, siempre hay candidatos de muestra para cámaras para una tarea comercial en particular.
Por ejemplo, al momento de escribir para reconocimiento facial, estamos usando estas cámaras de 5MP de dos factores de forma.
Portal CVizi
El portal es en realidad el corazón de todo el sistema, que simplemente tiene innumerables funciones. Enumera los más básicos.
El primero es el almacenamiento de datos. Aquí es donde SQL Azure nos ayuda. Primero, utilizamos SQL Server tradicional implementado en máquinas virtuales. Y esta fue una buena opción, ya que tenemos suficientes competencias para administrar y optimizar el rendimiento de SQL Server. Pero en algún momento con el crecimiento de los clientes, nos dimos cuenta de que se vuelve físicamente difícil y no eficiente administrar una gran cantidad de bases de datos pequeñas y no muy pequeñas. SQL Azure resolvió fácilmente nuestras tareas con un sistema de análisis integrado con capacitación informática y tecnologías adaptativas para la optimización continua del rendimiento de la base de datos en tiempo real.
También es conveniente administrar dinámicamente el rendimiento de la base de datos, lo que le permite procesar cantidades increíbles de estadísticas.
En segundo lugar , Microsoft Blob Storage le permite almacenar todas las fotos y videos en cualquier cantidad, recibirlos a través de un hipervínculo y usarlos, por ejemplo, en herramientas como Power BI.
En tercer lugar , el servicio cognitivo API de Microsoft Face. Es con la ayuda de esto que reconocemos caras, agrupamos personas similares y calculamos qué cara y cuándo se grabó antes.
Para trabajar con Microsoft Face API usamos Python. No quiero repetirme, en el artículo anterior hay un par de ejemplos de scripts para acceder a la API de Microsoft Face.
Cuarto , un sistema para monitorear y controlar la salud de todos los equipos instalados por los clientes. De hecho, todos los S-Box juntos representan el mismo IoT. Hemos construido un sistema de monitoreo separado para cada dispositivo en la red y monitoreamos continuamente la salud del equipo. Parece que esto es tan especial? Pero piense en cuánto tiene el propietario, por ejemplo, una tienda de cualquier equipo que debería funcionar sin problemas. Una cosa es si el refrigerador o la caja registradora se descomponen y el desglose es visible de inmediato, y otra es algún tipo de mostrador de personas, donde el desglose puede abrir en un mes o más, cuando el propietario desea obtener un informe final. ¿Por qué no controlado? ¿Por qué no se informa? ¿Quién tiene la culpa? ¿Cómo restaurar las estadísticas? ¿Alguna investigación de mercado en la tienda este trimestre por el desagüe?
En nuestro caso, esto es imposible. Todas las partes interesadas recibirán notificaciones de mal funcionamiento del equipo desde unos pocos minutos hasta varias horas, y nuestro equipo de soporte ayudará a resolver el problema. Por otra parte, de forma remota! Para referencia. Como regla, el 80% -90% de los incidentes están asociados con una caída en los canales de Internet del cliente.
Y para mantenerse al día, el sistema de administración Track Expert tiene la capacidad de actualizar el software de forma remota. Ha aparecido un nuevo algoritmo exitoso: con solo tocar un botón, se actualizará para aquellos clientes que lo necesiten y lo usen.
Beneficios de arquitectura
La arquitectura CVizi, como entiendes, es un híbrido. En el terreno (S-Boxes y en la nube), servicios de Azure y más.
En las instalaciones: red distribuida S- Box
El uso de muchos dispositivos informáticos pequeños siempre es mejor que un gran mega servidor / grupo de servidores, al que se cierran todas las transmisiones de video de diferentes fuentes. No importa cuán poderoso y genial sea, llegará el momento en que se convertirá en el cuello de botella en el sistema y la operación de todo el sistema dependerá de su rendimiento. En el caso de un sistema distribuido de dispositivos informáticos, cada S-Box realiza su propio conjunto pequeño de tareas y el rendimiento de todo el sistema no depende del rendimiento de un S-Box específico.
Además, la potencia informática total del S-Box, por ejemplo, en una instalación bastante grande puede superar fácilmente la potencia informática de los mejores servidores, y el precio del equipo será varias veces menor. Lo más importante es aprender a administrar adecuadamente estos computadores distribuidos J. Y podemos hacerlo.
Mejora de la infraestructura en las instalaciones. Para muchos clientes, este es un tema muy delicado, ya que siempre muy costoso y acompañado de mal funcionamiento y tiempo de inactividad en la operación de todo el sistema, porque las transiciones sin interrupciones (de hierro a hierro o de plataforma a plataforma) casi nunca ocurren. En el caso de una red distribuida de dispositivos, todo se vuelve simple. La transición puede ser muy suave y no costosa en términos de comprar una gran cantidad de dispositivos a la vez. Y durante la actualización, se garantizará el funcionamiento continuo de todo el sistema.
Nube: Azure
Cabe señalar que Azure proporciona herramientas realmente muy convenientes en términos de escalado y gestión del rendimiento de la infraestructura. Los clientes son todos diferentes con diferentes volúmenes de consumo de recursos. Una cosa es reconocer a 100-300 personas por día en una tienda cerca de la casa, y es una situación completamente diferente cuando un gran centro comercial con varias entradas o una cadena de tiendas, tiene un tráfico diario de varios miles de visitantes únicos.
En el enfoque tradicional con la arquitectura On Premise, puede surgir una situación en la que las capacidades del servidor pueden estar inactivas, y en el segundo pueden no ser suficientes, especialmente en los días con asistencia máxima. Y la administración flexible y casi instantánea de la potencia informática utilizada en Azure es solo un regalo para nosotros.
Resumen
Lo que quiero decir en conclusión ...
El progreso tecnológico se acerca inexorablemente a nosotros y cada día nos brinda nuevas y nuevas herramientas y tecnologías. Puede, por supuesto, hablar sobre cómo todo se volvió malo: su cara es reconocida en todas partes; es mejor no salir de casa ahora, porque Gran Hermano te está mirando; No di permiso para mis disparos y análisis, etc. etc. Pero ya lo es. Desde cualquier cámara ubicada en lugares públicos, sus rostros se juntan y se encuentran en archivos de video. Y se reunieron durante mucho tiempo. Te guste o no.
En este momento, el progreso tecnológico ha dado otro paso y se hizo posible procesar estos datos no manualmente, sino automáticamente. Aparecieron redes neuronales convolucionales. Hay videocámaras y microcomputadoras económicas, si no baratas. Recursos disponibles en la nube. La sinergia de estas y otras tecnologías le permite crear productos interesantes para un simple laico. Las aplicaciones están limitadas solo por tu imaginación. Venta minorista, HoReCa, industria de eventos, educación: esto es lo que se nos ocurrió de inmediato. Pero cualquier proceso que implique el análisis de una persona de algunos eventos en el marco puede hacerse con cierto grado de certeza:
- Transferencia del operador a la máquina (visión artificial)
- Acumule estadísticas para los eventos deseados (en lugar de mantener un registro continuo)
- Automatizar el procesamiento de eventos.
- Conecte el análisis predictivo de eventos
Esta es una capa de datos que anteriormente simplemente no existía. Pero por ahora, la disposición de la empresa para tomar estos datos por sí misma y procesarlos, interpretarlos y utilizarlos correctamente es todavía muy baja.
El equipo de CVizi dio otro paso para hacer que tales herramientas de análisis estén disponibles y hacer que las fantasías y los sueños sean un poco más cercanos y reales.
Sobre el autor
Alexey Osipov - Director de Desarrollo de
CVizi . Contactos: 'aosipov @ cvizi.com'. En nuestra página en
FB publicamos noticias sobre el lanzamiento y uso de nuestros nuevos desarrollos y tecnologías.