Hari ini kita akan berbicara tentang penerapan analisis video dalam bisnis ritel, layanan, dan restoran. Ini akan tentang analisis pelanggan, lalu lintas mereka, keunikan, pengulangan, jenis kelamin dan usia, dan, tentu saja, emosi. Sedikit sentuhan pada disiplin karyawan. Hanya akan ada analisis praktis, contoh dan tidak ada air.
Artikel itu ternyata besar, dan saya memecahnya menjadi dua bagian, tetapi masih akan ada banyak surat.
Di belakang artikel " Bagaimana kita dianalisis di bioskop ... dan tidak hanya ".Subjek dengan pengenalan wajah cukup peka secara sosial, oleh karena itu diperlukan pendekatan yang cermat dan hati-hati untuk analisis data. Di satu sisi, adalah penting untuk tidak memasuki bidang data pribadi dan pribadi orang tanpa persetujuan mereka, di sisi lain, untuk mempelajari dan menganalisis minat masyarakat untuk penentuan posisi yang benar dan tidak mengganggu layanan dan barang-barang mereka.
Ingatlah bahwa dalam semua keputusan dan teknologi, kami mempertimbangkan dan menganalisis seseorang di tempat umum sebagai orang anonim yang dengan kepastian tertentu (80-90%) memiliki seperangkat atribut: jenis kelamin, usia, emosi. Kami tidak memperkenalkan parameter pribadi tambahan: nomor dokumen, nama, tanggal lahir, dan tidak mencarinya di jejaring sosial dan basis data lainnya. Dengan demikian, teknologi memungkinkan Anda untuk mendapatkan tidak lebih dari informasi yang dapat diterima oleh orang biasa dengan menonton video yang direkam di tempat umum resmi (toko, restoran, penata rambut, dan hal-hal lain).
Seperti pada posting sebelumnya , tidak akan ada fiksi di sini, tetapi akan ada cerita tentang solusi yang sepenuhnya diterapkan dan terjangkau yang sudah ada dan berfungsi. Kami akan fokus pada aksesibilitas, seperti perusahaan kami sendiri adalah bisnis kecil dan kami mencoba membuat produk kami tersedia pertama-tama untuk usaha kecil.
Analisis video di pasar telah ada sejak lama - tidak selusin tahun. Waktu berlalu, teknologi baru berubah dan muncul. Apa yang dulunya terjangkau hanya untuk perusahaan besar dan lembaga pemerintah memasuki pasar konsumen biasa. Tag harga menjadi terangkat, dan nilai dari penggunaan analisis video pembeli, pengunjung, dan pelanggan bisa sangat besar. Hal utama adalah memahami bagaimana menggunakan data ini sehingga tidak berubah menjadi arsip lain dengan prospek yang tidak jelas!
Ayo pergi.
Alat Analisis Pengunjung
Alat apa yang ada di pasar yang akan memungkinkan bisnis mengumpulkan dan menganalisis data pelanggan, pelanggan, dan pengunjung yang adil? Maksud saya bukan audiens online , di mana semuanya lebih sederhana dan lebih mudah dipahami, tetapi offline .
Pertama , ini sudah merupakan penghitung orang tradisional. Mereka digunakan, jika tidak semua, maka sangat banyak. Mereka praktis wajib di daerah sewaan pusat perbelanjaan, tetapi semakin banyak ditemukan di toko-toko terisolasi, salon, dll. Ini bisa berupa frame IR biasa, bekerja berdasarkan prinsip gangguan balok, bisa berupa penghitung 2D berdasarkan kamera video, penghitung 3D, serta pemindai Wi-Fi. Saya tidak akan membandingkan prinsip kerja, kualitas dan biaya setiap jenis meter dalam kerangka kerja artikel ini. Penting bahwa mereka ada di pasar dan semua orang memilih solusi yang terjangkau dan kualitas perhitungan yang diharapkan. Saya lupa jenis penghitungan lain - manual . Dia juga memiliki tempat untuk menjadi. Saya akan menyebutkan dua opsi umum untuk penghitungan manual: menghitung orang dengan pengontrol langsung di toko, dan menghitung orang dengan arsip video. Secara alami, opsi pertama memiliki karakter yang agak acak, tetapi opsi kedua sangat umum. Saya tahu contoh ketika pemilik jaringan kecil penata rambut terus (dan terus menyimpan) menghitung untuk keenam poinnya. Kerugian dari perhitungan manual cukup jelas: kompleksitas perhitungan, faktor manusia dalam perhitungan, dan, sebagai hasilnya, probabilitas kesalahan yang dapat diprediksi dengan lemah.
Mengapa menghitung orang?
Misalnya, untuk mengetahui kehadiran aktual toko pakaian, salon, atau kafe Anda. Untuk memahami jam kerja puncak, hari, hari dalam seminggu. Untuk menangkap / memprediksi lompatan tersebut. Untuk mengevaluasi konversi penjualan (berapa banyak pergi ke toko - berapa banyak cek di kasir). Akhirnya, untuk mengendalikan staf, untuk mencegah pencurian, dll. Misalnya, di toko penata rambut, master mencatat 5 klien per hari, dan pada kenyataannya - 8.
Kedua , ini adalah kartu loyalitas. Kartu loyalitas bahkan lebih umum daripada penghitung orang dan tujuan utama mereka adalah mendorong klien untuk kembali, dan idealnya kembali berkali-kali. Seluruh program loyalitas diciptakan untuk mengikuti dan mencoba untuk menjaga klien agar tetap maksimal setelah ia tiba untuk pertama kalinya. Itu tidak mudah, tetapi sepadan.
Ketiga , ini adalah kuesioner. Tidak cukup memberi pelanggan kartu diskon. Penting untuk mengetahui dan memahami kepada siapa kartu itu dikeluarkan: jenis kelamin, usia, preferensi, informasi apa pun yang harus membantu bekerja dengan klien secara lebih selektif dan menebak keinginannya.
Alat lain yang semakin mulai muncul di sektor jasa adalah penilaian kualitas layanan pelanggan untuk mereka. Yaitu, pada akhir menerima layanan, klien diundang untuk mengklik salah satu tombol "Suka", "Tidak Disukai".
Dan akhirnya, analisis data tunai dan perbandingannya dengan informasi yang diterima dari semua sumber sebelumnya.
Dengan demikian, tujuan utama mengendalikan kehadiran toko, klub kebugaran, kedai kopi, dan perusahaan lain adalah pencarian leverage yang berkelanjutan sehingga lalu lintas ini tumbuh atau setidaknya tidak turun. Ukuran dan kekhasan bisnis menentukan komposisi alat dan metode.
Jelas, semakin besar bisnisnya, semakin banyak alat yang berbeda dan kombinasi mereka mampu.
Usaha kecil lebih sulit. Di sini, setiap jenis biaya baru sangat dihormati, anggaran pemasaran seringkali sama sekali tidak ada, dan pemiliknya adalah direktur dan pemasarnya sendiri. Tapi tetap saja, tidak ada cukup tangan untuk semua tugas. Jadi, bagaimanapun, Anda harus mendelegasikan tugas ke mesin atau orang.
Oleh karena itu, masalah utama pengendalian dan pemantauan kegiatan operasional adalah masalah kredibilitas data. Adapun yang diterima dari penghitung, dan yang dihitung secara manual.
Jika suatu bisnis mempercayai data, maka sangat sering biaya produk atau teknologi memudar.
Visi komputer - alat modern untuk menganalisis lalu lintas pengunjung
Solusi CVizi , dijuluki Track Expert, memiliki dua cara yang sangat berbeda untuk mengumpulkan dan memproses statistik orang. Yang pertama adalah menghitung orang dengan kepala mereka, dengan kata lain, dengan bagian atas kepala mereka. Dan yang kedua, inovatif - menghitung orang oleh orang dengan berbagai fitur tambahan.
Penghitung pengunjung 2D dan 3D
Pertama, beberapa kata tentang pendekatan pertama, sehingga ada sesuatu untuk mendorong.
Kamera dipasang di atas zona masuk dan menghitung semua yang melewati kedua arah. Metode ini juga disebut penghitung pengunjung 2D, sebagai menggunakan dua koordinat untuk melacak peristiwa masuk atau keluar.
Track Expert menggunakan algoritme penghitung 2D eksklusif yang cukup sederhana, andal, dan memberikan akurasi penghitungan dijamin minimal 85%, dan bahkan lebih dari 90%. Saya ingin memperhatikan istilah "tidak kurang." Tidak ada "hingga 99%" di sana, yang kadang-kadang dapat dicapai, tetapi dalam operasi normal itu baik jika 60%. Ini penting! Karena selama, misalnya, penjualan, penting untuk mengevaluasi peningkatan lalu lintas manusia. Dan jika kesalahannya mengambang, dan bahkan dalam beberapa puluh persen, maka indra dari sensor tersebut adalah nol.
Biasanya, algoritma penghitung 2D terdiri dari beberapa langkah penting:
- Perubahan kualitatif dalam piksel dalam bingkai. Ini dipahami sebagai alokasi pergerakan benda besar relatif terhadap perubahan lain (bayangan, kilatan cahaya, getaran matriks).
- Klasterisasi gerakan yang diidentifikasi - konstruksi kontur objek yang diusulkan. Dengan kata lain, distribusi semua gerakan ditemukan di antara objek bergerak.
- Pelacakan gerakan - objek yang dipilih bergerak, gerakannya harus dikontrol, dan pengidentifikasi unik untuk setiap objek diatur (diperhitungkan saat menghitung).
Selanjutnya, kami memperhitungkan keterbatasan dunia dan toleransi kami:
- Objek tidak dapat muncul dan menghilang di area tertentu, misalnya, di tengah aula (kecuali, tentu saja, ada lubang palka, tutup tembus pandang, objek tidak memiliki kecepatan gila relatif terhadap frekuensi kamera, dll.). Menerima toleransi ini, zona ditetapkan yang ditetapkan, misalnya, di pintu masuk toko dan jalur ditentukan.
- Jika dilihat dari atas, dua orang tidak bisa saling bertumpukan (kecuali, tentu saja, anak-anak di leher orang tua mereka)). Toleransi ini memungkinkan Anda mengatur kemampuan untuk bertabrakan dan mendorong benda bergerak.
Penghitung 3D lebih akurat daripada 2D karena fakta bahwa alih-alih langkah 1 dan 2, 3D tidak menggunakan gerakan, tetapi kedalaman gambar (dan diberikan oleh dua lensa yang diimbangi satu sama lain dengan jarak kecil dan dikalibrasi satu sama lain). Dengan demikian, clustering akan lebih akurat.
Seperti yang saya katakan di atas, penghitung seperti itu (baik 2D dan 3D) cukup umum, tetapi masih ada pertanyaan terbuka tentang kepercayaan pada data, dan di sini kami mengusulkan menggunakan fungsi konfirmasi foto dari semua peristiwa, ketika pengguna selalu dapat memeriksa dan memverifikasi kualitas hitungan sendiri.
Secara alami, Anda bisa mendapatkan laporan dengan pengelompokan yang berbeda berdasarkan objek, zona pintu masuk, hari, minggu, dan waktu hari dan membandingkan kehadiran di bagian ini.
Misalnya, seperti ini:
Jadi, kami memeras informasi maksimum dari data ini. Namun, pelanggan menginginkan lebih: untuk memisahkan pengunjung dari karyawan, untuk memahami bahwa ini bukan pertama kalinya seseorang datang, untuk mengelompokkan audiens berdasarkan jenis kelamin dan usia. Dan untuk mengatasi masalah ini, sudut kamera yang sama (yang terlihat dari atas ke bawah dan dihitung dengan kepala) tidak berfungsi, jadi Track Expert memiliki cara penghitungan kedua - dengan wajah .
Wajah seseorang adalah unit identifikasi yang cukup unik yang memungkinkan Anda mengenali seseorang, jenis kelamin dan usianya, untuk menghitung kapan orang ini muncul di depan kamera untuk terakhir kalinya, untuk memahami apakah orang ini adalah karyawan dan bahkan untuk melihat emosinya.
Analisis audiens dengan wajah dalam mode otomatis - kenyataan atau mimpi?
Di mana pengenalan wajah aktif digunakan sekarang? Teknologi itu sendiri bukanlah hal baru. Begitu saja, sektor perbankan langsung terlintas dalam pikiran, serta segala sesuatu yang berkaitan dengan lembaga penegak hukum dan keamanan fasilitas besar: metro, bandara, perusahaan tertutup, dll. Bisakah bisnis biasa membelinya? Hampir tidak.
Banyak vendor sekarang menawarkan sistem pengenalan wajah. Seseorang mengenali sedikit lebih baik, seseorang sedikit lebih buruk. Ini tidak penting. Ya, mereka mengenali wajahnya, lalu apa? Apa yang harus dilakukan dengan semua array wajah ini? Apakah tim pemasaran Anda siap untuk jumlah informasi baru ini? Mungkin sistem CRM Anda siap menerima data ini dan menganalisisnya?
Bisnis membutuhkan solusi selengkap mungkin sehingga dapat digunakan dan menerima nilai bisnis, dan bukan hanya teknologi.
Akhirnya saya beralih ke bidang praktis, saya akan menunjukkan beberapa contoh dan informasi apa yang disediakan oleh Track Expert dan bagaimana ini dapat membantu bisnis dalam manajemen operasional dan strategis.
Apa statistik yang benar untuk individu dan bagaimana menggunakannya
Di bawah ini saya akan memberikan contoh yang akan memungkinkan Anda untuk mengevaluasi jumlah informasi yang dapat diperoleh hanya dari satu kamera menggunakan Track Expert .
Seharusnya nyaman untuk bekerja dengan data dan percaya padanya. Salah satu pertanyaan pertama yang kami dengar adalah "Buktikan bahwa statistik dikumpulkan untuk orang sungguhan, dan tidak dihasilkan secara acak." Di satu sisi, itu memalukan untuk mendengar, tetapi di sisi lain, ketakutannya jelas. Setelah semua, kami pindah ke bidang hal-hal halus, yang akan menjadi hal biasa dalam lima tahun, dan sekarang ini masih inovasi. Jadi tolong. Simpan bukti kita.
Ini adalah fragmen dari album wajah sepanjang hari:
Sekarang, statistik dan analitik itu sendiri, menggunakan contoh satu bulan dan satu objek (omong-omong, ini adalah kafe, yang membuat Anda melihat analisis melalui prisma yang sesuai).
Tingkat Kehadiran dan Pengembalian
Melihat sejauh ini hanya pada data ini, Anda dapat langsung dan jelas melihat potret pengunjung. Lembaga ini jauh lebih populer di kalangan wanita daripada di kalangan pria. Terlebih lagi, wanita 18 ... 25 tahun dan pria 35 ... 50 tahun, kepada siapa kafe ini jauh lebih cantik daripada yang lain, dapat dengan jelas dibedakan dari diagram usia dan jenis kelamin.
Di tempat pemilik kafe, saya akan berpikir ke arah aspek-aspek berikut. Yang pertama. Bagaimana menarik lebih banyak gadis dari kelompok 18 ... 25 tahun dan laki-laki dari kelompok 35 ... 50 tahun, karena ini sudah seratus persen dari target audiens mereka, dan mereka menemukan sesuatu untuk diri mereka sendiri di kafe. Yang kedua, bagaimana menyamakan perbedaan gender dalam kelompok usia ini, adalah untuk memperketat "ketertinggalan". Saya akan berasumsi bahwa beberapa universitas terletak di dekatnya, yang menciptakan lalu lintas ini dari anak perempuan berusia 18 ... 25 tahun. Jika ini adalah lembaga pedagogis, maka tentu saja itu buruk - menemukan 18 ... pria berusia 25 tahun dalam jumlah ini akan bermasalah, bahkan saya akan mengatakan itu tidak mungkin, tetapi selebihnya tidak akan ada masalah. Atau, Anda dapat bekerja dengan menu dan melakukan beberapa promosi untuk kategori "tertinggal" pelanggan, sementara sama sekali tidak "melanggar" statistik untuk sisanya.
Ada margin untuk kesetiaan, sebagai mengembalikan konversi sekitar 70%:
Durasi layanan
Kamera dipasang di kasir. Untuk industri layanan, kecepatan layanan pelanggan mungkin menjadi salah satu metrik utama untuk kinerja staf. Dan Track Expert memberikan informasi tersebut. Seperti inilah grafik waktu layanan pelanggan menurut jam dalam sehari.
Secara umum, tidak ada masalah yang terlihat. Ada sedikit keterlambatan layanan di pagi hari, tetapi apakah mereka disebabkan oleh kelesuan kasir atau pelanggan sendiri adalah pertanyaan lain. Jadi, di checkout ini semuanya baik-baik saja. Secara umum, ini adalah informasi yang sangat berharga, diperlukan dan bahkan diperlukan untuk membandingkan mesin kasir, operator, dan toko. Anda bahkan dapat membangun dan secara otomatis mengontrol sistem karyawan KPI.
Ada metrik lain, yang kami sebut "Jumlah pendekatan untuk checkout." Jumlah pendekatan berulang ke checkout untuk jangka waktu tertentu secara tidak langsung menunjukkan betapa nyaman dan benarnya barang diletakkan untuk pembeli. Berapa kali klien kembali untuk minum kopi, lalu makan roti, atau bertanya sesuatu? Apakah parameter ini sporadis atau reguler? Metrik ini membantu Anda untuk berpikir, memahami alasan dan menjawab pertanyaan-pertanyaan ini.
Emosi pengunjung
Emosi pelanggan adalah hal yang sesaat, tetapi jika Anda mendekati masalah dengan benar dan mengevaluasi latar belakang emosional selama layanan disediakan, maka statistik akan sangat relevan. Dan ini bisa menjadi metrik lain untuk menilai kualitas layanan, apalagi, sepenuhnya otomatis.
Dengan analogi dengan cara kita menganalisis emosi di berbagai acara dan di bioskop, setiap orang unik memberi kita banyak data, yang menjadi batu bata dalam statistik umum.
Misalnya, lihat rata-rata latar belakang emosi pengunjung selama sebulan:
Nah, semuanya lancar. Semua kasir mungkin cukup ramah, makanan dan harga ke tingkat yang lebih besar, semua orang suka. Secara umum, tidak ada yang luar biasa, sudah menjijikkan.
Anda juga dapat melihat apa yang terjadi di sana di siang hari. Tiba-tiba ada beberapa ledakan karakteristik?
Tapi tidak, tidak ada yang menarik lagi. Kalau begitu mari kita pergi ke arah lain.
Temukan orang-orang yang tersingkir dari latar belakang umum.
Digit empat dan lima digit di sepanjang sumbu X adalah orang yang diurutkan dalam kasus pertama dengan mengurangi emosi positif, dan yang kedua, dengan mengurangi yang negatif.
Dengan demikian, Anda dapat mengambil dan bahkan secara individual bekerja dengan warga ini. Cari tahu apa yang membuat mereka kesal atau terus-menerus kesal, atau apa yang begitu menyenangkan hari itu.
Karyawan dan disiplin
Salah satu masalah mendesak dalam menghitung lalu lintas manusia adalah efek pada statistik karyawan.
Pertama, jauh dari mana-mana ada pintu masuk khusus untuk mereka. Kedua, karyawan dapat dengan sengaja merusak statistik dengan mondar-mandir melewati konter bolak-balik. Dan, ketiga, banyak pemilik dan manajer ingin mengendalikan disiplin karyawan. Tetapi tidak terlalu banyak untuk menonton kilometer video (tidak masalah apakah Anda menyewa seseorang sendiri), tetapi membuatnya seotomatis mungkin. Saya melihat laporan sekali sehari dan semuanya jelas - siapa, kapan, berapa kali. Intinya. Dengan analogi dengan ACS, tetapi hanya dengan konfirmasi foto! Ini tidak berarti pengganti ACS, tetapi hanya tambahan. Saya tidak akan menjelaskan secara rinci penerapan informasi ini, cukup tunjukkan tampilannya.
Kesimpulan di bagian pertama
Di bagian pertama artikel, saya berbicara tentang bagaimana dan data apa yang dapat dikumpulkan menggunakan kamera video. Ini bukan fiksi, tetapi bukan hal-hal sepele, karena banyak yang mungkin keberatan. Layanan pengenalan wajah penuh, tetapi solusi bisnis lengkap berdasarkan pada mereka - sekali atau dua kali dan salah perhitungan.
Pada bagian selanjutnya saya akan berbicara tentang analisis yang lebih dalam, tentang berbagai kasus praktis dalam ritel dan tidak hanya, dan, tentu saja, tentang cara kerjanya. Kami berada di habr !!!
Tim CVizi mengambil satu langkah lagi ke arah itu, fantasi dan impian banyak pemilik menjadi sedikit lebih dekat dan lebih nyata.
Dilanjutkan ....
Tentang penulis
Alexey Osipov - Direktur Pengembangan
CVizi . Kontak: 'aosipov @ cvizi.com'. Di halaman kami di
FB kami memposting berita tentang rilis dan penggunaan perkembangan dan teknologi baru kami.