Na primeira parte do artigo, falei sobre uma nova ferramenta para o negócio de contar e analisar o tráfego humano usando câmeras. Existem poucos produtos para contar pessoas no mercado, mas praticamente não existem produtos que fazem isso analisando o rosto humano. Ao reconhecer rostos, você pode obter as seguintes informações: sexo, idade, histórico emocional e, de fato, o mais importante, um identificador exclusivo para o rosto. O último é necessário para entender que já vimos essa face antes: então, tantas vezes, com tal e tal periodicidade, etc.
Essas análises de vídeo são perfeitamente usadas em varejo, serviços, cafés e restaurantes. Agora você pode analisar clientes de maneira mais específica e precisa: tráfego, exclusividade, repetibilidade, sexo e idade e, é claro, emoções. No contador de pessoas, você pode finalmente separar os funcionários dos visitantes, considerar a duração do serviço e criar atividades de marketing para aumentar a fidelidade do cliente.
Deixe-me lembrá-lo que, por exemplo, um ponto foi levado em consideração - um café (com base na sala de jantar) em Moscou, no qual a câmera é instalada no caixa.
Análise aprofundada de rostos reconhecidos
Os resultados que podem ser obtidos com o Track Expert , e listados na primeira parte do artigo, são aparentes e bastante óbvios: número de compradores, funcionários, segmentação por gênero e idade, emoções. Mas, para tomar decisões estratégicas sérias, você não precisa de análises menos sérias.
Eu quero tocar no tópico da lealdade. Por lealdade, queremos dizer visitas repetidas de clientes e clientes. Assim, quanto mais deles, maior a lealdade.
Decidimos sobre a terminologia. Agora como contar? Como entender que a lealdade está aumentando, diminuindo ou nada está acontecendo com ela?
A opção mais fácil é simplesmente observar a proporção de clientes novos e antigos e a proporção de retorno.
Em média, o coeficiente de retorno aqui flutua em torno de 70%. I.e. cerca de 30% dos novos visitantes vêm diariamente ao café. Isso é muito bom
Agora vamos olhar para aqueles que andam não pela primeira vez, mas condicionalmente constantemente . Pergunta: Com que frequência ou com que frequência os visitantes voltam para cá?
O objetivo da minha pergunta é simples: como garantir que aqueles que já vão ao café (loja, salão, academia de ginástica etc.) vão ainda mais vezes.
A abordagem tradicional é de cartões de desconto. Distribua a todos e depois "veremos". Esta é uma opção normal, mas:
- As pessoas nem sempre carregam cartões de desconto com elas;
- Nem sempre é possível se identificar no caixa por número de telefone ou e-mail. Sim, e muitos deixam dados falsos sobre si mesmos para evitar spam desnecessário;
- Os cartões podem ser transferidos um para o outro (e é isso que J faz);
- Nem toda empresa, em princípio, possui cartões de desconto.
Talvez algo mais tenha esquecido. Mas isso não é mais importante.
Portanto, o rosto humano está se tornando uma boa alternativa para identificar o comprador e o trabalho pessoal com ele.
Para começar, sugerimos dividir todos os visitantes em 5 grupos: Novo, Muito raro, Raramente, Frequentemente, Com muita frequência.
A fidelidade do cliente não pode ser obtida simplesmente com o clique de um dedo. Obviamente, pode-se esperar que um cliente que vá a um restaurante / café / loja a cada três meses repentinamente comece a ir para lá várias vezes por semana, mas isso provavelmente será uma situação excepcional. O cliente precisa ser conquistado e depois não perdido! E, portanto, é melhor transferi-lo gradualmente de um grupo para outro - de "Novo" para "Muitas vezes".
Para cada empresa, os conceitos de "Frequentemente" ou "Frequentemente" serão diferentes. Portanto, para não se deliciar com as ilusões de quantas vezes as pessoas retornam para você, você pode usar a métrica "Tempo de retorno das visitas" e entender a frequência média de retornos de seus clientes.
Pode-se observar que a maioria dos visitantes são aqueles que frequentam cafés semanalmente (de 1 vez por semana - até 7). Se uma pessoa caminha, por exemplo, em um café a cada duas semanas, ela já pertence à categoria “mês”. Também existem muitos deles. Portanto, a análise de lealdade é realizada principalmente para dois grupos de clientes - para os quais a duração da visita é "semana" e "mês".
Haverá dois objetivos. O primeiro é tentar encontrar alavancagem para transferir o número máximo de visitantes do grupo do mês para o grupo da semana. E o segundo - dentro de cada um dos grupos para influenciar a frequência das visitas de "Muito raro" a "Com muita frequência". Em geral, é uma boa consultoria de marketing.
Usando o exemplo do grupo “Semana”, mostrarei como entender a questão, dividir os visitantes em grupos em termos de lealdade e o que fazer em seguida com todos eles. As frequências para o grupo "semana" foram definidas (podem ser alteradas) da seguinte forma: "Muito raramente" - 1 vez por semana, "Raramente" - 2 ... 3 vezes por semana, "Frequentemente" - 4 vezes por semana, "Frequentemente" - 5 ... 7 vezes por semana.
Por dois meses, fica claro que a proporção do número de visitantes nessas categorias é praticamente inalterada. "Muito raramente" ocupa um mínimo de 50% em relação a outras frequências, portanto, a margem para aumentar o atendimento é muito grande. Para fazer isso, você precisa descobrir quem é quem nessas colunas coloridas.
Não farei uma análise mais aprofundada neste artigo, embora seja interessante. Só posso dizer que, no mínimo, o seguinte pode e deve ser feito:
- veja a distribuição por idade e sexo para cada grupo de frequência. Encontre características comportamentais semelhantes e trabalhe em um plano de marketing individualmente com cada uma delas.
- Após cada etapa do marketing, você precisa medir cuidadosamente as alterações.
Deve-se lembrar que para cada visita (semana / mês / trimestre / ano) o efeito do marketing deve ser esperado exatamente com a frequência apropriada.
Outros usos no varejo
Recordo mais uma vez que todos esses dados foram recebidos de uma câmera. Agora vamos imaginar se existem várias câmeras (dentro do objeto, em objetos diferentes).
Caso 1. Uma câmera na entrada e a segunda no caixa ou na saída.
Colocando duas ou mais câmeras ao mesmo tempo na loja, obtemos outro conjunto de métricas que permitem medir:
- o tempo médio gasto pelo visitante na loja.
- o tempo médio de viagem desde a entrada até a bilheteria.
- emoções dos visitantes na saída e no check-out.
Muitas vezes, os clientes desejam informações sobre o tempo que os clientes passaram na loja. Usando contadores de visitantes tradicionais, você não pode obter essas informações. Só podemos falar sobre um certo valor médio durante um período de tempo. Por exemplo, em 1 hora 14 pessoas entraram, 9 saíram ou vice-versa - 8 pessoas entraram e 12. saíram Agora a pergunta é: Qual é o tempo médio que um visitante permanece em uma loja se cinco cheques foram quebrados no checkout?
Se usarmos a tecnologia de reconhecimento facial, essa tarefa se tornará imediatamente viável e solucionável. Há outra opção - rastrear cada visitante. Mas para isso, a loja precisa ser coberta com uma grade de câmeras para que, por analogia com um sistema de comunicação celular, um visitante seja transferido de uma célula (zona de câmera) para uma vizinha, antes da saída. Uma solução que não é muito acessível em termos de custo será lançada, mais a probabilidade de uma interrupção da faixa (perda de um visitante) no quadro nem sequer é muito pequena.
Com o reconhecimento de rosto, basta remover uma pessoa na entrada e saída, ou na entrada e no caixa. E agora você tem estatísticas precisas sobre o tempo do visitante gasto na loja.
Caso 2. Trabalho preditivo com clientes
Imagine por um momento que os visitantes chegam à sua loja que compraram algo de você mais de uma vez, mas que entraram e saíram recentemente sem fazer compras. Em primeiro lugar, como entender que tal situação está acontecendo em princípio e, em segundo lugar, qual é a razão disso?
A primeira pergunta será respondida com informações do caso 1, além de dados sobre lealdade, além de informações sobre as emoções das pessoas que saem. E na segunda questão, pode haver um milhão de razões. Por exemplo, você mudou a linha de roupas, sapatos, outra coisa e uma pessoa estava procurando exatamente o que comprou no ano passado. O comprador entra uma vez, duas e a terceira você perde. Uma situação familiar? Seria interessante ser proativo e prever esse comportamento ou capturar visitantes fiéis antes mesmo que eles comprassem alguma coisa? A questão é retórica. Mas é importante saber que uma resposta já é possível.
Arquitetura e como funciona
Em um artigo anterior, eu já disse que a arquitetura da solução CVizi é leve. Sem servidores volumosos, registradores. Não há necessidade de manter uma frota de equipamentos e unir tudo.
Além disso, a arquitetura não é nublada em sua forma mais pura. Ela é híbrida. Essa abordagem, dado o estado atual das coisas no desenvolvimento de câmeras de vídeo domésticas, é totalmente justificada.
Agora vou tentar explicar. Do ponto de vista da Internet, as câmeras de vídeo podem ser consideradas alguns sensores que fornecem conteúdo para processamento automático, análise e tomada de decisão adicionais. Você pode direcionar o tráfego para algum servidor em nuvem e processá-lo lá, mas existem várias armadilhas (embora não sejam armadilhas).
- A quantidade de tráfego da Internet que será transmitida para as nuvens. Se um objeto tiver muitas câmeras e / ou você tiver muitos objetos, o volume de tráfego será colossal e serão necessários canais dedicados à Internet. O que está longe de ser sempre possível.
- Requisitos para os servidores que registram e processam o fluxo: poder de computação, redundância, gerenciamento de carga.
- Tolerância a falhas de todo o sistema. Uma forte dependência da integridade de todo o sistema na integridade de até um servidor.
Seria legal usar câmeras não simples, mas inteligentes para tarefas de análise de vídeo. A principal tarefa da qual deve ser uma análise preliminar do fluxo de vídeo "on the fly", a alocação dos eventos desejados a partir dele, para preparar os dados para sua análise. Infelizmente, não é possível encontrar câmeras inteligentes universais no mercado por dinheiro razoável. Portanto, nós "fizemos" nós mesmos.
Vamos examinar brevemente os elementos da arquitetura.
Dispositivo de computação S-Box
Aqui está uma das modificações do dispositivo:
Seu principal objetivo é o processamento primário de um fluxo de uma câmera IP ou USB. Em cada quadro, a função de detecção de rosto encontra rostos, captura-os e forma uma lista de atributos do rosto (coordenadas, ângulo, qualidade da imagem no quadro, distância da câmera). Além disso, essas informações são enviadas para o portal de nuvem CVizi, em execução na plataforma Azure, por meio de um canal criptografado. Observe que o próprio fluxo de vídeo não é transmitido para a nuvem.
O código é escrito em C ++ e Python, que permite usar todo o conjunto de ferramentas para trabalhar com imagens e câmeras.
A propósito, de maneira semelhante, o S-Box também é usado para outras tarefas de análise de vídeo: a detecção de processos de produção, pessoas, veículos e outras coisas.
Câmeras
As câmeras podem ser muito diferentes. Além disso, não há critérios muito rigorosos que limitariam sua escolha. O principal é que são câmeras IP domésticas e não industriais simples (geralmente IP) com um preço democrático. Note-se que a câmera é o equipamento que está sendo modernizado no mercado, provavelmente o mais rápido do que usamos. O principal critério para a escolha de uma câmera específica no pacote de instalação do Track Expert é o Preço / Qualidade. Para manter o custo do pacote de instalação no mesmo nível, mas ao mesmo tempo para melhorar constantemente a qualidade do serviço, mantemos sempre atualizados todos os novos produtos. Em nosso laboratório de teste, sempre há exemplos de candidatos a câmeras para uma tarefa comercial específica.
Por exemplo, no momento da redação para reconhecimento facial, estamos usando essas câmeras de 5MP de dois fatores de forma.
Portal CVizi
O portal é realmente o coração de todo o sistema, que simplesmente possui inúmeras funções. Lista o mais básico.
O primeiro é o armazenamento de dados. É aqui que o SQL Azure nos ajuda. Primeiro, usamos o SQL Server tradicional implantado em máquinas virtuais. E essa foi uma boa opção, pois temos competências suficientes para gerenciar e otimizar o desempenho do SQL Server. Mas, em algum momento do crescimento dos clientes, percebemos que se torna fisicamente difícil e pouco eficiente gerenciar um grande número de bancos de dados pequenos e não muito. O SQL Azure resolveu facilmente nossas tarefas com um sistema de análise integrado com treinamento em computador e tecnologias adaptáveis para otimização contínua do desempenho do banco de dados em tempo real.
Também é conveniente gerenciar dinamicamente o desempenho do banco de dados, o que permite processar quantidades incríveis de estatísticas.
Em segundo lugar , o Microsoft Blob Storage permite armazenar todas as fotos e vídeos em qualquer quantidade, recebê-los por um hiperlink e usá-los, por exemplo, em ferramentas como o Power BI.
Em terceiro lugar , o serviço cognitivo da API do Microsoft Face. É com a ajuda dele que reconhecemos rostos, agrupamos pessoas semelhantes e calculamos qual deles e quando foi gravado anteriormente.
Para trabalhar com a API do Microsoft Face, usamos Python. Não quero me repetir. No artigo anterior, existem alguns exemplos de scripts para acessar a API do Microsoft Face.
Quarto , um sistema para monitorar e controlar a integridade de todos os equipamentos instalados pelos clientes. De fato, todas as S-Boxs juntas representam a mesma IoT. Criamos um sistema de monitoramento separado para cada dispositivo na rede e monitoramos continuamente a saúde do equipamento. Parece que isso é tão especial? Mas pense em quanto o proprietário, por exemplo, possui uma loja de qualquer equipamento que deva funcionar sem problemas. Uma coisa é que a geladeira ou a caixa registradora quebram e o colapso é imediatamente visível e outro é algum tipo de balcão de pessoas, onde o colapso pode ser aberto em um mês ou mais, quando o proprietário deseja obter um relatório final. Por que não controlado? Por que não relatado? Quem é o culpado? Como restaurar estatísticas? Alguma pesquisa de marketing na loja neste trimestre pelo ralo?
No nosso caso, isso é impossível. Todas as partes interessadas receberão notificações de mau funcionamento do equipamento de alguns minutos a várias horas, e nossa equipe de suporte ajudará a resolver o problema. Além disso, remotamente! Para referência. Como regra, 80% a 90% dos incidentes estão associados a uma queda nos canais de Internet do cliente.
E, para acompanhar os tempos, o sistema de administração do Track Expert tem a capacidade de atualizar remotamente o software. Um novo algoritmo de sucesso apareceu - com o toque de um "botão", ele será atualizado para os clientes que precisam e o utilizam.
Benefícios da arquitetura
A arquitetura CVizi, como você entende, é um híbrido. No local - S-Boxes e na nuvem - serviços do Azure e muito mais.
No local: Rede Distribuída S- Box
O uso de muitos dispositivos pequenos de computação é sempre melhor do que um grande servidor mega / cluster de servidores, para o qual todos os fluxos de vídeo de diferentes fontes são fechados. Por mais poderoso e legal que seja, chegará o momento em que se tornará o gargalo no sistema e a operação de todo o sistema dependerá de seu desempenho. No caso de um sistema distribuído de dispositivos de computação, cada S-Box executa seu próprio pequeno conjunto de tarefas e o desempenho de todo o sistema não depende do desempenho de um S-Box específico.
Além disso, o poder total de computação da S-Box, por exemplo, em algumas instalações razoavelmente grandes pode facilmente exceder o poder de computação dos principais servidores, e o preço do equipamento será várias vezes menor. O mais importante é aprender a gerenciar adequadamente esses computadores distribuídos J. E podemos fazê-lo.
Atualizar infraestrutura no local. Para muitos clientes, esse é um problema muito delicado, pois sempre muito dispendioso e acompanhado por mau funcionamento e tempo de inatividade na operação de todo o sistema, porque transições contínuas (de ferro em ferro ou de plataforma em plataforma) quase nunca acontecem. No caso de uma rede distribuída de dispositivos, tudo se torna simples. A transição pode ser muito suave e não onerosa em termos de compra de um grande número de dispositivos ao mesmo tempo. E durante a atualização, será garantida a operação contínua de todo o sistema.
Nuvem: Azure
Deve-se observar que o Azure fornece ferramentas realmente muito convenientes em termos de gerenciamento de escala e desempenho da infraestrutura. Os clientes são todos diferentes com diferentes volumes de consumo de recursos. Uma coisa é reconhecer de 100 a 300 pessoas por dia em uma loja perto da casa e é uma situação completamente diferente quando um grande shopping center com várias entradas ou uma cadeia de lojas tem um tráfego diário de vários milhares de visitantes únicos.
Com a abordagem tradicional com a arquitetura On Premise, pode surgir uma situação em que as capacidades do servidor podem estar ociosas e, no segundo, podem ser perdidas, especialmente em dias com pico de tráfego. Azure – .
…
. , , : ; , .. ; .. .. . , . . .
, . . , , , . . . . , HoReCa, Event-, – , . , - :
, . , , .
CVizi , , .
—
CVizi . : 'aosipov @ cvizi.com'.
FB .