Роль умной видеокамеры в точках продаж
Умные устройства (камеры, датчики, мониторы и др.), снабженные Edge Computing, подключенные с сети и к тому же поддержанные остальными перечисленными выше технологиями, способны полностью видоизменить процесс общения покупателя с продавцом. Они реализуют человеко-компьютерное взаимодействие (Human-Computer Interaction, HCI) в форме, остающейся незаметной для покупателя. В этой процедуре ключевую роль играют средства видеонаблюдения и digital retail signage – цифровые табло. Первые собирают данные, вторые – предоставляют информацию клиенту.
Экраны по своей функциональности перестанут быть тривиальными носителями нецелевой рекламы, и вместо этого возьмут на себя функции продавца-консультанта. Если покупатель подходит, скажем, к отделу верхней одежды, то средствами видеонаблюдения определяется не только его пол и возраст, но и, судя по облику, стилистические предпочтения, а далее средствами AR он или она могут быть представлены в предлагаемой одежде.
В процессе выбора система способна уточнить желания покупателя, предложить ему дополнительные аксессуары и т.д. Покупатель по ходу выбора может оценивать не только стоимость, изделия, но и его параметры, что, например, существенно для спортивной одежды. Не посещая примерочной кабины, покупатель способен рассмотреть существенно большее количество альтернативных решений. То же самое можно распространить и на другие типы товаров – косметика, очки, детали интерьера и т.д.
И при всем этом – «никаких чудес». Говоря об интеллектуальных технологиях, которые используются в сегменте торговли, надо отдавать себе отчет в том, что мы имеем дело всего лишь с аппаратным и программным обеспечением, способности которых ограничены выполнением определенного числа специализированных функций.
Под smart-технологиями в практическом смысле понимается исключительно то, что называют «слабым искусственным интеллектом (Weak AI). Weak AI целиком и полностью ориентирован на решение прикладных задач, именно поэтому он стал основой современных систем автоматизации с элементами интеллектуальной экосистемы других приложений, в числе которых – усовершенствованные методы видеонаблюдения. Такой подход, помимо усовершенствования процесса продаж, показывает высокую эффективность в более традиционных задачах, таких как обнаружение различного мошенничества, а также при анализе структуры покупок и характера покупательского поведения.
Реальные системы автоматизации торговли не имеют ничего общего с «умными машинами» или «роботами», существующими в сознании популяризаторов идеи искусственного разума, технологической сингулярности и прочего. Все проще и реалистичнее. Показательно, что привлекательные, на первый взгляд, попытки внедрения человекоподобных роботов, информирующих покупателей, оказались безуспешными. Было много сказано и написано об опыте Японии, но даже и там роботы-продавцы недолго продержались в торговых залах. После удовлетворения первого любопытства при совершении покупок публика не захотела обращаться к ним.
Пока все практически ориентированные системы на базе интеллектуальных технологий строятся исключительно на принципах глубокого обучения моделей нейронных сетей (Deep Machine Learning). Для этого требуются большие объемы данных и значительные вычислительные мощности, поэтому прорыв в этой области состоялся несколько лет назад, когда появились соответствующие средства передачи и хранения данных, а также неспециализированные вычисления на графических процессорах (General-purpose computing on graphics processing units, GPGPU). Машинное обучение, по мнению аналитиков, является самым многообещающим технологическим трендом современности.
