ORBL - технология распознавания лиц, стоящая на страже ритейла и не только

Генеральный директор и основатель компании ORBL Антон Рудов рассказывает о том, как «умные» камеры повышают лояльность клиентов торговых сетей, увеличивают прибыль от продаж, позволяют лучше понимать свой бизнес и дают основу для управленческих решений.

Системы видеонаблюдения с технологией распознавания лиц находят все больше применения в бизнесе. Особенно активно внедряет их ритейл. Торговые сети нуждаются в решениях в области "невидимых систем лояльности" и более глубокой клиентской аналитики. Технология распознавания лиц позволяет собирать новые показатели о клиентах, которых не было раньше (пол, возраст и настроение). Соответственно, полученная информация преобразуется в бизнес-данные, которые могут быть использованы при принятии решений. Как – подробно расскажем в этой статье.

Восприимчивость целевой аудитории к инновации изменилось в течение относительно короткого времени. Ещё полтора года назад потенциальные клиенты не были знакомы с технологией, поэтому в общении с заказчиками нам приходилось много рассказывать непосредственно о принципах работы систем распознавания лиц и ее пользе для бизнес-процессов.

Параллельно мы активно занимались продвижением идеи на различных мероприятиях: участвовали в тендерах, обеспечивали присутствие на отраслевых выставках и круглых столах, проводили и собственные ивенты, куда приглашали потенциальных клиентов из различных отраслей. С ростом информированности целевой аудитории начал срабатывать эффект сарафанного радио.

Сейчас у клиентов возникает все меньше базовых технических вопросов. Мы проводим консультации на тему того, как именно технология распознавания лиц либо сценарий, который мы предлагаем, принесет выгоду (уменьшит затраты, увеличит прибыль, поможет в вопросах безопасности). Как правило, у таких клиентов нет завышенных ожиданий, наоборот – есть понимание того, что "технологическая магия" имеет ограничения.

Другая категория клиентов меньше осведомлена о возможностях систем распознавания лиц. Они нуждаются в предварительном консалтинге. В частности, мы объясняем, как технология может быть интегрирована в их бизнес-процессы, предлагаем стандартные сценарии в отрасли и показываем результаты.

Мы также много работаем с технологическими партнерами, которые встраивают нашу разработку в свои решения, с нашей же стороны требуется помощь с интеграцией и дальнейшая техподдержка.

Благодаря накопленной экспертизе в разных отраслях, главными источниками заказов становится развитая партнерская сеть и канал рекомендаций. Спустя два года после старта проекта основными форматами продаж стали технические партнеры, личные продажи, конференции и входящие запросы.

Рассмотрим конкретный пример – формат «продуктовый магазин у дома», где 99% посетителей выходят через кассу с покупками. Система видеонаблюдения "видит" лицо, распознает его и присваивает базовые характеристики. Таким образом, в базе хранится не оригинальное фото человека, а лишь его вектор.

Следующая стадия – аналитическая: определяются демографические признаки покупателей, частота и длительность посещений, уровень удовлетворенности, heatmap, состав корзины покупок. Система не содержит персональных данных, однако даже обезличенная информация позволяет создать особенную систему лояльности и показывать уникальное предложение каждому анонимному покупателю. Например, на основе данных можно подстраивать рекламу и акции под нужды каждого покупателя.

Процесс поиска в векторной базе очень быстрый: скорость работы платформы по распознаванию сейчас – 0.4 секунды. Этот показатель не зависит от количества первичных шаблонов в базе данных – их может быть более 1 миллиард.

Практика показывает, что приблизительно за две недели можно "оцифровывать" примерно 95% постоянных покупателей средней точки ритейла. После этого заказчики получают распределение по полу, возрасту, дням, часам, месяцам посещения. Что это дает?

Четкое понимание демографического состава, частоты посещений, продуктовой корзины. Допустим, магазин посещают раз в неделю 600 человек, дважды в неделю – 400 и т.д. Эти данные открывают возможности по более тесному взаимодействию с посетителями. А если сопоставить наш шаблон и товарное наполнение чека, то накопится еще больше Big Data.
Прогнозная аналитика. Собранные данные позволяют делать уникальные предложения определенным группам покупателей (возможно, даже каждому из них в отдельности). Таким образом, без карт лояльности и всех связанных с ними прямых и косвенных расходов, можно предоставить ему релевантную скидку с индивидуальным сроком действия.
Черные списки. На входе в магазин камера фиксирует "нежелательных" покупателей (например, ранее пойманных на воровстве) и отправляет уведомление об этом ответственному сотруднику. База таких клиентов распространяется на магазины всей сети. Заказчики сами решают, кого внести в этот список. Разумеется, речь не идет о каких-либо запретительных мерах со стороны ритейлера – просто за такими покупателями персонал следит чуть тщательнее. Со временем некоторые магазины чистят «черные списки».
Эмоциональная составляющая. Система позволяет определять настроение каждого посетителя. Например, мы рассчитываем специальный показатель эмоционального настроения на входе и выходе, а затем сравниваем их. Идеально, если на выходе индекс настроения выше, чем на входе. Бывает и по-другому: например, в одном из кейсов заказчик столкнулся с тем, что при среднем показателе внутри магазина 9,7, на кассах самообслуживания он падал до нуля, тогда как на обычных кассах – поднимался до 13,4. Это дало заказчику пищу для размышлений на тему того, как улучшить процесс взаимодействия покупателей и автоматизированных систем оплаты.
Измерение демографии в динамике. Часто маркетологи проводят акции для определенной группы покупателей. Измеряя результат, они видят рост оборота и делают вывод о том, что акция удалась. Однако может оказаться так, что основными ее участниками стали вовсе не целевые клиенты, и магазину просто повезло окупить затраты на рекламу, пусть и за счет другой категории. Все это свидетельствует о том, что компания не очень хорошо знает свою аудиторию.

Система видеонаблюдения дает более детальные данные о составе целевых групп.

До появления систем распознавания лиц основным способом регистрации покупательского поведения были счетчики, которые фиксируют входящий трафик и соотносят его с количеством чеков, получая базовые данные о конверсии. Однако этот способ не дает информации о "возвращаемости" клиентов (retention) и повторных покупках, не говоря уже о таких данных, как пол и возраст.

Скрытая система лояльности на основе распознавания лиц выгодно отличается от стандартных систем лояльности. Так, скидочную карту можно передать другому человеку – и тогда бизнес теряет представление о том, кто и как пользуется этим инструментом. Технология распознавания лиц позволяет контролировать систему лояльности, соотнося профиль владельца карты с тем, кто использует ее в реальности.

Сферы применения системы

Ритейл – далеко не единственная отрасль, которая интересуется технологией. Вторым крупным заказчиком можно считать банковский сектор, где распознавание лиц встроено в систему безопасности. Кроме того, финансовые учреждения используют инновацию в обслуживании вип-клиентов (менеджеры моментально оповещаются о приходе такого посетителя).

Третье направление – места продаж товаров с возрастным цензом (18+, 21+), особенно на кассах самообслуживания. Технология используется для системы идентификации личности "паспорт+лицо", которая сравнивает фото покупателя и скан документа, удостоверяющего личность. Ошибка системы составляет всего 0.4% (нужно учитывать, что иногда наблюдается очень большая разница в возрасте человека, запечатленного на обоих изображениях).

В настоящий момент технологией интересуется каршеринг, где она поможет решить проблему передачи управления третьим лицам.Система распознавания лиц позволяет проводить проверку личности водителя, сверяя его с профилем.

Транспортная отрасль в целом может стать сферой, куда технология проникнет достаточно глубоко. Так, с ее помощью можно проводить аналитические исследования по изменению пассажиропотока на маршрутах, а также оптимизировать систему оплаты, сделав ее более экономичной. Оплата по лицу – это полностью автоматический процесс, который проходит без участия персонала и подходит для зональной тарификации (система четко фиксирует точки входа-выхода пассажиров).

Метрики в динамике

Технология распознавания обладает большим плюсом по сравнению с другими методами сбора данных: она не влияет на посетителей и не требует от них дополнительных действий. Информация накапливается в базе, анализируется и отображается графически.

Пример информации о частоте посещений в разрезе времени

Как считается монетизация? Приведем примеры метрик:

Установка 10 камер / видео потоков или больше – в зависимости от формата магазина;
Среднее количество магазинов в сети 100 – 200 (в зависимости от типа ритейла, их может быть и несколько тысяч);
Стоимость подписки на 1 камеру в месяц – 1800 – 3000 руб без НДС, разброс зависит от требуемой скорости обработки информации и типов распознавания;
Дополнительно учитывается стоимость хранения биометрических шаблонов в базе – 0.15 руб в месяц за шаблон;
Итоговая сумма зависит от масштабов (предполагаются скидки за объем).

Подробные отчеты в удобной форме и необходимых заказчику разрезах по параметрам позволяют получит достаточную информацию для принятия важных управленческих решений: таких, как расширение ассортимента продукции, расположение товара и его выкладка, время проведения акций. Добавим к этому, что система повышает уровень безопасности объектов. Все эти вопросы напрямую связаны с увеличением прибыли и сокращением рисков и потерь.

#it #распознавание_лиц #ритейл