Новости

Не только пресечь воровство: зачем ритейлу видеоаналитика? Рассказывает Денис Гришин, директор по продуктам в NtechLab

Системы видеонаблюдения перестали быть просто камерами, перед которыми сидит условный сотрудник охраны и следит, чтобы забывший оплатить покупку что-то не унес из магазина или нерадивый кассир не обсчитал клиента. Сегодня это платформы, использующие Big Data (большие данные) и Machine Learning (машинное обучение), нейросети и многое другое. Как они применяются в ритейле и в чем сложности их внедрения?

Видеоаналитика сегодня — это комплекс решений на основе компьютерного зрения и машинного обучения. Свыше 50% случаев установки систем видеоаналитики в ритейле связаны с распознаванием лиц и силуэтов людей, как сообщает Big Data School. Этот функционал открывает возможности для анализа информации о клиентах и повышения качества обслуживания.

Ритейл — один из бизнесов, который внедряет системы видеоаналитики и которому она нужнее всего: их использование розничными сетями и торговыми центрами началось несколько лет назад. Темпы внедрения таких технологий позволяют с уверенностью утверждать, что они станут неотъемлемой частью нашей жизни: появятся везде уже в течение трех-четырех лет. Сейчас многим интересно попробовать использовать технологию, но экономический эффект сложно прогнозируем.

Основные направления применения видеоаналитики

Первый и главный сценарий — помощь в борьбе с кражами: как целенаправленными, так и «случайными». По оценкам Crime&tech из-за воровства ритейл ежегодно теряет 1,4% от оборота. Видеоаналитика помогает не только зафиксировать умышленную кражу, но и выявить забывчивого покупателя — когда человек проходит мимо кассы, случайно не оплатив покупку. Его останавливает на выходе сотрудник службы безопасности и просит оплатить. В этот момент забывчивый покупатель попадает в черный список — в некоторых системах видеоаналитики это базовая функция. Когда этот покупатель снова зайдет в магазин, охрана получает оповещение и будет внимательнее следить за ним.

Согласно отчету X5 Retail Group, начавшей в 2018 году внедрять видеоаналитику, система помогла компании снизить на 20% потери в магазинах. А в целом выгоду в 2018 году получили около 60% торговых точек компании. Решение «СТОП Шоплифтер», созданное BIT на основе платформы NtechLab, за 2019 год сэкономило клиентам свыше 150 млн рублей — такие потери они бы понесли от шоплифтеров (магазинных воров).

Алгоритм распознавания действий позволяет выявить человека, который что-то забыл в магазине. Система видит, когда покупатель входит, например, с сумкой, ставит ее и выходит уже без сумки. Это важно не только для того, чтобы помочь забывчивому клиенту, но и для повышения уровня безопасности. Почти в 30% случаев видеоаналитику в России используют для распознавания конкретных поведения, инцидентов, изображений, лиц и предметов.

В системах видеоаналитики есть и «белые списки», с помощью которых можно улучшать программы лояльности. Клиент загружает фото для своего аккаунта при оформлении карты и может не носить ее. На кассе или на входе система его распознает и отправит уведомление персоналу. ВИП-клиентов можно приветствовать по имени, а затем предлагать определенные продукты.

Кроме того, видеосистемы также позволяют создать идентификатор для персонализированной рекламы в зоне около кассы для участника программы лояльности. Ретейл пока не слишком активно использует идею, зато к ней пришли рестораны: например, калифорнийская сеть CaliBurger. Распознавание клиента по лицу позволяет не только выдать персонализированные предложения, но и ускорить процесс формирования и выполнения заказа.

В среднесрочной перспективе использование видеоаналитики позволит полностью отказаться от пластиковых карт — российский ретейл к этому уже идет. В 2020 году виртуальным приложением «Кошелек» (позволяет хранить штрихкоды карт) стали пользоваться в два раза больше людей, перенесших туда 300 млн карт. Все они отказались от пластика. А в перспективе возможно внедрение и оплаты по лицу.

Системы видеоаналитики облегчают и учет рабочего времени сотрудников: отмечать не только время прихода на работу и ухода домой, но и нахождение персонала в конкретном отделе, перерывы на обед, перекур. Данные можно объединять с информацией из любой ERP-системы. Идентификацию и контроль сотрудников через такие технологии начали тестировать в X5 Retail Group. А сеть магазинов «Верный» с 2020 года оптимизировал при помощи видеоаналитики внутренние бизнес-процессы в работе с персоналом — система следит, в том числе за скоростью разгрузки машин.

В борьбе с очередями без видеоаналитики тоже не обойтись: система оповещает сотрудников о скоплении людей (условно, когда их больше трех) на кассе, в примерочную и так далее. И вместе с этим собирает информацию о конкретной очереди: время образования, число человек. Это позволяет обеспечить лучшую проходимость касс и увеличить среднюю дневную выручку. Согласно исследованию Honeywell’s, проведенном в Великобритании, предотвращение очередей повышает лояльность клиентов на 35%. В гипермаркетах «Карусель» и «Перекресток» уже внедрена такая система — если в очереди собирается больше пяти человек, к руководству торговой точки идет сигнал отправить свободного кассира.

Видеоаналитика помогает проводить и контроль наличия на полке ассортимента продукции. По данным IHL Group глобальный ритейл теряет 900 млрд евро в год из-за того, что нужные потребителю товары заканчиваются и не появляются своевременно. Система видеоаналитики за следит за тем, чтобы товар находился на полке, и оповещает в случае, если он заканчивается или его уже него. Кроме того, можно понять, если он стоит в неправильном месте. В «Перекрестке» аналогичная технология от Intelligence Retail, внедренная в 2018 году в качестве пилотного проекта в пяти супермаркетах, показала точность почти в 94%. В 2019 году ее развернули уже на 38 «Пятерочек» и 6 «Перекрестков» Москвы.

Еще одно направление — исследование аудитории и формирование маркетинговых отчетов на основании данных, полученных с камер. Система определяет пол, возраст (с точностью до двух лет), подсчитывает общее число посетителей, в том числе уникальных и тех, которые вернулись, помогает составить график загрузки по покупателям. Она позволяет проследить поведение покупателей, траекторию их передвижения в магазине. Это необходимо, чтобы грамотно выстроить расположение отделов с учетом предпочтений большей части аудитории.

Аналогично можно масштабировать идею на весь торговый центр. Для работы с поведением покупателей видеоаналитику внедрила сеть РИВ ГОШ. Результаты пока неизвестны. Но зато в сети супермаркетов «Верный» анализ аудитории и последующая рекламная коммуникация через медиаплееры, размещенные в зале, повысила продажи отдельных категорий продуктов на 70%. А Walmart идет еще дальше и строит собственную рекламную платформу, чтобы улучшать пользовательский опыт клиентов, отчасти за счет видеоаналитики. В стратегии компании медиа-активности на телевизорах в магазинах и наружных экранах, улучшение цифровой рекламы в партнерстве со сторонними агентствами и многое другое.

Проблемы видеоаналитики

Основные сложности применения аналитики на основе Big Data связаны с отсутствием необходимой инфраструктуры для сбора информации и нехватка исторических данных. Например, в случае с видеоаналитикой большинство проектов внедрены во время пандемии COVID-19, и модель поведения покупателя может на следующий год измениться.

Кроме того, есть проблема с неполным или недостаточным покрытием торговых зон из-за нехватки камер. Однако по прогнозам, что стоимость видеокамер будет демонстрировать дальнейшее снижение в течение пяти лет, и решения на основе видеоаналитики будут более распространены и станут применяться повсеместно. В 2020 году Россия уже стала третьей в мире по количеству установленных видеокамер (13,5 млн устройств).

Очень важно обеспечить безопасность и конфиденциальность данных о покупателях. Поэтому информация с камер остается на локальном сервере магазина. И изображение лица попадает туда не в виде фото, а как цифровое описание. То есть понять по нему, что это Иван Иванович с Ленинского проспекта, невозможно. Соответственно, и под действие 152-ФЗ о персональных данных распознавание лиц и ведение внутренней базы видеоаналитика не попадает. Вдобавок, систему можно настроить таким образом, чтобы собранные данные удалялись каждые сутки, а сохранялись только отчеты.

Проникновение видеоаналитики в России постепенно растет: увеличивается доверие к умным решениям со стороны потребителей и распространение камер и датчиков, улучшается инфраструктура. Ритейлеры убеждаются, что технологии помогают им сокращать число клиентов, уходящих без покупок, сокращать потери. Поэтому в ближайшие пять лет решения на основе видеоаналитики появятся везде.

Чек-лист по внедрению видеоаналитики в ритейле:

Определитесь с бюджетом и ключевыми задачами: чем шире функциональность, тем быстрее возврат инвестиций от внедрения системы в торговой точке.

— Учитывайте сегмент деятельности при выборе видеоаналитики: в продовольственных сетях важна работа с очередями, анализ данных посетителей и программы лояльности на кассе. В food-сегменте остро стоит проблема с тем, что покупатели забывают оплатить товар, а для non-food сегмента наиболее востребована работа с персонализированными предложениями, аналитика торговых залов, автоматизация маркетинговых инструментов.

— Информируйте покупателей о внедрении видеоаналитики: несмотря на то, что под 152-ФЗ сбор таких данных не попадает, придерживайтесь принципа честности. Потребитель имеет право знать, что в магазине действует, например, распознавание лиц.