3 сентября на форуме «ИТ и инновации в ритейле» выступил Заур Абуталимов, генеральный директор ivideon. Он рассказал, как камеры благодаря видеоаналитике стали ассистентами управляющих ритейл — сетей. В статье подробно рассказываем, как видеонаблюдение уже помогает оцифровать путь покупателя и найти точки роста для розничной торговли.
Онлайн-ритейл приучил бизнес видеть практически всю воронку покупателя. Сколько пользователей увидели рекламу, перешли на сайт, открыли карточку товара, положили его в корзину, дошли до оплаты и на каком этапе ушли. Для каждой точки можно рассчитать конверсию и искать причины потерь.
В офлайн-рознице долгое время большая часть этой воронки оставалась невидимой.
Ритейлер знает количество чеков, средний чек и выручку. Но между человеком, который прошел мимо витрины, и покупателем, который оплатил товар, находится множество промежуточных этапов. На каждом из них сеть может терять клиентов — и не увидеть упущенную выручку в отчетности.
Камеры, которые уже установлены в магазинах прежде всего для безопасности, все это время собирали данные, но до сих пор не отдавали их бизнесу. С развитием облачного видеонаблюдения (VSaaS, Video Surveillance as a Service) и видеоаналитики камеры становятся инфраструктурой сбора данных об офлайн-бизнесе.
Алгоритмы видеоаналитики могут самостоятельно анализировать видео и превращать происходящее в торговом зале в показатели, с которыми можно работать так же, как с данными интернет-магазина. А сервисы облачного видеонаблюдения сделали внедрение ИИ-видеоаналитики простыми и недорогим.
От количества чеков к офлайн-воронке
Одна из базовых метрик для физического магазина — входящий трафик. Видеоаналитика позволяет автоматически считать количество людей, вошедших в магазин за определенный период, и сопоставлять эти данные с количеством покупок.
Например, если за день магазин посетили 1 000 человек, а покупки совершили 250, конверсия посетителей в покупателей составит 25%.
Сама по себе эта цифра уже дает больше информации, чем данные о выручке. Если продажи магазина снизились на 10%, возможны принципиально разные причины: уменьшился входящий поток или людей приходит столько же, но покупать стали реже.
В первом случае стоит анализировать расположение точки, сезонность, маркетинговое продвижение или изменения трафика торгового центра. Во втором — ассортимент, цены, работу персонала, наличие товара, очереди и клиентский опыт.
Для сети из десятков или сотен магазинов такая аналитика становится еще полезнее. Можно сравнивать точки не только по абсолютной выручке, но и по эффективности работы с существующим потоком.
Условно, магазин А получает 2 000 посетителей и делает 400 продаж, а магазин Б — 1 200 посетителей и те же 400 продаж. По выручке их результаты могут выглядеть сопоставимыми. С точки зрения конверсии — ситуация совершенно разная.
Первая точка потерь: человек прошел мимо и не зашел
Следующий уровень аналитики — оценка не только вошедших, но и потенциального трафика около магазина.
Для точки в торговом центре или магазина с отдельным входом можно анализировать поток людей, проходящих рядом, и сравнивать его с количеством посетителей.
Так появляется еще одна метрика — конверсия внешнего трафика во входящий.
Предположим, за день мимо магазина прошли 10 000 человек. Внутрь зашли 1 000. Значит, магазин смог привлечь около 10% доступного потока.
Для ритейлера это возможность оценивать эффективность витрины, вывески, промоматериалов, расположения входа и отдельных маркетинговых активностей.
Особенно показательна динамика.
Если после смены витрины поток торгового центра остался прежним, но доля вошедших выросла с 8 до 11%, появляется измеримый результат изменений. Если же посещаемость падает при неизменном внешнем потоке, проблему следует искать уже на уровне конкретной торговой точки.
Таким образом, камера начинает отвечать на вопрос, который раньше было сложно измерить: сколько потенциальных покупателей магазин получил и сколько из них сумел заинтересовать настолько, чтобы они вошли внутрь?
Вторая точка потерь: покупатель вошел, но ничего не купил
Еще более значимый показатель — посетители, покинувшие магазин без покупки. Для бизнеса важно не только зафиксировать этот факт, но и найти закономерность.
Если в определенные часы доля ушедших без покупки растет, это может быть связано с нехваткой персонала, очередями, выкладкой, отсутствием популярных товаров или другими операционными проблемами.
Здесь ценность появляется при объединении разных источников данных. Видеоаналитика показывает поток посетителей и происходящее в торговом пространстве, а кассовая система — покупки.
В результате вместо двух разрозненных показателей «посещаемость» и «выручка» возникает полноценная воронка: мимопроходящий трафик → вход в магазин → взаимодействие с торговым пространством → покупка.
И на каждом этапе можно измерять конверсию.
Третья точка потерь: очередь
Покупатель может выбрать товар и все равно уйти без покупки. Одна из причин — очередь.
Видеоаналитика позволяет автоматически определять количество людей в кассовой зоне и отслеживать превышение заданных показателей. Например, если у кассы сформировалась очередь, система может отправить ответственному сотруднику уведомление о необходимости открыть дополнительную кассу.
Но для руководителя сети еще важнее накопленная статистика.
Если очереди регулярно возникают в определенные часы, можно сопоставить эти данные с графиком сотрудников и входящим потоком. Тогда управление персоналом строится уже не только на опыте директора магазина, а на фактической нагрузке.
Вместо вопроса «достаточно ли у нас кассиров?» бизнес получает данные: в какие часы возникает пик посетителей, насколько быстро растет очередь и как это отражается на конверсии.
Четвертая точка потерь: пространство магазина работает неэффективно
Трафик внутри магазина тоже неоднороден. Одни зоны получают постоянный поток, другие остаются практически незаметными. Покупатели могут редко останавливаться около конкретной категории.
Анализ перемещения людей позволяет оценивать востребованность зон магазина, тестировать планировку и сравнивать изменения после перестановки оборудования или выкладки.
Если товарная зона кажется удачно расположенной, но большая часть покупателей до нее просто не доходит, проблема может быть не в ассортименте. И наоборот: высокий поток около категории при низких продажах становится поводом анализировать уже предложение, цены или наличие товара.
Почему облачная модель меняет экономику видеоаналитики
Ранее внедрение видеоаналитики ассоциировалось с крупным дорогостоящим проектом: разворачиванием серверной инфраструктуры, покупкой дорогого оборудования, интеграцией и длительным внедрением.
Облачная модель меняет этот подход — в сервисах видеонаблюдения обработка, хранение и управление всеми камерами становятся доступны на одной платформе. Для розничной сети это особенно важно: десятки или сотни территориально распределенных объектов можно объединить в единой системе.
Например, в ivideon управляющий или региональный директор может получать доступ к камерам разных магазинов через единый личный кабинет, а поверх видеонаблюдения подключать необходимые модули видеоаналитики.
При этом не требуется полностью менять существующую систему камер. Облачная платформа может подключаться к уже установленным камерам, что позволяет ритейлеру постепенно добавлять новые сценарии аналитики.
Это снижает порог входа: вместо большого проекта сеть может начать с конкретной бизнес-гипотезы — например, подсчета посетителей или контроля очередей на нескольких объектах, оценить результат и затем масштабировать решение.
Вопросы управляющих сети
Для сетевого ритейла аналитика по распределенной сети объектов обеспечивает возможность сравнивать магазины между собой по единым метрикам. Центральный офис может видеть не только продажи каждой точки, но и контекст, в котором эти продажи были получены.
Магазин выполнил план благодаря высокой конверсии или ему просто достался большой поток? Почему две точки с сопоставимой посещаемостью показывают разную выручку? Что произошло после изменения витрины? Достаточно ли персонала в часы пик?
Аналитика офлайн процессов в магазинах позволяет получить и накопить ответы на эти вопросы, что переводит управление офлайн-магазином в область измеримых показателей.
Офлайн становится измеримым
Камеры уже установлены в огромном количестве торговых объектов. Следующий этап — научиться получать из этой инфраструктуры данные.
В онлайне бизнес давно управляет конверсией на каждом этапе воронки. Теперь аналогичный подход становится доступен и физической рознице.
Мимопроходящий трафик показывает потенциальную аудиторию точки. Количество вошедших — способность магазина привлечь ее. Доля покупателей — эффективность конверсии посетителей в продажи. Очереди, загрузка зон и поведение потока помогают искать причины, почему часть клиентов теряется.
В результате видеонаблюдение перестает быть системой, которая нужна только тогда, когда что-то произошло.
Камера становится инфраструктурой оцифровки офлайна — инструментом, который позволяет физическому магазину наконец начать отдавать бизнесу данные о том, что происходит между входом покупателя и кассовым чеком.
