Tres investigadores de QUT forman parte de un equipo de investigación internacional que ha identificado nuevas formas para que los minoristas utilicen la inteligencia artificial junto con las cámaras en las tiendas para brindar un mejor servicio al comportamiento del consumidor y personalizar los diseños de las tiendas para maximizar las ventas.
En una investigación publicada en Revisión de inteligencia artificialel equipo propone un marco de diseño de diseño de tienda impulsado por IA para que los minoristas aprovechen al máximo los avances recientes en técnicas de IA y sus subcampos en visión por computadora y aprendizaje profundo para monitorear los comportamientos de compra físicos de sus clientes.
Cualquier comprador que haya sacado leche del rincón más alejado de una tienda sabe bien que un diseño de tienda eficiente presenta su mercancía tanto para atraer la atención del cliente hacia artículos que no tenían la intención de comprar, aumentar el tiempo de navegación y encontrar fácilmente productos alternativos viables o relacionados agrupados. juntos.
Se ha demostrado que un diseño bien pensado se correlaciona positivamente con el aumento de las ventas y la satisfacción del cliente. Es una de las tácticas de marketing en la tienda más efectivas que puede influir directamente en las decisiones de los clientes para aumentar la rentabilidad.
Los investigadores de QUT, el Dr. Kien Nguyen y el profesor Clinton Fookes de la Escuela de Ingeniería Eléctrica y Robótica, y el profesor Brett Martin, QUT Business School se asoció con los investigadores, el Dr. Minh Le, de la Universidad de Economía de la ciudad de Ho Chi Minh, Vietnam, y el profesor Ibrahim Cil de la Universidad de Sakarya, Serdivan, Turquía, para realizar una revisión exhaustiva de los enfoques existentes para el diseño de la disposición de las tiendas.
El Dr. Nguyen dice que mejorar el diseño del diseño del supermercado, a través de la comprensión y la predicción, es una táctica vital para mejorar la satisfacción del cliente y aumentar las ventas.
«Lo que es más importante, este documento propone un marco completo y novedoso para aplicar nuevas técnicas de inteligencia artificial además de los datos de las cámaras de CCTV existentes para interpretar y comprender mejor a los clientes y su comportamiento en la tienda», dijo el Dr. Nguyen.
«CCTV ofrece información sobre cómo los compradores se desplazan por la tienda, la ruta que toman y las secciones en las que pasan más tiempo. Esta investigación propone profundizar aún más, señalando que las personas expresan emociones a través de expresiones faciales observables, como levantar una ceja, abrir los ojos o sonriente.»
Comprender las emociones de los clientes mientras navegan podría proporcionar a los especialistas en marketing y gerentes una herramienta valiosa para comprender las reacciones de los clientes ante los productos que venden.
«Los algoritmos de reconocimiento de emociones funcionan empleando técnicas de visión por computadora para ubicar la cara e identificar puntos de referencia clave en la cara, como las comisuras de las cejas, la punta de la nariz y las comisuras de la boca», dijo el Dr. Nguyen.
«Comprender los comportamientos de los clientes es el objetivo final de la inteligencia comercial. Acciones obvias como recoger productos, ponerlos en el carrito y devolverlos al estante han atraído un gran interés para los minoristas inteligentes.
«Otros comportamientos, como mirar fijamente un producto y leer la caja de un producto, son una mina de oro para que el marketing comprenda el interés de los clientes en un producto», dijo el Dr. Nguyen.
Además de comprender las emociones a través de las señales faciales y la caracterización del cliente, los gerentes de diseño podrían emplear análisis de mapas de calor, seguimiento de la trayectoria humana y técnicas de reconocimiento de acciones del cliente para informar sus decisiones. Este tipo de conocimiento se puede evaluar directamente a partir del video y puede ser útil para comprender el comportamiento de los clientes a nivel de tienda y evitar la necesidad de conocer las identidades individuales.
El profesor Clinton Fookes dijo que el equipo había propuesto el marco Sense-Think-Act-Learn (STAL) para los minoristas.
«En primer lugar, ‘Sense’ consiste en recopilar datos sin procesar, por ejemplo, a partir de secuencias de video de las cámaras de circuito cerrado de televisión de una tienda para su procesamiento y análisis. Los gerentes de las tiendas suelen hacer esto con sus propios ojos; sin embargo, los nuevos enfoques nos permiten automatizar este aspecto de la detección y para realizar esto en toda la tienda», dijo el profesor Fookes.
«En segundo lugar, ‘Piensa’ es procesar los datos recopilados a través de IA avanzada, análisis de datos y técnicas de aprendizaje automático profundo, como la forma en que los humanos usan sus cerebros para procesar los datos entrantes.
«En tercer lugar, ‘Actuar’ es usar el conocimiento y las ideas de la segunda fase para mejorar y optimizar el diseño del supermercado. El proceso opera como un ciclo de aprendizaje continuo.
«Una ventaja de este marco es que permite a los minoristas evaluar las predicciones de diseño de la tienda, como el flujo de tráfico y el comportamiento cuando los clientes ingresan a una tienda, o la popularidad de las exhibiciones de la tienda ubicadas en diferentes áreas de la tienda», dijo el profesor Fookes.
«Tiendas como Woolworths y Coles ya utilizan de forma rutinaria algoritmos potenciados por IA para atender mejor los intereses y deseos de los clientes, y para brindar recomendaciones personalizadas. Esto es particularmente cierto en el sistema de punto de venta y a través de programas de fidelización. Este es simplemente otro ejemplo del uso AI para proporcionar mejores diseños y diseños de tiendas basados en datos, y para comprender mejor el comportamiento del cliente en espacios físicos».
El Dr. Nguyen dijo que los datos podrían filtrarse y limpiarse para mejorar la calidad y la privacidad y transformarse en una forma estructural. Dado que la privacidad era una preocupación clave para los clientes, los datos podían anonimizarse o anonimizarse, por ejemplo, examinando a los clientes a nivel agregado.
«Dado que hay un intenso flujo de datos de las cámaras de circuito cerrado de televisión, un sistema basado en la nube se puede considerar como un enfoque adecuado para el análisis de diseño de supermercados en el procesamiento y almacenamiento de datos de video», dijo.
«La capa analítica de video inteligente en la fase THINK juega un papel clave en la interpretación del contenido de imágenes y videos».
El Dr. Nguyen dijo que los gerentes de diseño podrían considerar las variables de diseño de la tienda (por ejemplo, el diseño del espacio, las exhibiciones en el punto de venta, la ubicación del producto, la ubicación de los cajeros), los empleados (por ejemplo: número, ubicación) y los clientes (por ejemplo: aglomeración, duración de la visita). , compras impulsivas, uso de mobiliario, formación de colas de espera, receptividad a la exposición de productos).