.
Três pesquisadores da QUT fazem parte de uma equipe de pesquisa internacional que identificou novas maneiras de os varejistas usarem a Inteligência Artificial em conjunto com câmeras nas lojas para melhor atender o comportamento do consumidor e personalizar os layouts das lojas para maximizar as vendas.
Em pesquisa publicada em Revisão de Inteligência Artificiala equipe propõe uma estrutura de design de layout de loja com tecnologia de IA para que os varejistas aproveitem melhor os avanços recentes nas técnicas de IA e seus subcampos em visão computacional e aprendizado profundo para monitorar os comportamentos de compras físicas de seus clientes.
Qualquer comprador que tenha retirado leite no canto mais distante de uma loja sabe bem que um layout de loja eficiente apresenta sua mercadoria para atrair a atenção do cliente para itens que não pretendia comprar, aumentar o tempo de navegação e encontrar facilmente produtos alternativos relacionados ou viáveis agrupados juntos.
Foi demonstrado que um layout bem pensado se correlaciona positivamente com o aumento das vendas e a satisfação do cliente. É uma das táticas de marketing na loja mais eficazes que podem influenciar diretamente as decisões do cliente para aumentar a lucratividade.
Os pesquisadores do QUT, Dr Kien Nguyen e o professor Clinton Fookes da Escola de Engenharia Elétrica e Robótica e o professor Brett Martin, A QUT Business School se uniu aos pesquisadores Dr Minh Le, da Universidade de Economia, cidade de Ho Chi Minh, Vietnã, e ao professor Ibrahim Cil, da Universidade Sakarya, Serdivan, Turquia, para realizar uma revisão abrangente sobre as abordagens existentes para o design de layout de loja.
Dr Nguyen diz que melhorar o design do layout do supermercado – por meio da compreensão e previsão – é uma tática vital para melhorar a satisfação do cliente e aumentar as vendas.
“Mais importante, este artigo propõe uma estrutura abrangente e inovadora para aplicar novas técnicas de IA sobre os dados de câmeras de CFTV existentes para interpretar e entender melhor os clientes e seu comportamento na loja”, disse Nguyen.
“O CCTV oferece insights sobre como os compradores viajam pela loja, o caminho que eles fazem e as seções onde passam mais tempo. Esta pesquisa propõe aprofundar ainda mais, observando que as pessoas expressam emoções por meio de expressões faciais observáveis, como levantar uma sobrancelha, abrir os olhos ou sorridente.”
Compreender a emoção do cliente enquanto navegam pode fornecer aos profissionais de marketing e gerentes uma ferramenta valiosa para entender as reações dos clientes aos produtos que vendem.
“Os algoritmos de reconhecimento de emoções funcionam empregando técnicas de visão computacional para localizar o rosto e identificar os principais pontos de referência no rosto, como cantos das sobrancelhas, ponta do nariz e cantos da boca”, disse Nguyen.
“Compreender os comportamentos dos clientes é o objetivo final da inteligência de negócios. Ações óbvias como pegar produtos, colocar produtos no carrinho e devolver os produtos de volta à prateleira atraíram grande interesse dos varejistas inteligentes.
“Outros comportamentos, como olhar para um produto e ler a caixa de um produto, são uma mina de ouro para o marketing entender o interesse dos clientes em um produto”, disse Nguyen.
Além de entender as emoções por meio de dicas faciais e caracterização do cliente, os gerentes de layout podem empregar análises de mapa de calor, rastreamento de trajetória humana e técnicas de reconhecimento de ação do cliente para informar suas decisões. Esse tipo de conhecimento pode ser avaliado diretamente do vídeo e pode ser útil para entender o comportamento do cliente em nível de loja, evitando a necessidade de conhecer identidades individuais.
O professor Clinton Fookes disse que a equipe propôs a estrutura Sense-Think-Act-Learn (STAL) para varejistas.
“Em primeiro lugar, ‘Sense’ é coletar dados brutos, digamos, de imagens de vídeo das câmeras de CFTV de uma loja para processamento e análise. Os gerentes de loja fazem isso rotineiramente com seus próprios olhos; no entanto, novas abordagens nos permitem automatizar esse aspecto de detecção e para realizar isso em toda a loja”, disse o professor Fookes.
“Em segundo lugar, ‘Think’ é processar os dados coletados por meio de IA avançada, análise de dados e técnicas de aprendizado de máquina profunda, como a forma como os humanos usam seus cérebros para processar os dados recebidos.
“Em terceiro lugar, ‘agir’ é usar o conhecimento e insights da segunda fase para melhorar e otimizar o layout do supermercado. O processo funciona como um ciclo de aprendizado contínuo.
“Uma vantagem dessa estrutura é que ela permite que os varejistas avaliem as previsões de design da loja, como o fluxo de tráfego e o comportamento quando os clientes entram em uma loja, ou a popularidade dos displays de loja colocados em diferentes áreas da loja”, disse o professor Fookes.
“Lojas como Woolworths e Coles já usam rotineiramente algoritmos com inteligência artificial para melhor atender aos interesses e desejos dos clientes e fornecer recomendações personalizadas. Isso é particularmente verdadeiro no sistema de ponto de venda e por meio de programas de fidelidade. Este é simplesmente outro exemplo de uso IA para fornecer melhores layouts e design de loja orientados por dados e entender melhor o comportamento do cliente em espaços físicos.”
Dr Nguyen disse que os dados podem ser filtrados e limpos para melhorar a qualidade e a privacidade e transformados em uma forma estrutural. Como a privacidade era uma preocupação fundamental para os clientes, os dados podiam ser desidentificados ou tornados anônimos, por exemplo, examinando os clientes em um nível agregado.
“Como há um intenso fluxo de dados das câmeras de CFTV, um sistema baseado em nuvem pode ser considerado uma abordagem adequada para análise de layout de supermercado no processamento e armazenamento de dados de vídeo”, disse ele.
“A camada analítica de vídeo inteligente na fase THINK desempenha o papel principal na interpretação do conteúdo de imagens e vídeos.”
Nguyen disse que os gerentes de layout podem considerar as variáveis de design da loja (por exemplo, design do espaço, expositores de ponto de venda, colocação de produtos, colocação de caixas), funcionários (por exemplo: número, colocação) e clientes (por exemplo: lotação, duração da visita , compras por impulso, uso de móveis, formação de filas de espera, receptividade às exposições de produtos).
.
