 |
| 不只是縮時，還有粉塵、噪音、位移偵測 |
零售業的未來就在這裡，電腦視覺（CV）是遊戲的名稱。
這不再是公司是完全線上還是面對面業務的問題。零售業中存在的每種商業模式，都可以從這項技術的無限應用中受益。
不斷發展的人工智慧領域，及其子集機器學習正在不斷推出，幾乎應用於每個行業和領域的新技術。特別是，電腦視覺（CV）已經風靡一時地接管了零售業，其應用程式可以自動執行耗時的任務，同時保持事情的準確性，並增加有形價值。
透過處理圖像和影像，提取和解釋它們包含的資訊，電腦視覺模型是提高零售業關鍵績效指標的必備工具。零售巨頭沃爾瑪報告稱，由於人工智慧的流程自動化，收益成長了 2.8%。
這則報導強調了電腦視覺對零售業影響最大的應用。
（繼續閱讀，探索零售商如何利用這些應用程式來跟上當今的零售世界。）
零售業的現實
隨著「全通路」商業趨勢的出現，關注所有平台的客戶體驗對於確保銷售和對品牌的忠誠度非常重要。
《哈佛商業評論》報告稱，73% 的客戶在線上或親自購買之前，使用零售商提供的每一個接觸點。這意味著購物者在購買前與零售商的虛擬數位和實體物理資源進行互動。這些資源可能涉及一個，帶有互動式目錄和個性化購物建議、應用程式以及店內工具的網站。
畢馬威消費者和零售業國家部門負責人 Matt Kramer 解釋說：「零售商一直在對其數位化轉型進行大量投資，以反應客戶的期望，並在新的現實中蓬勃發展，鑑於潛在的好處，改進的技術帶來的人工智慧和分析，是其業務策略不可或缺的一部分。」
根據最新的年度零售技術研究，60% 的零售商正在增加其 IT 預算，其資料驅動策略側重於推進分析工具和能力、推進數位化轉型和加快訂價最佳化等。
零售商如何跟上？
2020 年，零售市場的全球人工智慧為 37.5 億美元。2021-2028 年期間，預計將從 4.84 億美元成長到 311.8 億美元。 截至今天，沒有跡象顯示這一趨勢會改變。
持續的技術突破正在推動向更高效、更敏捷的行業的轉變。持續不斷的重點是在降低成本的同時為客戶提供價值。
技術開闢了一個全新的能力世界，否則由於時間和金錢的限制，這些能力將不可行。這些功能正在等待開發，零售商不會浪費時間。
教育非常重要；播客、網路研討會和類似活動正在舉行，行業主管者將討論人工智慧、電腦視覺及其未來的影響。零售商必須透過應用人工智慧設定他們希望實現的可衡量的目標。
下一步是選擇一個能夠理解零售商資料細節的專家團隊。這是因為資料的品質和數量，對模型的成功非常重要。專家們從那裡開始建立複雜的應用程式，不斷改變零售營運的方式。
當避免人工智慧意味著落後於競爭對手時，將人工智慧，特別是電腦視覺整合到業務基礎設施中不再是一個選擇的問題。
首先：資料來自哪裡？
電腦視覺適用於視覺資源：影片和影像。該技術採用的不同技術（物件辨識、檢測和追蹤、影像分割和分類等）可以為設定目的轉換資料，也可以將其視為從中提取資訊。
對於店內購物，資料是從攝影機提要中收集的，允許進行無數的視覺分析，以改善客戶參與度和庫存管理，僅舉幾例。對於線上企業來說，資料來自需要處理以展示產品和服務的影像和影片。
建構電腦視覺模型的一般管道。
此外，線上和實體店可以根據客戶的導航模式、偏好，以及他們與產品目錄的互動方式，從客戶的數位行為中收集大量資料。
這些資料是用於學習或訓練的電腦視覺模型的輸入。這意味著模型使用他們被輸入的資料，以後在面對新資料時將其用作決策的標準。
透過這種方式，根據模型在訓練中學到的東西，它可以提供準確的輸出：重複任務的自動化，按尺寸、顏色對產品進行分類，或檢測和追蹤商店裡移動的客戶。
我們在零售業應用電腦視覺的經驗
在 Pento，我們有機會開發不同的框架，來解決最多樣化的問題。我們的客戶來自行業的各個領域，面臨著非常特殊的挑戰。
電腦視覺應用的性質相當不同，但它們都有相同的目的：
- 利潤最大化
- 智慧自動化
- 消除成本誘發錯誤
- 從資料上的隱蔽機會中獲益
- 提高客戶參與度
以下是電腦視覺零售投資應用的一些最大回報清單。
最大化你的商業潛力使用視覺人工智慧
電腦視覺：零售業的 7 個應用程式
1）透過自動影像修飾可銷售的影像
我們知道，購物因疫情而發生了深刻的變化。試穿衣服、觸控物品並仔細檢查成為一個例外。 因此，線上購物被彈射，重點轉向創造平滑自然的線上購物體驗。
寄售公司是成功使用自動影像修飾的明顯例子。Thredup，什麼環繞來了，LXRandCo 浮現了腦海。這種型別的企業收到大量獨特的物品，必須將它們加工成對買家來說，看起來專業和有吸引力的最終產品。
這轉化為大量的影像，這些影像需要大量時間來準確分類、修飾和標記等任務。在整個過程中僱用一個人類團隊的成本很高，而且容易出錯，因此無法擴充套件。
為了實現儘可能接近現實的影像，必須使用自動影像修飾和背景刪除等電腦視覺工具。專業人士大約需要 5 分鐘才能獲得高品質的影像。透過電腦視覺實現自動化，將其減少到僅 10 秒，同時擴充套件到數千張影像版本。
SolidGrids 是完美的盟友，不僅用於影像修飾，而且用於具有高階技術的微調影像，以準確代表品牌。
在 Pento，瞭解準備釋出的影像對銷售管道的重要性，這就是為什麼我們建立了這個有用的產品。實施這些工具的好處遠遠大於努力。它消除了人類修飾時不可避免地發生的過度時間和錯誤。
在視覺吸引力的目錄中，拋光、誘人的影像顯著影響了購買意圖。當客戶看到與線上外觀沒有什麼不同的物品時，產品退貨頻率也會降低。
2）產品可發現性的電腦視覺
從產品的分類和影像所屬的類別，來考慮產品的表示是有幫助的。簡而言之，影像的分類法是指使影像成為現在的屬性。類別允許根據某些標準對影像進行分類，以進入該類別。
零售品牌夏季系列連衣裙的圖片由幾個屬性組成：面料、顏色、長度、輪廓。這些特徵派上用場，供顧客在尋找特定型別的連衣裙時進行過濾。
假設客戶為線上搜尋優先排序的屬性，沒有出現在影像描述中。在這種情況下，可能找不到它，客戶也不會繼續購買。這就是電腦視覺拯救一天的地方，能夠根據影象的外觀而不是標籤對影像進行分類。
3）透過視覺相似性推薦產品
與雜貨店購物車中已經存在的東西，或一件可能完成服裝的衣服相一致的產品建議，是零售商服務的電腦視覺案例。它可以超越並根據過去的購買或客戶的風格來建議商品。
電腦視覺模型可以以一種以相似性無縫快速的方式表示影像，即使處理大量資料也是如此。這增加了購物者向購物車新增額外商品的可能性，並增強了客戶體驗。
你可以造訪我們最近的一則部落格報導，以更詳細地瞭解這一點和嵌入。全球領先的時尚零售商 Zara 不是 AI 的新手。他們的「檢視類似」按鈕，允許購物者繼續探索類似物品，這在遇到庫存過剩事件時特別有用。這有助於更自然地導航目錄和整體積極的購物體驗。
我們的影像推薦人極大地改進了，我們與影像畫廊合作的零售商客戶的目錄導航。他們目前正在從這項明智的投資中獲益，我們繼續努力改善他們的營運。
搜尋引擎和視覺相似性一起工作
線上購物的視覺搜尋是近年來成長最快的趨勢之一。提供高品質的影像，引導潛在客戶進入零售商，這一點非常重要。社交媒體是趨勢的一個強大驅動力，即使是最複雜的客戶，也使用他們在網上看到的影像，來搜尋本地可用的類似專案，並在網路線上推廣。
對於這個應用程式，目的是瞭解是什麼讓兩種產品在不同類別中相似。它需要對影像進行強大而詳細的表示。電腦視覺模型應該能夠捕捉到正確的資訊，以便在進行比較時返回到它。
屬性之間的相互關係，是電腦視覺提供準確結果的重要關鍵點。類似的專案應作為客戶在瀏覽目錄時，尋找夏季連衣裙的建議出現。這提出了一個問題，即是什麼讓兩件連衣裙相似：它可以是輪廓、頸部型別、長度或其他屬性。
銘記這些建議有助於客戶體驗，因此提出這些建議的準確性非常重要。為了解決這些具有挑戰性的問題，我們透過持續研究來瞭解最新技術，為零售商提供具有電腦視覺的最佳解決方案。
如果你對我們所做的感興趣，並想瞭解更多資訊，請前往我們的部落格，我們的團隊在那裡分享翻頁報導和寶貴的資源。
4）電腦視覺行為分析
當顧客接近商店時，他們通常會瞥一眼店面，注意特定專案。進入後，他們可能會花一些時間檢視產品，然後繼續購物。 這些是購買習慣，分析時具有很大的價值。
電腦視覺分析這些模式並追蹤購物者流量，提取為商店營運和行銷活動，增加價值的資訊。
該技術可以根據購物者的人口統計學，對其進行檢測和分類，發現購物者流量高的地區和產品被忽視的寒冷點。 也可以檢測到商店周圍的瓶頸，以及長時間的結賬排隊，這極大地影響了客戶體驗。
這項分析提供了可操作的見解，影響零售商如何設定平面圖以提高通售率。 此外，嚴格的行銷原則不再決定推出產品系列的時間，或如何展示它們。這就是為什麼這個行業越來越多地採用電腦視覺：向客戶學習並採取相應行動的能力。
電腦視覺還提供盜竊行為檢測。該技術瞭解它是什麼，辨識它，並相應地提醒員工。
5）使用電腦視覺進行庫存管理
任何業務的另一個重要部分是有效管理庫存。這涉及許多容易出錯和耗時的任務，使其成為自動化的絕佳候選者。
透過從貨架上輸入系統視覺化資料，並建構穩健的資料集，電腦視覺可以正確辨識和分類專案和數量，同時記錄每個動作。貨架分析和歷史銷售趨勢記錄，有助於防止庫存和貨架可用性低事件。
電腦視覺在零售業的這種應用影響了相關業務，並允許檢測可能的供應鏈問題。歸根究底，這也導致更好地利用人員時間，使員工能夠專注於更具策略意義的任務。
6）價格自動化和利潤最大化最佳化
這個應用程式是人類完成任務的另一個例子，根據可能並不總是客觀的因素做出定價決定。藉助電腦視覺和價格自動化，零售商免除了必須手動將價格應用於每件商品的員工，從而避免了這需要的大量時間、錯誤和金錢。
價格自動化，是零售業最具成本效益的機器學習應用程式之一。在這裡，計算機視覺起著次要作用，機器學習技術是定價演算法的核心。
價格最佳化也很重要，因為價格不是靜態的，而且受到購物趨勢、假日季節以及供求動態的影響。當對某個產品的需求量高時，給予折扣與保持產品以永久高的價格一樣損害利潤，即使它們賣得不佳。
在為特定商品設定最佳價格，和一般定價策略時，還會考慮產品的獨特性和競爭對手提供什麼等因素。
提高生產力和可擴充套件性，是零售商在使用電腦視覺處理訂價麻煩時，從中受益的其他主要優勢。技術設定價格並相應修改價格最佳化策略，是不會失去最大化銷售報酬機會的可靠方法。
7）由於電腦視覺，無收銀店的存在
Amazon Go 和 Grabango 是電腦視覺和其他機器學習技術的例子，這些技術應用於創造一種創新的店內購物方式。
在商店的應用程式上進行身份驗證後，購物者可以取走他們需要的產品（或將它們放回貨架上），然後在離開商店時自動付款。這涉及對使用者、貨架感測器、智慧手推車和攝影機的臉部辨識，這些攝影機在整個商店中追蹤商品。
儘管有員工幫助那些新手，但沒有必要讓傳統的雜貨店工人。購物體驗發生了變化：它消除了線路和結賬，為客戶和零售商節省了寶貴的時間。
儘管這是電腦機視覺，與其他可能不適用於大多數零售商的技術相結合的應用，但它值得一提，因為它為購物方式建立了一個新的基準。
關閉
隨著每天可用的影像和影片數量增加了10億，以及根據零售商的需求，量身訂製的新穎的電腦視覺解決方案，人工智慧帶來的解決方案看不到盡頭。
零售商已經透過使用店內攝影機，和追蹤線上導航路徑來獲得資料。
系統掃描和分析的資料量越高，為業務產生更準確結果的機會就越大。 透過採用智慧零售模式，這些資料成為商業資產，一旦被利用，就會帶來深思熟慮的策略和成長。
疫情成為所有技術相關工具的跳板。前瞻性的零售商應該適應這一新現實，併為未來類似的戲劇性事件做好準備。我們之所以這樣說，是因為一旦人工智慧嵌入營運，並每天提供價值，就必須避免與不確定性相關的損失，並探索新的機會。
0 comments:
張貼留言