人货场下的AI能力构建:人、人与货、人与店

2019-04-17

自从阿里提出新零售后,各大巨头纷纷入场,积极布局线下零售体系。随后有京东的无界零售,苏宁的智慧零售,大家都希望能够融合线上线下数据,利用互联网的技术来变革传统的线下零售。整个的线下零售变革无疑是一次围绕线下人、货、场的改变,本文主要针对人、货、场下的AI能力建设进行思考。

本文仅阐述自己对于人货场下AI能力建设的思考,欢迎大家一起交流,另外暂时忽略人体生物属性特征隐私问题~~

目标(需求):为顾客个性化推荐商品,引导顾客成功购买

场景:

  1. 顾客在门店外经过,或者逗留闲逛,但是未进店。
  2. 顾客发现自己有购物需求,进入店内。
  3. 顾客在店内浏览自己感兴趣的商品。
  4. 顾客挑选好商品后收银结算。

为了能够实现目标,即达成需求,需要建立顾客的用户画像,洞悉顾客的商品喜好。首先需要建立用户的结构化信息,再通过针对性的AI能力在线下收集顾客特征信息。

顾客的结构化信息:

AI能力建设

基础算法部分

  1. 人脸检测:实现店内、店外的人脸检测;人脸检测的能力是后面人脸识别的关键,只有检测到人脸才能做顾客识别,需要考虑三个衡量指标——抓拍率、误检率、漏检率;努力做到高抓拍率低误检率,这是一个平衡的过程,看公司或业务的具体指标要求。
  2. 人脸质量判断:人脸图像的质量也是影响后面人脸率的关键因素,在检测到“人脸”后需要对当前人脸做质量判断,人脸质量的判断主要包括:人脸角度、人脸遮挡程度、人脸的大小(可用瞳孔间距判断)、图片的清晰度、图片光照程度。

上述两个算法的结果是后续提高顾客人脸识别准确率的关键因素。

其实,为了实现上述结果,有两个途径可以达到:

  1. 使用带有人脸抓拍功能的摄像头,比如:海康、商汤、旷视、地平线都有这样的抓拍摄像头,具体抓拍结果需要根据实际场景测试下;
  2. 采用普通的摄像头,公司自研上述两个算法,对于算法人员要求很高,尤其是在实际场景中,目前在线下场景中需要面临的问题有:店内光照强,人脸低头玩手机现象严重,摄像头安装角度、高度等问题都会影响到最终的结果。

以下是针对上述四种场景,讲述:每个场景使用什么样的AI算法?构建什么样的产品?可以获取到顾客的什么样的信息?

场景 1

顾客在门店外经过,或者逗留闲逛,但是未进店。

目的:吸引顾客进店

算法:

  1. 人脸属性识别:主要用于识别顾客人脸属性如年龄、性别、表情等特征。
  2. 人脸识别:获取到高质量的人脸后就可以跟门店的人脸库做1:N人脸识别比对了,具体的如何实现人脸识别可以参考《作为AI产品经理,该如何考虑公司自研的人脸识别产品》
  3. 人脸关键点检测:检测人脸的关键点,可以用于分析人脸五官。

产品:颜值互动机,试衣镜

人脸互动机:比如换脸、颜值排名、扫脸算命

  1. 检测顾客的人脸,提供娱乐性的玩法,显示顾客年龄,颜值得分,表情,柳叶眉,桃花眼等。
  2. 识别是否是会员,在为顾客提供人脸娱乐玩法的同时跟门店的人脸底库比对,识别当前人脸是否是会员。
  3. 如果是会员,结合门店销售数据分析,查询当前会员的购买记录,想当前会员推荐她常买的商品;如果不是会员,结合人脸属性,年龄和性别推荐适合某年龄段的商品。
  4. 结合门店优惠券活动,将优惠券活动以二维码的形式加载到大屏幕中,推荐商品的同时为顾客推送优惠券,新用户可以增加优惠券的力度。

场景2

顾客发现自己有购物需求,进入店内。

目的:统计进店的客流。

指标:进店人数、进店人次、回头客、新顾客、会员

算法:

  1. 头肩模型:通过检测顾客的头肩仅可以实现统计进店人次,限制在于无法顾客去重,容易造成虚高的客流假象。
  2. 人脸识别:通过检测顾客的人脸,可以实现:人脸个数可以当做是人次;对人脸做比对去重,统计进店的人数;与会员库做比对,识别是否是会员,获知会员编码;与门店30天人脸库比对,可以实现判断是否是新顾客或者回头客,量化可以判断顾客的到店频次;限制在于人脸识别底库的建设和维护,以及人脸识别率问题。具体问题可以参考《作为AI产品经理,该如何考虑公司自研的人脸识别产品》

产品:客流统计系统——客流分析模块

场景3

顾客在店内浏览自己感兴趣的商品

目的:分析顾客的逛店路径,统计店内热力分析,顾客浏览商品分析。

指标:顾客关注度,区域停留时长。

算法:

  1. 顾客逛店路径和人力分析可以同客流统计算法。
  2. 人体骨骼点检测:检测人体头部、躯干、四肢上的关键点,可以实现检测人与货架商品的交互,获知顾客浏览商品的情况。从而通过数据统计分析推断顾客的浏览喜好,以及浏览最多次数的商品。

产品:客流统计系统——热力图分析模块、顾客动线分析模块、顾客详情

场景4

顾客挑选好商品后,收银结算。

目的:获知顾客购买的商品品类。

算法:人脸识别,在顾客收银结算的时候将当前顾客的人脸与购买的商品信息关联。这一步最麻烦的问题在于:如何将订单和人脸绑定,涉及到关联逻辑。因为结算时候实际场景是相对复杂的,顾客是否排队,顾客是否在收银区逗留等。

产品:客流统计系统—顾客交易记录分析;需要跟门店的POS收银系统打通。

后续待解决:

  1. 人脸检测准确率的提升、人脸识别准确率的提升。
  2. 跟门店收银系统打通,如果是复用门店的安防摄像头,还需要跟安防系统打通。

结论

以上分析了顾客从店外到店内,再从店内购物结束离店的场景下需要构建的AI能力,包含了人的识别分析、人与货的识别分析、人与店的识别分析。

只有很好地感知顾客,分析顾客,才能更好地了解顾客需求,提升门店的销售盈利。其实我们通过AI的手段可以获知顾客的信息,后续还需要更好地探索这些信息所能带来的业务价值,否则我们获取到的也只是数据信息而已。