自從阿里提出新零售后，各大巨頭紛紛入場，積極布局線下零售體系。隨后有京東的無界零售，蘇寧的智慧零售，大家都希望能夠融合線上線下數(shù)據(jù)，利用互聯(lián)網(wǎng)的技術(shù)來變革傳統(tǒng)的線下零售。整個的線下零售變革無疑是一次圍繞線下人、貨、場的改變，本文主要針對人、貨、場下的AI能力建設(shè)進(jìn)行思考。

本文僅闡述自己對于人貨場下AI能力建設(shè)的思考，歡迎大家一起交流，另外暫時忽略人體生物屬性特征隱私問題~~

人

目標(biāo)（需求）：為顧客個性化推薦商品，引導(dǎo)顧客成功購買

場景：

1. 顧客在門店外經(jīng)過，或者逗留閑逛，但是未進(jìn)店。
2. 顧客發(fā)現(xiàn)自己有購物需求，進(jìn)入店內(nèi)。
3. 顧客在店內(nèi)瀏覽自己感興趣的商品。
4. 顧客挑選好商品后收銀結(jié)算。

為了能夠?qū)崿F(xiàn)目標(biāo)，即達(dá)成需求，需要建立顧客的用戶畫像，洞悉顧客的商品喜好。首先需要建立用戶的結(jié)構(gòu)化信息，再通過針對性的AI能力在線下收集顧客特征信息。

顧客的結(jié)構(gòu)化信息：

AI能力建設(shè)

基礎(chǔ)算法部分

1. 人臉檢測：實現(xiàn)店內(nèi)、店外的人臉檢測；人臉檢測的能力是后面人臉識別的關(guān)鍵，只有檢測到人臉才能做顧客識別，需要考慮三個衡量指標(biāo)——抓拍率、誤檢率、漏檢率；努力做到高抓拍率低誤檢率，這是一個平衡的過程，看公司或業(yè)務(wù)的具體指標(biāo)要求。
2. 人臉質(zhì)量判斷：人臉圖像的質(zhì)量也是影響后面人臉率的關(guān)鍵因素，在檢測到“人臉”后需要對當(dāng)前人臉做質(zhì)量判斷，人臉質(zhì)量的判斷主要包括：人臉角度、人臉遮擋程度、人臉的大?。捎猛组g距判斷）、圖片的清晰度、圖片光照程度。

上述兩個算法的結(jié)果是后續(xù)提高顧客人臉識別準(zhǔn)確率的關(guān)鍵因素。

其實，為了實現(xiàn)上述結(jié)果，有兩個途徑可以達(dá)到：

1. 使用帶有人臉抓拍功能的攝像頭，比如：海康、商湯、曠視、地平線都有這樣的抓拍攝像頭，具體抓拍結(jié)果需要根據(jù)實際場景測試下；
2. 采用普通的攝像頭，公司自研上述兩個算法，對于算法人員要求很高，尤其是在實際場景中，目前在線下場景中需要面臨的問題有：店內(nèi)光照強(qiáng)，人臉低頭玩手機(jī)現(xiàn)象嚴(yán)重，攝像頭安裝角度、高度等問題都會影響到最終的結(jié)果。

以下是針對上述四種場景，講述：每個場景使用什么樣的AI算法？構(gòu)建什么樣的產(chǎn)品？可以獲取到顧客的什么樣的信息？

場景 1

顧客在門店外經(jīng)過，或者逗留閑逛，但是未進(jìn)店。

目的：吸引顧客進(jìn)店

算法：

1. 人臉屬性識別：主要用于識別顧客人臉屬性如年齡、性別、表情等特征。
2. 人臉識別：獲取到高質(zhì)量的人臉后就可以跟門店的人臉庫做1：N人臉識別比對了，具體的如何實現(xiàn)人臉識別可以參考《作為AI產(chǎn)品經(jīng)理，該如何考慮公司自研的人臉識別產(chǎn)品》。
3. 人臉關(guān)鍵點檢測：檢測人臉的關(guān)鍵點，可以用于分析人臉五官。

產(chǎn)品：顏值互動機(jī)，試衣鏡

人臉互動機(jī)：比如換臉、顏值排名、掃臉?biāo)忝?/p>

1. 檢測顧客的人臉，提供娛樂性的玩法，顯示顧客年齡，顏值得分，表情，柳葉眉，桃花眼等。
2. 識別是否是會員，在為顧客提供人臉娛樂玩法的同時跟門店的人臉底庫比對，識別當(dāng)前人臉是否是會員。
3. 如果是會員，結(jié)合門店銷售數(shù)據(jù)分析，查詢當(dāng)前會員的購買記錄，想當(dāng)前會員推薦她常買的商品；如果不是會員，結(jié)合人臉屬性，年齡和性別推薦適合某年齡段的商品。
4. 結(jié)合門店優(yōu)惠券活動，將優(yōu)惠券活動以二維碼的形式加載到大屏幕中，推薦商品的同時為顧客推送優(yōu)惠券，新用戶可以增加優(yōu)惠券的力度。

場景2

顧客發(fā)現(xiàn)自己有購物需求，進(jìn)入店內(nèi)。

目的：統(tǒng)計進(jìn)店的客流。

指標(biāo)：進(jìn)店人數(shù)、進(jìn)店人次、回頭客、新顧客、會員

算法：

1. 頭肩模型：通過檢測顧客的頭肩僅可以實現(xiàn)統(tǒng)計進(jìn)店人次，限制在于無法顧客去重，容易造成虛高的客流假象。
2. 人臉識別：通過檢測顧客的人臉，可以實現(xiàn)：人臉個數(shù)可以當(dāng)做是人次；對人臉做比對去重，統(tǒng)計進(jìn)店的人數(shù)；與會員庫做比對，識別是否是會員，獲知會員編碼；與門店30天人臉庫比對，可以實現(xiàn)判斷是否是新顧客或者回頭客，量化可以判斷顧客的到店頻次；限制在于人臉識別底庫的建設(shè)和維護(hù)，以及人臉識別率問題。具體問題可以參考《作為AI產(chǎn)品經(jīng)理，該如何考慮公司自研的人臉識別產(chǎn)品》；

產(chǎn)品：客流統(tǒng)計系統(tǒng)——客流分析模塊

場景3

顧客在店內(nèi)瀏覽自己感興趣的商品

目的：分析顧客的逛店路徑，統(tǒng)計店內(nèi)熱力分析，顧客瀏覽商品分析。

指標(biāo)：顧客關(guān)注度，區(qū)域停留時長。

算法：

1. 顧客逛店路徑和人力分析可以同客流統(tǒng)計算法。
2. 人體骨骼點檢測：檢測人體頭部、軀干、四肢上的關(guān)鍵點，可以實現(xiàn)檢測人與貨架商品的交互，獲知顧客瀏覽商品的情況。從而通過數(shù)據(jù)統(tǒng)計分析推斷顧客的瀏覽喜好，以及瀏覽最多次數(shù)的商品。

產(chǎn)品：客流統(tǒng)計系統(tǒng)——熱力圖分析模塊、顧客動線分析模塊、顧客詳情

場景4

顧客挑選好商品后，收銀結(jié)算。

目的：獲知顧客購買的商品品類。

算法：人臉識別，在顧客收銀結(jié)算的時候?qū)?dāng)前顧客的人臉與購買的商品信息關(guān)聯(lián)。這一步最麻煩的問題在于：如何將訂單和人臉綁定，涉及到關(guān)聯(lián)邏輯。因為結(jié)算時候?qū)嶋H場景是相對復(fù)雜的，顧客是否排隊，顧客是否在收銀區(qū)逗留等。

產(chǎn)品：客流統(tǒng)計系統(tǒng)—顧客交易記錄分析；需要跟門店的POS收銀系統(tǒng)打通。

后續(xù)待解決：

1. 人臉檢測準(zhǔn)確率的提升、人臉識別準(zhǔn)確率的提升。
2. 跟門店收銀系統(tǒng)打通，如果是復(fù)用門店的安防攝像頭，還需要跟安防系統(tǒng)打通。

結(jié)論

以上分析了顧客從店外到店內(nèi)，再從店內(nèi)購物結(jié)束離店的場景下需要構(gòu)建的AI能力，包含了人的識別分析、人與貨的識別分析、人與店的識別分析。

只有很好地感知顧客，分析顧客，才能更好地了解顧客需求，提升門店的銷售盈利。其實我們通過AI的手段可以獲知顧客的信息，后續(xù)還需要更好地探索這些信息所能帶來的業(yè)務(wù)價值，否則我們獲取到的也只是數(shù)據(jù)信息而已。

本文由 @Eric_d 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議