中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

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據，利用互聯網的技術來變革傳統的線下零售。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能力建設進行思考。

本文僅闡述自己對于人貨場下AI能力建設的思考，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（需求）：為顧客個性化推薦商品，引導顧客成功購買

場景：

1. 顧客在門店外經過，或者逗留閑逛，但是未進店。
2. 顧客發現自己有購物需求，進入店內。
3. 顧客在店內瀏覽自己感興趣的商品。
4. 顧客挑選好商品后收銀結算。

為了能夠實現目標，即達成需求，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構化信息，再通過針對性的AI能力在線下收集顧客特征信息。

顧客的結構化信息：

AI能力建設

基礎算法部分

1. 人臉檢測：實現店內、店外的人臉檢測；人臉檢測的能力是后面人臉識別的關鍵，只有檢測到人臉才能做顧客識別，需要考慮三個衡量指標——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，看公司或業務的具體指標要求。
2. 人臉質量判斷：人臉圖像的質量也是影響后面人臉率的關鍵因素，在檢測到“人臉”后需要對當前人臉做質量判斷，人臉質量的判斷主要包括：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。

上述兩個算法的結果是后續提高顧客人臉識別準確率的關鍵因素。

其實，為了實現上述結果，有兩個途徑可以達到：

1. 使用帶有人臉抓拍功能的攝像頭，比如：?？怠⑸虦?、曠視、地平線都有這樣的抓拍攝像頭，具體抓拍結果需要根據實際場景測試下；
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：店內光照強，人臉低頭玩手機現象嚴重，攝像頭安裝角度、高度等問題都會影響到最終的結果。

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？構建什么樣的產品？可以獲取到顧客的什么樣的信息？

場景 1

顧客在門店外經過，或者逗留閑逛，但是未進店。

目的：吸引顧客進店

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，具體的如何實現人臉識別可以參考《作為AI產品經理，該如何考慮公司自研的人臉識別產品》。
3. 人臉關鍵點檢測：檢測人臉的關鍵點，可以用于分析人臉五官。

產品：顏值互動機，試衣鏡

人臉互動機：比如換臉、顏值排名、掃臉算命

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，識別當前人臉是否是會員。
3. 如果是會員，結合門店銷售數據分析，查詢當前會員的購買記錄，想當前會員推薦她常買的商品；如果不是會員，結合人臉屬性，年齡和性別推薦適合某年齡段的商品。
4. 結合門店優惠券活動，將優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惠券，新用戶可以增加優惠券的力度。

場景2

顧客發現自己有購物需求，進入店內。

目的：統計進店的客流。

指標：進店人數、進店人次、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統計進店人次，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：人臉個數可以當做是人次；對人臉做比對去重，統計進店的人數；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和維護，以及人臉識別率問題。具體問題可以參考《作為AI產品經理，該如何考慮公司自研的人臉識別產品》；

產品：客流統計系統——客流分析模塊

場景3

顧客在店內瀏覽自己感興趣的商品

目的：分析顧客的逛店路徑，統計店內熱力分析，顧客瀏覽商品分析。

指標：顧客關注度，區域停留時長。

算法：

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

產品：客流統計系統——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，在顧客收銀結算的時候將當前顧客的人臉與購買的商品信息關聯。這一步最麻煩的問題在于：如何將訂單和人臉綁定，涉及到關聯邏輯。因為結算時候實際場景是相對復雜的，顧客是否排隊，顧客是否在收銀區逗留等。

產品：客流統計系統—顧客交易記錄分析；需要跟門店的POS收銀系統打通。

后續待解決：

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

結論

以上分析了顧客從店外到店內，再從店內購物結束離店的場景下需要構建的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，后續還需要更好地探索這些信息所能帶來的業務價值，否則我們獲取到的也只是數據信息而已。

本文由 @Eric_d 原創發布于人人都是產品經理。未經許可，禁止轉載

題圖來自Unsplash，基于CC0協議