Видеоаналитика в торговле: взгляд ритейлера

Василий Громов, директор по информационным технологиям торговой сети «Карусель» (X5 Retail Group) рассказал Retail.ru, зачем ритейлерам и покупателям нужна видеоаналитика.

— Насколько сейчас, на ваш взгляд, развиты технологии работы с видео?

— Видеоаналитика находится в стадии активного развития. Вычислительные мощности быстро увеличиваются и дешевеют, а вместе с ними появляются и новые возможности технологий. Становится все проще  использовать  более сложные алгоритмы, нейронные сети для распознавания образов или даже целых цепочек действий. 

Сначала процесс развития технологии шел достаточно медленно: с момента распознавания первого текста прошло много лет, сейчас же развитие значительно ускорилось, но до «финала» еще далеко.

Как бизнес использует эту технологию? 

Пока у бизнеса нет детального понимания, какие задачи может решать видеоаналитика. Сейчас она более или менее развита для служб безопасности, но находится в зачаточном состоянии для остальных бизнес-функций.

Сегодня на рынке видеоаналитики товаров и торговых полок уже есть некоторые продукты для бизнеса, но они дорогие и применяются в основном производителями и поставщиками, не ритейлом. Как только ритейл начнет их серьезно использовать, то рынок сформируется, и технологии постепенно начнут дешеветь.  Я думаю, что в 2018-2019 году закончится процесс формирования ниши видеоаналитики на российском рынке. Ритейл-компании поймут, что таким образом можно эффективнее контролировать, что происходит в магазинах на полках, и начнут инвестировать в это направление.  

— Как именно можно применить видеоаналитику в ритейле?

— В магазине эта технология может быть использована в нескольких направлениях. В первую очередь – для распознавания товаров на полке. Например, в среднем гипермаркете более 700 стеллажей с товарами. Видеоаналитика может помочь быстро «посмотреть» на все эти стеллажи и понять, какие товары есть на полках, а какие лежат не на своих местах.

Делать это вручную достаточно трудоемкая задача. На полках 35 тыс. товаров, и держать в голове планограммы и товарные остатки на складе по каждой категории невозможно. Нужна система, технологическое решение, которое не только ответит на вопрос, что сейчас стоит на полках, но и подскажет сотрудникам, каких товаров нет в торговом зале, но они есть на складе магазина, и их необходимо привезти. Без технологий распознавания изображений это более длительный процесс.

Сотрудники, например, используют процедуру «гэпчека»: сканируют все товары в отделе и сравнивают это с остатками на складе и планограммами. Похожую технологию применяют производители товаров, чтобы контролировать качество работы мерчандайзров.

Кроме того, распознавание видео может помочь понять, насколько правильно зонирован магазин. Мы можем прийти в супермаркет в конкретное время, посмотреть, куда люди заходят, а куда нет, но мы не можем постоянно следить за этим. С помощью анализа видео можно отслеживать, сколько человек зашло в ту или иную секцию в течение дня или недели. А эту информацию использовать для того, чтобы понять, где находятся «не работающие» полки и как нужно расположить стеллажи в торговом зале.

— В каких еще областях, на ваш взгляд, может быть полезна технология распознавания образов?

— Видеоаналитика и распознавание лиц сейчас активно используются службами безопасности. Есть несколько решений, которые достаточно успешно распознают лица, более того, на рынке есть пример создания базы злоумышленников, с помощью которой успешно предотвращаются неправомерные действия. Когда человек с плохой репутацией, ранее, например, уже пойманный на краже, заходит в магазин, службе безопасности приходит об этом сообщение. Польза от такой технологии очевидна.

— Как будет развиваться технология в ближайшее время?

— Следующей ступенью будет идентификация клиентов с помощью анализа видео. Ритейлеру это поможет, например, делать персональные предложения, а еще понимать, как человек ходит по магазину и более эффективно располагать оборудование и товары.

Клиентам такая возможность тоже поможет избежать досадных проблем. Самый простой пример: покупатель забыл карточку лояльности дома, расстраивается из-за этого на кассе, теряет время, разыскивая ее в сумке. А если появится распознавание лиц на кассе, можно будет начислять и списывать баллы не по карте, а «узнавая в лицо» покупателя с помощью технических средств. 

Но, пока, я думаю, этот сервис в России не будет привлекательным. Люди не готовы к тому, чтобы их узнавали в магазине. Если кассир неожиданно обратится к вам по имени и отчеству, а особенно, если он правильно все угадает, вы, наверняка, начнете беспокоиться, что за вами следят. Для того, чтобы у людей появлялась привычка, что их узнают в магазине,  должно пройти какое-то время. А чуть позже это даже может перейти в разряд «обязательных» услуг в магазинах.

— Как устроена технология соотнесения изображения на видео с реальным человеком?

— Системы распознавания лиц не хранят фото. С помощью анализа нескольких кадров система строит функцию, так называемый хэш лица, определяющую расположение точек на лице — скул, газ, ушей и т. д. В следующий раз, попадая в поле зрения камер, подключенных к модулю для распознавания, система сверяет изображение с хэш-каталогом и дает сигнал о том, кто на видео. С точки зрения законодательства, хэш лица не является персональной информацией, так как не позволяет идентифицировать человека без дополнительных сведений.

— Поможет ли это следить за работой сотрудников, улучшать дисциплину?

— Сегодня некоторые технологии интеллектуального распознавания могут помочь понимать, где находится тот или иной сотрудник и чем конкретно он занят. Система по движению человека распознает конкретные действия и дает сигнал об  этом. С помощью этой информации можно определять, например, человек занимается выкладкой товара или просто стоит и разговаривает с кем-то. Это тоже одна из задач, которую можно решать с помощью видеоаналитики.

— Какие «узкие места» есть у технологий видеоаналитики?

— Эта технология не может существовать сама по себе. Чтобы она вошла в список востребованных, нужно адаптировать и другие процессы в бизнесе под новую производительность и высокие результаты искусственного интеллекта. Задача ведь заключается не только в том, чтобы понять, где у тебя проблема, ее нужно и своевременно устранить с помощью людей и процессов.