Машинное обучение в бизнесе — примеры алгоритмов для розничной торговли

Возможности машинного обучения для малого бизнеса (простыми словами о технологии) с примерами алгоритмов, которые уже работают и приносят прибыль в западных странах. Мы рассмотрели внедрённые в розничную торговлю функции. В основном они касаются машинного зрения.

Автоматизация на алгоритмах машинного обучения в бизнесе торговой отрасли даёт предпринимателям возможность с помощью компьютеров обеспечить лучшую безопасность, оптимизировать покупки, наладить логистику.

Отрасль розничной торговли ежедневно собирает огромные объёмы данных. Ключевые процессы уже давно созрели для автоматизации. Технология искусственного интеллекта, которая уже созрела к внедрению здесь и сейчас — это машинное зрение (компьютерное зрение). И вот, какие функции уже можно внедрить.

Машинное обучение в бизнесе может быть внедрено для автоматизации проверки и уменьшения потребности в кассирах и кассах. Варианты алгоритмов мы собрали в три основных области применения.

1. Свайп картой для входа

   Пример из автоматических магазинов. Для входа клиенту нужно показать карту на камеру. Алгоритм машинного обучение увидит движение человека и его жест «свайп». Технически он распознаётся соотношением движения с этой карточкой относительно распознанного тела. Покупатель активирует клиентский пул, забирает товары, которые он хотел бы купить, магазин автоматически списывает средства с привязанной платёжной карты.

2. Распознавание лиц

   Магазин предлагает покупателю регистрацию своего лица в системе магазина (например, заранее через интернет), как сейчас это делает в России Сбербанк. Система магазина распознаёт лицо клиента при посещении для верификации зарегистрированного аккаунта с привязанной платёжной картой. Функцию выполняет программное обеспечение для распознавания лиц. Покупатель забирает товары в магазине и просто уходит с ними, средства с карты списываются автоматически.

3. Обнаружение готовности покупки

   Магазин не требует считывания карты или её привязки к аккаунту покупателя. Машинное обучение через камеры определяет, что покупатель стоит у кассового терминала и готов совершить покупку. Программное обеспечение автоматически запускает процесс оплаты.

В малом бизнесе машинное обучение помогает ритейлерам управлять запасами через софт компьютерного зрения. Подобно автоматическим кассам камеры размещаются вдоль полок магазина. В США есть попытки запустить роботов прямо по торговому залу (например, в Walmart) — они катаются по маршруту и сканируют полки.

Хороший пример алгоритма машинного обучения в бизнесе — подсчёт запасов и обнаружение дефицита конкретных типов товара или брендов. Система настраивается так, чтобы персонал вовремя получал запрос на пополнение полок соответствующими продуктами.

Американские ритейлеры подсчитали многократное сокращение времени отсутствия товара на полке после того, как вместо живого человека за этим начинает следить робот или система камер в торговом зале.

Это дорого. Установка системы камер и программное обеспечение для машинного обучения ещё сложны и с технической точки зрения. Непросто систему настроить и оптимизировать под физические особенности конкретного магазина.

Недостаточно просто взять и обучить алгоритм на собственных сотрудниках за пару недель.

Компьютер исправно обнаруживает, когда покупатель берёт пачку бумажных полотенец. Но заставить его понимать, что покупатель взял полотенце не какое-нибудь там просто с полки, а конкретного артикула — задача супер-сложная. Физическое пространство подвержено неожиданным и незаметным изменениям. Скажем, кто-то сместил полотенце, изменилось освещение.

Конечно, преимущества по очень заметному снижению затрат подкупают ритейлеров, и они идут на эксперименты. Но если эти системы не работают в определённом процентном отношении, то у бизнеса с машинным обучением могут возникнуть проблемы в обеспечении рентабельности инвестиций.