"Магнит" распознает эмоции покупателей
Технология распознавания эмоций установлена на дисплеи покупателя, которые расположены в зоне касс и показывают покупателю наполнение чека, актуальные промоакции и пр.
Система распознает основные параметры - пол, возраст, эмоции. При этом обработка персональных данных не производится. Аналитика формируется по часам, а также за день, неделю и месяц. Это позволяет отслеживать эмоционально-пиковую нагрузку на кассу и в последствии корректировать работу.
Сегодня компания находится на стадии оценки качества распознавания эмоций, сбора статистики и отладки системы. По итогам пилотного тестирования "Магнит" будет принимать решение о масштабировании и дальнейшем развитии функционала технологии.
Ранее "Магнит" заявлял, что установит рядом с кассами видеокамеры, которые в режиме реального времени будут непрерывно сканировать пространство с помощью специального программного решения от компании CERA. Камеры будут считать людей и подавать информацию администратору или директору точки, если в зоне находится больше пяти человек. В этом случае откроют дополнительные кассы или перераспределят поток покупателей на кассы самообслуживания. Кроме того, благодаря системе аудиооповещения посетители услышат, где есть свободная касса (см. новость ComNews от 3 июня 2020 г.).
Кроме того, X5 Retail Group и Сбер сделали биометрическую идентификацию на основе разработок Х5 и технологии компании VisionLabs (на четверть принадлежит ПАО "Сбербанк"; см. новость ComNews от 11 марта 2021 г.).
Руководитель лаборатории инноваций Х5 Михаил Кучеренков отмечает, что несколько лет назад Лаборатория Х5 уже занималась анализом эмоций покупателей на кассах. В результате выявлена слишком низкая корреляция настроения людей именно с качеством обслуживания, чтобы строить на этой базе объективные выводы об уровне удовлетворенности клиентов или качестве работы кассиров.
"Настроение человека в большей степени формируется другими, личными факторами: на улице холодно - настроение хуже, на улице тепло - лучше; после тяжелого рабочего дня, вечером, часть людей довольна его окончанием, а другие, наоборот, по дороге домой чувствуют усталость и раздражение. Особенно это характерно для торговых точек формата "у дома", где люди проводят относительно небольшое время. С большими супермаркетами ситуация немного иная: "прогулка" по ним значительно дольше и оказывает более явное влияние на настроение клиентов", - подчеркивает Михаил Кучеренков.
"В итоге мы сконцентрировались на экономически эффективных технологиях - например, внедрении передовых и максимально удобных сценариев самообслуживания, которые снимают главный корень негатива - очереди", - отмечает Михаил Кучеренков.
Архитектор машинного обучения Softline Digital Lab Николай Князев оценивает стоимость такой системы от $1-3 тыс. (включая затраты на развертывание и поддержку). Он отмечает, что это популярное направление сейчас, может применяться как для улучшения качества сервисов, так и "типизации" клиента и выбора оптимального способа коммуникации.
"В системах машинного обучения "объективность" сильно зависит от представляемых данных, ведь система берет информацию из той разметки, что ей дали. Если чуть приблизиться к статистике, то раньше системы основывались исключительно на представляемых данных - "Фишеровская" статистика, основанная на максимизации правдоподобия, - то сейчас используются также общие предположения о структуре данных - Байесовские подходы: сколько вообще бывает грустных и веселых людей и как они, как правило, выглядят", - рассказывает Николай Князев.
"В таких системах, кроме качественного распознавания, обычно более важно построить весь процесс по сбору и оптимизации бизнес-целей использования данных. Думаю, что не ошибусь, если скажу, что участники рынка ждут результатов такой системы, какие метрики удалось увеличить, как проводилось А/Б тестирование, и если результат будет убедительным, то рынок не заставит себя ждать", - считает Николай Князев.
Руководитель Лаборатории цифрового маркетинга, директор по стратегическому маркетингу ИТ-компании "Крок" Елена Волковская отмечает, что аналитика эмоций как данных - один из новых трендов в работе с клиентским опытом. Рынок систем распознавания эмоций, по данным Markets and Markets, оценивается по состоянию на 2020 г. в $19,5 млрд, а к 2026 г. вырастет вдвое. В условиях возросшего информационного шума компании идут по пути нативного и бесконтактного сбора обратной связи. Узнать эмоции, не вовлекая в процесс покупателя, можно с помощью системы распознавания лиц.
"Ранее подобные проекты с распознаванием эмоций клиентов уже внедряли российские банки - Сбербанк, ВТБ, Альфа-банк, с 2015 г. В такой системе очень важна точность трактовки собранных изображений, для чего компании привлекают психологов. Также на основе анализа эмоций компания может персонализировать предложения и добавлять больше программируемости в импульсивные покупки. Новые технологии уже тестировали Procter & Gamble, Walmart. И как утверждает разработчик - компания Cloverleaf, после внедрения электронных ценников с технологией распознавания эмоций продажи поднялись на 10-40%, а вовлеченность покупателей возросла в три-пять раз", - подчеркивает Елена Волковская.
Директор центра мультимедиа и ситуационных центров компании "Т1 Интеграция" Игорь Афонин отмечает, что данное решение актуально в сфере развлечений, оно подойдет для оценки качества услуг: какое влияние на настроение посетителей оказывает тот или иной контент. Для маркетологов оно будет полезно для оценки рекламных кампаний, позитивного или негативного восприятия брендов. Также интересно было бы применение данной технологии при проведении выборов для оценки настроения электората и определения корреляции с данными экзитполов, подчеркивает Игорь Афонин.
Директор центра инновационных технологий Navicon Андрей Капранов считает, что расположение систем распознавания эмоций в зоне касс - не самый очевидный способ их использования.
"Эмоции возникают у магазинных полок, когда ты выбираешь товар, смотришь на цены. И в этот момент важно анализировать реакцию покупателей. Рядом с кассой у людей, как правило, одно желание: поскорее расплатиться и выйти из магазина. Получить здесь дополнительную информацию, интересную для ретейлера, можно крайне редко", - уверен Андрей Капранов.
"Собирать" эмоции у товарных полок, с одной стороны, более целесообразное занятие, но с другой - более сложное, так как требует использования продвинутой аналитической системы, способной работать со многими источниками данных, анализировать зависимость эмоций от акций, скидок, появления на полках нового ассортимента. Также важно, чтобы система могла не только выдавать ответы на запросы, но и предлагать инсайты, которые могут быть полезны при принятии решений. Тогда идея использования систем для распознавания эмоций может раскрыться в наиболее полном виде", - подчеркивает Андрей Капранов.
Руководитель Liquid Studio Accenture в России Арсений Кондратьев считает, что использование существующих решений по распознаванию эмоций - а таких решений много - не должно быть затратным. Если мы говорим о пилотном проекте, то затраты на него оценочно могут составить $10 тыс., включая затраты на оборудование и ИТ-инфраструктуру. При этом существуют решения с открытым кодом, поэтому использование самой технологии и вовсе может быть бесплатным. Говоря о масштабировании решения на все магазины сети, скорее всего, затраты составят порядка $5-10 млн.
"Результаты распознавания эмоций, как правило, достаточно объективны, благодаря естественным природным паттернам человеческой мимики: положение уголков рта и бровей у большинства людей при одних и тех же эмоциях очень схожи. Вопрос здесь больше в том, как соотнести покупку с эмоцией и сделать из этого какие-то выводы, особенно на всем масштабе данных", - подчеркивает Арсений Кондратьев.
"Если использование технологии в пилотных точках продаж поможет получить важные инсайты и за счет них повысить продажи, то, конечно, за ним последует масштабирование, по крайней мере в ключевых регионах. Вполне вероятно, что вслед за "Магнитом" последуют и другие лидеры рынка", - считает Арсений Кондратьев.
Аналитик ГК "Финам" Алексей Коренев отмечает, что оценить стоимость системы распознавания эмоций сейчас крайне непросто. Уже хотя бы потому, что сложность ее может быть какой угодно, равно как и качество работы, и конечный эффект. Тем более что система наверняка планируется быть не просто масштабируемой, а скорее всего, будет активно взаимодействовать с иными сервисами, так или иначе связанными с продажами. Иначе и смысла нет. Причем возможности для успешного использования сразу нескольких направлений и алгоритмов оценки лояльности покупателей вкупе с прочими системами, связанными с коммерцией, логистикой, принятием управленческих решений, поистине колоссальные.
"Так что, полагаю, стоимость в процессе реализации, эксплуатации, добавления новых возможностей и совместимости с другими сервисами будет расти настолько, насколько у компании для этого хватает финансовых возможностей и насколько это экономически обоснованно. Впрочем, сомневаться, что иные крупные ретейлерские сети федерального масштаба также займутся разработкой аналогичных или иных, но в целом также направленных на улучшение качества продаж систем, не приходится", - подчеркивает Алексей Коренев.
