Mindenki járt már itt: végre befejezi a vásárlást, csak hogy beálljon egy végtelenek tűnő sorba a pénztáraknál. Ez nem csak nálunk van így, a probléma világszerte nyomasztja a kiskereskedőket és a vásárlókat egyaránt. A pénztárosok megfelelő számát eltalálni igazi művészet: finoman kell egyensúlyozni a várakozási idő minimalizálása és a működési költségek szintje között.
A nagy szupermarketekben ezt az optimalizációt dedikált sorkezelők oldják meg. De mi a helyzet a drogériákhoz hasonló kisebb kereskedőkkel? Gyakori megoldás, hogy többfunkciós személyzetet alkalmaznak, akik egyszerre képesek a pénztáraknál dolgozni, valamint más feladatokat is ellátni, például polctöltést. Így egy füst alatt rugalmasan lehet kezelni pénztári kapacitást, miközben a dolgozó munkaidejét is hatékonyak kitöltik.
De mikor siessen egy pénztáros a kasszához, és hagyhatja ott a többi feladatát? Az igazán trükkös a feladványban az, hogy előre nem látható sor dinamikája. Ha már elkezdtek kialakulni a sorok, állandósul a küzdelem: nem csak a már sorban állókkal kell foglalkozni, hanem az újonnan érkezők áradatával is.
Itt lép be a képbe az AI.
Az AI előrejelző képességei lehetővé tették, hogy a boltokban zökkenőmentes és problémamentes vásárlási élmény váltsa fel a folyamatos frusztrációt.
És még számos más lehetőség rejlik benne a kiskereskedelmi hálózatok számára.
Ha az üzlet különböző pontjain kamerákat helyezünk el és a képfolyam elemzésére videóanalitikát alkalmazunk, pontosan számba vehetjük a bejövő vásárlókat, azonosíthatjuk az aktív pénztárakat, és mérhetjük a sorok hosszát. Mindezt bonyolult technológiai integráció nélkül.
A projekt megvalósítása során a kamera adatait betápláltuk egy neurális hálóba, és megtanítottuk arra, hogy jósolja meg a sorok növekedését vagy csökkenését egy 2-5 perces időablakon. Ehhez mindössze 3-4 hétig kellett figyelni a bolt működését.
Ezután a betanított neurális háló képes volt előrejelezni a sorok hosszát bármely adott helyzetben. Ha a jósolt növekedés meghaladta a elfogadható küszöbértékeket, figyelmeztetést generált, és egy új pénztáros beült a kasszába általában 1-2 percen belül. Ezen felül „mi lenne ha” elemzések révén még azt is előre tudtuk, ha olyan helyzetek álltak elő, amelyek több pénztáros egyidejű aktiválását igényelték.
A tesztüzletekben ez a megoldás jelentősen csökkentette a várakozási időt, még a csúcsidőszakokban is, miközben teljesítette az előre meghatározott teljesítménymutatókat. A rövidebb sorok azonnal csökkentették az elhagyott kosarak és áruk számát, nem beszélve a frusztrációról, amelyek a nyomasztó sorbanállás élményéből fakadtak.
Az AI előrejelző képességei lehetővé tették, hogy a boltokban zökkenőmentes és problémamentes vásárlási élmény váltsa fel a folyamatos frusztrációt. És még számos más lehetőség rejlik benne a kiskereskedelmi hálózatok számára.