Το κατάστημα που μαθαίνει: η αξία που κρύβουν τα δεδομένα της καθημερινότητας

Τα retail analytics συχνά συστήνονται μέσα από απλά προβλήματα όπως την καταμέτρηση επισκεπτών ή την ουρά στο ταμείο. Η πραγματική τους αξία, όμως, βρίσκεται στην κατανόηση του πώς λειτουργεί ένα κατάστημα, ώρα προς ώρα και διάδρομο προς διάδρομο.

Γράφει ο Λεωνίδας Πεταυράκης

Senior Product Manager

ESA Security Solutions

www.esasecurityt.gr

Παρασκευή απόγευμα σε ένα πολυσύχναστο σουπερμάρκετ. Το καρότσι είναι γεμάτο, η ουρά μεγαλώνει και το διπλανό ταμείο παραμένει κλειστό. Είναι μια εμπειρία τόσο οικεία που σπάνια τη σκεφτόμαστε ως «πρόβλημα δεδομένων». Κι όμως, αυτό ακριβώς είναι: κάποιος θα έπρεπε να γνωρίζει, λίγο πριν από εμάς, ότι η αναμονή ξεπερνά το αποδεκτό.

Αυτή είναι συνήθως η πρώτη δουλειά που αναθέτει ένα κατάστημα σε ένα σύστημα διαχείρισης ουράς: να μετρά τους πελάτες και τον χρόνο αναμονής σε κάθε ταμείο και να ειδοποιεί τον υπεύθυνο όταν ξεπεραστεί ένα προκαθορισμένο όριο, ώστε να ανοίξει έγκαιρα ένα ακόμη ταμείο. Τέτοια συστήματα λειτουργούν ήδη σε μεγάλες αλυσίδες σουπερμάρκετ, όπου τα υλοποίησε η ESA Security Solutions. Η ειδοποίηση, όμως, είναι μόνο η κορυφή του παγόβουνου.

Εικόνα 1. Από την καταμέτρηση επισκεπτών έως τη διάταξη του καταστήματος: οι εφαρμογές των retail analytics σε έναν χώρο λιανικής. Πηγή: ESA Security Solutions.

Αισθητήρες που μετρούν χωρίς να καταγράφουν

Στην οροφή τοποθετείται μια συσκευή τρισδιάστατης στερεοσκοπικής όρασης, η οποία αναγνωρίζει ανθρώπους στον χώρο και παρακολουθεί την κίνησή τους με ακρίβεια που φτάνει έως το 99%. Η ανάλυση γίνεται πάνω στην ίδια τη συσκευή, χωρίς ενδιάμεσο server στο κατάστημα, και προς την πλατφόρμα στο cloud αποστέλλονται μόνο αριθμητικά δεδομένα, περίπου 15 MB το εικοσιτετράωρο.

Η αρχιτεκτονική αυτή είναι και η βάση για την προστασία των δεδομένων. Οι αισθητήρες συμμορφώνονται με τον Γενικό Κανονισμό Προστασίας Δεδομένων (GDPR), καθώς καμία ροή βίντεο δεν φεύγει από τη συσκευή ούτε αποθηκεύεται. Το επίπεδο ιδιωτικότητας ορίζεται κατά την εγκατάσταση και δεν μπορεί να χαλαρώσει χωρίς ένα μοναδικό κλειδί για κάθε συσκευή. Το σύστημα δεν ενδιαφέρεται για το ποιος είναι κάθε επισκέπτης, ενδιαφέρεται όμως για το τι κάνουν, συνολικά, οι επισκέπτες εντός του καταστήματος.

Χάρη στο ευρύ οπτικό τους πεδίο (field of view), οι αισθητήρες καλύπτουν πολύ μεγάλες επιφάνειες. Ένας μόνο αισθητήρας τοποθετημένος στα 3,5 μέτρα μπορεί να επιβλέπει χώρο περίπου 100 m². Ανάλογα με το μοντέλο, οι αισθητήρες τοποθετούνται σε ύψη από 1,95 έως και 20 μέτρα, με περιοχή κάλυψης ανά αισθητήρα από περίπου 2,6 m² έως και 108 m². Έτσι, η ίδια τεχνολογία προσαρμόζεται από το χαμηλό ταβάνι ενός μικρού καταστήματος έως τους ψηλούς χώρους ενός εμπορικού κέντρου.

Πολύ περισσότερα από έναν κλασικό μετρητή people counting

Τα κλασικά συστήματα people counting τοποθετούνται στην είσοδο και στην έξοδο ενός καταστήματος και απαντούν σε ένα μόνο ερώτημα: πόσοι μπήκαν και πόσοι βγήκαν. Ό,τι συμβαίνει ανάμεσα σε αυτά τα δύο σημεία μένει άγνωστο. Οι νέοι αισθητήρες καλύπτουν όχι μόνο την είσοδο και την έξοδο, αλλά ολόκληρο το κατάστημα, σε κάθε χώρο όπου κινούνται οι πελάτες. Η διαφορά, όμως, δεν βρίσκεται μόνο στην κάλυψη αλλά και στην ευφυΐα: ο αισθητήρας δεν περιορίζεται στο να μετρά, αλλά αναγνωρίζει, ξεχωρίζει και ερμηνεύει όσα συμβαίνουν σε κάθε σημείο του χώρου.

Η καταμέτρηση ατόμων είναι η βασική λειτουργία, όχι η μοναδική. Ο αισθητήρας διαθέτει μια σειρά πρόσθετων δυνατοτήτων ανάλυσης, καθεμία από τις οποίες προσθέτει μια νέα διάσταση στην εικόνα του καταστήματος.

Τα ερωτήματα είναι ενδεικτικά παραδείγματα αξιοποίησης κάθε δυνατότητας.

Η καταμέτρηση ομάδων διορθώνει μια συνηθισμένη παρανόηση των απλών μετρητών: μια τετραμελής οικογένεια με ένα καρότσι δεν ισοδυναμεί με τέσσερις πελάτες στην ουρά, αλλά με μία συναλλαγή. Αντίστοιχα, η ανίχνευση αντικειμένων μπορεί να ξεχωρίζει καρότσια και καλάθια, δίνοντας πιο ρεαλιστική εικόνα του πραγματικού φόρτου στα ταμεία. Η εξαίρεση του προσωπικού λειτουργεί με την ίδια λογική. Οι υπάλληλοι που τροφοδοτούν τα ράφια ή κινούνται στη ζώνη των ταμείων δεν «φουσκώνουν» τα στατιστικά, ώστε οι αριθμοί να αντιστοιχούν μόνο σε πελάτες.

Τα στατιστικά φύλου και η εκτίμηση φαινόμενης ηλικίας διαμορφώνουν το συνολικό προφίλ της επισκεψιμότητας. Ποιες ηλικιακές ομάδες κυριαρχούν το πρωί και ποιες το βράδυ; Τέτοια στοιχεία μπορούν να τροφοδοτήσουν αποφάσεις για το εύρος των προϊόντων, το ωράριο ή το περιεχόμενο μιας προωθητικής ενέργειας.

Η κατεύθυνση του βλέμματος απαντά σε ένα ερώτημα που απασχολεί κάθε έμπορο: όχι μόνο αν ο πελάτης πέρασε μπροστά από ένα σταντ, αλλά αν το κοίταξε. Μια οθόνη που προσελκύει πολλούς περαστικούς αλλά ελάχιστα βλέμματα λέει κάτι διαφορετικό από μια που τραβά την προσοχή. Τέλος, η ανίχνευση χρήσης μάσκας παραμένει χρήσιμη σε χώρους με αυξημένες απαιτήσεις υγιεινής, όπως τα φαρμακεία.

Εικόνα 2. Ενδεικτική απεικόνιση πίνακα ελέγχου: ροές, ταμεία, επισκεψιμότητα, ηλικιακό προφίλ και προσοχή στην προβολή σε μία οθόνη.

Από το «τώρα» στο «γιατί»

Η ειδοποίηση για μια ουρά που μεγαλώνει απαντά στο «τι συμβαίνει αυτή τη στιγμή και πώς πρέπει να αντιδράσω». Κάθε μέρα, όμως, το σύστημα συσσωρεύει χιλιάδες μετρήσεις, και όταν τις κοιτάξει κανείς μαζί, αρχίζουν να αφηγούνται μια ιστορία. Ένας διευθυντής μπορεί να διαπιστώσει ότι η επισκεψιμότητα κορυφώνεται κάθε Τρίτη μεσημέρι, ίσως λόγω των γραφείων της γειτονιάς, ή ότι η αιχμή του Σαββάτου έρχεται νωρίτερα από όσο προβλέπει το πρόγραμμα βαρδιών.

Εικόνα 3. Ωριαία επισκεψιμότητα ανά ημέρα και ώρα. Ενδεικτικά δεδομένα για λόγους επεξήγησης, όχι μετρήσεις πραγματικού καταστήματος.

Εδώ περνάμε από την αντίδραση στην οργάνωση. Αν γνωρίζω πότε θα χρειαστώ περισσότερο προσωπικό, δεν περιμένω την ειδοποίηση αλλά σχεδιάζω τις βάρδιες ώστε η ουρά να μη σχηματιστεί καν. Σε αυτό βοηθά και η δυνατότητα πρόβλεψης: με βάση το ιστορικό, το σύστημα εκτιμά την κίνηση και την αναμονή των επόμενων ωρών και ημερών, ώστε το κατάστημα να προετοιμάζεται πριν έρθει η αιχμή. Η πλατφόρμα παρέχει προσαρμόσιμες αναφορές και πίνακες ελέγχου σε τρία (κατάστημα, περιφέρεια και κεντρική διοίκηση) ή και περισσότερα επίπεδα. Έτσι, η ίδια πληροφορία εξυπηρετεί τον υπεύθυνο βάρδιας, τον περιφερειακό διευθυντή που συγκρίνει καταστήματα και τη διοίκηση που ορίζει δείκτες απόδοσης.

Κάθε βήμα του πελάτη μετράει

Μια μεγάλη ουρά σπάνια οφείλεται μόνο στον αριθμό των ανοιχτών ταμείων. Μπορεί να φταίει η διάταξη της ζώνης εξόδου ή η ροή των πελατών. Επειδή ο αισθητήρας καταγράφει τον χρόνο παραμονής και την κατεύθυνση της κίνησης, τα δεδομένα βοηθούν να εντοπιστούν τα σημεία συμφόρησης. Η ESA θέτει ως στόχους τη βελτιστοποίηση του χώρου των ταμείων, την αξιολόγηση των αυτόματων ταμείων και τη βελτίωση της αποδοτικότητας του προσωπικού, την οποία εκτιμά στο 5-10%.

Η ίδια λογική επεκτείνεται σε όλο το κατάστημα. Ποια διαδρομή ακολουθούν οι επισκέπτες; Πού σταματούν και για πόσο; Ποιοι διάδρομοι μένουν σχεδόν άδειοι; Ένας διάδρομος που κανείς δεν επισκέπτεται είναι χώρος που πληρώνεται χωρίς να αποδίδει. Σε συνδυασμό με την κατεύθυνση του βλέμματος και το προφίλ των επισκεπτών, ο χάρτης των διαδρομών δείχνει όχι μόνο πού πηγαίνει ο κόσμος, αλλά και τι του τραβά την προσοχή.

Εικόνα 4. Χάρτης θερμότητας του χρόνου παραμονής σε κάτοψη σουπερμάρκετ. Ενδεικτική απεικόνιση, όχι πραγματικό κατάστημα.

Όταν τα βήματα συναντούν τις αποδείξεις

Η πραγματική αλλαγή κλίμακας έρχεται όταν τα δεδομένα κίνησης συνδυάζονται με άλλες πηγές, κυρίως με τα στοιχεία πωλήσεων. Χωριστά, το καθένα λέει τη μισή ιστορία. Τα ταμεία ξέρουν τι αγοράστηκε, αλλά όχι πόσοι μπήκαν και έφυγαν με άδεια χέρια. Οι αισθητήρες ξέρουν πόσοι πέρασαν από έναν διάδρομο, αλλά όχι τι έβαλαν στο καλάθι.

Εικόνα 5. Πώς ο συνδυασμός δεδομένων αισθητήρα και πωλήσεων αποκαλύπτει την απόδοση μιας ζώνης προβολής. Ενδεικτικά δεδομένα.

Μαζί, απαντούν σχεδόν σε όλα τα ερωτήματα. Ποιο ποσοστό των επισκεπτών γίνεται αγοραστές σε κάθε ώρα της ημέρας; Μειώνονται οι πωλήσεις όταν οι ουρές μεγαλώνουν; Αποδίδει περισσότερο μια αναδιάταξη προϊόντων; Αν οι επισκέψεις αυξάνονται το απόγευμα αλλά η μέση απόδειξη μειώνεται, το πρόβλημα ίσως δεν είναι η προσέλευση αλλά ο χρόνος που διαθέτουν οι πελάτες. Όλα αυτά συγκλίνουν σε έναν δείκτη, τα έσοδα ανά τετραγωνικό μέτρο, και σε ένα ερώτημα: τι πρέπει να αλλάξει για να αυξηθούν.

«Το ζητούμενο είναι να τίθεται το ερώτημα με δεδομένα αντί για διαίσθηση.»

Από τα δεδομένα στη γνώση

Εικόνα 6. Τα στάδια αξιοποίησης των δεδομένων λιανικής, από την καταγραφή έως τη συνεχή βελτίωση.

Θα ήταν εύκολο να κριθεί ένα τέτοιο σύστημα με ένα μόνο κριτήριο: μειώθηκε ο χρόνος αναμονής; Είναι σωστό κριτήριο, αλλά όχι το μόνο. Η ουσιαστική αξία των retail analytics βρίσκεται στη μετατροπή της καθημερινής, αόρατης δραστηριότητας ενός καταστήματος σε κάτι μετρήσιμο, συγκρίσιμο και, τελικά, βελτιώσιμο.

Ο πελάτης της Παρασκευής δεν θα μάθει ποτέ ότι το ταμείο άνοιξε εγκαίρως επειδή ένας αισθητήρας μέτρησε την ουρά. Ούτε ότι το πρόγραμμα βαρδιών, η διάταξη των ραφιών ή η θέση μιας προβολής άλλαξαν επειδή κάποιος εντόπισε ένα μοτίβο στα δεδομένα. Θα καταλάβει μόνο ότι, κάθε φορά που επιστρέφει, το κατάστημα λειτουργεί λίγο καλύτερα. Αυτό είναι ένα κατάστημα που μαθαίνει. Τα δεδομένα υπήρχαν πάντα, η διαφορά είναι ότι τώρα κάποιος τα «ακούει».