Machine Learning zal helpen om de stemming van klanten te herkennen en dieven op te sporen.
Machine Learning-systeem kan klanten in winkels volgen
- Het systeem kan het geslacht, de geschatte leeftijd en de emoties van de klanten detecteren.
- Het systeem zal gegevens opleveren voor optimalisering
Het Tsjechische bedrijf Blue Dynamic heeft zijn product eMotiondie de bezoekers in de winkels telt en hun leeftijd, geslacht en stemming herkent. Het is een oplossing gebouwd op clouddiensten en machine learning van Microsoft. Het systeem zal zijn output voortdurend aanpassen en verbeteren om het gedrag en de samenstelling van de klant zo goed mogelijk te voorspellen.
Machine Learning-systeem zal gedetailleerde marketinggegevens leveren over bezoekersstructuur en emoties van bezoekers evalueren
Of het nu gaat om een winkelcentrum en zijn winkels, een bank, een hotel, een beurs of een stadion, de exploitant beschikt over gedetailleerde marketinggegevens over de bezoekersstructuur. Kunstmatige intelligentie zal de emoties evalueren die de diensten die op een bepaalde tijd en plaats aan klanten zijn verleend, hebben opgeroepen.
Zij zullen u ook de juiste maat kleding aanbevelen die u mooi vond, en beoordelen of u tevreden was toen u afrekende bij de kassa. De detailhandelaar zal dan de acties van zijn verkopers of bedrijfsprocessen kunnen corrigeren, enkel en alleen als reactie op typische emoties van de klant.
Tegelijkertijd krijgen detailhandelaren een overzicht van de kenmerkende klantbewegingen in de winkel en leren zij de meest blootgestelde locaties kennen. Zij kunnen dan heatmaps verkrijgen voor verschillende periodes of lopende veranderingen om de veranderingen te evalueren.
De gegevens kunnen ook worden gebruikt om de conversie in detail te volgen, d.w.z. om te bepalen hoe het aantal mensen en de tijd die aan een bepaald product wordt besteed, overeenstemt met de werkelijke verkoop ervan. En natuurlijk is er ook de mogelijkheid om de presentatie van een bepaald product te beoordelen aan de hand van de emoties die het bij mensen oproept. Zo zal het mogelijk zijn een constant overzicht te hebben van de huidige eisen van de klanten.
Een Machine Learning-systeem zal het ook gemakkelijker maken om verdachte of niet-standaard gedragen dus bijvoorbeeld een mogelijke dief te identificeren. De centra kunnen dan gemakkelijker ongewenste of VIP's in de gaten houden. Het zal hun overzichten voortdurend bijwerken en delen tussen de winkels en hen waarschuwen dat deze personen in het gebouw zijn.
Het systeem kan verdacht of afwijkend gedrag detecteren, waardoor diefstal kan worden voorkomen.
IoT-connectiviteit wordt ook aangeboden, in basisvorm, bijvoorbeeld de mogelijkheid om aangepaste reclame te tonen op basis van de waarnemer. En alleen als het systeem beoordeelt dat iemand die er sterk op lijkt, mogelijk dezelfde persoon, de goederen al enige tijd geleden heeft bekeken - dat wordt een handschoen voor de verkoper.
