Будущее ритейла – за искусственным интеллектом

А. Дмитриев: Amazon Go, первый магазин без продавцов и касс, открытый компанией Amazon в декабре 2016 года в Сиэтле, произвел настоящую революцию на рынке ритейла. Многие стали задумываться над тем, как же уйти от классического варианта кассовой линейки, которая сегодня занимает большую площадь магазина и тормозит процесс обслуживания клиентов.

Однако довольно быстро стало понятно, что не все так легко и просто, как могло показаться изначально. Во-первых, это достаточно дорогая технология. Во-вторых, весь процесс покупки без участия кассира или дополнительного сканирования полностью отследить невозможно. Процент потерь достаточно высок. К тому же технология зачастую не воспринимается всерьез покупателями.

Несомненно, шаг за шагом продавцы и покупатели придут к этой модели. Но на это потребуется не менее 5–10 лет. В ближайшее же время будут использоваться лишь какие-то фрагменты этой технологии для оптимизации текущих процессов. Например, компьютерное зрение. Сегодня с помощью видеокамер в магазине ритейл анализирует поведение покупателей, изучает спрос и т. д. Данная технология может использоваться и для анализа работы кассиров и касс самообслуживания. Уверен, что в скором будущем кассы самообслуживания или «самосканирование» станут основной технологией, которая будет активно использоваться ритейлерами и будет понятна покупателям.

Количество устройств самообслуживания будет неуклонно расти. Сегодня на рынке все еще превалирует self-checkout с функцией приема наличных денег. Это обусловлено тем, что на долю платежей по картам приходится всего лишь 20–30% от общего оборота. Потребителю необходимо предоставить выбор, в ином случае он перестанет пользоваться сервисом.

А. Дмитриев: Если раньше мы говорили о том, что процесс адаптации к работе с устройствами самообслуживания занимал не менее двух месяцев, то сейчас он существенно сократился: на полный цикл обучения потребителя работе с новым видом оборудования уходит от 2 до 4 недель. В первую очередь это обусловлено увеличением количества устройств самообслуживания в целом. Как следствие, у потребителя быстрее вырабатывается соответствующий опыт. Например, люди уже привыкли самостоятельно приобретать еду в вендинговых автоматах и проездные в билетных терминалах, оплачивать покупки или услуги, используя кассы самообслуживания, банкоматы и платежные терминалы. Быстрой популяризации устройств самообслуживания способствуют и сами компании, которые их приобретают. Например, в Сбербанке клиент, который самостоятельно осуществляет банковские операции, не только не будет стоять в очереди, но и заплатит более низкую комиссию.

Первый магазин без продавцов и касс Amazon Go произвел настоящую революцию на рынке ритейла

А. Дмитриев: Хоть многие эксперты и говорят, что уже к 2025 году можно ожидать появления роботов, которых внешне будет трудно отличить от человека, сегодня  искусственный интеллект чаще всего просто помогает компаниям обрабатывать большие массивы данных, отбрасывая погрешности, следовать закономерностям и т. д. Одним из наиболее перспективных направлений использования данной технологии является анализ работы кассира. Несмотря на то что сегодня существует множество подобных систем, прорывных идей все же пока нет. Используются лишь какие-то элементы технологии. Например, для анализа поведения покупателей с помощью видеонаблюдения используется machine learning. Машина обучается анализировать поведение покупателя и выявлять отклонение через сравнение с большим количеством возможных обманов. Она сообщает о том, что, вероятно, имеет место попытка мошенничества, и отсылает к видеозаписи инцидента. Дальше уже человек анализирует, что это было на самом деле, и принимает окончательное решение.

Компания NCR открыла в рамках своего офиса магазин, в котором использует видеонаблюдение для анализа поведения покупателей с помощью machine learning. И мы отмечаем, что сегодняшние возможности этой технологии тяжело монетизировать. Чтобы выйти в промышленное производство, необходимо сначала определить пул магазинов, понять, как работать с возникающими потерями иxгруппой лиц, которая не понимает эту технологию. Когда покупатель попадает в магазин, где никого нет, он должен четко понимать, чего от него хотят, алгоритм своих действий. Все новое если не пугает, то настораживает. Кто-то должен начать пользоваться этой технологией, хотя вначале это будет совершенно экономически невыгодно. Но в итоге ритейл от этого, несомненно, выиграет.

Кроме того, решения, которые связаны с machine learning, требуют большой работы в области программирования. Это означает использование более продвинутого ПО, усиление пула высокоуровневых разработчиков, что затягивает сам процесс выхода на рынок.

R&L: В каких сегментах наиболее перспективно использовать такие решения?

А. Дмитриев: Amazon принес саму идею, которая всем понравилась, и все бы хотели развиваться в этом направлении. Но понимая, что в целом это блюдо пока несъедобно, каждый отрезает самый лакомый для себя кусочек.

Например, в некоторых программах лояльности уже используется технология face recognition. Для fashion-сегмента интересна возможность распознавания образа и его изменения – виртуальные примерочные, где в одном месте можно примерить большое количество одежды или обуви.

А. Дмитриев: Современный покупатель уже не хочет носить с собой банковские карты и карты лояльности. Сегодня есть возможность помещать все в смартфон. Но что делать, если он вдруг сломается или разрядится батарея? Биометрия позволяет уйти от любых форс-мажоров. И если дактилоскопия имеет массу нюансов, которые приносят неудобства потребителю (безопасность, гигиена, удобство и пр.), то распознавание лица их полностью нивелирует. Как только система идентифицирует покупателя, можно начинать с ним взаимодействовать. Биометрия означает комфорт для покупателя, ему не надо ничего хранить и предъявлять. Но при этом необходимо понимать, что все равно останутся те, кто принципиально будет против сдачи своих биометрических данных.

А. Дмитриев: Я думаю, что в обозримом будущем могут появиться какие-то законодательные инициативы в этой области. Россия регулярно вбирает в себя много новых технологий, и зачастую недостаток старых решений нивелируется переходом на новейшие. И это абсолютно верный подход. В связи с этим и законодательные органы должны научиться правильно и оперативно регулировать эти процессы.

Мне кажется, что с большой вероятностью Россия будет законодателем мод в регулировании этого направления, в создании определенных баз и распределении информации между участниками рынка.

Количество устройств самообслуживания будет неуклонно расти

А. Дмитриев: С помощью компьютерного зрения и искусственного интеллекта мы отслеживаем пользовательское поведение на предмет отклонения от стандартов. Большинство матриц, которые используются для выявления мошенничества, основаны именно на этом принципе. Поведение покупателей в обычном магазине и магазине без продавцов отличается, и это необходимо учитывать. Важно анализировать не только то, что попало с полки в корзину, но и анализировать общую среду – то, что происходит в магазине. Например, два подростка взяли банку газированной воды с полки и перебрасывают ее друг другу. Как отследить, у кого она останется последней? Понятно, что кейсов настолько много, что в одночасье нельзя пройти все. Система обучается по мере возникновения той или иной ситуации, получая дополнительную информацию. Но мы видим, что это пока сырое решение, не готовое для рынка.

А. Дмитриев: Сегодня мы видим, как множество разных технологий меняет привычный мир. Если у вас есть машина, которой не надо управлять, вы вполне можете отправить ее за покупками, либо забрать вещи из химчистки, либо произвести доставку, отпадает необходимость в личном посещении магазина. Вероятно, в будущем магазин станет местом для общения, получения каких-то дополнительных сервисов или возможности тактильного знакомства с товаром.

Роботы уже стали неотъемлемой частью жизни людей. В ближайшем будущем они найдут свое применение в магазинах: будут способны выставлять продукты на полку, когда это необходимо, или собрать корзину, которую заказал покупатель. В итоге, когда дома закончится определенный продукт, холодильник самостоятельно сможет сделать заказ в магазине, робот – собрать, а автомобиль – доставить к двери дома.