Da qualche anno, i consumatori hanno cambiato radicalmente le abitudini di acquisto, obbligando produttori e retailer a ingegnarsi per soddisfare al meglio le nuove richieste. Questo significa saper rispondere velocemente alle necessità dei clienti, ottimizzando i processi e riducendo gli sprechi, aspetto particolarmente rilevante soprattutto nel settore food & beverage.
Un importante aiuto in tal senso può venire dalla tecnologia. In particolare, l’impiego di dispositivi dell’Internet of Things (IoT) permette di raccogliere dati inerenti ai prodotti e agli acquisti, mentre l’Intelligenza Artificiale (AI) può trasformare tali dati in utili informazioni per definire azioni che possano migliorare il markteting, le vendite e la logistica.
I dispositivi IoT, lo ricordiamo, sono sempre più diffusi, portando benefici sia ai produttori di beni di largo consumo che ai retailer: secondo Markets and Markets la dimensione globale dell’Internet of Things nel mercato al dettaglio dovrebbe crescere da 14,5 miliardi di dollari nel 2020 a 35,5 miliardi di dollari entro il 2025. Allo stesso modo, l’impatto dell’Intelligenza Artificiale nel retail ha dei riflessi su tutta la value chain e sta emergendo come un potente strumento per ottenere un vantaggio strategico sulla concorrenza. La società di ricerche Markets Study Report riporta che dai 3 miliardi di dollari raggiunti nel 2019 il mercato dell’AI nel retail dovrebbe arrivare a 24 miliardi di dollari nel 2027.
Cos’è la computer vision è perché è sempre più importante per le vendite
Un impiego della combinazione tra Intelligenza Artificiale e IoT che sta riscuotendo sempre più consensi tra retailer e produttori di beni di largo consumo è la tecnica della computer vision. In pratica, si tratta di una forma di AI che addestra i computer a interpretare e comprendere il mondo visuale. Questo significa che, combinando immagini digitali provenienti da telecamere e video con il deep learning, i computer possono imparare a identificare e classificare con precisione gli oggetti più disparati e anche le persone. Va da sé che per dare interpretazioni precise, i sistemi di computer vision devono essere addestrati attraverso una grande quantità di immagini. In questo modo si possono avere indicazioni precise sia su cosa è stato venduto sia su chi ha effettuato l’acquisto.
La potenza di calcolo degli attuali dispositivi di edge computing, ovvero di server che svolgono le analisi direttamente a bordo della vetrina, consente di soddisfare praticamente tutte le necessità di elaborazione.
Come l’AI aiuta produttori e retailer nel marketing e nelle vendite
Tramite l’analisi dei dati raccolti con la computer vision, l’AI consente di avere informazioni dettagliate sia sul profilo demografico dei clienti sia sui loro acquisti. Questo permette ai produttori di avere informazioni sul sell out, ovvero di sapere esattamente chi ha comprato, quando, cosa e dove. In questo modo i produttori dispongono dei dati per pianificare campagne di marketing personalizzate in maniera molto più mirata.
Dal punto di vista del retailer, combinando i dati raccolti con la computer vision e le transazioni si ottengono utili indicazioni sulle preferenze di acquisto degli utenti, in funzione anche di festività, periodi climatici differenti e così via. Questo permette di prendere decisioni più accurate sui prezzi da praticare o sulle rotazioni dei prodotti a scaffale.
Scorte e inventario sono gestiti automaticamente con l’AI
Come visto, la computer vision consente di sapere quanti e quali prodotti sono stati prelevati da uno scaffale. Oltre a fornire preziose indicazioni sul sell out, queste informazioni permettono anche di sapere quando è il momento di riallestire lo scaffale. In tal senso, si può impostare un alert di avviso, nel caso in cui i prodotti esposti dovessero scendere al di sotto di un numero prestabilito. Un discorso analogo vale per le scorte a magazzino: se il confronto tra i prodotti che possono occupare lo spazio libero sullo scaffale e quelli di scorta dovesse portare a un valore inferiore a quello ritenuto come minimo indispensabile si può far avviare in automatico il processo per il riordino. In questo modo, grazie alle informazioni ottenute con la computer vision, si evita l’out of stock, situazione che non solo è spesso sinonimo di perdita di vendite ma che comporta anche una minore soddisfazione dei clienti e una riduzione dei livelli di fedeltà.
Attraverso la computer vision si possono avere anche informazioni su prodotti che non sono al posto giusto, su packaging rovinati o su prezzi non corretti. Tutti aspetti che contribuiscono a far vivere al cliente una customer experience insoddisfacente, a totale beneficio della concorrenza.
Eye-Shelf, il vantaggio di conoscere il sell out
Un esempio di efficace impiego di AI e IoT nel retail arriva dal sistema Eye-Shelf messo a punto da Dedagroup Business Solution. Eye-Shelf usa un sistema di visual computing per offrire indicazioni su quale prodotto è stato preso da un frigorifero o da uno scaffale e anche da chi. Questo rappresenta un valore per il proprietario dello scaffale, la vetrina refrigerata o ad esempio il distributore automatico, perché permette sia di avere informazioni sul consumo sia di evitare la rottura di stock. E al contempo fornisce un dato molto importante, e finora precluso, ai produttori di merce: il sell out. In tal senso, Eye-Shelf si avvale di un algoritmo proprietario di deep learning e di una rete neurale addestrata per riconoscere sia i prodotti sia il consumatore, che classifica in base a età e genere. Un’applicazione registra le informazioni elaborate, che possono essere consultate tramite web dovunque ci si trovi e con qualsiasi dispositivo si abbia a disposizione. L’applicazione può anche produrre report e gestire il punto di riordino, quindi richiedere al distributore o al produttore del bene di riallestire le scorte.
GUARDA LA CASE FOOD&BEVERAGE DI EYE-SHELF NEL RETAIL nel video:
Il riconoscimento degli oggetti supera il 90%. Questo risultato è stato ottenuto addestrando il modello di deep learning tramite un computer IBM Power System, un calcolatore molto potente, con delle GPU a bordo che permettono elaborazioni velocissime degli algoritmi.
Attualmente sono in fase di test 15 frigoriferi dotati del sistema Eye-Shelf che sono dislocati in bar o in punti vendita e che contengono birre di un brand internazionale. Attraverso questo field test i data scientist di Dedagroup Business Solutions potranno raggiungere un ancor più elevato livello di sofisticazione nel riconoscimento dei prodotti.
