Angesichts der Tatsache, dass viele Vorgänge im Einzelhandel visuelles Feedback erfordern und große Datenmengen erzeugen, sollte das wachsende Interesse der Einzelhandelsunternehmen an Computer Vision nicht überraschen. Laut der 29. jährlichen Retail Technology Study von RIS haben nur 3 % der Einzelhändler bereits Computer-Vision-Technologie implementiert, während 40 % planen, sie innerhalb der nächsten zwei Jahre zu implementieren.
Mit Hilfe der Computer-Vision-Softwareentwicklung können Unternehmen viele Probleme des Einzelhandels angehen und potenziell sowohl die Kunden- als auch die Mitarbeitererfahrung verändern. So kann beispielsweise die Kundenführung neu definiert werden, indem Entscheidungen zur Verbesserung des Ladenlayouts auf der Grundlage echter Daten statt auf der Basis von Intuition getroffen werden.
Die Verbraucher von heute erwarten im Einzelhandel genauso viel Personalisierung und Komfort, wie sie ihn online erleben. Dies ist auch der Grund, warum Anwendungen für den Virtual-Reality-Handel immer beliebter werden. Mit Computer-Vision-Kameras wird das Self-Checkout-Erlebnis reibungslos, während virtuelle Spiegel ein bisher nicht gekanntes Maß an Personalisierung ermöglichen. Routineaufgaben können mit autonomen Robotern automatisiert werden, so dass die Mitarbeiter mehr Zeit für kundenorientierte Aufgaben haben.
Ein ganzheitlicher Ansatz bei der Implementierung von Technologien für maschinelles Lernen und Computer Vision hilft, die digitale Transformation im Einzelhandel viel greifbarer zu machen. Werfen wir einen Blick auf die fünf wichtigsten Anwendungen von Computer Vision im Einzelhandel.
Die beliebtesten Anwendungen von Computer Vision im Einzelhandel
Selbstkontrolle
Self-Checkout hat seine Bedeutung für den stationären Handel bereits untermauert. Da die Automatisierung des Kundendienstes immer mehr an Bedeutung gewinnt, müssen die Unternehmen ihre Prozesse aktualisieren, um sie effizienter zu gestalten.
Zurzeit bedeutet Self-Checkout in den meisten Geschäften, dass die Kunden die Strichcodes der einzelnen Artikel manuell einscannen müssen, was eine besonders entmutigende Erfahrung ist. Mit Hilfe von Kameras, die mit Computer Vision arbeiten, können Produkte erkannt werden, ohne dass ein Barcode gescannt werden muss, was die Kundenerfahrung und die Sicherheit erheblich verbessert und den Kassiervorgang insgesamt beschleunigt.
In den letzten Jahren, mit der Verbreitung von Maschinellem Lernen im Einzelhandel und Automatisierter-sichtprüfung, haben Softwareunternehmen die Nachfrage nach Computer-Vision-fähigen Self-Checkout-Systemen erkannt und bieten nun eine Reihe von Varianten dieses Konzepts an. Das australische Start-up-Unternehmen Tiliter hat beispielsweise ein automatisches Produkterkennungssystem entwickelt, das sowohl Kassierer als auch Kunden von der manuellen Eingabe von Preisnachweisnummern für Frischwaren befreit. Das System hat sich als besonders effektiv für Geschäfte erwiesen, die mit hohen Diebstahlsraten zu kämpfen haben. Das Vision System von Tiliter erhöht nicht nur die Sicherheit, sondern macht auch das Einwickeln von Obst und Gemüse überflüssig.
Abto Software, ein weiteres Beispiel, hat eine vollwertige Technologie ohne Kassierer entwickelt, die es jeder computergesteuerten Einheit ermöglicht, mehr als 100 Artikel jeder Kategorie pro Minute zu verarbeiten. Eine der Einschränkungen der Lösung von Abto besteht darin, dass sie nur dann eine 100 %ige Genauigkeit gewährleisten kann, wenn sich die Produkte beim Transport über das Kassenband nicht überschneiden.
Schließlich kann ein Überblick über kassenlose Systeme kaum ohne die Erwähnung von Amazons Just Walk Out-System auskommen. Durch den Einsatz einer Kombination aus Kameras, Sensoren und Deep Learning können die Kunden einfach die gewünschten Artikel abholen und das Geschäft verlassen, ohne in der Schlange zu warten, um zu bezahlen. Dazu benötigen die Kunden weder ein Amazon-Konto noch eine App. Computer-Vision-Kameras verfolgen die Bewegungen einer Person, und Regalsensoren erkennen die Entnahme oder Rückgabe von Artikeln. Wenn der Kunde das Geschäft verlässt, wird seine Karte automatisch für die abgeholten Artikel belastet.
Damit dieses Automatisierungssystem für den Einzelhandel wie vorgesehen funktioniert, müssen sensible Informationen wie Kreditkartendaten erfasst werden. Im heutigen Kontext des Datenschutzes ist Just Walk Out jedoch ein weiterer Kompromiss zwischen Datenschutz und Bequemlichkeit. Nichtsdestotrotz haben Philadelphia und San Francisco, potenziell riesige Märkte für Amazons Technologie, beide im letzten Jahr kassenlose Geschäfte verboten. Interessanterweise hat Amazon im März 2020 begonnen, seine Just Walk Out-Technologie an andere Einzelhändler zu verkaufen.
Bestandsverwaltung
Computer-vision hat auch in der Bestandsverwaltung des Einzelhandels Einzug gehalten. Laut der 30. jährlichen Retail Technology Study von RIS wollen 64 % der Einzelhändler in den nächsten zwei Jahren verschiedene datengesteuerte Lösungen, darunter auch Computer Vision, zur Bestandsoptimierung einsetzen.
Bei Shelfie werden beispielsweise Bildverarbeitungskameras eingesetzt, die oben auf den Standardregalen des Einzelhandels angebracht werden, um das Personal auf falsch platzierte Produkte und Lücken in den Regalen hinzuweisen. Auf diese Weise kann sich das Personal in den Verkaufsräumen mehr auf den Kundenservice konzentrieren. Gleichzeitig erhöhen voll gefüllte Regale die Kaufbereitschaft der Verbraucher erheblich. Mit Echtzeit-Datenanalytik können Einzelhandelsgeschäfte Shelfie außerdem nutzen, um Produkte dynamisch neu zu positionieren und Daten-gestützte Entscheidungsfindung vor Ort zu fördern.
Andere Unternehmen verfolgen einen etwas anderen Ansatz und bauen All-in-One-Inspektionssysteme. Tally zum Beispiel, ein mobiler Roboter von Simbe Robotics, erfasst visuelle Daten von mehr als 12 hochauflösenden Kameras. Tally kann nicht nur das Personal über vergriffene Produkte informieren, sondern auch beschädigte Verpackungen und ungenaue Preisangaben erkennen.
Im Gegensatz zu anderen ähnlichen Lösungen erfordert Tally keine Änderungen der Infrastruktur. Ende 2020 hat Simbe Tally mit einem neuen optischen System aktualisiert und behauptet, dass die Erkennungsgenauigkeit des Roboters nun bei fast 99 % liegt. Simbe behauptet, dass Einzelhändler ihre Investitionen innerhalb eines Monats amortisieren können, indem sie die Anzahl der nicht vorrätigen Artikel um 20 % reduzieren und eine perfekte Produktanordnung sicherstellen.
Im Jahr 2022 gab das Unternehmen seine Partnerschaft mit Wakefern, der größten Einzelhandelsgenossenschaft in den USA, bekannt. Derzeit wird Tally von vielen führenden Einzelhändlern in den USA, Europa und dem Nahen Osten eingesetzt und hat insgesamt mehr als 200.000 Meilen an autonomen Scans in den Geschäften absolviert.
Nutzen Sie die Möglichkeiten der Computer Vision im Einzelhandel
Verbesserung des Ladenlayouts
Durch die Installation von Computer-Vision-Kameras können Einzelhändler die Bewegungen der Kunden im Geschäft verfolgen, um ihr Kaufverhalten, "heiße Bereiche" und ihr Verhalten in Bezug auf bestimmte Produkte zu ermitteln. Mit diesen Informationen können Einzelhändler fundierte Entscheidungen über die Produktplatzierung, das Ladenlayout und die Personalausstattung treffen.
Samsung beispielsweise nutzte Computer Vision und retail predictive-analytics, um seinen Pop-up-Store zu optimieren, der der Markteinführung seines Mobiltelefon-Flaggschiffs Galaxy S9 gewidmet war. Bei solchen kurzfristigen Marketing-Kampagnen ist die Möglichkeit, die Leistung spontan zu optimieren, entscheidend. Mit einer Reihe von Computer-Vision-Kameras, die im gesamten Laden installiert waren, sammelte Samsung Daten zu Fußabdruck, Verweildauer, Produktinteraktion und Demografie in verschiedenen Ladenbereichen.
Das Ziel dieser Marketingkampagne war es, jeden Besucher zu einem potenziellen Käufer und sozialen Fürsprecher des Produkts zu machen, indem man ihn in verschiedenen Bereichen des Geschäfts ansprach. Durch das Sammeln großer Datenmengen konnte Samsung herausfinden, welche Zonen den größten Einfluss auf die Konversion hatten, wann das Geschäft unterbesetzt war und welche Botschaften am effektivsten waren, um Passanten anzulocken. Dank dieser Erkenntnisse konnte Samsung das Ladenlayout in Echtzeit anpassen und den maximalen Nutzen aus seiner Marketingkampagne ziehen.
In einem ähnlichen Beispiel arbeitete der serbische High-End-Modeeinzelhändler Legend World Wide mit Deloitte zusammen, um ein "vernetztes Geschäft" aufzubauen. Das Unternehmen installierte mit Computer Vision ausgestattete Kameras und Sensoren in seinem Geschäft, um den Weg der Kunden zu verfolgen, besser zu verstehen, wie sich die Produkte im Geschäft bewegen, und insgesamt bessere produktbezogene Erkenntnisse zu gewinnen.
Durch die Analyse von Heatmaps der Kundenbewegungen entdeckte Legend, dass das Ladenlayout sein größter Engpass war. Beim Betreten des Geschäfts überflogen die meisten Männer schnell die Kleidungsstücke auf der linken Seite und merkten sofort, dass sie in der Damenabteilung stöberten. Dies veranlasste die meisten männlichen Kunden dazu, sich umzudrehen und das Geschäft zu verlassen. Legend löste dieses Problem, indem es einfach eindeutige Schilder anbrachte, die darauf hinwiesen, dass sich die Herrenabteilung im oberen Stockwerk befindet. Während ein erfahrener Einzelhandelsanalytiker diesen Engpass höchstwahrscheinlich manuell aufspüren würde, lassen sich mit Hilfe von Bildverarbeitungssoftware solche Schlussfolgerungen mit größerer Sicherheit und viel schneller ziehen.
Virtuelle Spiegel und Empfehlungsmaschinen
Im Einzelhandel könnten virtuelle Spiegel die nächste Stufe der Personalisierung und Verbesserung des Kundenerlebnisses werden. Ein virtueller Spiegel ist ein herkömmlicher Spiegel mit einem Display hinter dem Glas. Ausgestattet mit Computer-Vision-Kameras und AR können virtuelle Spiegel eine Reihe von kontextbezogenen Informationen anzeigen, die den Kunden helfen, sich besser mit der Marke zu identifizieren.
FindMine bietet zum Beispiel als Teil seiner Palette von Einzelhandelsmarketing-Services eine virtuelle Umkleidekabine im Laden an, die den Look vervollständigt. Die ML-gestützte Engine hinter dem Flaggschiffprodukt von FindMine bietet seinen Nutzern Modeempfehlungen in Echtzeit auf der Grundlage ihres aktuellen Outfits. Wenn eine Person zum Beispiel einen Hut in der Umkleidekabine anprobiert, erkennt der virtuelle Spiegel den Hut und empfiehlt eine Tasche, Accessoires, Schmuck und andere Artikel, die den Look ergänzen.
Um dies zu erreichen, füttert ein Einzelhändler den Algorithmus von FindMine mit den Daten zu jedem Produkt aus seinem Katalog. Das System berücksichtigt dann eine Vielzahl von Artikelmerkmalen wie Farbe, Beschreibung, Preis und Geschlecht, um weitere relevante Produkte im Geschäft zu empfehlen.
Neben der Verwendung in Geschäften kann der Algorithmus von FindMine auch den E-Commerce-Sektor erheblich beeinflussen. John Varvatos, eine in den USA ansässige Luxus-Herrenbekleidungsmarke, wandte sich beispielsweise an FindMine, um ihr Markenerlebnis zu verbessern und die Erfahrung eines virtuellen Stores zu schaffen. Durch den Einsatz von "Complete the Look" auf den Produktbeschreibungsseiten verzeichnete John Varvatos einen Anstieg des durchschnittlichen Bestellwerts um 74 %, einen Anstieg der Konversionen um 83 % und einen Anstieg der auf der Website verbrachten Zeit um 107 %.
In ähnlicher Weise (kein Wortspiel beabsichtigt) nutzt der Brillenhersteller Warby Parker eine virtuelle Anprobefunktion, die ausschließlich in seiner iOS-App verfügbar ist. Mit Hilfe einer AR-basierten App können Kunden nun sehen, wie genau eine Warby Parker-Brille an ihrem Gesicht aussehen wird. Dabei ist es dem Unternehmen gelungen, eine tadellose Genauigkeit in Bezug auf die reale Position der Brille zu erreichen, so dass die Kunden viel mehr Vertrauen in ihren Kauf haben.
Smartphone-Anwendungen zum Scannen von Barcodes
Einer der am häufigsten genannten Reize des Online-Shoppings ist die Möglichkeit, Produktbewertungen im Detail zu recherchieren. Laut der TrustPilot-Studie 2020 über die Rolle von Bewertungen für das Online-Vertrauen lesen 89 % der Verbraucher Bewertungen, bevor sie eine Kaufentscheidung treffen.
Mit Hilfe von Computer Vision können Online-Rezensionen und -Bewertungen endlich auch im Ladengeschäft genutzt werden. Mit der Barcode-Scan-Anwendung von Scandit können Kunden beispielsweise Produktinformationen und -bewertungen abrufen, indem sie den Barcode des Produkts mit der Kamera des Smartphones scannen. Die Scandit-Anwendung "Product Information Lookup" blendet mit Hilfe von AR Informationen auf dem Bildschirm des Geräts ein.
Guitar Center, einer der größten Musikalienhändler der Welt, nutzt die Barcode-Scan-Anwendung von Scandit, um die bewährten Funktionen seines Online-Shops auch in den physischen Filialen zu nutzen. Kunden können nun die mobile App nutzen, um Videos, Rezensionen, Bewertungen, ähnliche Produkte und alternative Farben von gescannten Produkten nachzuschlagen, was Guitar Center dabei hilft, ein viel gefordertes Omnichannel-Erlebnis zu bieten.
Zurzeit hat Scandit über 1700 Kunden weltweit, darunter Branchenriesen wie Levi's Straus und Sephora. Anfang 2022 sammelte das Unternehmen 150 Millionen US-Dollar ein, was auf das immense Potenzial von Computer-Vision-fähigen Barcode-Scan-Apps im Einzelhandel hinweist.
Auch der größte Lebensmitteleinzelhändler Dänemarks, Coop, hat sich an Scandit gewandt, um die Effizienz seiner Filialabläufe zu steigern. Mit einer speziellen Smartphone-App können die Kunden von Coop jetzt Produkte scannen, Artikel in den Einkaufswagen legen und in der App mit Karte bezahlen, um Warteschlangen zu vermeiden. Coop berichtet, dass 250.000 Kunden die App täglich nutzen. Darüber hinaus hat Coop Scandit auch eingesetzt, um seine 2.000 Mitarbeiter bei der Erledigung von Aufgaben im Laden zu unterstützen, z. B. bei der Preisreduzierung. Dies sorgt für mehr Effizienz in den Filialen und langfristige wirtschaftliche Vorteile, da die Mitarbeiter nun keine Scanner mehr untereinander teilen müssen.
Wir entwickeln robuste KI-basierte Tools für Einzelhandelsfachleute
Ganzheitlicher Ansatz
Viel zu oft setzen Einzelhändler neue Technologien ein, um nur einen bestimmten Teil des Geschäftsbetriebs zu optimieren. Eine solche Vision wird in der Regel von Nischen-Softwareanbietern verfolgt, die sich oft auf die Lösung eines bestimmten Geschäftsproblems konzentrieren. Gleichzeitig ist der Erfolg von Amazon Go zu einem großen Teil auf die ganzheitliche Vision zurückzuführen, das Einzelhandelserlebnis in seiner Gesamtheit zu verändern.
Auch wenn dieses Szenario für viele Unternehmen zu extrem oder wirtschaftlich nicht realisierbar sein mag, ist die Berücksichtigung des langfristigen Transformationspotenzials von entscheidender Bedeutung. Gehen Sie in kleinen Schritten vor und stellen Sie sicher, dass Ihr Unternehmen neue Tools erforscht und einen datengesteuerten Ansatz für das Geschäft verfolgt. Dies sollte das Experimentieren und die Entdeckung neuer Anwendungsfälle für die Technologie fördern.
In Zeiten der rasanten Digitalisierung und des ständigen Wandels der Lebensgewohnheiten der Verbraucher ist eine schnelle Anpassung an die Bedürfnisse und das Verhalten der Verbraucher von entscheidender Bedeutung. Mit Computer Vision und KI können Unternehmen das Kundenerlebnis und -engagement messen und gleichzeitig fundierte Entscheidungen zur ganzheitlichen Verbesserung des Ladenbetriebs treffen.
