零售

AI在零售(餐饮)领域的功能渗透和场景案例

作者:智慧零售与餐饮 2020-01-19 精彩导读

如今,零售(餐饮)行业数字化转型已经是大势所趋,人工智能与零售(餐饮)的结合,将会是未来发展的大方向。...

 

 

如今,零售(餐饮)行业数字化转型已经是大势所趋,人工智能与零售(餐饮)的结合,将会是未来发展的大方向。AI应用于零售主要应用在从智慧门店、智能买手、智能仓储与物流、智能营销与体验、智能客服等各环节场景中,通过独特的优势为传统零售业零售管理提高效率,降低成本,最终目标是运用人、货、场的数据,撬动整个产业链,提升消费体验。

 

图1:人工智能在零售(餐饮)领域部分应用项目

 

人、货、场的智能化客流管理

 

1、人:利用人脸识别技术,可以在顾客到店的时候通过摄像头捕捉顾客的面部信息,并自动与后台数据库进行对比,发现对方信息后会自动推送该名顾客的消费偏好、年龄、到店时间与次数等数据到店员手机,同时门店每天积累的大量顾客数据会在后台被整理分类,并形成顾客画像。

 

2、货:通过AI热区分析功能可以帮助门店解决这一问题,通过一颗全景摄像头,将门店区域显示在手机上,管理者可以根据店铺售卖区域自定义进行划分,后台会显示出每个区域的人流数量,停留时长等重要数据,并通过颜色直观区分出人流热区与无人区域,帮助门店进行货架摆放规划,提高客单价。

 

3、场:通过一颗摄像头,可以手机查看任意一家门店的运营状况。针对巡视任务重,智能点检可以帮助进行智能比对,通过设置巡店时间,软件会在该时间点时自动截获门店运营照片,通过与先前设置的标准图片对比,筛选出与标准不同的图片进行人工审核。极大地提高人工巡查的效率。(见下图)

 

 

此外,人工智能服务商会把门店监控视频存储在公有云上,根据客户需求定时截图,记录关键时点的门店状况;也能通过更为智能的人形分析和人脸识别,获取消费者信息。这样一来,完成了“人、财、货、场等门店全方位智能化管理”的运营模式,通过云开放技术平台和视频大数据,帮助连锁企业解决企业管理疼点、提升管理效率的工具。悠洛客相关负责人介绍。

 

【场景案例】 : 以AI客流统计为基础,打造人工智能零售(餐饮)体验

 

在以鞋服门店为代表的零售场景体验区,打造从顾客进店→逛店→结算→离店,一站式场景体验。

 

1、进店-人脸导购:顾客从进店的瞬间,人脸就被识别,顾客在该品牌门店的消费关键信息迅速推送到门店导购员手持设备端,导购员根据信息对顾客进行精准推荐。

2、逛店-热区分析:顾客逛店时,“热区分析”通过人形检测算法,对门店的每个区域客流数据进行统计。

3、结算-刷脸会员:顾客结算时,“刷脸会员”通过顾客首次买单时进行人脸和会员信息绑定。

4、结算:通过对POS数据智能分析,发现异常交易及时推送给负责人;另外基于AI技术对每一笔收银进行检测,发现收银时的飞单、违规并单的问题及时推送负责人处理。

5、离店-停留时长、精准客流:当顾客离店时,通过人脸识别技术可帮助零售门店精确统计“进店率”“停留时长”“收银转化率”等信息。

 

 

智慧餐饮:传菜机器人大有可为

 

传统餐饮行业属于劳动密集型产业,面临着人员成本高、人员流失率高、运营成本高等挑战。

 

“送餐机器人”上岗稳定,成本随着技术、商业化的成熟,正在逐年降低。对品牌而言,降低人力成本之后,服务的优化、品牌的进化有了更多的空间、精力和可能性。

 

据普渡科技相关专业人员介绍:送餐机器人的出现在送餐效率与送餐总量上有大幅度提升。

 

单店来看:机器人日均配送量 300 盘左右,高峰期配送 400 个以上的托盘,相当于 1~2 名传菜员每天的工作量,效率相比人工有150%~200% 的提升。

 

全面来看:机器人全年累计完成 650 万余次任务,配送托盘数超过 1500 万盘,相当于 3000 人1年工作量,节省了总计 2亿的人力成本。

 

 

 

 

技术进步推动送餐机器人行业发展

 

服务商将送餐机器人融入多传感器融合算法,相比传统的单激光雷达SLAM或单视觉SLAM算法,能结合多种传感器的优点,在性能上有所提升。 在多传感融合算法的帮助下,机器人能实现高精度的地图构建与厘米级的定位。

 

此外,每一台机器人的每个传感器,都会联网,将技术数据记录在服务商自研的云平台上,为餐厅的业务、效率管理提供数据的支持。服务商云平台集成了机器人状态监测、数据统计分析、远程控制、云端智能服务等能力。

 

升级后的多模态交互方式包括:声、光、触、画四个部分。

 

新一代送餐机器人,依然继承了前一代送餐机器人四层大尺寸托盘的结构设计、多样的配送功能、高精度的定位导航能力、稳定高效的调度系统等特性,并着重对机器人外观设计与人机交互进行了突破性的改进。

  

在“温度”的驱动下,多模态交互功能延伸。升级后的多模态交互方式包括:声、光、触、画四个部分。“新一代送餐机器人”加入了全新的AI语音模块,支持上百种专属情境对话内容,使得这款送餐机器人更有趣;同时搭载的触觉反馈系统,打通声音、表情、光效多个模块,每一次触摸,顾客都将感受到机器人的不同“情绪”。

 

“回盘机器人”以最优的效率完成任务

 

火锅店一年回盘次数达到127750次,平均一天要进行350次回盘任务。回盘本身就是餐厅中刚需高频的业务之一。

 

在容量上,新一代回盘机器人打造了超大封闭式舱体设计,托盘承重达大幅提升,最多可同时运送近百个餐具,回盘效率为服务员的6倍。

 

在回盘模式上,通过呼叫器、APP或智能感应秤,操作人员可以随时呼叫机器人前往指定地点,并由中控系统进行任务调度,让多台“回盘机器人”以最优的效率完成任务。而餐厅对回盘机器人除定位导航部分,其他性能要求较低,适用餐厅的类型更加广阔,除了送餐机器人已落地的餐厅类型外,快餐、团餐市场也能使用回盘机器人。尖端服务商采用3D感知算法与多机调度算法。

 

 

 

 

【场景案例】:呷哺呷哺利用送餐机器人实现高效率餐饮运营

 

目前,走在前端的智能机器人服务商们正在着手研发覆盖更多场景的机器人工种,从现有的“送餐”、“收盘”,逐渐衍生到“排号”、“迎宾”、“领位”、“餐中服务”等。

 

位于北京市通州北苑的呷哺呷哺智慧餐厅,店内配置了两台传菜机器人,这两台机器人从设计制作到投入使用,充分考虑了呷哺呷哺小火锅门店平效和布局的特殊性,经过了多次的理论认证和实际调校,机器人通行宽度由90cm缩小至70cm。

 

机器人对于提升送餐效率,补充人力服务起到了很大的作用。按照目前呷哺呷哺餐厅的排班数据可知,在用餐高峰时段至少需要2-3名传菜员,非高峰时段需要1-2名传菜员,就目前送餐机器人的表现来看,每台机器人的工作效能基本等同1个人力服务,两台机器人则能达到1.5-2个服务员,因此高峰期有两台机器人可以基本满足需求,而在非高峰时段,基本上1台机器人就可以承担起传菜任务,这样算下来,基本上一天就能节省20个左右的工时,节省了两个人力一个班次的全部工时,所带来的价值还是很明显的。

 

根据后台数据显示,呷哺呷哺目前在运营的两家智慧餐厅,机器人送单参与率已经达到了80%以上,在节省工时的同时,营业额不仅没有受到影响,还明显有所提升。对于新开业的智慧餐厅,消费者在点评平台上表示“机器人配菜真是刷新认知,太高科技了”、“送菜靠机器人,提高了效率,孩子觉得很新奇”、“大厅里的几个机器人穿梭送菜成为亮点。”其商业价得以体现。

 

门店AI服务终端

 

在今年全零售展览上,就有新技术服务商全新推出面向C端提供服务的AI服务终端,基于不同的应用场景,该终端可以实现多种应用,实现完整高效的商业闭环。集电子货架、人脸会员、聚合收银、自助买单等四项主要应用。

 

 

电子货架可以实现播放商品宣传视频的同时,展示商品购买入口,提高购物效率;人脸会员可以通过配备的月光级摄像头可以在用户在第一次使用设备买单后“扫脸办会员”直接获得积分,第二次购物时可直接扫脸进行积分满减。聚合收银主要针对商户需要分别在多个平台进行核销的情况给出了解决方案,商户在使用诸如口碑、美团、有赞等多个平台时,扫码进行统一核销,还可根据商户需求开通商户自有平台。同时设备还可开启“刷脸支付”,实现自助买单

 

【场景案例】:超市发—AI自助服务终端

 

2019年是超市发成立63周年,改制20周年。在充分了解了解卖场超市业态普遍存在的痛点和诉求,服务商为超市发定制了专属的”智慧门店解决方案“。

 

智能互动提升拉新率、留存率:开为智慧零售解决方案是以消费者为中心的全渠道全链路全场景数字营销解决方案,通过智能互动媒体终端的部署应用来实现对线下零售流量的连接、融合、升级。

 

服务商智慧屏是线上线下场景连接的流量入口,围绕Face ID为数据基础完善用户画像。屏幕部署在超市发以下区域:店门口、店内货架/墙壁/立柱等。当顾客进店购物时,可靠近屏幕进行多种趣味AR互动,同时通过后台大数据分析精准推送优惠券。

 

 

 

 

清晰用户画像 精准营销:针对不同业态的零售门店,提供定制化智慧营销策划。面向超市发,开为提供了单店多屏的媒体矩阵。通过数字化智能引流分流、程序化推送、趣味互动来延长顾客留店时间并捕捉线上线下各个触点的真实ROI,进一步把用户行为轨迹数字化,以精细化的场景数据将人、货、场的数据深度绑定。

 

通过智慧屏前端采集数据,可清晰地描绘全门店和每个区域的用户画像, 做到 “天、时、地、利、人、和”包括:顾客什么时候进店?哪个时段人气火爆?逛了哪里?逛的顺序?哪个区域坪效最高?顾客是谁?哪些人货场有效?

 

全场景智慧零售:基于Face ID整合CRM/ERP/支付数据;可实现人货绑定配置,匹配商家原有会员数据,智能区分不同价值用户,提高门店会员拉新率和券核销率。有了精准的用户画像信息,品牌才能实施精准投放,基于FaceID的互动营销模式具有强大号召力,并且数据可追溯。通过分析具体数据,可以了解哪些营销活动更受欢迎,品牌可以针对这些情况,实时调控营销时间、频次、内容。

 

通过人货场大数据分析系统和程序化精准投放后台,能实现精准营销、精益运营,做到定时定点定屏定人内容推送,秒级更新。通过大数据后台提供会员分析、营销分析、订单分析等;助力总部进行门店KPI管理,商家可以在后台实时查看全区动线以及各个区域的互动率,及时做出运营调整,打造数字化大卖场,全面提升门店客单价、客单量和GMV。

 

AI助力数据分析、统计

 

在互联网上,用户每一次点击、浏览,每一次购买行为、评论、留言等代表着他的偏好,这些数据积累起来具有极大的价值。通过智能感知网络实现了物理世界的数据化、结构化之后,零售业想象空间是巨大的。近年来,由于人工智能技术的发展,让机器具备了识别人、识别场景的能力,线下的数据能被充分调动。

 

基于新零售“人、货、场”三要素重塑

 

人与货:通过行为分析和货场综合分析技术,商家可在后台查看到顾客在店行为数据、移动轨迹记录,如货品拿取、放回、触碰,或者在柜台前的停留时间,通过大数据分析这些顾客的潜在消费数据,商家可充分了解到顾客的消费喜好、注意力焦点,据此调整店内货物风格、品类、价格。这些看似简单却需要大量记忆的工作,机器天然具备优势。旷视则是通过算法让机器具备了超强的感知及一定的认知能力。

 

 

 

人与场:通过人脸识别技术对进店人员身份进行识别,在无人便利店中可联动门禁,实现会员刷脸进店;在连锁店中可通过会员画像、会员身份识别分析或关联用户的消费喜好,帮助商家选择恰当的销售人员服务目标客户人群。

 

货与场:利用智能的视觉技术还可以为商家优化商品与卖场的关系,根据客群综合消费数据为不同的场景匹配合适的货品,例如在靠近校园的零售网点,商家可以增加一些文具、零食等商品的铺货率。

 

AI打造智慧供应链

 

通过自动化机器学习平台,在业务层面为品牌商和零售商搭建的智能供应链优化系统,针对其零售商旗下多个品牌商品的规划——研发——生产——需求预测——智能配货——零售终端的全价值链进行“开源节流”。

 

 

把握零售商品运筹逻辑基点:“需求预测”这个指标十分重要——如果对某商品的需求量预测得过高,就意味着工厂产能过剩、库存积压、广告投入过多而售货量不达标,造成相应的损失;如果需求预测过低,则会造成工厂供货不充足,被竞品抢占市场等风险。并且,在传统的供应链中,经常不可避免的出现牛鞭效应,导致对商品需求量的预测出现偏差。一般以专家团队进行专业统计学计算为基础的需求预测,准确率通常只在60%左右。

 

深度学习,深度预测:品牌AI服务商使用AI深度学习算法,挖掘商品的历史数据,并结合更多维、更全面的外部数据(如宏观经济波动、人群消费偏好变迁,甚至气温、降水、节日等),建立模型因地制宜、因时制宜、因人制宜的预测出更精准的市场需求,目前可以帮助零售品牌企业达到76.43%的平均预测准确率,进而更加有的放矢的优化产业链结构,降低成本,并且有效降低供应链的牛鞭效应,提升可靠性。

 

细粒度分级预测 让需求规划更精准:零售品牌商若想运筹得当,不仅仅要做好“需求预测”,而是要更细粒度的去分配和解决问题。作为品牌商,至少要面对近千家经销商,这些经销商分布在各地,面对着不同消费风格的群体,要做到对各地、各家经销商的出货量进行精准的预测,还要预测到每种商品在各地的需求量——这无疑是一个运算量巨大的工程,更遑论每家经销商的补货周期和库存结构也不尽相同,面对不同的外部条件,品牌方想要做出完善的补货策略更是难上加难。

 

在大型品牌商内部存在着这样一个部门,专门针对各地、各种商品的受众进行需求预测,并给各地经销商进行各种商品的配货。这个部门通常需要数十位在零售快消品领域拥有多年经验的专业人员组成,这样一支专家团队需要花数周的时间才能计算出一家经销商所需的配货。

 

如今,人工智能深度学习算法,可以同时对各个经销商、各个品牌商品的需求量进行预测,从而更细粒度得将需求总量匹配到每一个经销环节。而这一切在AI算法模型的测算下,仅仅需要1-2个工作人员提供数据给到算法模型,并利用非工作时间(比如夜晚)无感知进行模型训练、测算,即可得到准确度高于专家团队的数据,第二天工作人员上班时便可一键获得预测结果。

 

优化供货路径 提高供应链效率:深度学习算法不仅可以完成工厂仓储端和经销端的运筹优化,端到端之间的路径也可以通过算法进行优化。

 

服务商联合品牌商打造了“无感知商品全链条追踪系统”,可以在供应链仓储工作人员在无需进行额外操作、盘点的情况下,使货物可时时追踪。该系统采用先进的人工智能图像检测、识别技术,仅需在仓库配备一台无感知扫码设备便能让每件货物可追踪溯源。相比传统的人工盘点、RFID解决方案,更高效、成本更低。

 

而在历来都是“兵家必争之地”的零售终端,人工智能技术为品牌商实现了渠道陈列的全面监控。仅需对着货架拍张照片,随即上传到管理软件中,即可一秒识别出商品是否摆放合理,降低了人力和审核成本。

 

 

在可预见的未来,人工智能数据智能算法可以帮助企业做出更高效、更精准的预测。这正是深度学习的优势所在,它拥有自我学习的能力,在不断的运算过程中快速的进化,迅速适应新的场景,赋能更广阔的商业未来。创新奇智相关负责人表示。

 

【场景案例】:迪卡侬智能盘点机器人“迪宝”

 

全球首台零售业盘点人工机器人“迪宝”,具备四个“第一”“迪宝”是迪卡侬投资开发的人工智能机器人,应用于实体商场场景内,通过搭载RFID技术和人工智能,实现全品类产品自动盘点。“迪宝”具备无人无灯全自动化盘点、自主导航和地图扫描、实时更新电子地图等功能,还有支持顾客自助导航、服务说明和自助无人结账等互动服务型功能,被称为世界上第一个“全自动库存机器人”。

 

 

 

由于产品脱销、货架空置以及库存不合理,全球零售行业每年因此而产生的损失接近4500亿美元,急需自动零售盘点技术。而一直以来,实体商场内产品类型多样数量庞大、货架调整频繁、成本过高、数据传输弱等问题困扰着自动盘点技术在实体零售中的发展与推广,“迪宝”的诞生则迎刃而解了上述问题。

  

“迪宝”集多项黑科技于一身,身高约163cm,重量30kg,行走速度0.45米/秒,平均扫描时间2小时,RFID读取范围4米,身上覆盖着近40个传感器和10多个高分辨率相机,在行走的过程中通过RFID、视觉+感知技术完成库存盘点、缺货管理和货位优化,省去了员工手持RFID读取器读取标签的工作的同时,更加智能化地实现全面库存管理。在“迪宝”工作过程中,如果经过人员密集区域,感应器会及时识别,并指导迪宝绕道,等待人员离开后再前往该区域进行检查。传统人工手动盘点方式一小时平均可以处理200件货物,使用“迪宝”每小时可检查15000-30000种产品,每天可循环检查3次,仓库盘点的效率大幅提升,一个小商场2分钟即可完成整个货架盘点,同时准确率达97%以上。有数据称,使用RFID技术可以将库存准确率从行业平均水平65%提升到95%。RFID技术能够做到精准库存,帮助消费者找到需要的商品,那么更多的商品可以全价卖出而不是等待折扣出售,这样就提高了利润,减少了商品损失。

 

“迪宝”主要功能有:1、精确的全店库存盘点和定期循环检查;2、缺货或低库存警报;3、以亚米级精度定位、识别错放的产品;4、商品和库存布局优化的可视化管理。 

 

 

总结

 

零售行业数字化转型已经是大势所趋,人工智能与零售的结合,必将是未来发展的主要方向。

 AI主要有三个核心技术能力:图像识别、动作语义识别和人脸识别的集合与升级,通过视觉模块、AI大数据分析等,将会为传统零售业态插上智慧翅膀。最终目标也是运用人、货、场的数据,撬动整个产业链。

 

 

(本文完)

 

 

 


 

活动预告

 

 

深度聚焦零售(餐饮企业)业态和场景创新,探讨如何利用数字化新模式、技术、解决方案、增值服务,通过触点数字化、运营数据化和决策智能化,进而形成所在业态的数字化核心竞争力,赋能数据驱动运营,提质降本增效,助力企业在红海的竞争中找到新的增长源泉和实现路径!

 

欢迎出席3月12-14日在湖南国际会展中心芒果馆(长沙)召开的第十三届商业信息化行业大会暨2020智慧商业信息化、数字化、智能化高峰论坛及展览会,同期举办“全国智慧零售与餐饮行业优秀用户企业、IT企业、服务商企业颁奖盛大晚宴”。

 

本届大会亮点

 

◆ 举办2020智慧商业信息化、数字化、智能化高峰论坛

◆ 举办智慧零售与餐饮联盟、商业IT服务联盟大会

◆ 年度智慧商业信息化展览会

◆ 智能零售、智能餐饮新技术应用场景体验区

◆ 出台最新国内零售餐饮数字化行业调研报告

◆ 商业信息化应用工程师人才标准公布即实施细则

◆ 举办行业新品发布会及经销商会议

◆ 理事单位高层聚首,共商行业发展大计

◆ 盛大举办开幕大会、颁奖典礼

◆ AI+5G+IOT物联网生态格局一览

 

      报名通道已开启,长按二维码可了解大会详情

 

  

 

联系电话:010-85981186

 

 

1.如转载稿涉及版权问题,请作者联系我们修改或删除相关文章。

2.凡来源为智慧零售与餐饮的内容,其版权均属北京树诚文化传媒有限公司所有。文章内容系作者个人观点,不代表智慧零售与餐饮对观点赞同或支持。

同类文章
  • 边缘计算和云计算的融合应用

    边缘计算和云计算的融合应用

  • 2020百货购物中心数字化实践案

    2020百货购物中心数字化实践案

  • 4万导购服务2000万消费者,大商

    4万导购服务2000万消费者,大商

  • 步步高x腾讯,传统零售业的数

    步步高x腾讯,传统零售业的数