人工智能如何实时发现顾客在店内购物时的需求

顾客可能会在您的店里突然邂逅某款心仪的商品，但您怎样才能注意到这样美好的时刻呢？无论是时装和奢侈品等关注度很高的零售商，还是售卖洗涤剂和苏打水的连锁店，形形色色的零售商们无一不希望找出这个问题的答案。

无论消费者是在杂货店的过道中搜寻商品，还是在服装精品店中选购衬衫，其偏好早已在其决定购买前有迹可循。他们或在过道的某个地方多停留了几分钟，或拿起过几件不同尺寸的同款衬衫，又或者仔细对比了几种不同品牌的苏打水的标价。

店员和销售人员有时难以注意到这些迹象，尤其是，某些门店的员工还要处理其他各种工作，例如上货等。

不过，科技取得了巨大进步。

匿名追踪

一些零售商开始将信标连接到进店选购商品的顾客的设备上，以此匿名追踪消费者行为。为此，他们会使用摄像头和 WiFi 热点。如果顾客启用了手机上的 WiFi 设置，则其在某处走动时，手机会自动连接到附近的热点。在店内设置一些信标后，门店即可在不以任何形式侵害顾客个人数据的情况下，追踪顾客在店内的走动路线。这是因为，每部手机在注册到其连接的每个热点时，都会使用一个不一样的身份。

这种追踪方式有助于实时获取顾客所购商品及其在店内的走动路线的信息。门店可以收集这些信息，并使用它们改善客户体验、提高利润率。例如，门店经理掌握追踪到的行为后，可能会意识到顾客对某款特定商品或促销活动兴趣倍增，然后可以快速做出反应，让店员进行必要的补货。

新起之秀：行为异常检测

上述方法仅适用于连接到 WiFi 的顾客，而且仅关注顾客的行为本身。设备追踪无法反应顾客对当前购物体验的更多真实感受，也无法识别顾客需要店内他人帮忙的身体暗示。

要获取这些更深层次的洞见，零售商需要使用行为异常检测技术。

行为异常检测是人工智能 (AI) 的一种应用形式，包括使用计算机视觉和模式识别技术观察商店、机场和其他所有人群聚集之处的人类行为。顾名思义，行为异常检测技术检测的是不寻常的行为。该技术可为门店提供三方面的帮助：

• 客户服务：便于门店员工为顾客提供帮助。例如，行为异常检测技术可能会提醒门店员工有人正在吃力地将平板电视装入购物车（异常行为：顾客将大件商品放入购物车的时间远远超出正常时间）。

• 销售：提醒门店员工某位顾客可能想要购买某款商品，例如某位顾客拿起几件不同颜色的同款衬衫。（异常行为：顾客长时间在试衣镜前停留。）

• 安防：抓获正在实施犯罪行为或危险行为的人。

行为异常检测技术使用了：

• 计算机视觉：人工智能 (AI) 的一种形式，可以让计算机记录图片和视频等视觉数据。计算机视觉技术可以让门店经理实时了解店内发生的一切活动，甚至常规摄像头无法捕捉的情形也不例外。

• 模式识别，机器学习的一个领域。用于发现数据模式和规则，然后根据从模式中获得的信息对数据进行分类。模式识别技术可用于从语音、图像（如上文示例）或文本流等给定样本中提取有用的信息，其目的是分析接收到的数据，然后尝试发现其模式。人类无论是在进行艺术创作还是数学计算时，都会自觉或不自觉地使用模式识别。但机器的模式识别速度要快得多，还可以像人类一样通过自学不断调整和改进。如果能实现实时模式识别，那么就能实现实时行为异常检测。

计算机视觉和模式识别珠联璧合，仅在服务和销售领域就能帮助零售商灵活应对无数情景。

行为异常检测实例

我们再来看几个如不使用行为异常检测技术可能被店员忽视的假想示例：

• 一对夫妇在某个百货商店的过道中轮流拍打几个不同的篮球，且这一行为持续了好几分钟。两人脸上没有笑容，所以显然不是在拿商店的商品消磨时间。那么，究竟是怎么回事呢？一个配置了计算机视觉技术的摄像头在某次时序转录中捕捉到了这一行为。然后，系统通过快速响应机制（例如向门店发放的工作设备发送短信 (SMS)）向门店经理或店员发出提醒。实时播放的视频有助于店员确定店内异常活动的具体位置以及异常活动的实施主体。店员收到提醒后，上前询问这对夫妇是否需要帮助。没错，他们确实需要帮助：原来两人正在为自己的侄女选择节日礼物，侄女是狂热的篮球迷，但两人并不了解篮球。两人一直在对比不同品牌，并希望通过拍打的方式来确定球内气压是否充足，因为他们家里没有可以测压的压力泵。这位专门负责体育用品的店员问了几个问题，得知两人的侄女今年 5 岁。于是店员建议买一个较小的迷你篮球，更适合刚开始学习打篮球的小孩子。

• 一位购物者在一个家居饰品店的灯泡区停留了几分钟。这位购物者陆续拿起了好几个品牌的灯泡，然后又放回了货架上，之后在过道中来回踱步数分钟，但没有购买灯泡。此类情景似乎很明显传达了一个信息：顾客还没有下定决心。但店内人员很多，店员没有注意到这位购物者。幸亏异常检测系统向店员发出提醒，说明有人可能需要帮助。没错，该场景中的购物者刚迁入新居，准备购买大量灯泡来布置一个灯轨系统，但不知道哪种灯泡更合适。

• 在一家高档服装店，一位购物者穿着一件价格不菲的羊绒外套从更衣室走了出来。这位购物者在过道上走来走去，但似乎并不想脱掉外套，也没有照镜子的打算。购物者出了点汗，可能是对某件事感到不安。那么，究竟是怎么回事呢？一名店员收到提醒后，上前询问购物者是否需要帮助。原来，购物者想要买下这件羊绒外套，但又担心外套太紧了。店员意识到，购物者之所以没有寻求帮助，是因为不太愿意承认自己可能需要稍大一码的尺寸。因此，购物者在店里来回走动，希望找到合身的感觉，但在室内穿着外套难免会觉得热。店员向购物者介绍了尺寸，还贴心地提供了一瓶瓶装水 - 这一举动巧妙地提高了成交的可能性。

无论在上面的哪个示例中，真正帮助到顾客的都不是科技本身。销售人员需要对行为异常检测技术提供的信息加以解读。除了提醒销售人员有人需要帮助之外，该技术还可以从很多方面改进店员的工作。此外，该技术还可以帮助门店经理掌握其他一些情况，例如某个部门的店员太多，导致某位顾客受到一个区域的多名员工的关注，而其他区域的购物者却无人问津。

行为异常检测技术在使用时应做到透明、知情，让顾客和员工都知晓门店正在使用摄像头来辅助提供客户服务和保护门店安全。许多门店通常张贴标牌作为提醒。法律对这方面的规定并不明确，但对商店来说，最好坦诚地说明摄像头的使用情况。

那么，门店什么时候才能普及行为异常检测技术呢？应该比我们想象得要快。去过 Amazon Go 无人商店的人应该都知道，Amazon 正是结合使用摄像头和传感器来追踪进店者的每一个动作。Amazon Go 的成功之处在于，Amazon 让消费者了解到，该技术配合 Amazon Go 应用，可确保向顾客提供完美的购物体验并免去其排队结账的烦恼，有效地传达了追踪顾客行为的价值。但 Amazon Go 侧重于通过一个封闭式网络提高效率，尽可能加快购物者从进店到结账离店的速度。而行为异常检测技术则是通过人工干预提升服务水平。

同时，如果不经过适当的训练，行为异常检测技术也无法有效地工作。AI 必须经过数据训练才知道要关注哪些信息。另外，我们在使用行为异常检测技术时必须注意保护消费者的隐私，并且不能给任何人的形象带上偏见色彩。行为异常检测技术在接受多元化的人类团队的适当训练后，有望成为零售商的得力助手。

Centific 如何助您一臂之力

Centific 开发的 Scout 平台可以帮助零售商充分发挥行为异常检测技术的优势。Scout 可以实时提供个性化和规范性的分析数据，从而在发生诸如有人需要帮助和有人图谋不轨等事件时直观地提醒店内工作人员。

Scout 以人机环为基础，可通过全面的 AI 训练数据集减少偏见，并充分发挥 Centific 全球风险缓解专业团队的优势实现实时情景分析，降低该技术错误识别某种行为的概率。随着 Scout 学习到的模式不断增加，它们会通过一个安全的专用模式识别网络传递给用户。

Centific 实验室

我们建立了一个模拟零售空间，能够重现购物者需要帮助、店内遭窃、顾客排长队等需要加大人群管控力度的场景。我们在重现这些场景时会让真人扮演相应的角色，然后录下其行为并使用录制的视频对计算机视觉进行相应的训练。

通常，我们只会给测试主体非常简要地说明想要录制的场景（购物、偷窃等），因为我们希望尽可能录下人们在真实商店中的自然表现。如果训练师的指示过于详尽，则会对我们想要录下的行为造成一定限制。

无论是识别特定客户的行为、检测自助结账时的欺诈行为还是识别现场风险，Scout 都能实时帮助零售商安心操作。

如需了解更多信息，请联系 Centific。