如何利用行为数据支持业务决策
对商店、机场和体育馆等场所的人群加以引导是一门高深的学问。如果方式得当,对公共场所的人潮进行引导可以让消费者感到更安全、更满意,并让企业的运营更高效。为此,企业纷纷开始采集行为数据。随着该领域的不断发展,不仅需要计算机视觉等技术,还需要一支深谙消费者行为和当地文化的多元化专家队伍。与此同时,数据隐私也需要引起重视。必须在安全、知情的情况下收集相关数据,并时刻留意此收集行为的合法性。
“行为数据采集”的定义
行为数据采集是指观察人类行为的过程,通常发生在人流密集之处,如商店、机场和赌场等。例如,机场通过观察何处存在人群聚集(尤其是在客流高峰时段),可以更好地判断应在何时何地调派更多的人力,如安保人员和客户服务人员等。零售商在监控安全威胁时,如果能观察到店内的每一个角落,也可以提高店内的安全系数。而赌场则可以通过监控赌客和员工的行为来戳穿其作弊企图。
这些工作单凭人力是无法完成的。人类需要帮手。于是,行为数据采集技术应运而生。
行为数据采集的核心要素之一便是计算机视觉。计算机视觉是人工智能 (AI) 的一种形式,可帮助计算机分析图片、视频等可视化数据并根据分析结果实时做出智能化的判断。Google 便使用了计算机视觉技术来帮助用户提高可视化搜索效率。自动驾驶汽车也必须借助计算机视觉技术来检测物体、车道标线、路牌和交通信号灯等,保障安全驾驶。机场则使用计算机视觉技术管控安全风险,我们在近期的一篇博客文章中对此做了相应介绍。
计算机视觉技术采集到的数据远比人类裸眼观察到的数据要多得多。采用了计算机视觉技术的摄像头能够实时向企业传达相关信息(例如体育馆入口排队人数是否过多等)。相比之下,如果摄像头不支持计算机视觉功能,则只能录制视频,录制的视频需要稍后人工查看,而无法实时报告。
尽管如此,计算机视觉技术只能反映当前发生的行为,而无法对事件进行有效的解读。人类行为千姿百态,且往往细致入微,单凭计算机视觉技术难以捕捉。居心不良之人(如商店扒手)不断摸索新的犯罪方式,而计算机视觉技术只能观察到其在训练中涉及到的场景,而无法辨别新的犯罪骗局。另外,对于一直以来仅针对特定场景使用点解决方案的企业来说,计算机视觉也无能为力。计算机视觉技术需要使用模式识别功能不间断地检测行为和人员,为计算机视觉应用背后的 AI 注入新数据。计算机视觉可以描绘正在发生的事情,而模式识别则可以对正在发生的事情加以解读。两者结合使用,可以帮助企业得到满意的效果。
企业如何训练计算机视觉技术
如上所述,要有效地采集行为数据,必须对 AI 进行训练,使其了解要捕获哪些信息。例如,AI 必须知道如何分辨正在店内浏览商品的顾客和正在行窃的小偷。为此,我们需要为 AI 输入经过标注的数据,并对模型进行测试和验证。另外,面对日趋收紧的隐私法律,企业必须克己慎行。如果企业能够使用的有效数据有限(例如缺少对店内违反安全规范的人员采集的清晰而完整的视频样本),训练 AI 就会变得很复杂。
Centific 主要采用两种训练方式:
Centific 实验室
我们建立了一个模拟零售空间,能够重现店内遭窃和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。
现场采集
同时,我们还依托我们的 OneForma 平台在全球范围内寻找项目成员帮助我们录制在真实生活中比较容易录制的场景(当然是在遵守安全法规的前提下)。
例如,最近有一位客户希望我们能优化其家用监控摄像头产品,尤其是希望摄像头能在住户门口有快递包裹时更好地通知到住户。为此,我们需要对摄像头进行训练,使其了解人们会通过哪些方式将包裹放在房屋门口。听起来似乎很简单,事实却并非如此。没有哪两栋房屋是完全一样的。计算机视觉需要考虑无数变量,例如光线昏暗、环境噪音和包裹的确切位置(如靠在门上还是塞在某个邮箱下面)等。
为此,我们找到了一个全球众包团队来收集数据。我们要求该团队将包裹被投递到自己家门口的真实视频传送到我们的数据收集与标注平台上(我们已事先就技术细节对其进行了培训,向他们说明了如何操作)。借助这种众包形式,我们获得了训练 AI 所需要的数据,使 AI 能够真正了解包裹投递的视觉和声音效果,以及一些不视为包裹投递的场景,例如邮递员将信封塞进信箱中。
关键成功要素
企业必须妥善处理各种各样的动态行为,时刻留意其操作方式,例如:
- 尊重企业所在国家/地区及其客户所居国家/地区的隐私权。也就是说,企业必须遵守这些国家/地区的法律要求,并考虑到各种实际因素。例如,企业需要界定摄像头的拍摄范围、商定视觉图像的存储政策,并确定如何告知客户正在使用摄像头来保护实体位置的安全。
- 谨慎行事。企业在开发计算机视觉技术时一定要恪守“感知 AI”的原则,例如使用多元化的专业开发人员团队来避免开发 AI 数据过程中产生偏见。如果不采用感知型方法,行为数据采集可能就会引发道德问题,例如根据购物者的外表而非行为进行分析。另外,为确保数据的包容性,也需要多元化团队的支持。具备不同背景的专业人员可以帮助训练 AI 识别不同文化和背景下的人类行为。
- 运用技术进行大规模训练。应用任何 AI 技术的一大挑战就是要处理训练 AI 所需的所有数据。企业需要借助一个公共平台来收集多个数据样本,并对数据进行管理和存储。另外,数据收集需要对工作流进行有效管理,从规划项目进度到分配交工日期等(Centific OneForma 平台为此而生。)
在这一领域,Centific 本身也会遵守这些原则。
Centific 解决方案
Centific 在其 Scout 解决方案中使用了多种工具,而行为数据采集便是其中之一。Scout 作为一款综合平台,可以帮助零售商对其商店进行管理,使其能够:
- 减少库存损耗。
- 防止缺货。
- 提升客户满意度。
- 为利益相关者创造经济价值。
Scout 的核心是行为异常检测。作为一款集成式洞见分析平台,它可以实时提供个性化和规范化分析数据,直观地向门店团队发出事件提醒,避免事态恶化。
Scout 以人机环为基础,可通过 OneForma 平台提供的高质量成品训练数据集(已标注)来减少偏见,并借助 Centific 的全球风险缓解专业团队实现实时情景分析,减少误报。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。
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 Centifc。