空间智能：零售技术的未来
某些看似不相干的因素正在推动零售技术的未来，比如牙牙学语的婴儿以及护卫篮筐的运动员。从表面上看，这两种行为似乎没有什么共同点。但是，其中蕴含的技术让研究人员洞察到每个群体的成功秘诀。有的人对这些技术进行组合，以帮助零售商更好地了解顾客。
George Shaw 是零售业空间智能解决方案提供商 Pathr.ai 的创始人兼首席执行官，他于 2009 年开启了这一段历程。Shaw 当时是麻省理工学院的研究生，与 Media Lab 教授 Deb Roy 合作研究人类家庭语言计划，这是一项关于婴儿如何学习语言的研究。Roy 教授在儿子三岁前通过视频摄像头和麦克风收集了很多数据，从而研究孩子在何时何地开始学习并使用语言。
“尽管从数学上来说这是不可能的，但是几乎每个孩子都会学习说话。显然，我们的知识存在着差距，而人类家庭语言计划的目的就是开始填补此差距。” Shaw 表示。
这个团队发现，研究语言习得的方法也可以用来了解消费者的行为。美国银行和百思买采用了 Media Lab 的技术，通过跟踪流量来了解是什么因素促使人们开立贷款或购买手机。
后来，Shaw 就职于运动分析初创公司 Second Spectrum（擅长跟踪篮球场上的运动员），将机器学习用于数据集以收集洞见，教练可使用这些洞见来帮助球队赢得更多比赛。
将点数据与零售技术结合
通过研究婴儿牙牙学语和篮球运动员运球，Shaw 发现环境中的规律和互动可以用来创建有价值的零售分析。Pathr.ai 空间智解决方案使用机器学习跟踪店内人群的动向。空间智能是一种位于 AI 顶端的认知层。“它提供更高水平的推理，是诠释跟踪意义的业务智能层。” Shaw 表示。
Pathr.ai 的解决方案可利用现有视频摄像头，通过设备将数据馈送到本地服务器。摄像头对人群进行匿名检测，生成在地图各处移动的点数据，这些点数据会进入 Pathr.ai 行为引擎。
Shaw 说：“这里就蕴含着体育策略。我们可以从这些点数据动态中实时提取业务智能，从而做出决策。”
AI 运行在本地服务器上，需要非常强大的计算能力。Shaw 表示：“我们的解决方案能够在各种环境中运行，但最具成本效益的方式是针对我们的计算机视觉技术使用基于英特尔处理器和英特尔® OpenVINO™ 的系统。借助英特尔，我们可以获得最好的技术解决方案。”
零售分析应对当今挑战
跟踪点数据使 Pathr.ai 可以解决零售商最头痛的问题。由于电子商务的发展，线下商店的客流量降低，这使得光临的顾客越发重要，但店员短缺则很难为这些顾客提供称心的服务。
“我们能够优化每位顾客的体验。” Shaw 说。“如果他们获得更舒适的体验，就可能会购买更多的东西。并且，我们可以更有效地利用每位员工的时间，使最终所需工时更少。如今的人工更加稀缺，并且成本更高。”
例如，商场内的珠宝柜台每天可能只会见到 10 位顾客。与其让一位员工专门服务于零星的顾客，不如为此员工分配一些其他工作。当位于珠宝柜台的顾客需要帮助时，Pathr.ai 会发现这些情况，并向员工发送通知。
Shaw 说：“这就是用区域联防代替人盯人防守。通过动态人员分配，可以更有效地利用您的可用人力。”（视频 1）
美国的一家大型连锁杂货店使用解决方案中的实时数据来测量排队长度并调整结账通道的数量。Shaw 表示：“在杂货店中的结账体验是杂货商保持竞争优势的重要因素。很多杂货店都拥有类似的产品、商店布局和促销活动。因此，您在结账方面的体验很重要。”
Pathr.ai 可以测量排队长度和掌握等候时间。系统能够预测大量购物的顾客需要等待多久才能结账。如果预期等候时间超过杂货店设置的阈值，系统将会通知店员打开另一结账通道。如果所有结账通道均已开放，杂货商将会开启更多自助结账通道。在实施 Pathr.ai 空间智能解决方案后，这家美国大型连锁杂货店的运营效率、顾客体验和商店盈利能力均有提升，预计年投资回报率增加 20 倍以上。
零售技术的未来由消费者驱动
Shaw 最终还表示，空间智能系统将能帮助零售商了解入店行窃等其他紧迫问题。“采用匿名的非歧视方式实时侦测相关行为有助于杜绝入店行窃。”他说。“这不仅有利于我们的企业客户，而且有益于整个社会。”
Shaw 表示，于此同时，零售商需要了解不断变化的消费者期望，并采取行动，与时俱进。“这取决于技术提供商和零售商，他们的行动应向消费者的需求和期望看齐。”他说。“我们需要了解消费者来到实际地点时心里抱有什么想法，然后由此采取对应的行动。要了解行为，我们需要更多更有用的数据。”