Phân tích bán lẻ dựa trên thị giác máy tính là gì? Lợi ích, các trường hợp sử dụng và giải pháp

Những điểm chính về phân tích bán lẻ dựa trên thị giác máy tính

• Công nghệ phân tích bán lẻ dựa trên thị giác máy tính sử dụng trí tuệ nhân tạo (AI) để chuyển đổi dữ liệu hình ảnh và video từ các cửa hàng vật lý thành những thông tin chi tiết về vận hành có thể đo lường được.
• Các nhà bán lẻ có thể theo dõi lưu lượng khách hàng, thời gian lưu lại tại cửa hàng, độ dài hàng chờ, mật độ khách, tình trạng kệ hàng, mức độ dịch vụ và các sự cố an toàn gần như theo thời gian thực.
• Khác với các phương thức báo cáo truyền thống vốn chỉ dựa vào dữ liệu giao dịch tại điểm bán (POS) hoặc kiểm tra thủ công, thị giác máy tính giúp làm rõ những gì diễn ra trước, trong và sau quá trình mua hàng.
• Công nghệ Edge AI (AI tại biên) cho phép thực hiện phân tích với độ trễ thấp ngay tại cửa hàng, giúp giảm yêu cầu về băng thông truyền tải video và đảm bảo vận hành ổn định ngay cả khi kết nối mạng bị hạn chế.
• Việc triển khai thành công đòi hỏi nhiều yếu tố hơn là chỉ lắp đặt camera: cần chú trọng đến vị trí đặt camera, kiểm chứng mô hình AI, các biện pháp bảo vệ quyền riêng tư, thiết kế mạng lưới và khả năng tích hợp với các hệ thống bán lẻ hiện có.
• Advantech hỗ trợ triển khai các giải pháp bán lẻ thông minh thông qua phần cứng Edge AI chuẩn công nghiệp, các nền tảng máy tính nhúng và những giải pháp chuyên biệt cho lĩnh vực bán lẻ (iRetail) được thiết kế phù hợp với môi trường thực tế tại cửa hàng.
  

Phân tích bán lẻ dựa trên thị giác máy tính là gì?

Công nghệ phân tích bán lẻ dựa trên thị giác máy tính sử dụng các camera IP hoặc luồng dữ liệu RTSP hiện có, kết hợp với AI tại biên (Edge AI) và phần mềm phân tích, để diễn giải các hoạt động diễn ra bên trong cửa hàng và chuyển đổi dữ liệu video thành những thông tin chi tiết có giá trị thực tiễn. Công nghệ này biến các dữ liệu hình ảnh phi cấu trúc như sự di chuyển của khách hàng, mật độ người mua sắm, mức độ tương tác với sản phẩm và hoạt động thanh toán thành các chỉ số có cấu trúc để đội ngũ nhân viên cửa hàng có thể đưa ra các hành động cụ thể.

Ví dụ, một nhà bán lẻ có thể sử dụng công nghệ thị giác máy tính để nhận diện tình trạng hàng người chờ dài dần tại các quầy thanh toán tự động, đo lường lượng khách ra vào cửa hàng, phát hiện các khu vực kệ hàng sắp hết sản phẩm, hoặc phân tích cách khách hàng di chuyển qua các khu vực trưng bày sản phẩm khuyến mãi. Kết quả thu được thường được hiển thị qua các bảng điều khiển, thông báo cảnh báo, giao diện lập trình ứng dụng (API), hoặc thông qua việc tích hợp với các hệ thống quản lý nhân sự, hệ thống biển báo kỹ thuật số và hệ thống quản lý cửa hàng.

Điều quan trọng cần lưu ý là mục tiêu không chỉ đơn thuần là ghi lại hình ảnh video. Các giải pháp phân tích bán lẻ dựa trên thị giác máy tính giúp nhà bán lẻ nắm bắt được những mô hình vận hành mà hệ thống điểm bán hàng (POS) không thể tự mình hiển thị. Trong khi hệ thống POS chỉ xác nhận việc một sản phẩm đã được bán ra, thì công nghệ phân tích hình ảnh lại giúp làm rõ liệu người mua hàng có nhìn thấy sản phẩm, có tương tác với khu vực trưng bày, có chờ được hỗ trợ hay đã rời đi do tình trạng đông đúc hay không.

Cách thức hoạt động của công nghệ phân tích bán lẻ dựa trên thị giác máy tính

Bước 1: Thu thập dữ liệu hình ảnh và video tại cửa hàng

Các camera IP, camera stereo, cảm biến chiều sâu hoặc hệ thống CCTV hiện có sẽ ghi lại hình ảnh từ các khu vực trọng yếu như lối vào, lối đi, quầy thanh toán, khu vực thực phẩm tươi sống, phòng thử đồ và khu vực bốc dỡ hàng hóa. Vị trí đặt camera, điều kiện ánh sáng, trường nhìn và độ phân giải đều ảnh hưởng trực tiếp đến chất lượng dữ liệu.

Bước 2: Chạy các mô hình phát hiện và nhận diện bằng AI

Các mô hình AI phân tích luồng video để phát hiện các đối tượng và sự kiện có liên quan. Tùy thuộc vào trường hợp sử dụng, các mô hình có thể nhận diện con người, xe đẩy hàng, giỏ hàng, quầy thanh toán, các khoảng trống trên kệ hàng, việc xâm nhập khu vực hạn chế hoặc mật độ đám đông. Việc triển khai trong lĩnh vực bán lẻ nên ưu tiên phương thức phát hiện ẩn danh bất cứ khi nào có thể, thay vì thực hiện nhận diện cá nhân không cần thiết.

Bước 3: Chuyển đổi các kết quả phát hiện thành các chỉ số bán lẻ

Nền tảng này tổng hợp các dữ liệu phát hiện thành các chỉ số như số lượng khách, thời gian lưu lại, độ dài hàng đợi, thời gian chờ, tỷ lệ lấp đầy, chỉ số đại diện cho tỷ lệ chuyển đổi, mức độ tương tác tại khu vực hoặc tình trạng hàng hóa trên kệ. Các quy tắc có thể kích hoạt cảnh báo khi các chỉ số vượt quá ngưỡng thiết lập.

Bước 4: Cung cấp thông tin chuyên sâu cho hệ thống tại cửa hàng và hệ thống doanh nghiệp

Các thông tin chi tiết được hiển thị qua bảng điều khiển, thông báo trên thiết bị di động, công cụ trí tuệ doanh nghiệp (BI) hoặc API. Các nhóm có thể sử dụng những kết quả này để mở thêm quầy thanh toán, điều phối lại nhân viên, bổ sung hàng hóa lên kệ, điều chỉnh cách trưng bày hoặc tìm hiểu nguyên nhân gây tắc nghẽn dịch vụ thường xuyên.

Những lợi ích chính của phân tích bán lẻ dựa trên thị giác máy tính

Phân tích dữ liệu bán lẻ bằng thị giác máy tính giúp chuyển đổi hoạt động cửa hàng từ việc báo cáo hồi cứu sang việc ra quyết định chủ động.

Cải thiện trải nghiệm khách hàng

Việc xếp hàng thanh toán kéo dài, lối đi đông đúc, kệ hàng trống và thiếu vắng nhân viên hỗ trợ có thể làm giảm mức độ hài lòng của khách hàng. Công nghệ phân tích hình ảnh theo thời gian thực giúp đội ngũ nhân sự nhận diện các vấn đề này ngay khi khách hàng vẫn còn đang ở trong cửa hàng. Chẳng hạn, các cảnh báo về tình trạng xếp hàng có thể nhắc nhở quản lý điều động thêm nhân viên trước khi thời gian chờ đợi trở nên quá lâu.

Tối ưu hóa nhân sự và vận hành cửa hàng

Dữ liệu về lưu lượng khách hàng và mô hình di chuyển cung cấp cơ sở để lập kế hoạch nhân sự hiệu quả hơn. Các nhà bán lẻ có thể bố trí nhân viên phù hợp với những thời điểm khách vào cửa đông nhất, các khu vực có nhu cầu cao hoặc các nhu cầu bổ sung hàng hóa định kỳ. Điều này giúp nâng cao chất lượng dịch vụ mà không chỉ dựa vào dữ liệu doanh số trong quá khứ.

Nâng cao hiệu quả trưng bày và xúc tiến bán hàng

Phân tích lưu lượng khách hàng, thời gian lưu lại và tỷ lệ chuyển đổi theo khu vực giúp các nhà bán lẻ hiểu liệu màn hình trưng bày có thu hút sự chú ý và thúc đẩy ý định mua hàng hay không. Các nhóm có thể so sánh các khu vực khuyến mãi, kệ cuối dãy và bố cục cửa hàng bằng cách sử dụng dữ liệu đo lường mức độ tương tác của người mua sắm.

Tăng cường an toàn và phòng ngừa tổn thất

Thị giác máy tính có thể hỗ trợ giám sát an toàn bằng cách xác định ngưỡng số người có mặt, lối thoát bị chặn, khu vực dễ xảy ra sự cố tràn đổ hoặc xâm nhập trái phép vào khu vực hạn chế. Nó cũng có thể bổ sung cho quy trình phòng ngừa tổn thất bằng cách gắn cờ các sự kiện vận hành bất thường để con người xem xét.

Các trường hợp ứng dụng phân tích bán lẻ sử dụng thị giác máy tính

Đếm lưu lượng người và quản lý mật độ người

Quản lý hàng đợi và Tối ưu hóa quy trình thanh toán

Giám sát kệ hàng và phát hiện tình trạng hết hàng

Phân tích hành trình khách hàng và thời gian lưu trú

Giám sát Mức độ Dịch vụ và Hiệu suất Bộ phận

An toàn, Tuân thủ và Giám sát Khu vực Hạn chế

Edge AI so với Phân tích trên đám mây trong Thị giác máy tính cho ngành bán lẻ

AI tại biên (Edge AI) và phân tích đám mây (Cloud Analytics) có thể hoạt động cùng nhau, nhưng chúng phục vụ các nhu cầu vận hành khác nhau.

AI tại biên xử lý video gần camera, thường là trên máy tính AI trong cửa hàng hoặc thiết bị biên thông minh. Cách tiếp cận này rất hữu ích cho việc cảnh báo xếp hàng, đếm người, giám sát số lượng người trong cửa hàng và các sự kiện an toàn vì nó cung cấp độ trễ thấp. Nó cũng giảm nhu cầu truyền video độ phân giải cao liên tục đến nền tảng đám mây trung tâm, giảm mức sử dụng băng thông và cải thiện khả năng phục hồi cục bộ.

Phân tích đám mây hữu ích cho việc báo cáo đa cửa hàng, lưu trữ dữ liệu dài hạn, quản lý mô hình tập trung và phân tích xu hướng trên toàn doanh nghiệp. Nó cho phép các nhóm tại trụ sở chính so sánh hiệu suất giữa các cửa hàng và khu vực.

Trên thực tế, kiến ​​trúc lai thường hiệu quả: AI tại biên thực hiện phát hiện và xử lý sự kiện ngay lập tức tại cửa hàng, trong khi đám mây nhận các số liệu tổng hợp, các bản ghi sự kiện được chọn và dữ liệu bảng điều khiển. Thiết kế này hỗ trợ khả năng phản hồi, khả năng mở rộng và quản trị dữ liệu.

Xây dựng kiến ​​trúc phân tích bán lẻ dựa trên thị giác máy tính

Camera và các nguồn dữ liệu hình ảnh

Các nhà bán lẻ có thể sử dụng camera IP, camera tích hợp AI, cảm biến chiều sâu hoặc các thiết bị chuyên dụng để chụp ảnh kệ hàng hiện có. Việc lựa chọn camera cần phù hợp với mục đích sử dụng: chẳng hạn, việc đếm lượt người ra vào đòi hỏi góc quan sát khác so với việc giám sát kệ hàng hay phân tích hàng đợi.

Máy tính Edge AI

Các máy tính Edge AI thực hiện suy luận video ngay tại thiết bị (cục bộ) nhờ sử dụng CPU, GPU, bộ tăng tốc AI hoặc bộ xử lý thần kinh (NPU). Ngành bán lẻ được hưởng lợi từ các hệ thống nhỏ gọn, bền bỉ, có khả năng vận hành ổn định tại khu vực văn phòng hậu cần, tủ thiết bị, ki-ốt hoặc các địa điểm cửa hàng phân tán.

Phần mềm phân tích và các mô hình AI

Lớp phần mềm quản lý các luồng video, tính năng phát hiện và theo dõi đối tượng, các quy tắc sự kiện, bảng điều khiển (dashboard) và việc lưu trữ dữ liệu. Các mô hình cần được kiểm thử trong điều kiện thực tế tại cửa hàng, bao gồm sự thay đổi về ánh sáng, cảnh đông đúc, các khu vực trưng bày theo mùa và các góc độ đặt camera khác nhau.

Tích hợp và Quản lý dữ liệu

Để mang lại giá trị vận hành, phân tích trực quan cần được tích hợp với hệ thống POS, quản lý nhân lực, quản lý kho, bảng hiệu kỹ thuật số, quản lý tòa nhà và các nền tảng trí tuệ kinh doanh. API và định dạng dữ liệu tiêu chuẩn giúp các nhà bán lẻ chuyển đổi thông tin chi tiết thành quy trình làm việc có thể lặp lại.

Những thách thức thường gặp khi triển khai phân tích bán lẻ dựa trên thị giác máy tính

Các lo ngại về quyền riêng tư và tuân thủ

Các nhà bán lẻ cần thiết kế quy trình triển khai sao cho phù hợp với các quy định pháp luật về quyền riêng tư, chính sách quản trị nội bộ và kỳ vọng của khách hàng. Việc áp dụng các nguyên tắc như tối thiểu hóa dữ liệu, ẩn danh hóa, kiểm soát truy cập, chính sách lưu trữ và bố trí biển báo rõ ràng là vô cùng cần thiết. Không nên mặc định rằng công nghệ nhận diện khuôn mặt là yếu tố bắt buộc đối với hầu hết các trường hợp sử dụng trong phân tích vận hành.

Độ chính xác của dữ liệu và hiệu suất mô hình

Độ chính xác của AI có thể bị suy giảm khi tầm nhìn của camera bị che khuất, cửa hàng đông đúc, điều kiện ánh sáng thay đổi hoặc bố trí cửa hàng bị điều chỉnh. Các nhà bán lẻ nên kiểm chứng mô hình tại các địa điểm thí điểm, thiết lập các mục tiêu về độ chính xác và liên tục theo dõi hiệu suất sau khi triển khai.

Vị trí lắp đặt camera và sự khác biệt giữa các cửa hàng

Việc bố trí camera không hợp lý có thể dẫn đến các điểm mù, tình trạng đếm trùng lặp hoặc khả năng quan sát kệ hàng không chính xác. Mỗi mô hình cửa hàng từ cửa hàng tiện lợi, siêu thị, cửa hàng thời trang cho đến kho hàng bán sỉ (warehouse club) đều đòi hỏi phải có sự đánh giá riêng phù hợp với đặc thù của từng địa điểm.

Triển khai áp dụng vào vận hành

Hoạt động phân tích dữ liệu chỉ thực sự mang lại giá trị khi nhân viên có thể hành động dựa trên kết quả thu được. Các yếu tố như ngưỡng cảnh báo, quy trình leo thang xử lý, trách nhiệm quản lý bảng điều khiển và công tác đào tạo cần được xác định rõ ràng trước khi triển khai. Chẳng hạn, một cảnh báo về hàng đợi cần đi kèm với quy trình phản hồi cụ thể, chứ không chỉ đơn thuần là một thông báo.

Cách Advantech hỗ trợ phân tích bán lẻ dựa trên thị giác máy tính

Advantech hỗ trợ các giải pháp phân tích bán lẻ dựa trên thị giác máy tính thông qua điện toán biên, phần cứng AI, công nghệ IoT công nghiệp và các giải pháp bán lẻ thông minh. Vai trò của hãng là hỗ trợ các nhà bán lẻ và đơn vị tích hợp hệ thống (SI) triển khai cơ sở hạ tầng xử lý tại chỗ đáng tin cậy, có khả năng thu thập, phân tích và truyền tải thông tin chi tiết về hoạt động cửa hàng trên phạm vi một địa điểm đơn lẻ hoặc toàn bộ mạng lưới bán lẻ quy mô lớn.

Phương pháp tiếp cận giải pháp iRetail của Advantech hỗ trợ các ứng dụng như phân tích lưu lượng khách hàng, giám sát hàng đợi, trải nghiệm bán lẻ kỹ thuật số, ki-ốt thông minh và vận hành cửa hàng tích hợp AI. Bằng cách kết hợp các máy tính AI biên (edge ​​AI), nền tảng nhúng, khả năng kết nối và tích hợp, các nhà bán lẻ có thể xử lý dữ liệu hình ảnh ngay tại nguồn phát sinh, đồng thời kết nối các thông tin chi tiết từ cửa hàng với hệ thống quản lý của doanh nghiệp.

Đối với các nhà bán lẻ đang cân nhắc triển khai sáng kiến ​​thị giác máy tính, điểm khởi đầu thiết thực là một dự án thí điểm có trọng tâm: chọn một vấn đề có thể đo lường được, chẳng hạn như tình trạng xếp hàng thanh toán hoặc lưu lượng khách ra vào, xác định các chỉ số thành công, kiểm tra phạm vi bao phủ của camera, và chỉ mở rộng quy mô sau khi giá trị vận hành đã được chứng minh. Cách tiếp cận này chuyển đổi việc phân tích bán lẻ bằng thị giác máy tính từ một thử nghiệm công nghệ đơn thuần thành nền tảng có thể nhân rộng, giúp vận hành cửa hàng hiệu quả và thông minh hơn.