昆士兰科技大学的三名研究人员是一个国际研究团队的成员，该团队已经确定了零售商将人工智能与店内摄像头结合使用的新方法，以更好地捕捉消费者行为并定制商店布局以最大限度地提高销售额。

在《人工智能评论》上发表的研究中，该团队为零售商提出了一个人工智能驱动的商店布局设计框架，以最好地利用人工智能技术的最新进展，以及其在计算机视觉和深度学习中的子领域来监控实体购物行为。他们的客户。

任何从商店最远角落取回牛奶的购物者都清楚，有效的商店布局展示其商品既可以吸引顾客注意他们不打算购买的商品，增加浏览时间，又可以轻松找到相关或可行的替代产品分组一起。

一个经过深思熟虑的布局已被证明与增加的销售和客户满意度呈正相关。它是最有效的店内营销策略之一，可以直接影响客户决策以提高盈利能力。

QUT电气工程与机器人学院的研究人员KienNguyen博士和ClintonFookes教授以及QUT商学院的BrettMartin教授与来自越南胡志明市经济大学的研究人员MinhLe博士和教授合作来自土耳其塞尔迪万萨卡里亚大学的IbrahimCil对现有的店内布局设计方法进行了全面审查。

Nguyen博士说，通过理解和预测改进超市布局设计是提高客户满意度和增加销售额的重要策略。

“最重要的是，本文提出了一个全面而新颖的框架，在现有闭路电视摄像机数据之上应用新的人工智能技术，以解释和更好地了解顾客及其在店内的行为，”Nguyen博士说。

“CCTV提供了有关购物者如何在商店中穿行的见解;他们所走的路线，以及他们花费更多时间的部分。这项研究建议进一步深入研究，注意到人们通过可观察的面部表情表达情感，例如扬眉、睁眼或微笑。”

了解客户浏览时的情绪可以为营销人员和经理提供一个有价值的工具来了解客户对他们销售的产品的反应。

Nguyen博士说：“情绪识别算法通过使用计算机视觉技术来定位面部，并识别面部的关键标志，例如眉角、鼻尖和嘴角。”

“了解客户行为是商业智能的最终目标。提货、将产品放入手推车、将产品退回货架等显而易见的行为引起了智能零售商的极大兴趣。

Nguyen博士说：“其他行为，如盯着产品和阅读产品包装盒，是营销了解客户对产品的兴趣的金矿。”

除了通过面部线索和客户特征了解情绪外，布局经理还可以使用热图分析、人类轨迹跟踪和客户行为识别技术来为他们的决策提供信息。这种类型的知识可以直接从视频中评估，有助于了解商店级别的客户行为，同时避免需要了解个人身份。

ClintonFookes教授说，该团队已经为零售商提出了Sense-Think-Act-Learn(STAL)框架。

“首先，‘感知’是收集原始数据，例如来自商店闭路电视摄像机的视频片段进行处理和分析。商店经理通常用自己的眼睛来做这件事;然而，新方法使我们能够自动化这方面的感知，并且在整个商店执行此操作，”福克斯教授说。

“第二，‘思考’是处理通过先进的人工智能、数据分析和深度机器学习技术收集的数据，比如人类如何使用大脑来处理传入的数据。

“第三，‘行动’是利用第二阶段的知识和见解来改进和优化超市布局。这个过程是一个持续的学习循环。

“这个框架的一个优点是它允许零售商评估商店设计预测，例如顾客进入商店时的流量和行为，或者商店不同区域放置的商店展示的受欢迎程度，”福克斯教授说。

“像Woolworths和Coles这样的商店已经经常使用人工智能算法来更好地满足客户的兴趣和需求，并提供个性化的推荐。在销售点系统和忠诚度计划中尤其如此。这只是使用人工智能的另一个例子人工智能提供更好的数据驱动的商店布局和设计，并更好地了解客户在物理空间中的行为。”

Nguyen博士说，数据可以被过滤和清理以提高质量和隐私，并转化为结构形式。由于隐私是客户关注的一个关键问题，因此可以对数据进行去识别化或匿名化，例如，通过在总体层面检查客户。

“由于来自闭路电视摄像机的大量数据流，基于云的系统可以被认为是处理和存储视频数据的超市布局分析的合适方法，”他说。

“THINK阶段的智能视频分析层在解释图像和视频的内容方面起着关键作用。”

Nguyen博士说，布局经理可以考虑商店设计变量(例如空间设计、购买点展示、产品布局、收银员布局)、员工(例如：数量、布局)和客户(例如：拥挤、访问持续时间、冲动购买、家具的使用、等待队列的形成、对产品展示的接受度)。