Какие задачи ретейлера могут решать «умные весы» и могут ли? Разбираемся вместе с менеджером продукта Центра инноваций «Ленты» Викторией Аладиной.
«Умные весы» появились на российском рынке примерно три года назад. Встроенная видеокамера считывает изображение товара на весах, программа обрабатывает его, сопоставляет с конкретным товаром и печатает этикетку. «Лента» решила проверить, может ли это чудо техники повысить лояльность покупателей за счет улучшения сервиса в торговом зале, а заодно снизить потери, связанные с пересортом, и таким образом найти более удобный процесс продажи весовых товаров.
Прозрачный эксперимент
Летом прошлого года «Лента» провела технический пилот в секции овощей и фруктов в петербургском ТК-2, чтобы понять, как технология будет работать в живых процессах в торговом зале. Точность распознавания составила примерно 92%, однако экспериментаторы обнаружили множество факторов, влияющих на этот показатель: качество обучения системы (чем чаще взвешивают определенный товар, тем оно выше), внешний вид и прозрачность упаковки. Лучший результат система показывала, если товар лежал на платформе весов без упаковки или в прозрачном пакете. Сложности возникали и с визуально идентичными позициями: например, системе было трудно распознать, какой из пяти сортов огурцов лежит на весах, и предлагала клиенту выбрать из нескольких наименований.
Во время пилота мы убедились, что покупателю важно видеть результат распознавания на экране как можно быстрее, – говорит Виктория Аладина. – В первом тесте устройства выдавали его после стабилизации весовой платформы, поэтому многие клиенты просто не дожидались и вводили код товаров по привычной схеме. Неожиданно для себя мы поняли, что для процесса покупки с использованием технологи критично то, насколько быстро результат распознавания появляется на экране.
За и против
Эксперимент в ТК-2 дал команде проекта более четкие требования «Ленты» к системе «умных весов», поэтому новую волну испытаний в петербургском ТК-13 запустили уже с их учетом.
Принцип работы весов тот же, однако у этого решения есть свои плюсы, – рассказывает Виктория. – Во-первых, результат появляется на экране за доли секунды. Это очень весомый фактор для удобства покупателей. Во-вторых, сейчас мы сэкономили время на обучении весов за счет использования предобученной базы товаров вендора. В-третьих, у этой модели российского разработчика высокая точность: распознавание достигает 95-98%, что под силу только опытному работнику, хорошо знающему ассортимент.
Теперь команде проекта предстоит выбрать универсальное решение, которое сможет встроиться в ИТ-инфраструктуру магазина с минимальными инвестициями.