Comment l’IA et l’analytique vidéo se mettent au service du retail
Le retail fait partie des secteurs les plus transformés par les progrès de l’intelligence artificielle. Parcours client, écrans… Stéphane Rion, senior deep learning scientist chez Teradata, dresse les opportunités de ces technologies pour ce secteur.
Selon IDC, le retail arrive en tête des 5 secteurs qui dépenseront le plus dans le domaine de l’IA en 2019 . Effectuer un achat requiert de moins en moins d’efforts aux consommateurs, au point qu’il leur suffit maintenant de donner l’ordre de « recommander des sacs poubelle » et de laisser leur assistant virtuel se charger du reste.
Les entrepôts de stockage produits bénéficient d’ores et déjà d’un niveau d’automatisation élevé et, dans un avenir relativement proche, les livraisons seront confiées aux voitures autonomes ou aux drones. Dans certains magasins physiques, il suffit aux consommateurs de scanner leur carte bleue ou leur carte de fidélité, de se servir dans les rayons et de quitter le magasin sans même passer en caisse. Tout cela, grâce à l’intelligence artificielle. A la clé, des économies substantielles : les entreprises du retail pourraient économiser 300 milliards de dollars grâce à l’intelligence artificielle d’après une étude de Capgemini en 2018 .
L’IA permet également aux retailers de mieux anticiper la demande, en s’assurant que les magasins sont suffisamment approvisionnés et que les stocks correspondent bien aux attentes des clients. Quant aux modèles d’apprentissage automatique et de deep learning, ils livrent une segmentation clients fine sur laquelle le marketing peut s’appuyer pour développer et personnalisées les offres les plus adaptées aux clients. Par ailleurs, les acteurs de l’e-commerce, mettent à disposition de leurs clients des outils leur permettant d’effectuer des recherches à l’aide d’images de produits similaires ou complémentaires. Certains sites de vente en ligne vont jusqu’à donner aux clients la possibilité d’uploader une image de la tenue qu’ils portent afin de leur recommander des articles avec lesquels l’accorder.
Quels usages possibles
En dehors du secteur du retail, l’une des applications les plus courantes de l’intelligence artificielle est la détection et le tracking d’objets sur vidéo. C’est pour les retailers l’opportunité de croiser les données recueillies à l’aide des caméras en magasin avec leurs données opérationnelles comme les données relatives aux ventes, à l’agencement des magasins et aux stocks. Cette discipline, connue sous le terme d’analytique vidéo, se décline en de nombreuses fonctionnalités dont les retailers peuvent tirer profit afin de relever certains de leurs enjeux majeurs :
• L’analyse des parcours (Path Analysis) permet par exemple de suivre les déplacements des clients ou des vendeurs dans l’enceinte du magasin avec une meilleure précision que les dispositifs de type capteur ou beacon. Associer le parcours des clients en boutique aux données du point de vente permet aux retailers de comprendre la trajectoire que les clients empruntent jusqu’à leur passage en caisse et de choisir où positionner les produits ou la signalétique pour favoriser l’interaction des clients avec ceux-ci.
• L’analyse du temps passé en rayon (Dwell Analytics) permet de mettre en lumière les endroits où le service client est inefficace, ou les difficultés des clients à trouver ce qu’ils cherchent.
• L’analyse des files d’attente (Queue Analytics) s’intéresse au temps passé par les clients à faire la queue pour effectuer un achat ou obtenir de l’aide.
• L’analyse des émotions, aussi connue sous le nom d’opinion mining, s’appuie sur la reconnaissance faciale pour évaluer le ressenti du client, par exemple la frustration liée à l’attente pour passer en caisse ou au contraire la satisfaction vis-à-vis de l’expérience en magasin. • L’analyse de l’engagement en magasin permet de détecter le niveau d’engagement du client vis-à-vis d’un produit, d’une signalétique ou d’un vendeur, en analysant par exemple le temps passé dans un endroit particulier, la proximité du client à une autre personne, ou encore en surveillant les interactions des clients avec les produits (contact avec le produit, prise en main).
• La fonctionnalité « Associate Time Motion » mesure les activités des différents membres de l’équipe de vente, analyse le temps passé avec les clients, en magasin ou en arrière-boutique, et s’intéresse à la part des activités à valeur ajoutée sur le temps passé en magasin. L’un des enjeux de cette technologie est de parvenir à différencier efficacement les vendeurs des clients. Associer ces technologies d’analytique vidéo à d’autres données et d’autres outils analytiques permet aux retailers d’optimiser l’agencement de leurs magasins, d’augmenter leurs ventes ainsi que leurs taux de conversion, d’ajuster les effectifs de vente et d’optimiser leurs process en magasin pour réduire leurs coûts et améliorer l’expérience client. On pourrait par exemple imaginer l’application de l’analytique vidéo afin de réaliser de l’A/B testing en magasin. Tout comme pour leurs canaux digitaux, les retailers veulent savoir quels agencements magasin sont les plus efficaces, ainsi que les localisations les plus adaptées à la signalétique ou les placements de produits.
À l’heure actuelle, les délais et les coûts engendrés par la mise en place de ce genre de tests sont trop importants. Grâce à l’analytique vidéo, les retailers peuvent évaluer rapidement et avec précision des agencements alternatifs. L’analyse des meilleures stratégies d’agencement en rayon permet d’augmenter les ventes et d’améliorer l’expérience client. Ce ne sont là que quelques-uns des exemples d’application de l’analytique vidéo au secteur du retail. Cette technologie constitue une nouvelle étape dans l’incroyable transformation que connaît le secteur grâce à l’intelligence artificielle. En associant données vidéo et opérationnelles, les retailers ont le moyen d’améliorer nettement leurs résultats et de tenir leurs enjeux les plus stratégiques pour se démarquer de leurs concurrents.