Jak dosáhnout maximální výkonnosti prodejní plochy? Jak optimálně naplánovat počet zaměstnanců pro jednotlivé časy a části prodejny? Jak naúčtovat správnou cenu za poskytnutí plochy? Jak rozlišit, zda si zákazník zboží nevšiml nebo zda si ho všiml, ale prostě o něj nestojí? Supermarkety a obchodní centra tyto problémy řeší s různým úspěchem – většinou intuitivně, někdy za podpory softwarových nástrojů, které zpracovávají jednotlivé zdroje dat (například počty prodejů získané z pokladen). Nextiva Retail Traffic Analysis kanadsko-americké společnosti Verint je průlomovou aplikací, protože umožňuje získat celkový obraz o chování zákazníků a trendech.

Verint patří už mnoho let mezi úzkou světovou špičku v oboru bezpečnostních systémů. Stejně jako jiní výrobci, i Verint věnuje v posledních letech značnou pozornost tzv. analýzám v obraze. Jde o to, že software rozpoznává v záběrech z digitálních kamer lidi, automobily či jiné objekty a vyhodnocuje jejich chování. Třeba v nově otevřených tunelech pražského dálničního okruhu, kde je nasazeno právě řešení od Verintu, systém upozorní řízení provozu v případě prudkého zpomalení automobilu, ztráty nákladu z vozidla, vniknutí chodce, zvířete apod.

Využití takových funkcí k analýzám zákaznického chování je jen logickým rozvinutím tohoto trendu. S tím podstatným rozdílem, že se nesledují jednotlivé osoby ani události, ale vytváří se statistiky.  Ohromnou výhodou proti všem dosavadním řešením je skutečnost, že již není zapotřebí fotografovat regály, zadávat data o zboží nebo instalovat nová zařízení. Využije se obraz ze stávajících bezpečnostních kamer. Verint jako první dotáhl takové řešení do podoby komerčního balíku s velmi snadným ovládáním a má i reálné reference, i když naprostou většinu z nich v USA.

PROČ DATA ZPOKLADEN NESTAČÍ
Analýza obrazu z kamer umožňuje radikálně rozšířit informace, se kterými pracuje marketingový personál supermarketů, obchodních řetězců nebo obchodních center. Už delší dobu se využívají data z pokladen (POS). Některé organizace nasadily nástroje třídy category management, které ukazují souvislost mezi umístěním zboží a mírou prodejů. Ale ukazuje se, že to nestačí. Proč jsou některá místa atraktivnější než jiná?  Kolik zákazníků se vyskytuje v jednotlivých odděleních? Jaká je míra konverze mezi zákazníky, kteří u regálu postojí a těmi, kteří opravdu koupí? Není tomu třeba tak, že  by v té chvíli potřebovali poradit? Mají tendenci se vracet nebo ne? Jaké procento z těch, kdo postáli u určitého zboží, se zastaví také u konkurenčního produktu? Mění se chování podle denní doby a dne v týdnu? To jsou otázky, na které dává Nextiva Retail Traffic Analysis jasné a snadno dostupné odpovědi – zpravidla k nim stačí pár kliknutí myší. Výsledkem pak může být nejen jiné rozmístění zboží, ale také optimalizace personálu v prostoru a čase i silnější pozice při vyjednávání s dodavateli – provozovatel supermarketu nebo nákupního centra může doložit, kolik lidí prochází kolem určitého regálu nebo výkladu.

Technický princip řešení lze popsat zhruba následovně.
 

PŘED KAMERAMI SE NESCHOVÁTE
Systém v obraze rozeznává jednotlivé lidi. Každému „objektu“ přidělí číslo a sleduje jej po celou dobu, kdy se pohybuje v záběru kamery. Neztratí „objekt“, ani když je větší část těla zakryta regálem nebo jinou překážkou nebo když se vytvoří dav. Testy ukázaly, že schopnost počítačového programu rozpoznat v členitém obraze člověka je vyšší než u lidského oka. Při analýzách z obrazu kamer navíc nevadí nedokonalé osvětlení. Toto počítání jednotlivých lidí je výhodou nejen při sofistikovanějších analýzách, ale třeba i při běžném zjišťování, kolik lidí vchází do supermarketu. Standardně používaný infračervený paprsek, který je při vstupu každého nového zákazníka přerušen, je totiž prakticky nepoužitelný, jakmile provoz zhoustne a vchází více zákazníků najednou.

ANALÝZY SROZUMITELNÉ I BEZ ŠKOLENÍ
Systém takto získané údaje o chování osob načítá do celkových přehledů a zobrazuje je způsobem, který je na první pohled pochopitelný i laikovi. Uživatel nepotřebuje školení v Nextiva Retail Traffic Analysis, aby okamžitě porozuměl, která místa jsou hojně navštěvována a kde jsou „mrtvé zóny“.  Aby viděl, kolik lidí se zastaví u kterého produktu. Že od vitríny A k vitríně B přešlo 320 zákazníků a opačným směrem jen 14. Statistiky toho, jak se během dne a týdne mění počet zákazníků v jednotlivých částech obchodu, jsou stejně snadno srozumitelné.
Jakmile je řešení nasazeno, marketingový expert nebo manažer prodejny si myší prostě zaklikává, jaké údaje a statistiky ho zajímají, velmi podobně jako u těch nejsnadněji ovladatelných manažerských systémů.

MĚŘENÍ KONVERZÍ V SUPERMARKETU
Systém Nextiva Retail Traffic Analysis je připraven na integraci s dalšími systémy, což umožní sofistikovanější analýzu dat. To se týká zejména dat z pokladen. To umožňuje sledovat nejen chování zákazníků, ale také míru konverze a její změny v čase. Při jednom z nasazení v Severní Americe se například ukázalo, že ačkoliv v období před vánocemi vzrostly prodeje některých položek, nárůst zdaleka neodpovídal nárůstu zákazníků, kteří se o tyto položky zajímali. Stačilo přidělit více prodavačů, aby byli kupujícím v kritických časech k dispozici, a míra konverze se zvýšila na úroveň jiných období roku.

Je ovšem třeba také uvést, že využívání sofistikovanějších analýz klade větší nároky na připravenost uživatelů.

SOUČÁST SERVISU DOBRÉHO SHOPPING CENTRA

Řešení může být nasazeno v rámci jedné prodejny, ale také v celém maloobchodním řetězci. Data ze všech prodejen mohou být společně zpracovávána v centrále, takže je možné navzájem porovnávat chování zákazníků v různých prodejnách. Manažerům jednotlivých prodejen jsou pak poskytována ta data, která potřebují.

Poskytování dat třetím stranám jsou jednou z klíčových funkcí při nasazení v nákupních centrech. Součástí služeb, které provozovatel centra poskytuje jednotlivým obchodům, jsou i údaje z Nextiva Retail Traffic Analysis. Majitel každé prodejny tak může vidět, kolik lidí prochází kolem jeho výkladu, kolik z nich se zastavuje, jak se tento trend změnil s novou výlohou nebo se změnou výlohy blízkého konkurenčního obchodu apod.
Systém společnosti Verint neukládá žádná data o jednotlivých zákaznících ani jejich podoby. Nemůže tedy dojít k narušení soukromí nebo ke zneužití citlivých údajů.

Jak už bylo uvedeno, výstup z Nextiva Retaily Traffic Analysis se využívá zejména pro následující účely:

• Zlepšování služeb zákazníkům a optimalizace personálu

Asi všichni známe situaci, kdy právě v té chvíli, kdy potřebujeme pomoc, není v okolí žádný prodavač. Všichni doplňují zboží nebo postávají v jiných částech prodejny.  A často je tomu tak, že když se prodavač objeví, nevyjde na nás řada, protože jeho radu potřebují i jiní zákazníci. Informace z Nextiva Retail Traffic Analysis umožňuje rozmístit personál podle toho, kde se vyskytují zákazníci. Zvyšuje se tedy kvalita služeb, někdy dokonce za současného snížení počtu prodavačů.

• Analýzy z kamer jsou využívány i pro zjišťování, kdy se tvoří největší fronty.
• Ocenění prodejní plochy a vyjednávání s partnery

Jednání o ceně mohou být založena na přesných informacích o tom:
-    Kolik zákazníků prochází určitým místem
-    Kolik z nich se zastaví u určitého  regálu
-    Kolik času u tohoto regálu průměrně stráví

• Optimalizace uspořádání prodejen

Jestliže manažer prodejny ví o místech, která jsou málo zákaznicky atraktivní, ať je na nich umístěno jakékoliv zboží (to nemusí přímo souviset s úrovní prodejů), může provést odpovídají změny v uspořádání zboží, oddělení apod. a tyto mrtvé zóny eliminovat.

• Měření a zvyšování konverze

Marketingový specialista může sledovat celý proces – zákazník prochází kolem – zákazník je zaujat – zákazník kupuje, měřit úspěšnost jednotlivých fází a přizpůsobit tomu místo a způsob vystavení zboží.

Je jen otázkou času, kdy bude samozřejmé, že naše chování v supermarketech a jejich okolí bude pečlivě analyzováno. Stejně jako je dnes samozřejmé, že telekomunikační operátoři měří spokojenost a retenci zákazníků. Ať se nám to líbí nebo ne, bezpečnostních kamer ubývat nebude,  a zcela jistě nebude klesat ani zájem obchodních organizací o využití zdrojů.

Filip Šelemberk
Autor pracuje jako projektový manažer ve společnosti Integoo

Otištěno v časopise IT System, 11/2010