شناسایی قفسه‌های خالی

هوش مصنوعی متمرکز بر خرده‌فروشی از پایگاه داده غول‌پیکر گوگل برای شناسایی محصولات و فضای قفسه استفاده می‌کند و به خرده‌فروشان دید همزمان در مورد قفسه‌هایی که به تکمیل موجودی نیاز دارند و ظاهر قفسه‌ها می‌دهد. گوگل می‌گوید پیاده‌سازی آسان است، زیرا خرده‌فروشان می‌توانند از ورودی‌های بصری دوربین‌های موجود در سقف مانند دوربین‌های امنیتی، از تلفن همراه یا از یک ربات رومینگ فروشگاه استفاده کنند.

هوش مصنوعی در بررسی قفسه از دو مدل یادگیری ماشین، یک شناساگر محصول و یک شناسه برچسب برای شناسایی محصولات و خالی‌کردن فضای قفسه از زوایای مختلف و نقاط برتر استفاده می‌کند. هوش مصنوعی در حال حاضر چیزی شبیه به یک مد است، اما امی اشلیمن، مدیرعامل راه‌حل‌های صنعت خرده‌فروشی در گوگل می‌گوید هوش مصنوعی در بررسی قفسه چیزی را دارد که دیگر فناوری‌ها ندارند؛ تأثیر فوری بر نتیجه.

اشلیمن می‌گوید: «خرده‌فروشی از بسیاری جهات در نقطه عطف استفاده از هوش مصنوعی قرار دارد. ما شاهد هستیم که خرده‌فروشان به طور فزاینده‌ای به این فکر می‌کنند که چگونه می‌توانم به صورت زودبازده از هوش مصنوعی استفاده کنم؟ واقعاً چگونه می‌توانم تجربه مشتری را بهبود ببخشم یا به شیوه‌ای متفاوت در مورد فعالیت‌هایم فکر کنم تا بتوانم بر این سال مالی تأثیر بگذارم؟»

اشلیمن به داده‌های فوریه ۲۰۲۲ از شرکت تحلیلی «نیلسن آی‌کیو» اشاره می‌کند که نشان می‌دهد قفسه‌های خالی برای خرده‌فروشان در سال ۲۰۲۱ به قیمت ۸۲ میلیارد دلار تمام شده و ثابت می‌کند ابزار جدید گوگل می‌تواند به شرکت‌ها کمک کند کارآمدتر فعالیت کنند.

او می‌گوید: «خرده‌فروشان به این فکر می‌کنند که چگونه کار را برای کارکنان‌شان آسان کنند، به‌علاوه اینکه بهره‌وری آنها را نیز افزایش دهند. به‌طور سنتی، بررسی قفسه یک فرایند دستی است و حتی برای فروشگاه‌هایی که آن را خودکار کرده‌اند، آن‌قدر که می‌خواهند به‌روزرسانی‌های مکرر وجود ندارد. اینجاست که فناوری بررسی قفسه گوگل وارد می‌شود. چگونه می‌توانید به همکاران کمک کنید تا بفهمند روی چه چیزی باید کار کنند و کدام مشکل را حل کنند؟»