Есть идеи и решения для розничных компаний?

#detailforretail

Магазин, который умеет видеть

Опубликовано в Технологии 03.02.2017. Автор: Ярослав Першин

​Компания VisionLabs начала зарождаться в 2011 году, когда Александр Ханин еще жил в общежитии МГТУ им. Баумана. Вместе с единомышленниками он занимался робототехникой в целом, и такой ее сферой, как компьютерное зрение. Тогда технологии компьютерного зрения в основном имели военное назначение. Но Александр Ханин предпочел найти им мирное применение. Уже в 2012 году проект "умная камера" был одобрен в Сколково. После этого и была зарегистрирована компания. В Сколково Александр Ханин познакомился с Алексеем Нехаевым, который стал сооснователем VisionLabs, а позднее и с Иваном Лаптевым — известным ученым в сфере компьютерного зрения и машинного обучения. 

— То есть всего за один год возникла компания?

— Меньше, чем за год. Но в том виде, в котором она существует сейчас, компания сформировалась только в 2014 году. Предшествующее время мы искали применение технологии, пробовали разные клиентские сегменты, проверяли гипотезы. В итоге мы сфокусировались на распознавании лиц и отказались от планов по производству камер. All-in-one устройство, которое мы изначально хотели сделать, представляло собой камеру, включающую в себя аналитику. Но потом было принято решение, что лучше работать с существующими производителями камер, не изобретать велосипед и делать только софт. Это оказалось правильным вектором. 

— Откуда пришла идея заниматься компьютерным зрением?

— Я по образованию инженер роботов и робототехнических систем. В Бауманке я занимался разными интеллектуальными системами. То, что сейчас называется роботами — это большие и дорогие машинки на дистанционном управлении. В механическом плане сейчас роботы умеют бегать, летать и всё что угодно. Но у них нет мозга. Задача компьютерного зрения в том, чтобы компьютер мог сам ориентироваться в пространстве и сам принимать решения.

— Вам пришлось дополнительно изучать программирование?

— Оно изначально заложено в робототехническое образование. Это ведь достаточно обширная область, и я выбрал себе специализацию, связанную с компьютерным зрением. Сюда входят задачи не кинематики роботов, а понимания окружающей среды, ориентирования в пространстве, классификации объектов.

— Откуда взялось первичное финансирование проекта?

— Было два источника финансирования. Один появился в конце 2014 года. Это был контракт с Министерством образования и науки на проведение научных исследований по теме "Анализ видео в крупномасштабных сетях видеокамер". Нужно было распознавать потоки людей и наличие каких-то опасных ситуаций, например, ДТП. Если использовать алгоритмы компьютерного зрения, то можно фиксировать любые происшествия автоматически и уведомлять диспетчеров.

А другой источник — грант Бортника —   появился в 2015 году. Эти средства были направлены на создание облачного сервиса и на совершенствование алгоритма по распознаванию лиц.

— А где это облако находится, у вас собственный сервер?

— Я расскажу небольшую предысторию. Мы сначала представляли нашим заказчикам библиотеку — такой низкоуровневый элемент, который должен встраиваться в инфраструктуру заказчика. Со временем у нас появился продукт LUNA — платформа, распознающая лица, которая включает в себя много компонентов. В основном ее используют банки. Были также пожелания сделать подписку на сервис, который не будет требовать затрат: нравится — пользуйся, не нравится — отключайся. Таким образом, у нас появилась облачная версия продукта — LUNA Cloud. Этим сервисом пользуется не только ретейл, но и некоторые учреждения дистанционного образования, где они могут идентифицировать человека, сдающего экзамен, чтобы он не сдавал за кого-то другого.

— Основное отличие платформы LUNA от LUNA Cloud в том, что последняя оперирует удаленной базой данных?

— LUNA решает базовые задачи: верификация и идентификация. Допустим, когда вы пытаетесь залогиниться в свой компьютер, то система должна сравнить ваше лицо с уже имеющейся записью. Также и LUNA оперирует своими собственными данными. То есть один банк — одна LUNA. Банки не делятся информацией о своих клиентах и очень строго подходят к вопросу конфиденциальности.

— А у облачного сервиса в чем основная суть?

— У LUNA Cloud основная суть заключается в том, что это облачный сервер, который позволяет решать задачи идентификации и авторизации клиентов. Эту информацию можно использовать в программах лояльности, как альтернативу дисконтным картам. Типичная ситуация, когда клиент забывает карту и нужен легкий способ подтвердить его личность. В нашем же случае клиент может любые действия подтвердить своим лицом. Другая задача — это работа со списками. Есть списки как VIP-клиентов, так и нежелательных клиентов, ранее пойманных на воровстве. И к каждому из этих списков применима своя модель поведения ретейлера.  

Еще одна важная функция — подсчет уникальных клиентов без каких-либо списков. Программа может выделять из потока отдельных людей и считать, сколько было уникальных клиентов, сколько повторных в рамках какого-то установленного промежутка времени — например, за месяц. 

Что это дает ретейлерам? Можно узнавать клиента только после того, как он совершил покупку и покидает магазин, а можно узнать посетителя в лицо уже в тот момент, когда он перешагнул порог магазина. Это одна из главных задач LUNA Cloud. Программа также будет уведомлять о том,  что человек зашел в магазин больше одного раза. 

— А что ретейлер будет делать с человеком, которого узнает в лицо?

— Сейчас многие работают над повышением эффективности, увеличением выручки с квадратного метра площади, качеством обслуживания. LUNA Cloud помогает контролировать входящий поток. Система уведомляет, что пришел постоянный покупатель, и продавцы смогут уделить ему особое внимание. В премиальных сегментах ретейла очень важно знать предпочтения клиента, в каком бы магазине сети он ни оказался. Допустим, вы посещаете магазин в Москве, который расположен возле вашего дома, а в командировке решили посетить магазин той же сети. И вас будут помнить, как дома, помнить ваши предпочтения. 

Кроме этого есть стандартная функция распознавания пола и возраста, что также дает понимание того, к какой категории относится покупатель и как с ним работать. А знание количества уникальных посетителей позволяет делать выводы об эффективности менеджмента конкретной точки. 


— Подразумевается, что информация о покупках человека остается внутри этой сети?

— Да, она остается внутри сети. Это полностью обезличенная информация, но по ID она связана с человеком в рамках системы лояльности ретейлера. Она может содержать те данные, которые клиент оставляет сам, когда заполняет анкету на получение карты покупателя. Мы же никакие персональные данные не храним.

— Если человек 10 раз попал в поле зрения LUNA Cloud, сколько раз она его узнает?

— Она его узнает всегда, все 10 раз. Если говорить о качестве распознавания, то мы тестируем систему по определенной методологии и на больших объемах — несколько десятков тысяч проходов. Учитывая то, что люди могут приходить в больших солнечных очках, в натянутых шапках, система узнает больше 90% людей. Если никакими аксессуарами человек не закрывает свое лицо, то качество распознавания приближается к 99,9%.

— А если человек сбрил бороду?


— Это классическая задача машинного обучения, когда невозможно предугадать все изменения во внешнем виде человека. Мы делаем нашу систему максимально устойчивой к изменению растительности на лице, макияжу, возрастным изменениям, мимике, ракурсу (углу  поворота лица относительно камеры). Эту задачу мы решили. 

— Вы себя позиционируете в качестве одного из мировых лидеров в области компьютерного зрения. А с кем вы конкурируете и в чем это лидерство выражается?


— Компаний в нашей сфере очень много, и последние два года их количество растет по экспоненте. Появились новые методы компьютерного зрения,

такие, как нейронные сети, и всё это стало массово доступно. Мы в основном конкурируем с глобальными компаниями, такими, как Cognitec Systems, NEC. Они занимают  ерьезную долю рынка. Но важно понимать, что конкуренция идет не на уровне технологического соперничества. Этот этап уже пройден: разница между лидерами в  ачестве распознавания составляет сотые доли процента. Клиенты сейчас выбирают не тех поставщиков, у которых качество распознавания ближе всего к 100% (оно такое   многих), а тех, кто понимает проблемы ретейла. Они выбирают опыт и готовые решения, которые решают конкретные задачи. Заказчик должен понимать сроки  озвращения инвестиций: это невозможно при покупке просто технологии, но возможно при покупке готового продукта.  

— Как вы планируете совершенствовать ваши продукты? 

— Мы постоянно развиваем функционал и LUNA, и LUNA Cloud. Это и развитие технологической части: увеличение допустимого угла поворота лица, расширение сегмента  борудования, подходящего к нашим системам.  Что касается функций — мы разрабатываем более сложную аналитику, чем простой подсчет уникальных посетителей. В  том плане мы не всё будем делать сами, а в сотрудничестве с партнерами. Так мы сможем охватить более широкое поле деятельности. Еще одно перспективное  направление — попытка совместить деятельность банков и ретейлеров в области кредита. Оно находится на стадии разработки, и как готовое решение мы его пока не анонсировали. Верим, что это даст очень много новых возможностей. 

— Возможен ли обмен информацией между ретейлерами и отслеживание всей покупательной активности человека? 

— Это уже давно не относится к области фантастики в техническом плане. Когда мы разрабатывали LUNA Cloud, то закладывали и такой вариант. Эту идею можно  подсмотреть у кредитных бюро, которые агрегируют данные у разных банков. Но в случае с ретейлом очень много вопросов законодательного характера. С одной стороны, не каждый гражданин захочет, чтобы обрабатывали его данные, с другой — не каждый ретейлер станет делиться информацией. Поэтому вопрос находится на стадии разработки совместно с ретейлерами и регуляторами. Мы считаем, что должна накопиться критическая масса ретейлеров, заинтересованных в подобном проекте. Тогда и законодательные вопросы будут решаться. Мы очень внимательно относимся к правовой стороне дела и не подставляем ни себя, ни клиентов. 

— Насколько покупателю будет комфортно в ситуации, когда история его покупок где-то хранится и используется? 

— Такая ситуация уже сложилась в интернете. Браузеры следят за нами и потом на основании нашей активности формируется контекстная реклама. Это уже в принципе есть и работает в онлайне. Мы считаем, что переход технологий E-commerce в офлайн — только вопрос времени. Люди, которым это не нравится, могут ограничивать отслеживание. 

— А в офлайне будет такая возможность у людей?

— Безусловно. Если без согласия человека происходит обработка его данных, то это уже незаконно. Ретейлер сможет отслеживать только тех, кто участвует в программах лояльности. Если и будут какие-то законодательные изменения, то мы надеемся, что будут учтены интересы как ретейлеров, так и покупателей.

Издательский дом RETAILER

Издательский Дом RETAILER занимается развитием каналов коммуникаций для участников потребительского рынка более 10 лет. В управлении Компании находятся портал “www.RETAILER.ru. Ежедневные коммуникации”; деловые мероприятия в форматах RETAILER Сongress, RETAILER Club, Центры Переговоров по торговой недвижимости и технологиям для розничных компаний, а также Центры Закупок HoReCa.

Центр Переговоров ретейлеров и поставщиков технологий разработан в Издательском Доме RETAILER в 2015 году. Суть проекта - организация прямых эффективных переговоров между представителями розничных сетей и поставщиков технологий. В октябре 2016 года впервые проводился под слоганом #DETAILFORRETAIL .

#detailforretail