Tiến sĩ Kiên Nguyễn (Đại học Queensland), tiến sĩ Lê Minh (Đại học Kinh tế TP.HCM) và các đồng nghiệp quốc tế đã triển khai một nghiên cứu để các nhà bán lẻ có thể sử dụng trí tuệ nhân tạo nắm bắt hành vi của khách hàng tốt hơn và thiết kế những bố trí, sắp xếp trong cửa hàng hiệu quả hơn.
Kết quả nghiên cứu của họ đã được xuất bản trên tạp chíArtificial Intelligence Review, “When AI meets store layout design: a review” (Khi AI đáp ứng thiết kế bố trí cửa hàng: Một đánh giá).
Một khung hiệu quả bất ngờ cho bán lẻ“Bán lẻ là một trong những thị trường lớn nhất cho AI. Hiện nay nhiều hình thức của AI đã được sử dụng rộng rãi như các chat bot, điều chỉnh giá và dự đoán giá cả, kho vận (logistics). Chúng tôi tập trung vào AI hình ảnh và các kỹ thuật phân tích có thể áp dụng vào cơ sở hạ hầng camera truyền hình mạch kín (Closed-Circuit TeleVision CCTV) của các cửa hàng bán lẻ để cải thiện các thiết kế bố trí cửa hàng theo định hướng lấy khách hàng làm trung tâm”, các nhà nghiên cứu viết trong công bố.
Để triển khai ý tưởng của mình, tiến sĩ Kiên Nguyễn và đồng nghiệp là giáo sư Clinton Fookes của trường Kỹ thuật điện và Robotics, giáo sư Brett Martin, trường Kinh doanh Đại học Queensland cùng với tiến sĩ Minh Lê và giáo sư Ibrahim Cil từ trường Đại học Sakarya, Serdivan, Thổ Nhĩ Kỳ, đã thực hiện một cuộc khảo cứu dựa trên những cách tiếp cận đã có về thiết kế sắp xếp cửa hàng.
Qua dữ liệu thu được và xử lý, nhóm nghiên cứu quốc tế này đã đề xuất khung thiết kế cửa hàng được trang bị AI dành cho các nhà bán lẻ để nắm bắt và tận dụng được những lợi thế của kỹ thuật AI và những lĩnh vực khác của thị giác máy tính và học sâu (deep learning) cho giám sát các hành vi mua sắm thực tế của khách hàng. Tiến sĩ Kiên Nguyễn cho biết, việc cải thiện thiết kế sắp xếp siêu thị - thông qua việc hiểu và dự đoán – là một chiến thuật sống còn để cải thiện sự thu hút khách hàng và tăng doanh số bán hàng. “Điều quan trọng nhất trong công trình này là một khung khổ mới để ứng dụng các kỹ thuật AI mới trong những dữ liệu camera truyền hình mạch kín (Closed-Circuit TeleVision CCTV) để diễn dịch và hiểu tốt hơn về khách hàng và hành vi mua sắm của họ trong cửa hàng”, tiến sĩ Kiên Nguyễn cho biết.
“CCTV đưa ra những cái nhìn mới vào cách người mua sắm đi vào cửa hàng, tuyến đường đi họ mà thực hiện, và những khu vực mà họ dành nhiều thời gian hơn. Nghiên cứu này còn đi xa hơn khi lưu ý biểu cảm của con người thông qua những biểu hiện trên gương mặt được camera quan sát như nhướn lông mày, mở ra mắt hoặc mỉm cười”.
Việc hiểu về cảm xúc của khách hàng khi họ lựa chọn có thể giúp những nhà marketing và các nhà quản lý có được một công cụ có giá trị để hiểu những tương tác của khách hàng với sản phẩm họ mua. “Các thuật toán ghi nhận biểu cảm hoạt động trên các kỹ thuật thị giác máy tính tập trung vào gương mặt và nhận diện những dấu hiệu chính trên gương mặt như các góc của lông mày, đầu mũi và góc miệng”, tiến sĩ Kiên Nguyễn giải thích. “Những hành xử khác như bắt đầu hướng vào một sản phẩm và đọc thông tin trên một nhãn hàng của một sản phẩm là mỏ vàng với marketing để hiểu về mối quan tâm của khách hàng với sản phẩm”.
Cùng với hiểu biết về những biểu cảm thông qua biểu cảm khuôn mặt và đặc điểm khách hàng, các nhà thiết kế có thể phân tích bản đồ nhiệt, con đường khách hàng đi lại và các kỹ thuật ghi nhận hành động của khách hàng để hình thành quyết định của họ. Dạng hiểu biết này có thể đánh giá trực tiếp từ video và có thể giúp hiểu hành vi khách hàng tại cửa hàng trong khi tránh được việc tìm hiểu nhận diện cá nhân.
Giáo sư Clinton Fookes nói, nhóm nghiên cứu đã đề xuất khung cảm xúc – suy nghĩ – hành động – học hỏi (STAL) cho các nhà bán lẻ.
“Đầu tiên, cảm xúc là thu thập dữ liệu thô, từ video từ camera đến CCTV của cửa hàng để xử lý và phân tích. Cách tiếp cận mới cho phép chúng tôi tự động hóa khía cạnh này của cảm xúc và để hiển thị trên toàn bộ cửa hàng”. Giáo sư Fookes nói.
“Thứ hai, ‘nghĩ’ là để xử lý dữ liệu thu thập được thông qua AI tiên tiến, phân tích dữ liệu, và các kỹ thuật học máy sâu, như con người sử dụng bộ não mình để xử lý các dữ liệu có được.
“Thứ ba ‘hành động’ là để sử dụng kiến thức và hiểu biết từ pha hai để cải thiện và tối ưu các lớp thiết kế siêu thị. Quá trình này vận hành như một chu trình học liên tục.
“Sự tiên tiến của khung này cho phép các nhà bán lẻ đánh giá được các dự đoán trong thiết kế cửa hàng như dòng di chuyển và cách hành xử khi các khách hàng bước vào một cửa hàng hoặc ngay tại các khu vực khác nhau trong một cửa hàng”, giáo sư Fookes nói.
“Các cửa hàng như Woolworths và Coles ngay lập tức đã sử dụng các thuật toán AI hữu hiệu để phục vụ khách hàng theo đúng điều họ quan tâm và mong muốn, thậm chí các thuật toán AI còn có thể đem lại cho họ những đề xuất mang tính cá nhân hơn để đáp ứng những nhu cầu này”. Theo cách nhìn của ông, nghiên cứu này là một ví dụ khác cho thấy việc sử dụng AI có thể đem lại những thiết kế và bố trí cửa hàng tốt hơn từ sự điều hướng của dữ liệu, đồng thời giúp các nhà bán lẻ hiểu đúng hơn hành vi của người mua trong những không gian vật lý.
Tuy nhiên, để có được khung quản lý hiệu quả này, cần có những bước trung gian trong xử lý dữ liệu. Tiến sĩ Kiên Nguyễn cho biết, dữ liệu thu thập được qua các camera cần được lọc và xử lý để cải thiện chất lượng hình ảnh, đảm bảo quyền riêng tư của dữ liệu và chuyển thành một dạng dữ liệu có cấu trúc cụ thể để đưa vào các mô hình tính toán. Do vấn đề quyền riêng tư hiện là lo ngại lớn nhất của mọi khách hàng nên dữ liệu có thể được tái xử lý nhận diện để thành ẩn danh. “Do đây là dòng dữ liệu tập trung từ các camera CCTV, một hệ chứa bộ nhớ đám mây có thể cần được coi là cách tiếp cận phù hợp để xử lý và lưu trữ dữ liệu video”, anh nói. “Vì vậy, bước phân tích video thông minh trong pha xử lý thứ hai sẽ đóng vai trò chủ chốt trong việc diễn dịch bối cảnh của các hình ảnh và video”.
Sẽ cần thêm nhiều thời gian để các nhà bán lẻ phản hồi về hiệu quả của khung quản lý mới mà nhóm nghiên cứu đề xuất nhưng có thể nói rằng, đây là một nghiên cứu mới mẻ, cho phép rọi cái nhìn mới vào một lĩnh vực truyền thống tồn tại hàng trăm năm. Góp phần làm nên dược điều này là do các nhà nghiên cứu đã sử dụng một cách tiếp cận liên ngành, kết hợp giữa AI và marketing, qua đó tạo ra một nền tảng cho các nhà nghiên cứu cơ bản và những nhà thực hành trong cả hai lĩnh vực hợp tác cùng giải quyết vấn đề.