[NRF 2020] Computer Vision transforme l’Industrie du Retail

La vision par ordinateur (computer vision) est une branche de l'intelligence artificielle dont le principal but est de permettre à une machine d'analyser, traiter et comprendre une ou plusieurs images prises par un système d'acquisition.

La vision par ordinateur (computer vision) est une branche de l’intelligence artificielle dont le principal but est de permettre à une machine d’analyser, traiter et comprendre une ou plusieurs images prises par un système d’acquisition. Les commerçants commencent à prendre conscience de cette opportunité et investissent pour tirer profit de cette technologie. Aujourd’hui, seulement 3 % des retailers ont mis en place une technologie de reconnaissance d’image. Cette proportion devrait cependant atteindre 40 % dans les deux prochaines années.

[Le marché mondial de la vision par ordinateur représente 11,04 milliards de dollars en 2017 et devrait atteindre 23,78 milliards de dollars en 2026, avec un TCAC de 8,9% au cours de la période de prévision.]

Google, Instagram, Pinterest, Home Depot et bien d’autres parient que les images vont stimuler les ventes, mieux impliquer les acheteurs et améliorer la confiance dans leurs marques.Les récents projets d’ingénierie Pinterest incluent l’application de la vision par ordinateur pour automatiser Shop the Look et de nouvelles fonctionnalités d’achat telles que les catalogues, les annonces d’achat et les recommandations d’achat personnalisées.Les efforts pour rationaliser le commerce sur Pinterest prennent de l’ampleur. La plate-forme a également le score le plus élevé parmi les marques de médias sociaux dans ce que Performics appelle le Digital Satisfaction Index (DSI) et l’image booste…

– 97 % des consommateurs aux États-Unis effectuent une recherche image pour trouver une photo d’un produit avant de l’acheter.
– 78 % préfèrent interagir avec la Réalité Augmentée que de regarder une vidéo de 30 secondes
– 59% des acheteurs pensent que les informations visuelles sont plus importantes que les informations écrites, en particulier dans des catégories telles que les vêtements et les articles d’ameublement qui occupent le rang le plus élevé, avec environ 85% des acheteurs faisant davantage confiance aux images qu’aux mots.

Ci-dessous des cas d’usage qui analyse, traite et comprend une ou plusieurs images prises par caméra :

– La recommandation dans le commerce électronique est traditionnellement axée sur le balisage. Chaque produit comporte de nombreux tags qui permettent au client de filtrer des attributs particuliers. Cependant, la reconnaissance d’image permet désormais la découverte de produits en fonction de critères visuels. Cela permet de proposer des recommandations plus pertinentes et de fournir des métadonnées plus précises sur les photos des articles proposé. Proposer le bon produit au bon moment, là est tout l’intérêt d’intégrer la reconnaissance visuelle dans un algorithme de recommandation. Cette fonctionnalité a fait ses débuts sur iOS avec des applications

Le shopping visuel sur Ebay vous permet d’utiliser des mots et des images d’une nouvelle manière pour faire du shopping, découvrir et explorer le site web. Si vous voyez quelque chose qui suscite votre intérêt lorsque vous cherchez dans le catalogue eBay, appuyez simplement sur les trois points dans le coin supérieur droit de la liste et commencez à explorer des articles similaires. Vous voyez une paire de chaussures qui vous inspire, mais elles ne sont pas exactement ce que vous cherchez? Vous pouvez maintenant utiliser cette fonction pour explorer les caractéristiques les plus populaires de cette catégorie. Ou si vous voulez un article similaire, appuyez sur « ressemble à ceci » pour trouver des articles similaires.

– 71 % des acheteurs affirment utiliser leur mobile dans les magasins afin d’obtenir plus d’informations sur les produits qu’ils achètent. La caméra d’un smartphone est maintenant capable de répondre à de nombreuses fonctions ! les capteurs et logiciels embarqué depuis permettront de créer de nouvelles idées !

Flipkart, eBay ont introduit depuis longtemps la recherche d’image avec le smartphone.La camera du smartphone analyse votre environnement à la recherche d’objets qui ressemblent à des produits disponibles sur Ebay et vous propose de les acheter en un clic.

– Les smartphone qui équipés du logiciel Scandit permettent d’effectuer les opérations en magasin et en interne plus rapidement et avec moins d’erreurs dans les entreprises.

https://youtube.com/watch?v=9LWf0kfGsVg

– Google a lancé AR Beauty Try-On en juin 2019, une nouvelle fonctionnalité VR pour les essais de maquillage virtuel. Les tutoriels et les reviews de maquillage comptent parmi les contenus les plus populaires sur YouTube, car ils aident les internautes à se familiariser avec les nouveaux produits. Le but de cette fonctionnalité est d’augmenter le taux de conversion des showcases de produits réalisés par les influenceurs sur YouTube.Les utilisateurs qui ont essayé la fonctionnalité ont été assez engagés, passant plus de 80 secondes à essayer les nuances de rouge à lèvres virtuelles.

– Amazon Go qui a ouvert son premier magasin sans caisse au public le 22 janvier 2018 à Seattle, la supérette futuriste est aujourd’hui totalisant 11 magasins.

Le magasin fonctionne avec un algorithme de reconnaissance d’image — les cameras disposées partout dans les rayons détectent les produits que vous prenez, les associent à votre identité et vous êtes prélevé directement sur votre compte en sortant du magasin.Les clients restent en moyenne 27 minutes dans le magasin, une durée très longue pour une surface de vente de la taille d’une supérette. 44 % des consommateurs qui entrent dans un Amazon Go sont des clients réguliers. L’an dernier, RBC Capital Markets a estimé que les ventes annuelles moyennes d’Amazon Go dans chacun de ses neuf magasins atteindraient 1,5 million de dollars dans les magasins Amazon Go. Un rapport de Bloomberg en 2018 a indiqué qu’Amazon pourrait ouvrir jusqu’à 3000 magasins Amazon Go d’ici 2021.

Amazon a également déposé une demande de brevet pour un miroir virtuel. Cette technologie utilise la vision par ordinateur pour projeter l’image de l’individu regardant le miroir. Diverses superpositions telles que des vêtements et des accessoires peuvent ensuite être placées sur le reflet, permettant au client d’essayer différents articles sans avoir à les mettre physiquement.

Depuis, beaucoup de startup travaillent sur ce concept !

– Plus d’un milliard de smartphones comprendront des fonctionnalités de reconnaissance faciale au cours des deux prochaines années, soit 64 % de tous les smartphones en 2020. Walmart a breveté en 2017 une technologie qui permet aux caméras de capter les expressions faciales des clients dans le magasin et dans les files d’attentes afin de mesurer les niveaux de satisfaction. Les aéroports, les stations-service et les sites sportifs arrivent sur ce sujet en masse !

– Sur le salon NRF2020 de nombreuses solutions pratiques de robotique qui embarque la vision par ordinateur et d’IA pour la détection en caisse des produits !

– Le «Frictionless Store» de Toshiba utilise des technologies de capteurs à étagères multicouches et une vision par ordinateur avec un véritable calcul en temps réel, alimenté par sa plate-forme logicielle de microservices. Le magasin sans friction montre comment les commerçant peuvent évoluer vers le magasin du futur à leur propre rythme tout en résolvant les défis commerciaux immédiats tels que la reconnaissance des articles lors de l’auto-paiement pour optimiser le débit et empêcher le rétrécissement.

– La technologie de vision par ordinateur IA qui surveille ce qui se passe dans le magasin. Signatrix travaille avec Party City et Lidl pour prévenir contre le vol en surveillant la sortie des paniers sans les vérifier

– Zebra Technologies a lancé SmartSight, une plateforme qui utilise la vision par ordinateur, l’apprentissage automatique et l’automatisation des flux de travail pour identifier les conditions de rupture de stock, les problèmes de prix et les erreurs de planogramme chez les détaillants. SmartSight patrouille dans un magasin pour analyser les étagères et générer des tâches pour les associés. La solution permet également aux détaillants de réaffecter en moyenne 65 heures de travail par magasin et par semaine à des affectations de plus grande valeur, plus axées sur l’engagement des acheteurs et moins sur la gestion de ce qui est en rayon.

Prestataires :
Sicara
Scandit
Deepomatic
Chooch AI