小規模小売業者
行動を理解する
VLMは、位置情報や滞在時間といった分析指標を超え、特定の小売環境において人々が何をしているかを解釈する。
従来の分析手法では、存在、滞在時間、経路、近接度を特定できます。VLMは、行動理解をさらに深めます。閲覧、商品取り扱い、スタッフとのやり取り、サービス完了、あるいは無関係な存在といった行動を解釈することで、同じ移動データからより意味のある、より測定可能な情報を得ることができます。
文脈に応じてカウントする
FootfallCam VLMは、人々の行動追跡、ゾーン内の活動、人口統計学的属性、グループ行動、店舗レイアウト、およびプロモーションや営業状況などのコンテキストデータを組み合わせます。この構造化されたコンテキストを使用してイベントを定義されたカテゴリに分類し、製品エンゲージメント、サービスインタラクション、および運用活動に関するより詳細な指標を作成します。
仕組み
関連する瞬間が選択、解釈、分類され、構造化された小売指標に変換されます。VLMは、定義されたビジネスコンテキスト内で適用されます。システムは、関連するゾーン、期間、およびイベントタイプに焦点を当て、事前に設定された質問と分類ルールを使用して選択されたビデオの瞬間を解釈します。出力は、自由記述ではなく、事前に定義されたビジネスカテゴリにマッピングされた制御された結果です。
ステップ 1
瞬間を捉える
トラッキング機能は、棚に商品が置かれている時間、スタッフの接近状況、サービス活動など、関連するイベントを特定します。
ステップ 2
コンテキストの追加
店舗のレイアウト、ゾーンの種類、グループの行動、時間帯、プロモーション、および移動履歴が、運営上のコンテキストを提供する。
ステップ 3
行動を解釈する
VLMはビデオ映像を分析し、どのような行動が起きているかを判断します。
ステップ 4
結果を分類する
結果は、製品への関与、スタッフとのやり取り、業務上のタスク、または無関係な活動といった構造化されたカテゴリに変換されます。
VLMが機能する理由
VLMは、幅広い視覚状況を理解するように事前学習されています。これにより、 FootfallCam 様々な小売行動に対して、シナリオごとに個別のモデルをトレーニングすることなく、動画理解を適用できるようにする。このシステムは、複数フレームのコンテキストを解釈し、インタラクションパターンを理解し、事前に定義された質問に基づいて的を絞った出力を返すことができる。
コンテキスト指標
VLMは、観察された行動を、実際の小売活動を反映した測定可能なカテゴリーに変換します。棚の前に立っている人の行動は、もはや滞在時間としてのみ測定されるわけではありません。VLMは、その人がちらっと見ているのか、商品を閲覧しているのか、積極的に商品を評価しているのか、店員とやり取りしているのか、あるいは何もしていないのかを分類できます。これらの分類は構造化された指標となり、店舗間でレビュー、集計、比較することが可能です。
製品のエンゲージメント
顧客の関心を、一時的な興味から積極的な製品評価まで分類することで、小売業者がどのディスプレイが有意義なエンゲージメントを生み出すかを理解するのに役立ちます。
スタッフの交流
挨拶、支援、相談、アップセル、引き継ぎといったサービス提供の瞬間を特定することで、サービス品質のより一貫性のある測定を支援します。
業務活動
補充、箱の移動、清掃、作業完了など、定義されたスタッフの活動を認識し、チームが業務の遵守状況を測定するのに役立ちます。
同じ瞬間、異なる意味
同じ場所、同じ滞在時間でも、行動は大きく異なる場合があります。VLMは、これらの行動を区別するのに役立ちます。顧客が同じ場所に同じ時間滞在していても、行動は全く異なる可能性があります。スマートフォンに気を取られたり、ちらっと見たり、積極的に商品を閲覧したり、商品を手に取ったり、何気なく話したり、他の人と商品について話し合ったりするかもしれません。VLMは、これらの行動を区別するのに役立ちます。
携帯電話による注意散漫
VLM出力：人物は静止しており、モバイルデバイスに注意を向けている。製品とのインタラクションはない。
未参加
さりげない一瞥
VLM出力製品への短時間の視覚的注意、手を使った操作なし
レベル1：軽度の交戦
アクティブブラウジング
VLM出力探索行動を伴う製品に継続的に視覚的に焦点を当てる。
レベル2：ブラウジング
ディーププロダクトインタラクション
VLM出力：製品の取り扱いおよび評価行動を直接的に評価する。
レベル3：高いエンゲージメント
友達と話す
VLM出力会話が検出されましたが、製品とのやり取りとは関係ありません。
未参加
製品について話す
VLM出力: 製品に対する関心と議論行動が共有される。
レベル4：スタッフのエンゲージメント
AIが生成したイラストのみを使用しており、実際の顧客データ、監視映像、個人情報は一切使用または取得していません。
検証可能な結果
分類された各イベントは、レビュー、説明、および小売業者の運用定義との整合性を図ることができます。VLMは単にラベルを返すだけでなく、商品の取り扱い、共同対応、スタッフの支援、または無関係な存在など、観察された内容について簡潔な説明を提供できます。これにより、チームは選択したイベントをレビューし、結果を検証し、時間の経過とともに定義を洗練させることができます。
証拠レビュー
分類されたすべてのイベントは、レポートに採用される前に、ビデオ証拠、状況の詳細、およびレビュー担当者の意見に基づいて検証されます。レビューワークスペースは、VLMの出力を運用プロセスに変換します。レビュー担当者は、イベントクリップを検査し、インタラクションが特定の方法で分類された理由を理解し、場所の状況と比較し、注釈を追加し、最終結果を確認できます。これにより、状況指標が測定可能で説明可能であり、実際の店舗活動と整合していることが保証されます。
詳細なイベントレビュー
インシデント検証ワークフロー
詳細なイベントレビュー
詳細なイベントレビュー
このワークスペースは、個々のVLMイベントを詳細に検証するために設計されています。レビュー担当者は、ビデオ証拠を確認し、タイムスタンプ、エンゲージメントレベル、説明、信頼度、カメラソースをチェックした後、イベントを店舗レイアウトと比較できます。注釈ツールを使用すると、重要な動き、商品、またはインタラクションポイントを証拠に直接マークできます。レビュー担当者は、コメントを追加したり、カテゴリを割り当てたり、最終ステータスを確認してから結果を保存できます。
インシデント検証ワークフロー
インシデント検証ワークフロー
このビューは、大規模な運用レビュー向けに設計されています。エンゲージメントインシデントは構造化されたキューで表示されるため、チームは証拠を完全に把握しながら、イベント間を迅速に移動できます。ワークスペースには、イベントクリップ、VLMサマリー、証拠の信頼度、エンゲージメントレベル、製品の詳細、レビュー担当者の割り当て、および承認コントロールが統合されています。これにより、組織は、ダッシュボードやパフォーマンス分析で結果を使用する前に、規律あるワークフローでインシデントを検証、エスカレーション、または承認できます。
デザインによって制御される
このシステムは、あらかじめ定義されたゾーン、トリガー、質問、カテゴリ内で動作します。小売業者が測定対象として選択した行動（顧客エンゲージメント、サービスインタラクション、運用遵守など）に焦点を当てています。出力は、無制限の動画説明ではなく、カテゴリと指標として構成されています。
定義された範囲
分析は、特定の地域、イベントの種類、および運用条件に限定されます。
定義された質問
このシステムは、製品の使用状況やスタッフ間のやり取りがあったかどうかなど、あらかじめ設定されたビジネス上の質問に答えます。
定義された出力
結果は、報告および検証のために、構造化されたカテゴリ、スコア、および指標として返されます。
エッジの理解
VLM（ビデオライブマッピング）の解釈は、カメラやストレージ環境に近いエッジで実行できます。これにより、構造化された結果をプラットフォームに送信する前に、関連するイベントをローカルで分類することが可能になります。不要なビデオデータの転送ではなく、メトリクス、カテゴリ、および検証結果に重点が置かれます。
小売アプリケーション
VLMは、移動データだけでは十分なコンテキストが得られない、小売業における実用的なユースケースをサポートします。VLMは、店舗環境全体にわたって、顧客体験や店舗運営における重要な瞬間を分類するのに役立ちます。これらの出力は、商品陳列、サービス品質、レジ分析、スタッフの指導、および業務コンプライアンスの遵守に役立ちます。
棚へのエンゲージメント
顧客が製品とどのように関わっているかを測定します。短時間の注意や閲覧から、積極的な評価や製品の取り扱いまで、あらゆる段階を網羅します。
スタッフの交流
挨拶、支援、相談、顧客対応の完了など、サービス提供の瞬間を特定する。
チェックアウト完了
キューへの到着から、取引、引き継ぎ、サービス完了までの主要なサービス段階を追跡します。
運用遵守
商品の補充、清掃、商品取り扱い、作業実行などの業務活動を測定する。
コンバージョンジャーニー
顧客エンゲージメント、サービス利用状況、チェックアウト行動を関連付けることで、コンバージョン機会がどこで発生し、どこで減少するのかを把握できます。