De detailhandel heeft in de afgelopen jaren te maken gehad met tal van veranderingen: de groei van online handel, de digitalisering en de voorkeuren van het winkelend publiek. Deze veranderingen hebben geleid tot een grotere focus op beveiligingstechnologie en verliespreventie. AI en Computer Vision spelen hierbij een steeds grotere rol.
Door het gebruik van camera's met geavanceerde analyse kunnen winkeliers proactief de detailhandelbeveiliging verbeteren, vooral bij self-checkout systemen. Door middel van retail analytics kunnen verdachte activiteiten worden gedetecteerd en diefstalpreventie worden gegarandeerd.
Het implementeren van AI en computer vision in de winkelbeveiliging biedt detailhandelaren de mogelijkheid om zich aan te passen aan deze veranderende omstandigheden en een veilige winkelomgeving te creëren voor zowel klanten als medewerkers. En dat allemaal vanuit hetzelfde systeem.
Real-time analyse ondersteunt verliespreventie
Helaas blijft verliespreventie een groot probleem binnen de detailhandel. In 2023 rapporteerde de Benchmarkt Supermarketing 2022 dat het gemiddelde dervingspercentage 1,9% bedroeg. Een aanzienlijk bedrag wanneer je nagaat dat de consumentenomzet van dat jaar € 3,91 miljard bedroeg. Wat maakt dat er alleen al in Nederlandse supermarkten, 72,3 miljoen niet werd omgezet.
Dit is geen onaanzienlijk bedrag en enkel nog berekend op een deel de van totale branche. Het is daarom van cruciaal belang dat je dit probleem in je winkelomgeving aanpakt door de hotspots voor mogelijke diefstal te identificeren, zoals de zone voor zelfkassa's.
Klanten kunnen verschillende tactieken toepassen om betalingen te ontwijken, wat verleidelijk kan zijn als er geen fysieke medewerker is om ze in de gaten te houden. Dat gezegd hebbende, zou het verwijderen van deze betaalpunten schadelijk zijn, want er zijn veel voordelen van self-checkouts. Ze kunnen wachttijden verkorten en zelfs de klantervaring verbeteren.
Volgens onderzoek gepubliceerd door Gitnux in 2023 verkiest 73% van de consumenten self-checkout boven bemande kassa’s. Deze voorkeur zal het gebruik en de uitbreiding van self-checkout opties in winkels blijven stimuleren, dus is het van cruciaal belang om het risico op diefstal te beperken.
Dit kan worden bereikt door camera's uitgerust met computer vision en geavanceerde analysesoftware te installeren in de self-checkout gebieden om het niet scannen van producten, het bedekken van barcodes en ander verdacht gedrag te detecteren. Uw beveiligingspersoneel wordt dan gewaarschuwd om onderzoek te doen en mogelijk in te grijpen.
Als je nog een stap verder gaat, kan AI worden gebruikt om inzichten te verzamelen in het self-checkout proces om patronen te identificeren en beter te begrijpen hoe diefstal plaatsvindt. Zo kunt je tegenmaatregelen nemen om derving te verminderen en de omzet positief te beïnvloeden.
Bedrijfsactiviteiten en de klantervaring ondersteunen
Gemak staat hoog op de prioriteitenlijst van het winkelend publiek, vooral als het gaat om langere winkelopeningstijden en een korter aankooptraject. Dit kan worden bereikt door slim gebruik te maken van automatisering en geavanceerde technologie. Netwerkcamera's uitgerust met software kunnen worden gebruikt om processen in de winkel te beheren, zoals het aanvullen van lage voorraden en het monitoren van het aantal bezoekers, zodat het personeel advies en aanbevelingen van hoge kwaliteit kan geven aan het winkelend publiek. Dit is vooral belangrijk tijdens drukke periodes zoals de feestdagen, wanneer de frustraties bij klanten hoog kunnen oplopen.
Er is ook een verschuiving naar meer hybride winkelmodellen die gebruik maken van technologie om te kunnen browsen en kopen bij afwezigheid van personeel ter plekke. Hierdoor kunnen ze hun openingstijden verlengen zonder de toegang te beperken op tijdstippen die het winkelend publiek goed uitkomen. Dit is waar computervisie ook kan worden geïmplementeerd om inzicht te krijgen in je winkels. Netwerkcamera's die zijn uitgerust met AI-software kunnen bijhouden wanneer klanten artikelen in hun mandje doen, hoelang en waar ze in de winkel blijven en wat eventuele knelpunten in de winkel zijn. Deze informatie kan gebruikt worden om veranderingen aan te brengen om de klantervaring positief te beïnvloeden.
Computer vision in de detailhandel
Een gebrek aan voorraad is een van de grootste frustraties van winkelend publiek en kan de bron zijn van inkomstenverlies. Volgens een analyse van NielsenIQ over de beschikbaarheid op schappen - het aantal producten dat op een bepaalde plaats en tijd beschikbaar is voor aankoop - kostten lege schappen retailers in de VS alleen al in 2021 82 miljard dollar aan gemiste verkopen, die voorkomen hadden kunnen worden.
Traditioneel controleerde het personeel handmatig de schappen op voorraadniveaus en vulde producten aan op standaardmomenten van de dag. Het gat tussen detecteren en aanvullen kan echter een gemiste kans zijn om verkopen te genereren, vooral bij populaire artikelen.
Computer vision kan in dit geval helpen. Modulaire of losse camera's kunnen videobeelden van uw schappen vastleggen, terwijl een algoritme voor machinaal leren en beeldverwerking gegevens over voorraadplaatsing en -beschikbaarheid analyseert. Wanneer de behoefte aan aanvulling wordt gedetecteerd, wordt er een real-time waarschuwing naar een dashboard of mobiele app gestuurd om uw personeel te informeren over de noodzaak om specifieke items opnieuw in te slaan. Deze extra flexibiliteit zorgt ervoor dat de voorraadniveaus blijven voldoen aan de vraag van je klanten.
AI gebruiken om je duurzaamheidsdoelen te bereiken
Hoewel het gemakkelijk is om de onmiddellijke impact van het gebruik van computervisie en AI in je winkelomgeving te zien als je denkt aan operationele efficiëntie en winstgevendheid, kun je deze technologieën ook gebruiken om je duurzaamheidscijfers te verbeteren.
Je kunt AI implementeren om je voorraadniveaus te monitoren, zodat je direct op de vraag reageert en voorkomt dat je overtollige voorraad hebt. Daarmee voorkom je dat dit vernietigd moet worden of naar de stortplaats kan. Je kunt ook AI-prognosetools gebruiken om de voorraad beter te beheren en je te helpen CO2-neutraliteit te bereiken door de uitstootcijfers te bewaken. Buiten je vier muren is AI ook nuttig binnen je logistieke netwerk. Het helpt de nauwkeurigheid van productleveringen te verbeteren en de vrachtwagencapaciteit te maximaliseren, waardoor onnodige ritten die bijdragen aan emissies worden vermeden.
De toekomst van de detailhandel met retail analytics
Het potentieel voor AI in videobewaking is veelbelovend. Netwerkcamera's die zijn uitgerust met computer vision kunnen de videoanalyse verbeteren en bedreigingsdetectie, bewegingsdetectie, objectherkenning en een beter begrip van het gedrag in de winkel mogelijk maken.
Hierdoor kan je personeel zich richten op het leveren van een hoogwaardige service, wat de klantervaring verbetert, een herhalend winkelbezoek én loyaliteit aan je merk stimuleert. Je kunt AI ook gebruiken om trends en klantvoorkeuren te voorspellen, waardoor je voorraad, marketingcampagnes en productlanceringen effectiever kunt plannen. Er is ook een bijkomend voordeel als het gaat om het ondersteunen van je duurzaamheidsdoelstellingen. Door gebruik te maken van de inzichten die deze technologie oplevert, kun je ervoor zorgen dat je afval minimaliseert en je logistiek optimaliseert.
Hoewel de voordelen van AI talrijk zijn, is het, net als bij elke andere activiteit waarbij gegevens worden verzameld en geanalyseerd, belangrijk om de ethische bezwaren rond privacy en mogelijk misbruik van de technologie in overweging te nemen voordat je tot implementatie overgaat. Dit is een doorlopend en zich voortdurend ontwikkelend gesprek waar je doorheen moet navigeren wanneer je ernaar streeft om veranderingen aan te brengen in je bewakingssysteem waar je bedrijf baat bij heeft en dat verder gaat dan het waarborgen van veiligheid en beveiliging. Door AI te gebruiken in je bewakingssysteem kun je uiteindelijk betere zakelijke beslissingen nemen en je winst op de lange termijn verhogen.
