自从阿里提出新零售后，各大巨头纷纷入场，积极布局线下零售体系。随后有京东的无界零售，苏宁的智慧零售，大家都希望能够融合线上线下数据，利用互联网的技术来变革传统的线下零售。整个的线下零售变革无疑是一次围绕线下人、货、场的改变，本文主要针对人、货、场下的AI能力建设进行思考。

本文仅阐述自己对于人货场下AI能力建设的思考，欢迎大家一起交流，另外暂时忽略人体生物属性特征隐私问题~~

人

目标（需求）：为顾客个性化推荐商品，引导顾客成功购买

场景：

1. 顾客在门店外经过，或者逗留闲逛，但是未进店。
2. 顾客发现自己有购物需求，进入店内。
3. 顾客在店内浏览自己感兴趣的商品。
4. 顾客挑选好商品后收银结算。

为了能够实现目标，即达成需求，需要建立顾客的用户画像，洞悉顾客的商品喜好。首先需要建立用户的结构化信息，再通过针对性的AI能力在线下收集顾客特征信息。

顾客的结构化信息：

AI能力建设

基础算法部分

1. 人脸检测：实现店内、店外的人脸检测；人脸检测的能力是后面人脸识别的关键，只有检测到人脸才能做顾客识别，需要考虑三个衡量指标——抓拍率、误检率、漏检率；努力做到高抓拍率低误检率，这是一个平衡的过程，看公司或业务的具体指标要求。
2. 人脸质量判断：人脸图像的质量也是影响后面人脸率的关键因素，在检测到“人脸”后需要对当前人脸做质量判断，人脸质量的判断主要包括：人脸角度、人脸遮挡程度、人脸的大小（可用瞳孔间距判断）、图片的清晰度、图片光照程度。

上述两个算法的结果是后续提高顾客人脸识别准确率的关键因素。

其实，为了实现上述结果，有两个途径可以达到：

1. 使用带有人脸抓拍功能的摄像头，比如：海康、商汤、旷视、地平线都有这样的抓拍摄像头，具体抓拍结果需要根据实际场景测试下；
2. 采用普通的摄像头，公司自研上述两个算法，对于算法人员要求很高，尤其是在实际场景中，目前在线下场景中需要面临的问题有：店内光照强，人脸低头玩手机现象严重，摄像头安装角度、高度等问题都会影响到最终的结果。

以下是针对上述四种场景，讲述：每个场景使用什么样的AI算法？构建什么样的产品？可以获取到顾客的什么样的信息？

场景 1

顾客在门店外经过，或者逗留闲逛，但是未进店。

目的：吸引顾客进店

算法：

1. 人脸属性识别：主要用于识别顾客人脸属性如年龄、性别、表情等特征。
2. 人脸识别：获取到高质量的人脸后就可以跟门店的人脸库做1：N人脸识别比对了，具体的如何实现人脸识别可以参考《作为AI产品经理，该如何考虑公司自研的人脸识别产品》。
3. 人脸关键点检测：检测人脸的关键点，可以用于分析人脸五官。

产品：颜值互动机，试衣镜

人脸互动机：比如换脸、颜值排名、扫脸算命

1. 检测顾客的人脸，提供娱乐性的玩法，显示顾客年龄，颜值得分，表情，柳叶眉，桃花眼等。
2. 识别是否是会员，在为顾客提供人脸娱乐玩法的同时跟门店的人脸底库比对，识别当前人脸是否是会员。
3. 如果是会员，结合门店销售数据分析，查询当前会员的购买记录，想当前会员推荐她常买的商品；如果不是会员，结合人脸属性，年龄和性别推荐适合某年龄段的商品。
4. 结合门店优惠券活动，将优惠券活动以二维码的形式加载到大屏幕中，推荐商品的同时为顾客推送优惠券，新用户可以增加优惠券的力度。

场景2

顾客发现自己有购物需求，进入店内。

目的：统计进店的客流。

指标：进店人数、进店人次、回头客、新顾客、会员

算法：

1. 头肩模型：通过检测顾客的头肩仅可以实现统计进店人次，限制在于无法顾客去重，容易造成虚高的客流假象。
2. 人脸识别：通过检测顾客的人脸，可以实现：人脸个数可以当做是人次；对人脸做比对去重，统计进店的人数；与会员库做比对，识别是否是会员，获知会员编码；与门店30天人脸库比对，可以实现判断是否是新顾客或者回头客，量化可以判断顾客的到店频次；限制在于人脸识别底库的建设和维护，以及人脸识别率问题。具体问题可以参考《作为AI产品经理，该如何考虑公司自研的人脸识别产品》；

产品：客流统计系统——客流分析模块

场景3

顾客在店内浏览自己感兴趣的商品

目的：分析顾客的逛店路径，统计店内热力分析，顾客浏览商品分析。

指标：顾客关注度，区域停留时长。

算法：

1. 顾客逛店路径和人力分析可以同客流统计算法。
2. 人体骨骼点检测：检测人体头部、躯干、四肢上的关键点，可以实现检测人与货架商品的交互，获知顾客浏览商品的情况。从而通过数据统计分析推断顾客的浏览喜好，以及浏览最多次数的商品。

产品：客流统计系统——热力图分析模块、顾客动线分析模块、顾客详情

场景4

顾客挑选好商品后，收银结算。

目的：获知顾客购买的商品品类。

算法：人脸识别，在顾客收银结算的时候将当前顾客的人脸与购买的商品信息关联。这一步最麻烦的问题在于：如何将订单和人脸绑定，涉及到关联逻辑。因为结算时候实际场景是相对复杂的，顾客是否排队，顾客是否在收银区逗留等。

产品：客流统计系统—顾客交易记录分析；需要跟门店的POS收银系统打通。

后续待解决：

1. 人脸检测准确率的提升、人脸识别准确率的提升。
2. 跟门店收银系统打通，如果是复用门店的安防摄像头，还需要跟安防系统打通。

结论

以上分析了顾客从店外到店内，再从店内购物结束离店的场景下需要构建的AI能力，包含了人的识别分析、人与货的识别分析、人与店的识别分析。

只有很好地感知顾客，分析顾客，才能更好地了解顾客需求，提升门店的销售盈利。其实我们通过AI的手段可以获知顾客的信息，后续还需要更好地探索这些信息所能带来的业务价值，否则我们获取到的也只是数据信息而已。

本文由 @Eric_d 原创发布于人人都是产品经理。未经许可，禁止转载

题图来自Unsplash，基于CC0协议