بهینه سازی چیدمان فروشگاهی و شناسایی نقاط بن بست (Dead Zones) در سوپرمارکت ها با استفاده از تحلیل داده های بینایی ماشین (Computer Vision)

در سال های اخیر، توسعه فناوری های هوش مصنوعی و بینایی ماشین، تحولات گسترده ای در مدیریت و بهینه سازی فضاهای خرده فروشی ایجاد کرده است. یکی از چالش های اساسی در طراحی فروشگاه های زنجیره ای و سوپرمارکت ها، وجود نقاط بن بست یا مناطق کم تردد (Dead Zones) است که موجب کاهش دیده شدن کالاها، افت فروش و کاهش بهره وری فضای فروشگاهی می شود. پژوهش حاضر با رویکردی علمی–ترویجی به بررسی نقش فناوری بینایی ماشین در شناسایی، تحلیل و بهینه سازی این مناطق می پردازد. با استفاده از دوربین های هوشمند، الگوریتم های تشخیص حرکت، تحلیل مسیر مشتریان و تولید نقشه های حرارتی (Heat Maps)، می توان الگوهای رفتاری مشتریان را استخراج و مناطق کم تردد را شناسایی نمود. نتایج مطالعات نشان می دهد که به کارگیری داده های بینایی ماشین در بازطراحی چیدمان فروشگاه، موجب افزایش ترافیک مشتری، بهبود تجربه خرید و رشد فروش محصولات تا ۱۵ الی ۳۰ درصد می شود. این فناوری امکان تصمیم گیری مبتنی بر داده را برای مدیران فروشگاهی فراهم کرده و زمینه ساز توسعه فروشگاه های هوشمند در صنعت خرده فروشی است در محیط های خرده فروشی مدرن، نحوه چیدمان فروشگاه و توزیع کالاها نقش مهمی در رفتار خرید مشتریان و افزایش فروش ایفا می کند. یکی از چالش های مهم در طراحی فروشگاه ها وجود نقاط کم تردد یا اصطلاحا «نقاط بن بست» (Dead Zones) است که مشتریان کمتر به آن ها مراجعه می کنند و در نتیجه فرصت های فروش در این بخش ها کاهش می یابد. در سال های اخیر استفاده از فناوری های مبتنی بر بینایی ماشین و تحلیل داده های تصویری به عنوان ابزاری نوین برای تحلیل رفتار مشتریان در فروشگاه ها مطرح شده است. هدف این پژوهش بررسی نقش تحلیل داده های بینایی ماشین در شناسایی و بهینه سازی نقاط بن بست در سوپرمارکت ها و ارائه راهکارهایی برای بهبود چیدمان فروشگاهی است. این پژوهش از نوع کاربردی بوده و با رویکرد توصیفی–تحلیلی انجام شده است. داده های رفتاری مشتریان از طریق دوربین های نظارتی و الگوریتم های پردازش تصویر تحلیل شده و الگوهای حرکت مشتریان در فضای فروشگاه استخراج گردید. نتایج پژوهش نشان می دهد که استفاده از تحلیل مسیر حرکت مشتریان، نقشه های حرارتی (Heatmaps) و الگوریتم های تشخیص الگو می تواند به طور موثری مناطق کم تردد فروشگاه را شناسایی کرده و با تغییر در چیدمان قفسه ها، محل قرارگیری کالاهای پرفروش و طراحی مسیرهای حرکتی، میزان بازدید مشتریان از این مناطق را افزایش دهد. یافته ها همچنین نشان می دهد که به کارگیری سیستم های هوشمند بینایی ماشین می تواند منجر به افزایش کارایی مدیریت فروشگاه، بهبود تجربه خرید مشتریان و افزایش فروش شود.

کلیدواژه ها:

بینایی ماشین ، نقاط بن بست فروشگاهی ، نقشه حرارتی ، تحلیل رفتار مشتری ، چیدمان فروشگاهی ، فروشگاه هوشمند ، هوش مصنوعی