这家零售商如何利用机器学习和计算机视觉技术保持货架货物充足

此零售商如何运用机器学习和计算机视觉技术来维持充足的货架库存

当你是一家在美国各地拥有数千家门店和仓库的家居装修专家时，要跟踪所有门店和仓库的商品可能会很困难，再加上黑色星期五和繁忙的假日季节，这个挑战几乎看起来无法解决。

然而，家得宝正在积极应对这一挑战，通过使用机器学习（ML）和计算机视觉技术的结合，帮助工作人员快速、有效地为顾客找到商品。

家得宝的技术专家哈里·拉马穆尔蒂（Hari Ramamurthy）在一段视频采访中告诉ENBLE，采用新兴技术解决问题对这家零售巨头来说非常常见。

他说：“我们非常关注技术，我们寻找能够利用最新和最佳技术来实质性改善员工和客户体验的方法。”

拉马穆尔蒂表示，家得宝开发了一款名为Sidekick的ML应用程序，以提高员工的生产力。

这款应用程序也使用了计算机视觉技术，并安装在家得宝员工使用的“hdPhones”上。这些设备是与Zebra Technologies、HPE和Aruba合作开发的移动设备。

Sidekick在2023年初开始使用，并且拉马穆尔蒂表示，这款应用程序只是该公司一系列数据驱动项目中的最新阶段。

他说：“机器学习或人工智能等技术在为我们的员工和客户创造正确结果方面显然具有巨大潜力。”

在Sidekick的开发过程中，家得宝创建了一个定制系统，使用云端ML算法，允许员工（拉马穆尔蒂称之为“伙伴”）优先处理重要任务。

该应用程序确保伙伴们将注意力集中在需求最高的产品上，并帮助他们找到位于难以找到的位置，如高处的货架。

他说：“我们希望确保我们的伙伴们始终执行与他们所在位置相关的最有价值的任务，以便他们能够有效地完成任务。”他说：“我们正在使用从内部数据源生成的多个信号来为我们的算法提供信息。”

该ML模型从交易系统（包括销售点技术和库存管理平台）获取数据。

然而，该模型不仅仅局限于传统结构化的零售数据源，还从半结构化的数据源中获取信息，例如展示商店内顾客流动情况的视频摄像头。

该应用程序还使用计算机视觉技术，员工们通过在他们的hdPhones上的Sidekick应用程序上拍摄图片。

作为家得宝的技术专家，拉马穆尔蒂一直在寻找方法来完善Sidekick应用程序，并找到其他数据驱动创新的来源。

他说：“我的职责是搭建各种产品团队、业务伙伴和技术团队之间的桥梁。我们不断寻找优化执行某些任务的方法，同时挑战我们的思维方式。这意味着考虑引入技术，并在许多情况下进行实验，开发能够解决客户问题的下一代体验。”

家得宝几年来一直在尝试各种机器学习和人工智能（AI）技术，包括自主研发的Sidekick应用程序。

对于一些数字领导者来说，选择自主开发新兴技术可能会带来相当大的风险。

先前，咨询公司Gartner的杰出副总裁分析师Avivah Litan告诉ENBLE，新兴技术（如机器学习和人工智能）承诺能极大提高生产力，但在企业环境中，需要克服重大挑战才能获得巨大回报。

拉马穆尔蒂表示，对于家得宝来说，公司拥有内部人才和概念验证研究，证明了机器学习和计算机视觉可以产生重大的影响。

对于其他数字和业务领导者来说，利用新兴技术的关键是集中测试和完善方法。

他说：“我们的经验非常迭代。内部，我们将这视为‘爬行、行走、奔跑’的方法来提供价值。我们进行了战术改进，并克服了一些挑战。”

“但是我们采取的迭代方法确实帮助我们确保能够实现期望。目前，我们对于员工的任务绩效和整体体验都非常满意。”

拉马穆尔蒂和他的团队继续寻找可以对Sidekick应用程序产生巨大改进的小迭代。

他相信公司不仅可以确保为员工生成适当的任务，还可以关注销售点的各个方面，无论是分析销售地点数据还是考虑销售楼层的布局。

另外：<a href=”/?s=2023年的人工智能：一年的重大突破改变了人类一切</a>

他说：“这些都是需要进一步探索的领域。此外，我们继续研究如何改进我们的统计机器学习模型以及生成的某些任务的质量，特别是当它们与其他信号相结合时。”

拉马穆尔蒂说，他还热衷于利用从Sidekick应用程序获得的洞察来确保员工在完成任务时拥有正确的技能和资源。

他说：“我认为这些都是需要进一步完善的领域，无论是任务生成还是任务交付。”