[Podcast] Khi Trí tuệ Nhân tạo (AI) nâng cao hiệu quả thiết kế bố cục cửa hàng: Một nghiên cứu tổng quan

21 Tháng Mười Hai, 2023

Tầm quan trọng của cách bố trí cửa hàng trong việc tác động đến hành vi của người tiêu dùng đã được chứng minh rõ ràng. Các nghiên cứu luôn cho thấy mối tương quan tích cực giữa cách bố trí được tối ưu hóa và doanh số bán hàng tăng lên. Nhận thức được tác động của Trí tuệ nhân tạo (AI) trong việc tăng cường các chiến lược bố trí cửa hàng truyền thống, tác giả của Đại học Kinh tế Thành phố Hồ Chí Minh (UEH) và cộng sự nước ngoài đã tiến hành nghiên cứu đánh giá toàn diện cả phương pháp thiết kế bố trí cửa hàng thông thường và kỹ thuật AI hiện đại. Bằng cách hợp nhất những hiểu biết sâu sắc từ hai lĩnh vực này, mục tiêu là đề xuất một khung thiết kế bố cục cửa hàng cải tiến được hỗ trợ bởi AI.

Tầm quan trọng của việc ứng dụng AI trong thiết kế bố cục cửa hàng

Cộng đồng bán lẻ đã tận dụng sức mạnh của Trí tuệ nhân tạo (AI) đối với nhiều nhiệm vụ đặc biệt liên quan đến giao dịch mua hàng, chẳng hạn như thanh toán trực tiếp, thanh toán tại các cửa hàng tạp hóa miễn phí của Amazon Go, tìm kiếm bằng hình ảnh và giọng nói bởi Walmart, Tesco, Kohl’s, Costco và theo dõi sự hài lòng của khách hàng và dự đoán hành vi khách hàng. Trong năm 2019, lĩnh vực bán lẻ dẫn đầu về chi tiêu toàn cầu cho hệ thống AI, với 5,9 tỷ USD đầu tư vào dịch vụ khách hàng tự động, cố vấn mua sắm và nền tảng đề xuất sản phẩm.

Tuy nhiên, nghiên cứu về ứng dụng AI trong việc hỗ trợ bố trí cửa hàng vẫn còn chưa được thực sự chú trọng. Làm sao ứng dụng AI trong việc hiểu hành vi khách hàng di chuyển trong siêu thị, từ đó đưa ra các đề xuất thiết kế phù hợp cho từng loại hình siêu thị, và mặt hàng cần được tập trung nhấn mạnh hơn. Nghiên cứu này tiến hành đánh giá toàn diện các phương pháp bố trí siêu thị, cửa hàng hiện nay, và các kỹ thuật AI hiện đại có thể được sử dụng để hiểu được các di chuyển của khách hàng khi mua hàng trong siêu thị, nhận diện cảm xúc, để đưa ra đề xuất bố trí phù hợp nhất.

Dựa trên đánh giá này đề xuất khung thiết kế bố trí cửa hàng được hỗ trợ bởi AI. Kết quả nghiên cứu đề xuất framework áp dụng các kỹ thuật phân tích dữ liệu và AI tiên tiến trên hệ thống camera quan sát hiện có cơ sở hạ tầng giám sát video để hiểu, dự đoán và đề xuất cách bố trí cửa hàng tốt hơn. Khung đề xuất này tạo điều kiện thuận lợi cho việc thiết kế bố trí cửa hàng theo định hướng khách hàng bằng cách giám sát trực quan dữ liệu của khách hàng di chuyển trong siêu thị hoặc cửa hàng, từ đó tăng hiểu biết sâu sắc khách hàng và ứng dụng kinh doanh thông minh.

Bố trí cửa hàng nhắm đến việc cung cấp 04 yếu tố như sự hữu ích nhìn nhận, dễ sử dụng, giải trí và tiêu tốn thời gian

Có 04 cách thức thiết kế bố trí cửa hàng chính:

*Tối ưu hóa việc tiếp cận của khách hàng đối với nhiều sản phẩm để kích thích quyết định mua sắm. Nhà bán lẻ định vị chiến lược các sản phẩm cần thiết ở cuối lối đi để tối ưu hóa tầm nhìn và tiện ích, tăng khả năng khách hàng quan tâm đến các sản phẩm khác (Tan et al., 2018). Việc sử dụng hiệu quả các khu vực cuối lối đi, đặc biệt là trong những dịp đặc biệt như lễ, thu hút thêm lưu lượng khách hàng và khuyến khích việc khám phá nhiều sản phẩm khác nhau (Page et al., 2019). Buộc khách hàng phải di chuyển qua toàn bộ lối đi, tạo cơ hội để trưng bày và bán các sản phẩm khác dọc theo đường đi. Thiết kế bố trí tầng bán hàng như nam châm bán hàng đảm bảo khách hàng đi qua các phần khác nhau, tạo ra cơ hội tương tác đáng kể với nhiều sản phẩm khác nhau (Ohta và Higuchi, 2013).

*Tăng thời gian xem hàng: bố trí theo các cấu hình cụm khác nhau cho các chuyến đi ngắn, trung bình và dài (Larson et al., 2005). Thời gian dành ở siêu thị hơn hoặc ít hơn có thể thể hiện liệu khách hàng có quan tâm đến việc mua sắm tại siêu thị hay không (Kim và Kim, 2008; Sorensen, 2016). Việc mua sắm có thể là cách giảm căng thẳng và tận hưởng thời gian rảnh rỗi (Guiry et al., 2006; Hart et al., 2007). Bằng cách lên kế hoạch về bố trí cửa hàng, nhà bán lẻ khuyến khích khách hàng di chuyển qua nhiều lối đi hơn và thấy được nhiều loại hàng hóa khác nhau, điều này có thể tăng khả năng bán hàng (Cil, 2012), thậm chí dẫn đến việc mua hàng không kiểm soát (Geetha et al., 2013).

Dễ dàng tìm thấy các sản phẩm liên quan để tăng sự hài lòng của khách hàng. Một bố trí cửa hàng được sắp xếp theo nhóm sản phẩm dành cho mục đích mua sắm có thể tăng cường doanh số bán hàng (Hansen et al., 2010). Do đó, cửa hàng có thể sắp xếp các sản phẩm thay thế và sản phẩm bổ sung trong cùng một khu vực. Ví dụ, trà và cà phê là những sản phẩm thay thế. Nhóm sản phẩm theo cách này thay thế việc khách hàng tìm kiếm trà trong khu vực đồ uống, phô mai trong khu vực phô mai tươi, và ngũ cốc trong khu vực ngũ cốc. Bố trí này dẫn dắt khách hàng theo những con đường cụ thể để ghé thăm càng nhiều phần của cửa hàng càng tốt (Kim và Kim, 2008; Vrechopoulos et al., 2004). Ngoài ra, bố trí cửa hàng công nghiệp thường sắp xếp các sản phẩm liên quan cùng nhau, như trong khu vực bánh mỳ (với bánh mì, bánh ngọt, bánh quy, và những sản phẩm khác) và khu vực rau củ (với cà rốt, đậu, và những sản phẩm khác). Hơn nữa, việc tiếp xúc người tiêu dùng với hàng hóa được trình bày một cách chuyên nghiệp trong những khu vực như vậy có thể dẫn đến doanh số bán hàng cao hơn (Kiran et al., 2012).

*Dễ dàng tìm thấy các sản phẩm liên quan để tăng sự hài lòng của khách hàng. Một bố trí cửa hàng được sắp xếp theo nhóm sản phẩm dành cho mục đích mua sắm có thể tăng cường doanh số bán hàng (Hansen et al., 2010). Do đó, cửa hàng có thể sắp xếp các sản phẩm thay thế và sản phẩm bổ sung trong cùng một khu vực. Ví dụ, trà và cà phê là những sản phẩm thay thế. Nhóm sản phẩm theo cách này thay thế việc khách hàng tìm kiếm trà trong khu vực đồ uống, phô mai trong khu vực phô mai tươi, và ngũ cốc trong khu vực ngũ cốc. Bố trí này dẫn dắt khách hàng theo những con đường cụ thể để ghé thăm càng nhiều phần của cửa hàng càng tốt (Kim và Kim, 2008; Vrechopoulos et al., 2004). Hơn nữa, việc tiếp xúc người tiêu dùng với hàng hóa được trình bày một cách chuyên nghiệp trong những khu vực như vậy có thể dẫn đến doanh số bán hàng cao hơn (Kiran et al., 2012).

*Kiểm soát chi phí và tính toán tồn kho: việc thiết lập bố trí phù hợp và sử dụng trí tuệ nhân tạo để theo dõi hình ảnh và dòng người cho phép nhà bán lẻ kiểm soát chi phí, tính toán tồn kho đúng hạn và bổ sung sản phẩm trên kệ (Yang và Chen, 1999). Frontoni et al. chỉ ra rằng máy học có thể dự đoán diện tích trưng bày có sẵn trong cửa hàng và nhận biết sự thiếu hụt hàng hóa trên kệ đến trung tâm (Frontoni et al., 2017). Nhân viên nhận được thông báo và nhanh chóng bổ sung sản phẩm, để không bỏ lỡ khách hàng.

Đề xuất phương án dùng AI thiết kế bố cục cho cửa hàng

Dùng AI có thể giúp thiết kế bố trí cửa hàng theo các mục tiêu sau:

Phát hiện khách hàng và giỏ hàng mua sắm:

Dùng các kỹ thuật Trí tuệ Nhân tạo, phát hiện đối tượng bao gồm người (khách hàng), sản phẩm mua sắm và giỏ hàng, sau đó trả về các hộp chứa giới hạn với vị trí và phạm vi của từng đối tượng trong hình ảnh hoặc video.
Phát hiện đối tượng: Phát hiện đối tượng đã là một lĩnh vực nghiên cứu tích cực (Zou et al., 2019) vì nó là nền tảng để giải quyết các nhiệm vụ thị giác phức tạp và cao cấp như nhận diện và theo dõi. Phát hiện đối tượng không đơn giản do các đối tượng có thể thay đổi đáng kể do sự biến động trong tư thế, tỷ lệ, độ phân giải và ánh sáng. Ví dụ, một người có thể mặc bất kỳ loại quần áo nào từ đồng phục làm việc đến đồ mặc ở nhà khi đi mua sắm. Ngoài ra, người đó có thể đứng ở bất kỳ đâu trong cảnh quay được ghi lại, ở bất kỳ khoảng cách nào từ camera và từ bất kỳ góc nhìn nào đối với camera. Những tiến bộ gần đây trong học sâu, sau những kết quả đột phá được đề xuất bởi Krizhevsky và cộng sự (2012), đã cải thiện đáng kể hiệu suất phát hiện đối tượng đến mức đủ để triển khai trong đời sống thực.
Phân tích bản đồ nhiệt độ (Heatmap) có thể phát hiện con người để xây dựng bản đồ nhiệt độ kinh doanh. Một heatmap có thể cung cấp một tóm tắt hình ảnh của thông tin thông qua biểu diễn hai chiều của dữ liệu. Có nhiều cách để hiển thị heatmaps, nhưng tất cả chia sẻ một điểm chung – chúng sử dụng màu sắc để vẽ ra các mối quan hệ giữa giá trị dữ liệu mà sẽ khó hiểu hơn nếu được trình bày dưới dạng một bảng giá trị số.

Nhận diện khách hàng:

Nhận diện khuôn mặt là một trong những đặc điểm tự nhiên nhất của con người để xác định danh tính do cách chúng ta nhận ra con người. Nhận diện khuôn mặt dựa vào khoa học sinh học chế biến trong việc phát hiện và đo lường các đặc điểm khác nhau, hoặc các điểm đặc trưng, của khuôn mặt con người để xác định danh tính. Khi một khuôn mặt mới xuất hiện trong cảnh, nó được so sánh với một bộ sưu tập các khuôn mặt, đã được thu thập trước đó để suy luận danh tính của khuôn mặt mới.
Phân loại khách hàng (Customer Characterization) không chỉ rút trích thông tin về danh tính mà còn chứa đựng các thuộc tính dân số quan trọng, bao gồm tuổi tác, giới tính và dân tộc của một người. Tuổi tác, giới tính và dân tộc của cả hai khách hàng được trích xuất từ hình ảnh khuôn mặt. Trong môi trường siêu thị, thông tin này có thể được sử dụng nhiều cách khác nhau để tùy chỉnh mục tiêu đối với từng khách hàng.

Theo dõi hành vi khách hàng:

Mặc dù mỗi camera có thể phát hiện vị trí của một người, theo dõi khách hàng trên toàn bộ mạng camera CCTV là một đối tượng nghiên cứu quan trọng trong phân tích kinh doanh. Theo dõi con người qua mạng camera bao gồm hai mô-đun chức năng: theo dõi con người trong một camera và theo dõi con người qua các camera không chồng lấn.
Theo dõi con người trong một camera tạo ra các quỹ đạo chuyển động của đối tượng con người theo thời gian bằng cách xác định vị trí của chúng trong mỗi khung hình của một chuỗi video đã cho. Dựa trên sự tương quan giữa các đối tượng con người, theo dõi con người trong một camera có thể được phân loại thành hai loại: theo dõi theo cách tạo và theo dõi theo cách phân biệt.

Nhận dạng cảm xúc

Con người thể hiện cảm xúc thông qua các biểu hiện khuôn mặt quan sát được như nhấc mày, mở mắt hoặc thay đổi biểu cảm của miệng (ví dụ như cười). Hiểu được cảm xúc của khách hàng khi họ duyệt qua cửa hàng có thể cung cấp cho những người tiếp thị và quản lý một công cụ quý giá để hiểu phản ứng của khách hàng đối với các sản phẩm mà họ bán.

Nhận diện cảm xúc đa phương tiện: Con người cũng thể hiện cảm xúc bằng nhiều cách khác nhau như nâng giọng và chỉ bằng ngón tay. Sử dụng để bắt các thông tin ngữ cảnh trong dữ liệu. Mạng Niềm tin Sâu (Deep Belief Network) cũng có thể được sử dụng để tiếp tục bắt các tương tác giữa nhiều phương thức. Thông tin ngữ cảnh có thể được bắt và mô hình hóa để cải thiện độ chính xác.
Nhận diện hành động của khách hàng: Cách khách hàng hành xử hoặc hành động tiết lộ sự quan tâm của họ đối với sản phẩm. Những hành động rõ ràng như lấy sản phẩm, đặt sản phẩm vào giỏ hàng và đặt sản phẩm trở lại kệ đã thu hút sự quan tâm lớn từ các cửa hàng thông minh. Những hành vi khác như nhìn chăm chú vào một sản phẩm và đọc hộp của sản phẩm là một kho vàng cho marketing để hiểu sự quan tâm của khách hàng vào sản phẩm. Từ góc độ marketing, những hành vi này cung cấp bằng chứng để nghiên cứu các yếu tố của quá trình ra quyết định mua sắm mà quyết định sự chọn lựa cụ thể của người tiêu dùng và cách chiến lược tiếp thị có thể ảnh hưởng đến người tiêu dùng. Các nghiên cứu thực nghiệm về hành vi người tiêu dùng chủ yếu dựa trên phương pháp nhận thức, cho phép dự đoán và xác định các hành động có thể dẫn đến kết luận và đề xuất những hậu quả cho chiến lược giao tiếp và tiếp thị.

Như vậy, công nghệ Trí tuệ Nhân tạo (AI) có thể được áp dụng để cải thiện thiết kế bố trí như sau:

Sense—Think—Act—Learn: “Sense” là để thu thập dữ liệu thô, tức là video từ camera CCTV của cửa hàng để tiếp theo quá trình xử lý và phân tích, tương tự như cách con người sử dụng giác quan của họ. “Think” là để xử lý dữ liệu được thu thập thông qua trí tuệ nhân tạo và phân tích dữ liệu, tức là phân tích video thông minh và thuật toán AI, giống như cách con người sử dụng não bộ để xử lý dữ liệu đầu vào. “Act” là để sử dụng kiến thức và hiểu biết từ giai đoạn thứ hai để cải thiện và tối ưu hóa bố trí siêu thị. Quá trình hoạt động như một chu kỳ học liên tục.
Tầng dữ liệu ở giai đoạn “Sense” bao gồm các luồng dữ liệu từ camera CCTV và video ghi lại, dữ liệu siêu dữ liệu, dữ liệu khách hàng, dữ liệu bố trí thị trường, v.v. Ngoài các nguồn thông tin động (dữ liệu đang lưu truyền), cũng có thể có các nguồn thông tin tĩnh như dữ liệu sàn. Các bộ sưu tập ở tầng dữ liệu này thu thập liên tục hoặc khi có nhu cầu vào các khoảng thời gian nhất định và tạo ra một bể tài nguyên.
Tầng phân tích video thông minh ở giai đoạn “Think” đóng vai trò quan trọng trong việc hiểu nội dung của hình ảnh và video. Phân tích video thông minh bao gồm nhiều kỹ thuật trí tuệ nhân tạo, thị giác máy tính, máy học và học sâu để phát hiện, nhận diện, theo dõi, phân tích và trích xuất thông tin có ý nghĩa từ hình ảnh và video.
Tầng thực hiện ở giai đoạn “Act” sử dụng kết quả phân tích và những hiểu biết từ tầng phân tích để thực hiện các hành động như cải thiện bố trí, đo lường sự thành công của bố trí cải thiện, đánh giá kết quả thu được và liên tục điều chỉnh bố trí đã tạo. Hai ví dụ về việc sử dụng khung STAL có thể là nghiên cứu các bản đồ về mật độ khách hàng hoặc thời gian dành trong cửa hàng (xem Ferracuti et al. 2019) để tạo ra bố trí tối ưu. Các biến bố trí mà quản lý có thể xem xét bao gồm các biến thiết kế cửa hàng (ví dụ: thiết kế không gian, trưng bày ở điểm bán hàng, vị trí sản phẩm, vị trí của thu ngân), nhân viên (ví dụ: số lượng, vị trí), và khách hàng (ví dụ: đông đúc, thời gian ghé thăm, mua sắm bất ngờ, sử dụng nội thất, xếp hàng chờ, sự nhạy bén đối với trưng bày sản phẩm).

Hình 1 – Mô hình Sense – Think – Act

Hình 2 – Mô hình Sense – Think – Act ứng dụng AI

Nghiên cứu tập trung vào cải thiện thiết kế bố trí siêu thị để nâng cao sự hài lòng của khách hàng và tăng doanh số bán hàng. Nó đánh giá các phương pháp hiện có trong nhiệm vụ thiết kế bố trí, nghiên cứu kỹ thuật Trí tuệ Nhân tạo (AI) và dữ liệu lớn có thể áp dụng trong vấn đề này. Đặc biệt, nghiên cứu đề xuất một khung nhìn toàn diện để áp dụng kỹ thuật AI trên camera giám sát hiện có để hiểu khách hàng và hành vi của họ trong cửa hàng. Kết quả nghiên cứu đề xuất cách thức thiết kế phù cửa hàng phù hợp và thay đổi chiến lược tiếp thị dựa trên thông tin từ phân tích dữ liệu của các video.

Xem toàn bộ Bài nghiên cứu Khi Trí tuệ Nhân tạo (AI) nâng cao hiệu quả thiết kế bố cục cửa hàng: Một nghiên cứu tổng quan TẠI ĐÂY.

Tác giả: TS. Lê Thị Hồng Minh – Khoa Kinh doanh quốc tế – Marketing, Đại học Kinh tế Thành phố Hồ Chí Minh và cộng sự.

Đây là bài viết nằm trong Chuỗi bài lan tỏa nghiên cứu và kiến thức ứng dụng từ UEH với thông điệp “Research Contribution For All – Nghiên Cứu Vì Cộng Đồng”, UEH trân trọng kính mời Quý độc giả cùng đón xem Bản tin kiến thức KINH TẾ SỐ #104 tiếp theo.

Tin, ảnh: Tác giả, Phòng Marketing Truyền thông UEH

Giọng đọc: Ngọc Quí