Cali IntelligenceがUltralytics YOLOで小売店のレジ待ち行列を削減

ピーク時には、混雑した小売店でレジの列が急速に長くなることがあります。列が長くなるにつれて、待ち時間が増加し、スタッフは圧倒され、買い物客は購入を完了する前にカートを放棄する可能性があります。

ほとんどの店舗にはすでにCCTVシステムが導入されています。しかし、これらのカメラは通常、監視のみに使用され、リアルタイムの運用インサイトを提供しません。これにより、店舗チームは混雑を早期にdetectしたり、行列が問題になる前に対応したりすることができません。

Cali Intelligenceは、AIを活用した小売監視により、これらの運用上の課題を解決します。既存のCCTVインフラをcomputer vision技術でアップグレードすることで、ライブビデオフィードをリアルタイムの運用データに変換します。

例えば、Ultralytics YOLOモデルを使用することで、彼らのシステムはレジレーンをdetectし、アクティブな行列を特定し、顧客の滞留を測定できます。これにより、店舗チームは迅速に対応し、長時間の待ち時間を防ぐことができます。

小売業務にリアルタイムインテリジェンスをもたらす

2020年に設立されたCali Intelligenceは、実店舗向けに特化したAIソリューションを開発しています。同社は、フランスの小売業界における人工知能の民主化と、コンピュータビジョンを通じて小売業者がパフォーマンスと顧客体験を向上させることを支援する目的で設立されました。

実店舗小売業における主要な課題は、店舗フロアの活動に対する可視性の低さです。予測不可能な行列や不均一な人員配置により、店舗チームは迅速に対応することが困難であり、特にレジの行列が急速に伸びるピーク時にはその傾向が顕著です。

小売チームは、プロアクティブな管理ではなく、受動的な意思決定を強いられることがよくあります。Cali Intelligenceは、小売業者が店舗内で何がリアルタイムで起こっているかをよりよく理解できるようにすることで、このギャップに対処します。

過去4年間で、Cali Intelligenceは、大量流通、DIY、既製服を含む複数の小売分野にソリューションを拡大してきました。現在、同社はIntermarchéやLeclercなどの主要なフランスの小売業者と協力し、より効率的で迅速な店舗運営を支援しています。

実店舗運営の複雑さ

長いレジの行列は、買い物客が購入を断念する主な原因の一つです。顧客のレジでの体験が、販売が完了するか、あるいは放棄されるかを決定することがよくあります。

顧客が買い物かごを満たした後でも、長い行列は購入意欲を損なう可能性があります。これは、即座の売上損失につながります。 

実際、その影響は単一の取引にとどまりません。繰り返される遅延は顧客を不満にさせ、より迅速なサービスを提供する競合他社へと顧客を向かわせる可能性があります。時間が経つにつれて、これは顧客のロイヤルティを損ない、リピート訪問を減少させます。

長い行列は、店舗チームに大きな負担もかけます。運用レベルでは、経営陣は迅速な対応に苦慮することがよくあります。 

多くの場合、チームは列がすでに混雑してから初めて対応し、状況が緊急になってから追加のレジを開きます。この受動的なアプローチは、スムーズで一貫したサービスを可能にするのではなく、スタッフを絶え間ない火消しに追い込みます。

人員配置は、さらなる複雑さを加えます。リアルタイムのキューデータがなければ、いつ、どこで追加のサポートが本当に必要とされているかを把握することは困難です。多くの場合、店舗は閑散期には人員過剰になり、ピーク時には人員不足に陥り、双方で非効率性が生じます。

Ultralytics YOLOによる小売店のレジの最適化

店舗管理と顧客体験を向上させるため、Cali Intelligenceは既存のカメラインフラを通じてコンピュータービジョンを使用し、レジ監視を自動化しています。彼らのソリューションは標準的なビデオ管理システム (VMS) と直接統合されており、店長はキューのしきい値を超過した際に即座にアラートを受け取ることができます。 

これにより、行列が長くなりすぎる前に、チームは追加のレジを開設したり、スタッフを再配置したりすることができます。このソリューションの中心には、Ultralytics YOLOモデルがあります。 

Ultralytics YOLOモデルは、ビデオフレーム内の顧客を識別するobject detectionや、時間経過とともにフレーム間で顧客を追跡するobject trackといった主要なコンピュータービジョンタスクをサポートします。これらの機能により、システムはレジエリアを監視し、顧客を数え、発生している行列を識別することが可能になります。 

‍

ライブビデオストリームで個人のdetectとtrackを行うことで、このソリューションは待ち時間を推定し、発生中のボトルネックを特定することもできます。特に、このシステムはエッジファーストアーキテクチャを使用してコンパクトなオンサイトサーバーで動作します。これにより、顧客データをプライベートに保ちながら24時間体制の運用が保証されます。 

リアルタイム監視に加えて、このソリューションは短期予測をサポートしています。最大15分前までにキューの蓄積を予測でき、管理者が予想される来店者数に合わせて人員配置レベルを調整するのに役立ちます。

なぜUltralytics YOLO モデルを選ぶのか？

Ultralytics YOLOモデルは、高価なクラウドインフラを必要とせずにCali Intelligenceに高性能を提供する能力をもたらします。これらのモデルは、異なるカメラアングルや照明条件下でも良好に汎化するため、最小限の再学習で複数の店舗に迅速に展開できます。 

Ultralytics YOLOモデルは、高度なオブジェクトtrackもサポートしています。システムは、単に人数に頼るのではなく、顧客が列に並んでいる時間を測定できます。これにより、キューの可視性が向上し、実世界の警告トリガーで90%以上の精度に貢献します。

さらに、YOLO駆動システムは、1ストリームあたり約3 FPSで3〜6台のカメラストリームを処理するように最適化されています。これにより、計算負荷を大幅に削減しながらdetect精度を維持し、効率的でスケーラブルな小売業務をサポートします。

Ultralytics YOLOとCali Intelligenceがキューの長さを43%削減

Cali Intelligenceが8つの小売サイトにUltralytics YOLO搭載ソリューションを展開した際、その影響は即座に現れ、測定可能でした。例えば、あるサイトでは、平均待ち行列の長さが7人から4人に減少し、わずか2週間で43%の削減を達成しました。 

運用効率は顧客満足度とともに向上しました。オフピーク時間帯には、システムは不要なレジの開放を最大10%削減し、店舗が実際の需要により密接に人員配置を調整し、無駄な人件費を回避できるようにしました。

一方、detect性能は多様な店舗レイアウトと照明条件下で安定しており、見逃し率は6%未満を維持しました。高いアラート精度により、マネージャーは迅速に行動し、店舗現場で情報に基づいた意思決定を行う自信を得ました。

その利点はリアルタイム監視にとどまりませんでした。予測的労働力最適化の初期テストでは、平均絶対誤差 (MAE) 0.8を達成し、実際の顧客数から1人以内のキュー長を予測することで、より積極的な人員計画を可能にしました。

簡単に言えば、Cali IntelligenceはUltralytics YOLOを活用して店内ビデオをリアルタイムの運用インテリジェンスに変換し、待ち時間の短縮、人員配置の最適化、および小売業全体のパフォーマンス向上に貢献しました。

大規模な小売業務のスマート化を推進

Cali Intelligenceが成長を続ける中、同社はUltralytics Pythonパッケージを使用してエッジパフォーマンスの最適化を継続する計画です。このパッケージは、モデルのトレーニング、エクスポート、デプロイのための合理化されたワークフローを提供し、パフォーマンス改善を効率的に実装することを容易にします。

この基盤の上に、Cali IntelligenceはTensorRTとONNXのエクスポート形式を検討し、推論時間の短縮と現場でのハードウェア利用率の向上を目指しています。Cali Intelligenceチームはまた、高いdetect精度を維持しつつ効率を向上させるため、Ultralytics YOLOモデルのバリアントをMediumからSmallへと移行することも評価しています。

全体として、Cali Intelligenceは小売業務の変革を推進しており、店舗を受動的な管理から能動的でデータ駆動型のパフォーマンスへと移行させています。

AIを業務に導入したいですか？詳細については、当社のGitHubリポジトリをご覧ください。ロジスティクスにおけるAIとヘルスケアにおけるコンピュータビジョンについて探求してください。開始するには、当社のライセンスオプションをご確認ください。