Зачем нужна система видеоаналитики в небольшом розничном магазине, и какие задачи она решает?

Сейчас видеоаналитика находится в стадии активного развития. Оборудование становится все дешевле. А вычислительные мощности быстро увеличиваются. Благодаря этому появляются новые возможности и технологии. Они позволяют использовать более сложные алгоритмы и нейронные сети для обработки видеоданных и распознавания объектов.

Многие крупные ритейлеры, такие как X5 Retail («Перекресток», «Пятерочка», «Карусель»), «Магнит», «Лента» и многие другие уже активно внедряют у себя такие решения. Они по достоинству оценили возможности, предоставляемые видеоаналитикой. И используют интеллектуальную обработку видеоизображения для оптимизации работы своих сотрудников и увеличения прибыли.

Однако, использование видеоаналитики может приносить реальную пользу не только крупным федеральным сетям. Оно может быть очень полезно и для владельцев небольших розничных магазинов.

Как именно? Об этом мы и поговорим в нашем материале.

Кому может быть полезна видеоаналитика?

Для начала, давайте определимся, что такое «небольшой магазин». Под этим термином мы понимаем маленькие сети из двух-трех торговых точек и более, в каждой из которых установлено по три-четыре камеры видеонаблюдения. Торговля в таких магазинах происходит традиционно через прилавок.

Видеоаналитику можно, безусловно, использовать и в одной небольшой торговой точке. Но, к сожалению, в этом случае есть вероятность, что ее использование может оказаться нерентабельным. К тому же, в таких магазинах, как правило, сам хозяин/управляющий и выполняет функцию продавца. Либо контролирует по видеокамерам одного-двух сотрудников.

Наиболее эффективным решением для маленьких сетей является использование видеоаналитики в облаке. Именно такой подход позволяет получить наибольшую отдачу от вложенных средств.

Интеллектуальная видеоаналитика помогает решить основные задачи, стоящие перед большинством владельцев маленьких розничных магазинов.

С какими трудностями сталкиваются ритейлеры?

Слабый контроль над продавцами

Первая проблема, с которой сталкиваются владельцы небольших торговых точек, заключается в том, что в таких магазинах постоянно идёт продажа товара, что называется, «через прилавок». И здесь очень важно то, как отрабатывает все моменты по взаимодействию с покупателями продавец. Потому что прибыль напрямую зависит от качества работы продавца. При этом часто сложно отследить то, насколько ответственно он относится к своей работе.

Поэтому, первая задача видеонаблюдения и видеоаналитики в этом случае – это контроль работы продавца(ов). И, соответственно, первое, что мы делаем – контролируем качество обслуживания.

Для этого проверяем несколько параметров. Смотрим, находится ли он на рабочем месте в принципе. Обращаем внимание на то, как быстро продавец начинает обслуживать покупателей, если в этот момент он по каким-то причинам не находился на рабочем месте. Следует понимать, что такое временное отсутствие является довольно распространенной ситуацией.

Например, в аптеках часто бывает так, что провизор уходит в подсобное помещение для того, чтобы перебрать и разложить товар. И тратит на это очень много времени.

В данном случае, это обусловлено объективными причинами – в аптеке должен обеспечиваться очень строгий учёт. В связи с этим, сотрудники должны следить за тем, чтобы все лекарства в обязательном порядке находились на своих местах, лекарства, которые необходимо хранить в холодильниках – находились именно там и т.д.

Другими словами, речь не идет о том, что сотрудник самовольно покинул рабочее место и занимается своими делами (хотя возможен и такой сценарий). Но, даже в случае, когда он добросовестно выполняет свои обязанности и сортирует товар согласно своим должностным инструкциям, сотрудник должен помнить о том, что его основная задача – продавать.

Поэтому, очень важно следить за тем, чтобы сотрудник своевременно возвращался на свое рабочее место и исполнял обязанности продавца. И не возникало такой ситуации, что люди скапливаются, возникает очередь и т.д. А продавец в этот момент просто отсутствует. Копается где-то, занимаясь пусть и важными, но второстепенными с точки зрения продаж делами. Или клиенты просто уходят, отчаявшись дождаться того, когда их обслужат.

Ведь в этом случае, владелец магазина недополучит значительную часть прибыли.

Представим себе типичный маленький магазинчик у дома. В нем работает один сотрудник. Это, как правило, женщина-продавец, которая занимается всем сразу. Она и самостоятельно разгружает весь товар, который привезли в магазин. И раскладывает его по полкам и холодильникам. Она же выставляет все на витрину.

Соответственно, ей нужно успевать всем этим заниматься. А параллельно еще и продавать. И директору или собственнику такого магазина важно следить за продавщицей. Понимать, чем занят сотрудник – обслуживает он клиентов или не обслуживает, а просто стоит рядом и «ковыряет в носу».

В такой ситуации решить проблему поможет видеоаналитика. С ее помощью мы, с одной стороны, контролируем продавца. А с другой – позволяем продавцу вовремя узнать о том, что в магазин зашли люди. Поскольку, находясь в подсобном помещении, продавец часто просто не слышит, что в торговой точке появились новые покупатели.

В этом случае модуль видеоаналитики просто отсылает уведомление сотруднику в мессенджер на его смартфон. Либо проигрывается голосовое оповещение из установленного в помещении динамика.

Таким образом, с помощью видеоаналитики тот же провизор в аптеке может узнать, что к нему пришли клиенты. А это означает, что необходимо перестать заниматься сортировкой товара и вернуться за прилавок, чтобы обслужить покупателей.

«Серые» и «черные» продажи

Второй сценарий, также характерный для небольших торговых точек – это когда продавец находится один в магазине. Или вдвоем с коллегой. В такой ситуации легче всего обмануть и клиента, и собственника магазина. Возникает огромный соблазн положить деньги себе в карман, продавая товар «мимо кассы». И за этим тоже необходимо следить.

Махинации с картами лояльности

Третья схема, от которой страдают ритейлеры – махинации с картами лояльности.

Наиболее характерным примером является следующая ситуация. К нам с запросом обратился заказчик, владелец небольшой сети магазинов разливного пива. У этой сети есть своя система лояльности. И, соответственно, пластиковая карта клиента, позволяющая накапливать скидки и получать бонусы.

Используется простейшая и потому наиболее распространенная схема. По карте лояльности проходит скидка. Продавец просто не берет карту клиента у покупателя. Намеренно не спрашивает о ее наличии и не просит предъявить на кассе. И вместо этого используют свою карту, получая значительную скидку. Таким образом, нечистые на руку продавцы получают скидку 20%, 30% и больше (ее размер зависит от порога, установленного в конкретной розничной сети), используя одну и ту же карту.

Не предъявляют карту при оформлении заказа, в среднем, порядка 70% клиентов. При этом владелец несет убытки в размере 20-30% процентов с каждого заказа, проходящего таким образом. В каждом из своих магазинов. Каждый день. Каждую неделю. Каждый месяц. Сумму потерь за год подсчитать несложно.

Все происходит элементарно. Когда человек пришел без карты (не оформил карту, забыл дома, не знал о ее существовании и т.д.), продавец просто использует свою карту лояльности, при этом принимая у покупателя всю сумму за товар. А разницу кладет себе в карман.

При этом, помимо всего прочего, не выполняется основная задача, ради которой вообще были введены карты клиента – не повышается лояльность покупателей. Ведь владелец магазина рассчитывает именно на такой результат. Этого не происходит. Лояльность, разумеется, не увеличивается. А это означает, что вероятность того, что покупатель придет в этот магазин еще раз, крайне маленькая. Таким образом, помимо значительных убытков, владелец розничной торговой точки или сети магазинов еще и не достигает поставленной цели по формированию лояльности у своих покупателей. И повторному возвращению их в свой магазин. То есть, теряет деньги дважды.

Как видеоаналитика помогает решить эти задачи?

Оптимальным решением в данной ситуации является использование системы интеллектуального контроля кассовых операций на основе видеоаналитики. Например, TRASSIR ActivePOS. Это решение легко интегрируется с используемой в магазине кассовой системой и позволяет полностью контролировать все происходящее на кассовом узле. С его помощью можно эффективно предотвратить убытки от махинаций, хищений или непредумышленных ошибок кассиров.

В случае с сетью магазинов разливного пива, мы установили в них СККО (система контроля кассовых операций) TRASSIR ActivePOS. И интегрировали в него данные по картам лояльности. Таким образом, в отчетах, которые строятся по данным интеллектуальной видеоаналитики, появилась дополнительная ценная информация.

Например, стало видно, какая конкретно карта лояльности была использована для оформления покупки. На основании этой информации владелец магазина может сделать выводы. Когда в разных покупках используется одна и таже карта (или несколько карт) постоянно, это означает лишь одно – никакую карту покупатель не предъявлял, продавец использовал свою карту для собственной выгоды.

Это решение стало основным инструментом, позволившим отработать все моменты, связанные с махинациями на кассе. И полностью исключить возникновение подобных ситуаций в других магазинах.

Таким образом, владелец сети смог избавиться от убытков и вернуть себе значительную часть прибыли.

Схожие проблемы наблюдались и у владельца одной из сети АЗС, который обратился к нам с запросом на решение своей проблемы. Только в его случае недобросовестные сотрудники накапливали баллы, которые позволяли покупать бензин и расплачиваться за товары, приобретенные на автозаправочной станции. На эти баллы заправляли собственные автомобили, либо предлагали сделать это третьим лицам.

Суммы на этих картах лояльности накапливались приличные (5000 рублей и более). И, соответственно, владелец нес существенные убытки. Которые лишь усугублялись размерами его сети, ведь такая ситуация была практически на каждой АЗС.

Все эти проблемы удалось решить за счёт установки видеоаналитики. Что позволило в короткие сроки прекратить финансовые потери. И, как следствие, увеличить выручку с каждой точки.

Что касается стоимости таких решений, то она сейчас находится на адекватном уровне. Использование интеллектуальной видеоаналитики в облаке позволяет сделать цены доступными для большинства предпринимателей.

Примерный расчет стоимости видеоаналитики

Для того, чтобы не быть голословными, приведем расчет стоимости для конкретных примеров, использованных в нашей статье.

Для приведенного выше кейса с магазинами разливного пива, расчет стоимости получился следующий.

Для реализации этого проекта необходимо было перевесить уже существующую камеру на кассу, установить видеорегистратор с поддержкой модуля, купить и настроить лицензию TRASSIR ActivePOS. Таким образом, суммарные затраты вместе с расходами на монтаж и настройку составили 78 800 руб. в расчете на один магазин (без учета скидок).

В результате пилотирования системы клиент стал отслеживать махинации на кассе и сократил ситуацию с неправильным использованием карт лояльности на 89%.

До установки клиент оценивал свои потери из-за этого фактора в 112 000 рублей в пересчете на 1 торговую точку.

Как видите, система окупилась за первый месяц работы.

Для приведенного выше кейса с аптеками, расчет стоимости выглядит следующим образом.

С учетом использования облачной видеоаналитики в каждой из аптек, заказчику потребовалось приобрести камеры для установки в каждой из точек и оформить подписку на сервис облачного видеонаблюдения TRASSIR Cloud.

Капитальные затраты (покупка и установка необходимого оборудования) в пересчете на 1 аптеку составили 23000 руб. Ежемесячные расходы, включающие в себя абонентскую плату за использование модулей интеллектуальной видеоаналитики в облаке, составили 2 694 руб.

В эту сумму регулярных платежей включены и детектор людей, автоматически определяющий сотрудников и покупателей в торговом зале. И модуль интеллектуального контроля очередей, позволяющий оптимизировать обслуживание клиентов и не допустить возникновения скопления покупателей на кассе.

До установки клиент посчитал, что из-за загруженности и несвоевременного обслуживания они теряли около пятидесяти клиентов в месяц (те, кто разворачивался и выходил из аптеки без покупки). Средний чек составляет около 540 рублей. Итого потери одной аптеки в месяц составляли 27 000 рублей только из-за этого фактора.

После установки число недожавшихся обслуживания клиентов сократилось на 92%, т.е. 4 человека. Путем несложных вычислений получаем 4*540=2160.

Таким образом, система, стоимостью 23000 руб. на магазин окупила себя в первый же месяц работы. А ежемесячные платежи в 2694 рубля на магазин оправдывают себя в 9 раз, что стало дополнительной прибылью.