Comment ce détaillant utilise l'apprentissage automatique et la vision par ordinateur pour remplir ses rayons
Les technologies émergentes peuvent aider les détaillants à accroître leur productivité et à satisfaire leurs clients - et les professionnels d’autres secteurs peuvent également en tirer de grandes leçons.
Le personnel de Home Depot utilise la vision par ordinateur pour trouver des articles sur les étagères.
Lorsque vous êtes un spécialiste de la rénovation domiciliaire possédant des milliers de points de vente aux États-Unis, il peut être difficile de suivre les produits dans les magasins et les entrepôts. Ajoutez à cela la complication du Black Friday et une période de vacances chargée et le défi semble presque insoluble.
Pourtant, Home Depot relève ce test de front en utilisant une combinaison de technologies d'apprentissage automatique (ML) et de vision par ordinateur pour aider le personnel à trouver rapidement et efficacement les produits pour les clients.
Hari Ramamurthy, chercheur en technologie chez Home Depot, explique à ZDNET dans une interview vidéo comment ce déploiement de technologies émergentes est tout à fait normal pour le géant de la vente au détail.
"Nous sommes une entreprise très axée sur la technologie", dit-il. "Nous recherchons des moyens d'exploiter les technologies les plus récentes et les meilleures pour améliorer sensiblement l'expérience de notre personnel et, en fin de compte, de nos clients."
Ramamurthy indique que Home Depot a développé une application basée sur le ML, connue sous le nom de Sidekick, pour augmenter la productivité du personnel.
L'application, qui utilise également la vision par ordinateur, est installée sur les « hdPhones », qui sont des appareils mobiles utilisés par le personnel de Home Depot. Ces appareils ont été développés en collaboration avec Zebra Technologies, HPE et Aruba.
Sidekick a été mis en service début 2023 et Ramamurthy affirme que l'application n'est que la dernière étape d'une série d'initiatives basées sur les données au sein de l'entreprise.
« Les technologies telles que l'apprentissage automatique ou l'intelligence artificielle ont clairement un énorme potentiel pour obtenir les bons résultats pour nos associés et nos clients », déclare-t-il.
En ce qui concerne le développement de Sidekick, Home Depot a créé un système sur mesure qui utilise un algorithme de ML compatible avec le cloud pour permettre au personnel - que Ramamurthy appelle associés - de prioriser les tâches importantes.
L'application garantit que les associés concentrent leur attention sur les produits les plus demandés et les aide à localiser les articles dans des endroits difficiles à trouver, tels que les étagères suspendues.
« Nous voulions nous assurer que nos associés se voient toujours confier la tâche la plus importante en fonction de l'endroit où ils se trouvent, afin qu'ils puissent être productifs dans les tâches qu'ils effectuent », explique-t-il. "Nous utilisons plusieurs signaux générés à partir de sources de données internes pour éclairer notre algorithme."
Le modèle ML extrait les données des systèmes transactionnels, y compris les technologies de point de vente et les plateformes de gestion des stocks.
Cependant, le modèle va au-delà des sources structurées traditionnelles de données de vente au détail et tire des informations de sources semi-structurées, telles que les flux de caméras vidéo qui démontrent le flux des acheteurs dans les magasins.
L'application utilise également la vision par ordinateur, où les images sont capturées par les associés dans l'application Sidekick sur leurs téléphones HD.
Les membres du personnel prennent des photos des emplacements dans le magasin. Home Depot utilise les données pour découvrir plus de détails sur les produits disponibles sur les étagères.
"La vision par ordinateur est un bon exemple de données provenant d'un système non transactionnel et qui informent nos algorithmes", explique Ramamurthy.
« C'est une technique très intéressante car nous pouvons voir que de nombreuses informations transitent par ce flux pour augmenter nos sources de données. Cela signifie que nous pouvons créer un ensemble plus complet de signaux et générer et transmettre les tâches appropriées à nos associés. "
Bien que l'application soit un outil gourmand en données qui nécessite la contribution du personnel pour travailler de manière efficace et productive, Ramamurthy affirme que l'objectif a été de garantir que les demandes du personnel ne soient pas trop onéreuses - et que leurs contributions produisent de grands avantages en termes de résultats. .
"Notre objectif est de faire passer les technologies au second plan et d'être aussi transparentes que possible", dit-il. "Les associés n'ont pas vraiment besoin de comprendre tous les facteurs qui ont contribué à la génération d'une tâche. Notre objectif est simplement d'essayer de prioriser les tâches appropriées."
Dans son poste de chercheur en technologie chez Home Depot, Ramamurthy est toujours à la recherche de moyens à la fois d'affiner l'application Sidekick et de trouver d'autres sources d'innovation basées sur les données.
« Mon rôle est de faire le lien entre nos différentes équipes de produits, nos partenaires commerciaux et notre équipe technologique », dit-il. « Nous recherchons constamment des moyens d'optimiser la façon dont nous effectuons certaines tâches, ainsi que de remettre en question notre façon de penser. Cela signifie envisager l'introduction de technologies et expérimenter dans de nombreux cas pour développer des expériences de nouvelle génération qui font une brèche dans notre problèmes des clients. »
Home Depot expérimente depuis plusieurs années diverses techniques de ML et d’intelligence artificielle (IA), y compris l’application Sidekick développée en interne.
S’engager dans la voie du développement sur mesure des technologies émergentes peut sembler un risque important pour certains leaders du numérique.
Avivah Litan, éminent analyste vice-président chez Gartner, a déjà déclaré à ZDNET que les technologies émergentes, telles que le ML et l'IA, promettent d'importantes augmentations de productivité, mais qu'il reste d'importants défis à surmonter avant que les outils puissent récolter de gros bénéfices dans un contexte d'entreprise.
Dans le cas de Home Depot, Ramamurthy affirme que l'entreprise disposait des talents internes et des études de validation de principe pour montrer que le ML et la vision par ordinateur pouvaient faire une grande différence.
Le message adressé aux autres dirigeants du numérique et des entreprises lorsqu’il s’agit d’exploiter les technologies émergentes est de se concentrer sur les tests et le perfectionnement de votre approche.
"Notre expérience a été très itérative. En interne, nous considérons cela comme une approche" ramper, marcher, courir "pour créer de la valeur. Nous avons apporté des améliorations tactiques et avons dû surmonter des défis en cours de route", a-t-il déclaré. dit.
"Mais l'approche itérative que nous avons adoptée nous a vraiment aidés à garantir que nous sommes en mesure de répondre aux attentes. Et à ce stade, nous sommes satisfaits des résultats en termes de performances et d'expérience globale pour les associés."
Ramamurthy et cette équipe continuent de rechercher de petites itérations qui créeront de grandes améliorations à l'application Sidekick.
Il pense que l'entreprise peut faire beaucoup plus, non seulement pour garantir qu'elle génère les tâches appropriées pour le personnel, mais aussi pour se concentrer sur des facteurs dans toutes les facettes du magasin, qu'il s'agisse d'analyser les données des points de vente ou de considérer l'agencement de la surface de vente.
"Ce sont tous des domaines à explorer davantage", dit-il. "De plus, nous continuons de chercher comment améliorer nos modèles statistiques de ML et la qualité de certaines des tâches que nous générons, en particulier lorsqu'elles sont complétées par d'autres signaux qui nous parviennent."
Ramamurthy dit qu'il souhaite également utiliser les informations qu'ils glanent grâce à l'application Sidekick pour garantir que les associés disposent des compétences et des ressources appropriées pour accomplir leurs tâches.
"Je pense que ce sont des domaines, à la fois en termes de génération et d'exécution des tâches, dans lesquels il existe des possibilités d'amélioration", dit-il.