通过Cloudera的数据平台,Shoppermotion能够应用大数据处理和机器学习分析来创建物联网解决方案,帮助零售商了解店内消费者行为。
概述
Shoppermotion曾用名Proximus.io,正寻求通过其专有的映射技术来改变实体零售行业,该技术可以让品牌和零售商更好地实时了解和利用店内购物者的行为。
通过Cloudera的数据平台,Shoppermotion能够应用大数据处理和机器学习分析来创建物联网解决方案,以衡量消费者在商店中的参与程度。随着了解的深入,零售商正在改进产品植入,促进销售,并创造动态的店内体验。
影响力
Shoppermotion的物联网解决方案帮助零售商和品牌回答了一个最重要的问题:购物者是如何浏览商店的?
通过将精确跟踪每个消费者在商店的完整路径的能力与高性能和可伸缩的分析引擎相结合,Shoppermotion可以提供实时分析,帮助品牌企业、营销人员和零售商了解和掌握消费者在商店购物时的行为。Shoppermotion的分析引擎建立在Cloudera 的数据平台上,能够处理和发送收集到的大量数据 — 分析购物者在商店中走过的数百万条路线和他们在每个通道停留的位置 — 以帮助零售商了解购物模式和趋势,并应用预测模型来建议店内改进。
Shoppermotion首席执行官Jorge García Bueno表示:“Shoppermotion改变店内线下营销所产生的影响力好比2005年出现的谷歌网站分析技术。
如果没有Shoppermotion的技术,这些新变量是不可能测量的,现在它们正在塑造零售商对店内购物者的洞察。例如,像购物者走过通道的方向这样简单的事情,现在可以帮助营销人员决定在哪里进行促销活动。
“我们的一个客户在改变布局后,该区域的客流量和停留时间大为增加,使他们的一个主要品类的销售增长了9%。
-Jorge García Bueno, Shoppermotion首席执行官


零售品类销售增长
此外,衡量产品和营销活动的转换率 — 这些指标已经被在线零售商成功地使用了多年 — 现在可以在实体店中实现。
业务驱动因素
如果用于决策的唯一变量是购物者是否购买了产品,那么实体零售店的前途是有限的。
Jorge Garcia Bueno说:“几十年来,实体店一直是 ‘黑匣子’,我们无法衡量购物者进入和浏览的时间,不知道他们做什么以及为什么这么做。作为输出,我们只有一张销售小票。”
在线零售商店知道购物者看了什么,他们喜欢和不喜欢什么产品,以及他们在最终销售前花了多少时间购物。广告转换率和点击率等变量可以帮助在线零售商做出战略决策。
零售商和品牌企业市场营销活动和新产品开发上投入了大量资金,而在数据和指标的推动下,这些投入会更有效。Shoppermotion的解决方案是将这些指标转化为决策依据,让实体店做出更明智的决定。
解决方案
Shoppermotion已经为其客户创建了一个物联网架构,使用Cloudera的数据平台轻松地摄取、存储和分析流传感器数据。在每个shoppermotion支持的实体零售商店位置中,小信标被附加到购物车和购物篮上。这些信标每秒钟向天花板上的蓝牙传感器发送一个信号,以跟踪购物者在店内的情况。传感器实时捕捉顾客的行为 — 他们在哪个通道购物,他们走向哪个通道,甚至他们在不同的商品前停留多长时间。
Shoppermotion客户可以在一个定制的、易于访问的分析仪表板中访问每个商店的所有信息。Shoppermotion的零售专家团队还可以根据零售商的特定需求为他们创建专门的商业智能(BI)报告。
有了Shoppermotion的物联网解决方案,零售商可以测量每个通道的流量损失,或预测何时会出现结账队伍的购物高峰。品牌和营销人员可以比较促销转换率和单个通道转换率,以便发现在商店中进行特定营销活动的机会窗口。
为什么选择Cloudera
Cloudera 的技术支持和Cloudera 企业级平台是Shoppermotion决定与Cloudera合作的关键因素,而不是产品的某个开源组件。“Cloudera为我们节省了大量维护和配置任务,这样我们就可以专注于更重要的工作,这对像我们这样正在成长的初创公司来说真的很重要……Cloudera与最新版本和最新技术进行快速集成对我们而言是非常重要的。”
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。