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
尽管全球企业AI投资在2024年达到2523亿美元,但MIT研究显示95%的企业仍未从生成式AI投资中获得回报。专家预测2026年将成为转折点,企业将从试点阶段转向实际部署。关键在于CEO精准识别高影响领域,推进AI代理技术应用,并加强员工AI能力培训。Forrester预测30%大型企业将实施强制AI培训,而Gartner预计到2028年15%日常工作决策将由AI自主完成。
这项由北京大学等机构联合完成的研究,开发了名为GraphLocator的智能软件问题诊断系统,通过构建代码依赖图和因果问题图,能够像医生诊断疾病一样精确定位软件问题的根源。在三个大型数据集的测试中,该系统比现有方法平均提高了19.49%的召回率和11.89%的精确率,特别在处理复杂的跨模块问题时表现优异,为软件维护效率的提升开辟了新路径。
2026年软件行业将迎来定价模式的根本性变革,从传统按席位收费转向基于结果的付费模式。AI正在重塑整个软件经济学,企业IT预算的12-15%已投入AI领域。这一转变要求建立明确的成功衡量指标,如Zendesk以"自动化解决方案"为标准。未来将出现更精简的工程团队,80%的工程师需要为AI驱动的角色提升技能,同时需要重新设计软件开发和部署流程以适应AI优先的工作流程。
这项由德国达姆施塔特工业大学领导的国际研究团队首次发现,当前最先进的专家混合模型AI系统存在严重安全漏洞。通过开发GateBreaker攻击框架,研究人员证明仅需关闭约3%的特定神经元,就能让AI的攻击成功率从7.4%暴增至64.9%。该研究揭示了专家混合模型安全机制过度集中的根本缺陷,为AI安全领域敲响了警钟。