이 소매업체가 머신러닝과 컴퓨터 비전을 사용하여 진열대를 가득 채우는 방법

새로운 기술은 소매업체가 생산성을 높이고 고객 만족을 유지하는 데 도움이 될 수 있으며, 다른 분야의 전문가에게도 큰 교훈이 있습니다.

Home Depot 직원은 컴퓨터 비전을 사용하여 선반에 있는 품목을 찾습니다.

미국 전역에 수천 개의 매장을 보유한 주택 개조 전문가라면 매장과 창고 전체에서 제품을 추적하는 것이 어려울 수 있습니다. 블랙 프라이데이의 복잡성과 바쁜 연휴 기간을 추가하면 이 도전은 거의 다루기 힘든 것처럼 보입니다.

그러나 The Home Depot는 직원들이 고객을 위한 제품을 빠르고 효과적으로 찾을 수 있도록 기계 학습(ML)과 컴퓨터 비전 기술을 혼합하여 사용하여 이 테스트를 정면으로 충족하고 있습니다.

The Home Depot의 기술 펠로우인 Hari Ramamurthy는 비디오 인터뷰에서 ZDNET과의 인터뷰에서 이러한 신흥 기술의 배포가 거대 소매업체의 과정과 얼마나 동등한지 설명합니다.

"우리는 기술 중심의 회사입니다."라고 그는 말합니다. "우리는 직원과 궁극적으로 고객의 경험을 실질적으로 향상시키기 위해 최신 및 최고의 기술을 활용할 수 있는 방법을 찾고 있습니다."

Ramamurthy는 The Home Depot가 직원 생산성을 높이기 위해 Sidekick이라는 ML 기반 앱을 개발했다고 말합니다.

컴퓨터 비전도 사용하는 이 앱은 The Home Depot 직원이 사용하는 모바일 기기인 "hdPhones"에 설치됩니다. 이러한 장치는 Zebra Technologies, HPE, Aruba와 협력하여 개발되었습니다.

Sidekick은 2023년 초에 출시되었으며 Ramamurthy는 이 앱이 비즈니스 전반에 걸쳐 다양한 데이터 기반 이니셔티브의 최신 단계에 불과하다고 말합니다.

"기계 학습이나 인공 지능과 같은 기술은 직원과 고객에게 올바른 결과를 제공한다는 측면에서 분명히 엄청난 잠재력을 가지고 있습니다."라고 그는 말합니다.

Sidekick 개발과 관련하여 The Home Depot는 Ramamurthy가 동료라고 부르는 직원이 중요한 작업의 우선 순위를 지정할 수 있도록 클라우드 지원 ML 알고리즘을 사용하는 맞춤형 시스템을 만들었습니다.

이 앱은 직원들이 가장 수요가 많은 제품에 주의를 집중하도록 하고 머리 위 선반과 같이 찾기 어려운 위치에서 품목을 찾는 데 도움을 줍니다.

"우리는 직원들이 현재 위치와 관련된 가장 높은 가치의 작업을 항상 부여받아 그들이 수행하는 작업에서 생산성을 발휘할 수 있기를 원했습니다."라고 그는 말합니다. "우리는 내부 데이터 소스에서 생성된 여러 신호를 사용하여 알고리즘에 정보를 제공하고 있습니다."

ML 모델은 POS 기술 및 재고 관리 플랫폼을 포함한 거래 시스템에서 데이터를 가져옵니다.

그러나 이 모델은 전통적인 구조화된 소매 데이터 소스를 뛰어넘어 매장 내 쇼핑객의 흐름을 보여주는 비디오 카메라 피드와 같은 반구조화된 소스에서 통찰력을 이끌어냅니다.

이 앱은 또한 HDPhone의 Sidekick 앱에서 직원이 이미지를 캡처하는 컴퓨터 비전을 사용합니다.

직원들이 매장 곳곳을 사진으로 찍어봅니다. Home Depot은 데이터를 사용하여 어떤 제품이 진열대에 있는지에 대한 자세한 정보를 알아냅니다.

Ramamurthy는 "컴퓨터 비전은 비트랜잭션 시스템에서 발생하고 알고리즘에 정보를 제공하는 데이터의 좋은 예입니다."라고 말합니다.

"데이터 소스를 강화하기 위해 이 스트림을 통해 들어오는 많은 정보가 있다는 것을 알 수 있기 때문에 이는 매우 흥미로운 기술입니다. 이는 보다 완전한 신호 세트를 구축하고 적절한 작업을 생성하여 동료에게 전달할 수 있음을 의미합니다. "

이 앱은 효과적이고 생산적으로 작업하기 위해 직원의 입력이 필요한 데이터 집약적인 도구이지만 Ramamurthy는 직원에 대한 요구 사항이 지나치게 부담스럽지 않고 입력이 결과 측면에서 큰 이점을 생성하도록 하는 것이 목표라고 말합니다. .

"우리의 목표는 기술을 배경으로 사라지게 하고 최대한 원활하게 만드는 것입니다."라고 그는 말합니다. "직원들이 작업이 생성되었는지 확인하는 데 영향을 미치는 모든 요소를 실제로 이해할 필요는 없습니다. 우리의 목표는 단순히 적절한 작업의 우선 순위를 지정하는 것입니다."

The Home Depot의 기술 연구원인 Ramamurthy는 항상 Sidekick 앱을 개선하고 데이터 기반 혁신의 다른 소스를 찾을 수 있는 방법을 찾고 있습니다.

"제 역할은 다양한 제품 팀, 비즈니스 파트너, 기술 팀을 연결하는 것입니다."라고 그는 말합니다. "우리는 특정 작업을 수행하는 방법을 최적화하고 사고 방식에 도전하는 방법을 끊임없이 찾고 있습니다. 즉, 우리의 사고 방식에 영향을 미치는 차세대 경험을 개발하기 위해 기술 도입을 고려하고 많은 경우 실험을 한다는 의미입니다. 고객의 문제."

홈디포는 자체 제작한 사이드킥(Sidekick) 앱을 포함해 수년간 다양한 ML과 인공지능(AI) 기술을 실험해 왔다.

신흥 기술에 대한 맞춤형 개발 경로를 따르는 것은 일부 디지털 리더에게 상당한 위험으로 보일 수 있습니다.

Gartner의 저명한 VP 분석가인 Avivah Litan은 이전에 ZDNET에 ML 및 AI와 같은 신기술이 큰 생산성 향상을 약속하지만 도구가 기업 환경에서 큰 보상을 거두기 전에 극복해야 할 중요한 과제가 있다고 말했습니다.

The Home Depot의 경우 Ramamurthy는 ML과 컴퓨터 비전이 큰 변화를 가져올 수 있음을 보여주는 사내 인재와 개념 증명 연구를 진행했다고 말합니다.

새로운 기술을 활용할 때 다른 디지털 및 비즈니스 리더에게 보내는 메시지는 접근 방식을 테스트하고 연마하는 데 집중하라는 것입니다.

"우리의 경험은 매우 반복적이었습니다. 내부적으로 우리는 이것을 가치 전달을 위한 '기어 가고, 걷고, 달리는 접근 방식'으로 생각합니다. 우리는 전술적 개선을 이루었고 그 과정에서 극복해야 했던 과제를 안고 있었습니다." 말한다.

"그러나 우리가 취한 반복적 접근 방식은 우리가 기대에 부응할 수 있다는 것을 확신하는 데 큰 도움이 되었습니다. 그리고 현 시점에서 우리는 성과와 직원들의 전반적인 경험 측면에서 결과에 만족합니다."

Ramamurthy와 이 팀은 Sidekick 앱을 크게 개선할 작은 반복을 계속해서 찾고 있습니다.

그는 회사가 직원에게 적절한 작업을 생성하도록 보장할 뿐만 아니라 판매 위치의 데이터를 분석하거나 매장 레이아웃을 고려하는 등 매장의 모든 측면에 걸쳐 요소에 집중하기 위해 할 수 있는 일이 훨씬 더 많다고 믿습니다.

"이것들은 모두 추가 조사가 필요한 영역입니다"라고 그는 말합니다. "또한 우리는 통계적 ML 모델과 우리가 생성하는 일부 작업의 품질을 개선할 수 있는 방법을 계속해서 조사하고 있습니다. 특히 이러한 작업이 다른 신호로 강화될 때 더욱 그렇습니다."

Ramamurthy는 또한 Sidekick 앱에서 수집한 통찰력을 활용하여 직원들이 작업을 완료할 때 올바른 기술과 리소스를 확보할 수 있도록 하고 싶다고 말했습니다.

"나는 이러한 영역이 작업 생성과 작업 전달 측면에서 더욱 개선될 수 있는 기회가 있다고 생각합니다."라고 그는 말합니다.