访谈
Eran Kravitz, Shopic 的 CTO 和联合创始人 – 采访系列
Eran Kravitz 是 Shopic 的 CTO 和联合创始人，Shopic 的目标是通过无缝、个性化的零售解决方案将在线和实体店购物的最佳部分结合起来，来改变杂货店。Shopic 开发了一种可以附着在任何标准购物车上的 AI 驱动设备，将其转变为智能购物车。使用边缘计算机视觉，它可以识别出购物者添加或删除物品。它创建个性化的商店旅程，包括过道内的上下文促销和持续的帮助 – 并允许购物者在离开时跳过结账队伍。
最初是什么吸引你进入人工智能领域？
我们最初开始开发基于条码扫描的扫描和去解决方案，并寻找下一个大项目。我们认为使用计算机视觉和人工智能可能很有趣，因为它们在近年来经历了显著的进步。我们与人工智能的第一次接触是使用它作为我们扫描和去解决方案的补充系统，将我们的数据应用于学习算法，以尝试识别购物会话中的异常。它效果很好，所以我们想使用视觉数据将解决方案提升到下一个水平。随着我们开始处理这个新挑战，我们意识到我们可以识别出每个物品，当它被放入购物车时。一个接着一个，我们最终来到了今天的 Shopic。
您可以分享 Shopic 的创立故事吗？
我们于 2015 年创立了 Shopic。Raz 和我在网络安全行业有多年的经验，我们想解决一个新领域中的新问题。立即，实体店零售行业引起了我们的注意，因为它多年来没有显著更新，或者采用数字化的速度很慢。我们的第一个解决方案是一个允许使用条码扫描快速结账的移动应用程序。多年来，公司进行了更改和调整，以提供一个既能让零售商又能让消费者受益的解决方案。
您可以讨论 Shopic 的 AI 驱动的夹子设备是什么，以及它如何将购物车转变为智能购物车吗？
Shopic 已经开发了一种可以将任何标准购物车转变为智能购物车的 AI 驱动夹子设备，其成本低于专用智能购物车。一旦设备附着在其安装座上，购物车就变得智能。使用其摄像头和集成处理单元，设备可以识别出添加或删除的物品，允许购物者跳过结账队伍，同时还提供个性化的商店旅程和上下文促销。Shopic 的零干扰方法允许中型和大型商店快速实施智能无缝体验，仅需对商店布局和运营实践进行最小的修改，同时还需要低资本支出。
计算机视觉系统在检测不同类型的对象方面有多准确，或者它是否正在寻找特定的条码？
我们雇佣了 AI 和 CV 专家来开发我们独特的算法来解决这些挑战。我们需要区分成千上万的物品，其中一些与彼此非常相似，在一个有很多边缘情况的环境中。该系统非常准确且用户友好 – 它感觉就像魔术一样。我们从购物者那里获得了很好的反馈，我们的大部分客户都是忠实的客户，他们忠于该解决方案和使用它的商店。我们的算法根据物品的视觉特征识别物品本身；购物者只需像往常一样将它们放入购物车即可。
如果购物者选择直接将物品插入可重复使用的购物袋中，Shopic 是否仍然可以检测到这些物品？
当然！这是我们最好的功能之一 – 购物即装袋。你在从货架上取下物品时就将其装入袋中，下一次你触摸它时就是在家中解包。没有必要多次将物品放入和取出购物车，就像你在收银台付款时通常做的那样。
Shopic 如何识别可疑交易？
我们已经开发了一个专门针对这个问题的解决方案。随着我们当前平台的开发，我们使用学习算法将视觉数据和非视觉数据丰富了它，以实时跟踪每笔交易并标记可疑交易。
为什么零售商需要采用这种技术？
今天，杂货店从购物者进入商店的那一刻起，到他们结账之前，都存在信息盲点。Shopic 为零售商提供了购物旅程和购物者在商店内的各种交互的实时数据。这些数据可以用于路径个性化、货架分析、上下文促销和更好地了解购物习惯。
此外，在劳动力短缺和 COVID 限制的情况下，这种技术可以让工人腾出时间来专注于更多与客户相关的任务。
您对零售体验的未来有什么展望？
我的未来展望围绕着三个 H：异构、混合和人类。为了应对这一新时代的杂货购物，单个连锁店或甚至单个商店内将需要有多种异构方法和技术来满足客户的不同需求。这些技术不应该相互竞争，而应该共同为以客户为中心的创新方法做出贡献。
混合购物方式包括在线购物的最佳方面，包括高透明度、深度个性化、低摩擦和完全数字化的运营，同时也可以亲自购物。
食品行业是一项以人为本的业务，必须有反映这一点的做法。有些人担心在商店中添加更多技术会使其开始感觉像机器人和不人性化，然而事实恰恰相反。包括无现金结账并不意味着商店将无人值守，它只会让员工有更多时间来处理其他更需要人际交互的客户相关任务。
通过结合这三个 H，商店可以跟上不断变化的消费者期望，并更顺畅地运营。
您是否还有其他关于 Shopic 的信息想要分享？
我们期待着店内购物的未来，并且我们很高兴在未来几年中在行业和全球范围内发挥重要作用。
感谢这次精彩的采访，希望了解更多信息的读者可以访问 Shopic。
