邁朗·伯克，Sensormatic Solutions 解決方案管理負責人 – 專訪系列

邁朗·伯克，Sensormatic Solutions 全球產品和解決方案負責人，負責找尋和實施新的創新加速方法，增加速度，為客戶提供更大的價值，透過戰略性的解決方案路線圖。

邁朗是一位具有25年以上零售業經驗的領導者，曾在沃爾瑪和山姆會員店工作，為大規模創新提供支持。最近，邁朗創立了 Divergent Technology Advisors，一家零售技術顧問公司，為主要零售商、技術提供商和初創公司提供技術戰略、上市規劃、國際市場擴張等服務。

Sensormatic Solutions，約翰遜控制公司的領先全球零售解決方案組合，提供安全、保安和無縫的零售體驗。60多年來，該品牌一直處於行業快速發展的技術領域的前沿，重新定義了全球零售運營，將洞察轉化為行動。Sensormatic Solutions 提供了一個連接的生態系統，包括損失預防、庫存智能和流量洞察解決方案，以及服務和合作夥伴，讓全球零售商能夠以精確度創新和提升，連接數據驅動的結果，塑造零售的未來。

您已經在零售運營和新興技術的交叉點上工作了25年以上，從領導沃爾瑪和山姆會員店的RFID戰略和店鋪創新，到在Store No. 8孵化下一代概念，現在是Sensormatic Solutions的全球產品和解決方案負責人。這些經驗如何塑造您對於在實體零售環境中部署AI和感測技術的哲學?

我採取了一種非常實用的方法來實施AI，並鼓勵我的團隊和Sensormatic Solutions的零售客戶也這樣做。我的經驗證明，透過這種方式來建設是成功轉型的關鍵。

Sensormatic Solutions已經運行了60年，基於一個非常簡單的信念：技術只有在運營效率和現實世界的零售商挑戰在中心時才會成功。這似乎是很明顯的，尤其是對於那些接近新興工具的人，但這個基本原則在AI的炒作中被遺忘了。

在解決方案開發和客戶採用中，保持快速和跟上市場的壓力很高，但建設填補空白的工具比嘗試將AI功能納入每個產品更有影響力。我們專注於找到簡化收集、融合、分析和行動的場所，以驅動可衡量的改善。這種關注也延伸到AI將使用的數據集——針對性、受控和清潔的數據集是提供持續AI價值的關鍵，特別是在不同的客戶之間。

我們也要記住，這對於所有可能的用戶都是正確的：企業決策者、購物者和協助者。每當我們推出新的解決方案或更新時，我們都會問自己是否為這三個利益相關者提供了同等的價值，因為每個群體對零售成功都是不可或缺的。

這種內部的精神自然轉化為幫助零售商採用類似的立場，提供支持有意義的改善的工具，透過實用的、量身定制的系統設計。AI的部署不是一刀切，與我們為客戶建立的程序也不是一刀切的。

Sensormatic Solutions越來越多地將AI和ML先進分析作為現代零售運營智慧的核心啟動器。AI如何重新定義“損失預防”的含義在全渠道世界?

最簡單的答案是可見性和速度。AI幫助真正揭開了縮水和提供了對整個零售損失的完整視圖。事實上，您只能注意到您可以看到的損失，对吧？在行業的大部分歷史中，對損失的可見性只不過是最基本的，表面層面的，程序只關注應該可供出售但沒有的商品。您可能有一些想法，知道某個商品是否被盜竊、在運輸中損壞或在貨架上損壞，但追蹤這些東西的規模是困難的，如果不是不可能的。

連接的分析和感測系統擴大了零售商可以看到、追蹤和量化的東西。想想一下，強調了3％的錯誤，這些錯誤隱藏在今天生成的大量數據中。這些感測系統解鎖了損失的什麼、哪里、何時和誰，哪些東西本身就會引發對縮水和轉變為“整個零售損失”的理解的轉變。這個擴大的範圍允許零售商看到另一層運營和一系列新的潛在損失驅動因素，與過程偏差和差距相關，以及浪費的時間、資源和努力。

當所有這些都被識別和標記後，您就可以將其轉化。這就是AI的用途。它連接這些新“點”，通常是在實時中，來表現出一個完全不同的數據層。預測、非常準確的智慧和建模可以幫助量化上游浪費的影響，權衡可能的調整的相對價值，並說明不採取行動的成本。有效地，它使零售商從反應式轉變為主動式，幫助他們重新定義損失為改善的機會。

使用Re-ID和AI驅動的足流量分析等技術，零售商現在可以超越簡單的人數統計，深入了解購物者行為和運營洞察。您看到哪些最具變革性的用例從這種轉變中出現?

Re-ID對我來說是一個強大的例子，展示了小的、針對性的調整可以對運營理解產生巨大的影響。

Re-ID真正做了一件事：改進流量衡量。當然，要使技術能夠準確地分離獨特的購物者、重新進入、員工和其他類別的訪客是複雜的，但結果是一個非常簡單的更改，對於數據集有顯著的改善。

流量數據繼續支撐著行業中廣泛的指標，轉換率可能是最值得注意的例子。只需修剪記錄以反映更準確的個人訪客數量，就可以顯著地改變解釋，從而使零售商能夠改進員工配置、店鋪佈局、信息和其他無數的做法，以幫助提高客戶體驗和財務成果。

這是早些時候我們討論的精神的體現，這是Sensormatic Solutions過去60年來成功的核心。我們使用AI來進行針對性、高價值的調整，以造福所有相關方。

Sensormatic Solutions最近推出了Orbit AI和Video AI作為其Store Guest Behaviors功能的一部分。這個解決方案為零售商解決了哪個戰略空白，並且它如何與其他零售智慧平台有所不同?

我們在每個新解決方案中都關注一個特定的挑戰。對於Orbit AI和Video AI，我們關注的是將“信號”與“噪音”區分開來，為零售商提供可靠、具體和語境化的數據，以消除決策中的猜測。

Re-ID的創新物體識別技術使Orbit AI和Video AI能夠幫助零售商：

• 了解店鋪內的逗留時間模式。
• 區分購物者和路過者。
• 追蹤購物者旅程，以找出可以告知商品布局、促銷和廣告計劃的趨勢。
• 使用熱力圖追蹤訪客花費最多時間的地方。

Orbit AI和Video AI更進一步，因為它們的量身定制機器學習模型會隨著運營的進行而演變。系統會隨著時間的推移學習每個企業和位置，持續調整參數，找出偏差的來源，並努力消除可能扭曲模型的冗余或不完整的數據。這種持續的改進確保每個洞察反映了商店的現實，不是昨天，不是上周，而是今天——這對於零售趨勢、壓力和條件的快速變化至關重要。

Orbit AI和Video AI的設計初衷是易於集成，並考慮到採用中的關鍵障礙。傳感器的集成設計、邊緣方法和Re-ID功能使零售商能夠使用較少的設備獲得這些洞察，使部署更容易，並使分析工具可供所有規模的企業使用。這是我們幾十年來致力於使智能洞察可供行業使用的工作的延續。

您強調了簡化的數據使用和感測器融合作為零售革新的基礎。將多個感測器輸入結合起來如何創造競爭優勢，相比於孤立的分析工具?

基於雲的分析有助於連接運營並消除孤立，但它們也包括一系列的浪費和低效的驅動因素——許多零售商甚至不知道這些因素存在於其系統中。有效地，感測器融合將初始處理和集成任務轉移到設備本身（在邊緣），減少了需要傳輸到中央伺服器的數據量，並使整個生態系統實時響應。

以行為分析為例。在傳統的基於雲的環境中，傳感器會執行基本的收集任務，持續（或定期）將原始數據發送到中央計算機進行處理、分析和行動。假設分析顯示了銷售樓層上可疑行為的信號，觸發了一系列的響應協議。好吧，這些信息——需要響應的信息——也需要傳輸。雖然整個過程從人類的標準來看是快速的，但您已經失去了時間，將信息從A到B到C到B等傳輸。

使用Video AI和Orbit AI的融合功能，我們可以消除這些額外的步驟。集成的AI和ML工具分析原始數據，根據其發現結果優先考慮下一步，從而使行動更加及時。另外，通過消除對大型系統的持續傳輸的需求，邊緣融合還減少了能耗和對中央系統的負擔。

在企業規模上，整合全球硬件、軟件和數據平台是一個非常複雜的任務。哪些架構原則或系統工程方法對於使AI驅動的零售基礎設施真正可擴展至關重要?

從SAFe / Lean – Agile系統架構開始是非常重要的。這個基礎使安全、經濟、靈活和可定制（如果需要）的設計思維和開發成為可能。我也相信使用與合作夥伴生態系統的不可知方法，允許我們在合作夥伴的數字旅程中遇到他們。這使我們能夠在賬戶級別創造槓桿，並開啟了支持需要更多SaaS產品或想要所有系統/數據在場的獨特企業組織的途徑。我们的方法提供了多個啟用途徑，並支持廣泛的硬件選項。

許多零售商難以將分析轉化為可衡量的ROI。您如何幫助組織直接將先進的AI洞察與財務成果和運營效率聯繫起來?

這個問題促使我們開發了Shrink Analyzer。在第一次數字化投資的初步推動之後，零售商擁有了大量的庫存、損失和其他數據，但缺乏一個工具來理解所有這些數據。

雖然其主要目的是持續改進，但Shrink Analyzer的初始任務始終是基準測試。這是第一步，也是任何後續改進和跟蹤進度的參考點。這是許多領導者在AI炒作中錯過的步驟，也是跟蹤ROI在各個行業中如此具有挑戰性的原因。

通過在開始時揭示“什麼、當、哪里”的浪費和損失，Shrink Analyzer可以將所有這些轉化為零售商以前從未擁有的東西：對損失的發生方式的清晰、可量化的圖景。它顯示損失真正發生的地方，對性能產生最大影響的差距，以及可以幫助降低該數字的改變機會。從那裡，零售商可以開始測試用例、跟蹤進度並根據需要進行調整，以編譯出有力的證據，證明其AI和其他技術投資正在推動變化。

隱私和信任是隨著商店變得更加儀表化而出現的核心問題。Sensormatic Solutions如何在實現高分辨率運營智慧的同時，對AI的負責任部署給予重視?

我將這個問題視為我們之前討論的內容的一部分——為領導者、購物者和協助者打造。是的，零售商是我們的解決方案的購買者，但如果協助者和購物者不支持這些系統，我們就不會成功。他们的滿意度對我們的客戶和我們自己至關重要。

這驅動了我們在所有研究和開發過程中採取的隱私設計方法。換句話說，我們從一開始就將消費者防護措施融入到解決方案中，這使我們保持好奇和創造力。

Re-ID的設計體現了這一點。它的旅程映射和流量計數功能使用個人、非識別性細節的變化和組合，例如髮型和顏色、服裝設計和配飾，為訪客分配唯一的ID。您可能會認為，在服裝方面有太多的重疊，但我們發現，這些類型的洞察結合起來是足夠獨特的，可以自信地說“那個人在這裡工作”或“那個人一小時前來過這裡”。

如果我們不一開始就被迫跳出思維框架，我們永遠不知道這一點。隨著法規的變化和消費者隱私問題的增加，採用這種觀點的組織可能會在創新方面領先，因為它們已經習慣了創造性地解決問題。

零售商正在應對不斷的破壞——供應鏈波動、有組織的零售犯罪、勞動壓力和數字競爭。AI驅動的基礎設施如何作為穩定力量，而不是另一層複雜性?

數據驅動的系統通過將組織圍繞單一真相和共同目標對齊，提供穩定性。添加AI加強了這種穩定性。

數據本身仍然容易被解釋，利益相關者的結論會受到其自身優先級的影響。AI可以減輕這個問題，因為它在不偏袒任何觀點的情況下分析數據。如果系統按預期工作，領導者可以相信分析、建議和預測模型反映了業務運營的現實。它使競爭平臺公平，最佳的下一步因其價值對所有人都很明顯而浮出水面。

展望未來5到10年，什麼樣的全方位AI優化的實體零售環境，領導者現在應該採取哪些戰略步驟來為這個未來做好準備?

沒有通用的AI就緒之路，我可以指出，因為它真的關乎為每個零售商建立一個可行的系統。然而，基礎是相當普遍的。每個零售商都需要：

• 統一數據庫，提供所有運營領域的全面記錄。沒有這個，甚至最有能力和最先進的模型也無法提供有用的洞察。它們需要上下文來提供。
• 可靠的基準，基於相關的業務數據。這是投資的起點，也是跟蹤進度的參考點。
• 培訓和提升計劃。AI不是一個獨立的行為者。它可以做很多事情，但使用它的人需要了解其功能和局限性。零售商需要提前開始計劃和溝通技術，以便當時機成熟時，協助者和員工已經做好了準備。
• 領導者關心。轉型是一個長期的項目，領導者需要準備好為這個項目投入資源，並且渴望引導組織度過這個轉型。

感謝您接受這次精彩的採訪，希望閱讀者可以通過訪問 Sensormatic Solutions 或 Divergent Technology Advisors 來了解更多。