迈伦·伯克，Sensormatic Solutions 解决方案管理负责人——访谈系列

Myron Burke，Sensormatic Solutions 全球产品与解决方案负责人，负责制定并实施战略解决方案路线图，以加快创新和交付速度，为客户创造更大价值。

Myron Burke 是一位具有25年以上零售业经验的领导者，曾在沃尔玛和山姆会员店任职，为大规模创新提供支持。最近，Myron Burke 创立了 Divergent Technology Advisors，一家零售技术顾问公司，为主要零售商、技术提供商和初创公司提供技术战略、上市规划、国际市场扩张等服务。

Sensormatic Solutions，约翰逊控制公司的领先全球零售解决方案组合，提供安全、可靠、顺畅的零售体验。60多年来，该品牌一直处于行业快速发展的技术领域的前沿，重新定义了全球零售运营，将洞察转化为行动。Sensormatic Solutions 提供了一个连接的生态系统，包括防损、库存智能和客流洞察解决方案，以及服务和合作伙伴，让全球零售商能够以精确度创新和提升，连接数据驱动的结果，塑造零售的未来。

您在零售运营与新兴技术的交叉领域已有 25 年以上经验，从领导沃尔玛和山姆会员店的RFID战略和门店创新，到在Store No. 8孵化下一代概念，现在是Sensormatic Solutions的全球产品与解决方案负责人。这些经验如何塑造您对于在实体零售环境中部署AI和传感技术的哲学?

我采取了一种非常实用的方法来实施AI，并鼓励我的团队和Sensormatic Solutions的零售客户也这样做。我的经验证明，透过这种方式来建设是成功转型的关键。

六十年来，Sensormatic Solutions 一直秉持一个简单信念：只有以运营效率和零售商面临的实际挑战为中心，技术才能发挥作用。这似乎是很明显的，尤其是对于那些接近新兴工具的人，但这个基本原则在AI的炒作中被遗忘了。

在解决方案开发和客户采用中，保持快速和跟上市场的压力很高，但建设填补空白的工具比尝试将AI功能纳入每个产品更有影响力。我们专注于找到简化收集、融合、分析和行动的场所，以驱动可衡量的改善。这种关注也延伸到AI将使用的数据集——针对性、受控和清洁的数据集是提供持续AI价值的关键，特别是在不同的客户之间。

我们也要记住，这对于所有可能的用户都是正确的：企业决策者、购物者和店员。每当我们推出新的解决方案或更新时，我们都会问自己是否为这三个利益相关者提供了同等的价值，因为每个群体对零售成功都是不可或缺的。

这种内部的精神自然转化为帮助零售商采用类似的立场，提供支持有意义的改善的工具，透过实用的、量身定制的系统设计。AI的部署不是一刀切，与我们为客户建立的程序也不是一刀切的。

Sensormatic Solutions 越来越重视 AI 与机器学习分析。AI 如何在全渠道零售环境中重新定义“防损”？

最简单的答案是可见性和速度。AI 帮助零售商弄清库存损耗，并全面了解零售损失。事实上，您只能注意到您可以看到的损失，对吧？在行业的大部分历史中，对损失的可见性只不过是最基本的，表面层面的，程序只关注应该可供出售但没有的商品。您可能有一些想法，知道某个商品是否被盗窃、在运输中损坏或在货架上损坏，但大规模追踪这些损失十分困难，甚至近乎不可能。

连接的分析和传感系统扩大了零售商可以看到、追踪和量化的东西。想想一下，强调了3％的错误，这些错误隐藏在今天生成的大量数据中。这些传感系统解锁了损失的什么、哪里、何时和谁，哪些东西本身就会引发对库存损耗和转变为“整个零售损失”的理解的转变。这个扩大的范围允许零售商看到另一层运营和一系列新的潜在损失驱动因素，与过程偏差和差距相关，以及浪费的时间、资源和努力。

当所有这些都被识别和标记后，您就可以将其转化。这就是AI的用途。它连接这些新“点”，通常是在实时中，来表现出一个完全不同的数据层。预测、非常准确的智慧和建模可以帮助量化上游浪费的影响，权衡可能的调整的相对价值，并说明不采取行动的成本。有效地，它使零售商从反应式转变为主动式，帮助他们重新定义损失为改善的机会。

借助 Re-ID 和 AI 驱动的客流量分析等技术，零售商现在可以超越简单的人数统计，深入了解购物者行为和运营洞察。您看到哪些最具变革性的用例从这种转变中出现?

Re-ID对我来说是一个强大的例子，展示了小的、针对性的调整可以对运营理解产生巨大的影响。

Re-ID 着重改进一件事：改进流量衡量。当然，要使技术能够准确地分离不同的购物者、重新进入、员工和其他类别的访客是复杂的，但结果是一个非常简单的更改，对于数据集有显著的改善。

流量数据继续支撑着行业中广泛的指标，转换率可能是最值得注意的例子。只需修剪记录以反映更准确的个人访客数量，就可以显著改变解释，从而使零售商能够改进员工配置、店铺布局、信息和其他无数的做法，以帮助提高客户体验和财务成果。

这是早些时候我们讨论的精神的体现，这是Sensormatic Solutions过去60年来成功的核心。我们使用AI来进行针对性、高价值的调整，以造福所有相关方。

Sensormatic Solutions 最近推出了 Orbit AI 和 Video AI作为其Store Guest Behaviors功能的一部分。这个解决方案为零售商解决了哪个战略空白，并且它如何与其他零售智慧平台有所不同?

我们在每个新解决方案中都关注一个特定的挑战。对于Orbit AI和Video AI，我们关注的是将“信号”与“噪音”区分开来，为零售商提供可靠、具体和语境化的数据，以消除决策中的猜测。

Re-ID的创新物体识别技术使Orbit AI和Video AI能够帮助零售商：

• 了解店铺内的逗留时间模式。
• 区分购物者和路过者。
• 追踪购物者旅程，以找出可以告知商品布局、促销和广告计划的趋势。
• 使用热力图追踪访客花费最多时间的地方。

Orbit AI和Video AI更进一步，因为它们的量身定制机器学习模型会随着运营的进行而演变。系统会随着时间的推移学习每个企业和位置，持续调整参数，找出偏差的来源，并努力消除可能扭曲模型的冗余或不完整的数据。这种持续的改进确保每个洞察反映了商店的现实，不是昨天，不是上周，而是今天——这对于零售趋势、压力和条件的快速变化至关重要。

Orbit AI和Video AI的设计初衷是易于集成，并考虑到采用中的关键障碍。传感器的一体化设计、边缘计算方式和 Re-ID 功能使零售商能够使用较少的设备获得这些洞察，使部署更容易，并使分析工具可供所有规模的企业使用。这是我们几十年来致力于使智能洞察可供行业使用的工作的延续。

您强调了简化的数据使用和传感器融合作为零售革新的基础。将多个传感器输入结合起来如何创造竞争优势，相比于孤立的分析工具?

基于云的分析有助于连接运营并消除孤立，但它们也包括一系列的浪费和低效的驱动因素——许多零售商甚至不知道这些因素存在于其系统中。有效地，传感器融合将初始处理和集成任务转移到设备本身（在边缘），减少了需要传输到中央服务器的数据量，并使整个生态系统实时响应。

以行为分析为例。在传统的基于云的环境中，传感器会执行基本的收集任务，持续（或定期）将原始数据发送到中央计算机进行处理、分析和行动。假设分析显示了卖场上可疑行为的信号，触发了一系列的响应协议。好吧，这些信息——需要响应的信息——也需要传输。虽然整个过程从人类的标准来看是快速的，但您已经失去了时间，将信息从A到B到C到B等传输。

使用Video AI和Orbit AI的融合功能，我们可以消除这些额外的步骤。集成的AI和ML工具分析原始数据，根据其发现结果优先考虑下一步，从而使行动更加及时。另外，通过消除对大型系统的持续传输的需求，边缘融合还减少了能耗和对中央系统的负担。

在企业规模上，整合全球硬件、软件和数据平台是一个非常复杂的任务。哪些架构原则或系统工程方法对于使AI驱动的零售基础设施真正可扩展至关重要?

从SAFe / Lean – Agile系统架构开始是非常重要的。这个基础使安全、经济、灵活和可定制（如果需要）的设计思维和开发成为可能。我也相信使用对合作伙伴生态系统保持技术中立的方法，允许我们在合作伙伴的数字旅程中遇到他们。这使我们能够在账户级别创造杠杆，并开启了支持需要更多SaaS产品或想要所有系统和数据保留在本地的独特企业组织的途径。我们的方法提供了多个启用途径，并支持广泛的硬件选项。

许多零售商难以将分析转化为可衡量的ROI。您如何帮助组织直接将先进的AI洞察与财务成果和运营效率联系起来?

这个问题促使我们开发了Shrink Analyzer。在第一次数字化投资的初步推动之后，零售商拥有了大量的库存、损失和其他数据，但缺乏一个工具来理解所有这些数据。

虽然其主要目的是持续改进，但Shrink Analyzer的初始任务始终是基准测试。这是第一步，也是任何后续改进和跟踪进度的参考点。这是许多领导者在AI炒作中错过的步骤，也是跟踪ROI在各个行业中如此具有挑战性的原因。

通过在开始时揭示“什么、当、哪里”的浪费和损失，Shrink Analyzer可以将所有这些转化为零售商以前从未拥有的东西：对损失的发生方式的清晰、可量化的图景。它显示损失真正发生的地方，对性能产生最大影响的差距，以及可以帮助降低该数字的改变机会。从那里，零售商可以开始测试用例、跟踪进度并根据需要进行调整，以编译出有力的证据，证明其AI和其他技术投资正在推动变化。

随着门店部署越来越多的传感设备，隐私与信任成为核心问题。Sensormatic Solutions如何在实现高分辨率运营智慧的同时，对AI的负责任部署给予重视?

我将这个问题视为我们之前讨论的内容的一部分——为领导者、购物者和店员打造。是的，零售商是我们的解决方案的购买者，但如果店员和购物者不支持这些系统，我们就不会成功。他们的满意度对我们的客户和我们自己至关重要。

这驱动了我们在所有研究和开发过程中采取的隐私保护融入设计的方法。换句话说，我们从一开始就将消费者防护措施融入到解决方案中，这使我们保持好奇和创造力。

Re-ID的设计体现了这一点。它的旅程映射和流量计数功能使用个人、非识别性细节的变化和组合，例如发型和颜色、服装设计和配饰，为访客分配唯一的ID。您可能会认为，在服装方面有太多的重叠，但我们发现，这些类型的洞察结合起来是足够独特的，可以自信地说“那个人在这里工作”或“那个人一小时前来过这里”。

如果我们不一开始就被迫跳出思维框架，我们永远不知道这一点。随着法规的变化和消费者隐私问题的增加，采用这种观点的组织可能会在创新方面领先，因为它们已经习惯了创造性地解决问题。

零售商正持续面对冲击——供应链波动、有组织的零售犯罪、劳动压力和数字竞争。AI驱动的基础设施如何作为稳定力量，而不是另一层复杂性?

数据驱动的系统通过将组织围绕单一真相和共同目标对齐，提供稳定性。添加AI加强了这种稳定性。

数据本身仍然容易被解释，利益相关者的结论会受到其自身优先级的影响。AI可以减轻这个问题，因为它在不偏袒任何观点的情况下分析数据。如果系统按预期工作，领导者可以相信分析、建议和预测模型反映了业务运营的现实。它为不同立场的领导者提供了公平的判断依据，最佳的下一步因其价值对所有人都很明显而浮出水面。

展望未来 5 到 10 年，全面运用 AI 优化的实体零售环境会是什么样？领导者现在应采取哪些战略举措做好准备？

没有通用的 AI 准备路线，我可以指出，因为它真的关乎为每个零售商建立一个可行的系统。然而，基础是相当普遍的。每个零售商都需要：

• 统一数据库，提供所有运营领域的全面记录。没有这个，甚至最有能力和最先进的模型也无法提供有用的洞察。它们需要上下文来提供。
• 可靠的基准，基于相关的业务数据。这是投资的起点，也是跟踪进度的参考点。
• 培训和提升计划。AI不是一个独立的行为者。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。零售商需要提前开始计划和沟通技术，以便当时机成熟时，店员和员工已经做好了准备。
• 领导层支持。转型是一个长期的项目，领导者需要准备好为这个项目投入资源，并且渴望引导组织度过这个转型。

感谢您接受这次精彩的采访，希望阅读者可以通过访问 Sensormatic Solutions 或 Divergent Technology Advisors 来了解更多。