Riprendiamo il nostro percorso sulle possibilità offerte dal riconoscimento facciale sia all’interno che all’esterno del negozio. In questa passeggiata virtuale siamo ormai entrati nel punto vendita dove abbiamo già visto alcuni usi per monitorare alcune aree, o reparti per realtà più ampie e strutturate.

Un’applicazione particolare è posizionare il riconoscimento facciale in correlazione ad un touch-point, o anche a più di essi, visto che stiamo compiendo un esercizio teorico senza limiti di budget.

Facciamo due esempi ipotetici: il primo partendo da un negozio di fai da te. Il touch point potrebbe essere un monitor all’interno del camminamento che mostra come compiere una determinata attività con un prodotto in promozione, supponiamo un ripara graffi per la carrozzeria dell’auto. Con una telecamera possiamo misurare quante persone si fermano a vedere il filmato e quanto questo sia interessante, contando i secondi di permanenza davanti allo schermo. Oltre a misurare la durata di visione possiamo anche rilevare se i clienti tendono ad andarsene prevalentemente ad un determinato punto del filmato, per capire come migliorarlo. Inoltre il sistema ci può fornire un’analisi demografica delle persone la cui attenzione è catturata dal monitor. Riconoscendo il volto in maniera univoca, anche se anonima, potremmo verificare con un’altra telecamera in cassa, quanti di coloro che hanno visto il filmato hanno poi acquistato tale prodotto, prendendo il dato dallo scontrino. Questo a tutti gli effetti è un indice di conversione del touch point, ci direbbe infatti la percentuale di persone che vedendo il video promozionale decidono poi di comprare il prodotto, un dato raffrontabile alle vendite assolute o a quello di eventuali altri touch-point, o del medesimo con però un diverso contenuto.

Il secondo esempio è all’interno di un negozio di abbigliamento sportivo, in questo caso potremmo avere anche qui un monitor con un video promozionale, o un espositore particolare dedicato ad un prodotto specifico, o ancora la possibilità di provare in prima persona un determinato prodotto. Come nel caso precedente usando una telecamera ed un sistema di riconoscimento facciale possiamo raccogliere informazioni sull’età, il sesso, l’etnia ed il tempo di permanenza dei nostri visitatori. A questi dati potremmo aggiungere il riconoscimento delle emozioni per capire la reazione al prodotto in esposizione o in prova. Quanto converte questo touch-point? Lo posso misurare sempre usando l’hash univoco del riconoscimento facciale per “vedere” quante persone di quelle che hanno interagito si presentano poi nell’area del negozio dove acquistare il prodotto. Ovvero misuro quanti di coloro che hanno provato un simulatore di golf, entrano poi nel reparto dedicato a tale sport. Anche in questo caso con una telecamera in cassa potrei vedere chi dei visitatori del touch-point acquista qualcosa e dallo scontrino dedurre se i prodotti sono legati all’angolo promozionale. I possibili punti di misurazione sono quindi svariati.

Un’altra applicazione è quella della misurazione delle code sempre grazie alle telecamere. In questo caso per avere un’indicazione sulla lunghezza della fila non è necessario ricorrere al riconoscimento facciale. Una implementazione normale infatti non lo richiede, essa può già contare quante persone sono in attesa, fornendo così al retailer informazioni sulla qualità del servizio nelle diverse fasce temporali o più attivamente dando un segnale per l’apertura di una nuova cassa. Quale può essere il vantaggio di identificare univocamente le persone invece di semplicemente contarle (ricordando sempre che non assegniamo alle persone un nome, ma solo un identificativo singolo ed anonimo)? Riesco ad immaginare due casi d’uso. Da un lato “vedendo” quando la persona entra in coda e poi quando arriva in cassa posso misurare anche il tempo reale di attesa per il pagamento di ogni singolo cliente. Dall’altro lato, sempre identificando ogni singola persona della coda, posso tracciare quante di queste “lasciano” la fila senza completare l’acquisto e dopo quanto tempo, avendo una sorta di parametro del tempo massimo che i clienti sono disposti ad attendere. Sono due informazioni che valgono l’investimento infrastrutturale? Non sono in grado di dirlo, e la risposta varia da retailer a retailer. La stessa domanda si può ripetere per tutte le applicazioni che abbiamo visto fino a questo momento sin dall’inizio. Alcune di essere sembrano a prima vista più utili e con un più chiaro ritorno dell’investimento, altre meno.

Come detto all’inizio si tratta di un esercizio teorico per esplorare le possibilità offerte da una tecnologia che il Digital Club / Retail guarda con interesse e sulla quale riceve reazioni contrastanti.

Per chiudere questo percorso immaginario mettiamo una telecamera proprio sull’uscita del negozio, grazie ad essa, ed al solito identificativo (hash) univoco, potremo misurare un altro dato: il tempo esatto di permanenza in negozio di ogni singolo visitatore.