Bei den diesjährigen Retail Innovation Days hat die DHBW Heilbronn in Kooperation mit dem Handelsverband Baden-Württemberg zum ersten Mal die Retail Innovation Awards verliehen. Aus über 80 Innovationen haben zwölf Handelsexperten aus Theorie und Praxis 15 Innovationen für die Awards nominiert. Aus diesen haben die Teilnehmer der Retail Innovation Days die Preisträger gewählt. In der Kategorie Store Operations erzielte pathr.ai den ersten Platz und ist damit Retail Innovation Leader 2022.
Problem
Im E-Commerce kann das Kundenverhalten über Web-Analytics nachvollzogen werden. Darauf basierend lassen sich wichtige Entscheidungen hinsichtlich Sortimentierung, Preissetzung, Usability und Werbung vorbereiten. Im Stationärhandel ist das noch immer schwer umsetzbar. Nicht alle, aber viele Händler nutzen heute Kundenzähler. Sie wissen, wann sich wie viele Kunden im Laden aufhalten und können so Konversionsraten ermitteln. Das Einkaufsverhalten der Kunden lässt sich damit aber in der Regel nicht erfassen. Welche Produkte und Produktgruppen rufen besondere Interesse hervor, werden dann aber doch nicht gekauft? Welche Waren bekommen viel Aufmerksamkeit, werden aber im Verhältnis selten gekauft? Wie kann die Durchflutung der Verkaufsfläche mit Kunden verbessert werden? Welche Wirkungen hat eine Veränderung des Ladenlayouts auf die Laufwege? Wie viele Kunden werden von Verkäufern bedient und beraten und wie lange sind die Schlangen vor den Kassen zu verschiedenen Zeitpunkten? Diese Fragen sind für viele Stationärhändler immer noch schwer zu beantworten.
Lösung
Die Lösung von Pathr.ai hilft diese Fragen zu beantworten. Dabei werden bereits vorhandene Sicherheitskameras genutzt. Die Videofeeds der Kameras werden mit Hilfe von maschinellem Lernen analysiert. Die Kunden bleiben dabei vollständig anonym. Pathr.ai erfasst, wie Kunden sich durch das Geschäft bewegen und wie lange sich in verschiedenen Bereichen aufhalten. Damit lassen sich beispielsweise folgende Informationen gewinnen:
• Anzahl Kunden im Laden und Kundenfrequenz vor dem Laden
• Verkaufsanteil je Platzierung bei Mehrfachplatzierungen
• Bereiche in denen Verkaufspersonal am meisten gebraucht wird
• Verhalten der Kunden nach Interaktion mit dem Verkaufspersonal
• Verkaufsbereiche, die kaum von Kunden besucht werden
• Kundenfrequenz und Konversionsraten von Abteilungen und Shop-in-Shops
• Dauer der Wartezeit an den Kassen
Eine weitere Anwendung besteht darin das Verkaufspersonal auf Kunde, die möglicherweise Hilfe brauchen oder die im Begriff sind Ware zu steheln in Echtzeit darauf hinzuweisen.
Die gewonnen Daten helfen dem Händler das Kundenverhalten und die Kundenerfahrung besser zu verstehen. Darauf basierend kann er die Bereiche Personaleinsatz, Layout, Platzierung und Preissetzung anpassen um das Kundenerlebnis zu verbessern und den Umsatz zu steigern.
Ähnliche Lösungen bietet auch das Unternehmen Ariadne Maps.
In unserem Retail Innovation Report 2022 finden Sie über 80 Handelsinnovationen
Quellen
Pathr.ai: https://pathr.ai/
GlobeNewswire: Pathr.ai™ Joins Forces with Meiyume to Drive In-Store Profitability, URL: https://www.globenewswire.com/en/news-release/2022/03/23/2408466/0/en/Pathr-ai-Joins-Forces-with-Meiyume-to-Drive-In-Store-Profitability.html