คู่มืออุตสาหกรรม

AI ในการป้องกันการสูญเสียการค้าปลีก

AI ในการป้องกันการสูญเสียจากการค้าปลีกใช้คอมพิวเตอร์วิทัศน์และการวิเคราะห์ธุรกรรมเพื่อระบุแนวโน้มการโจรกรรม การสแกนข้อผิดพลาดและการฉ้อโกง โดยส่วนใหญ่มักจะชำระเงินด้วยตนเอง และเพื่อแจ้งเตือนพนักงาน

  • อ่าน 4 นาที
  • อัปเดตล่าสุด
บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. ผลกระทบเชิงกลยุทธ์
  4. อนาคตของ AI ในการป้องกันการสูญเสียการค้าปลีก
  5. การใช้งานจริงในโลกแห่งความเป็นจริง
  6. ความเสี่ยงและรั้ว
  7. แผนงานการดำเนินงาน
  8. สำรวจต่อไป
  9. คำถามที่พบบ่อย

ภาพรวม

สิ่งสำคัญเนื่องจากการหดตัวทำให้กำไรจากการค้าปลีกลดลง ระบบเดียวกันนี้ยังอาจแจ้งลูกค้าผู้บริสุทธิ์อย่างไม่ถูกต้อง และเพิ่มความกังวลเรื่องความเป็นส่วนตัวและอคติร้ายแรงได้

เจาะลึก

ผู้ค้าปลีกใช้คำว่าหดตัวสำหรับสินค้าคงคลังที่หายไประหว่างการจัดส่งไปยังร้านค้าและการขาย ซึ่งรวมถึงการขโมยของในร้านและการโจรกรรมแบบเป็นระบบ นอกจากนี้ยังรวมถึงการโจรกรรมพนักงาน การฉ้อโกงของผู้ขาย และข้อผิดพลาดในการดูแลระบบ ดังนั้น การย่อขนาดทั้งหมดจึงไม่ใช่การขโมยของลูกค้า เครื่องมือ AI กำหนดเป้าหมายหลายรายการเหล่านี้ เมื่อชำระเงินด้วยตนเอง กล้องเหนือศีรษะจะใช้โมเดลที่จดจำผลิตภัณฑ์และการเคลื่อนไหวของมือ ระบบจะเปรียบเทียบสิ่งที่เห็นกับสิ่งที่ระบบ ณ จุดขายบันทึกไว้ รูปแบบทั่วไป ได้แก่ การข้ามการสแกน การย้ายรายการไปรอบๆ เครื่องสแกน และการป้อนรหัสการผลิตสำหรับสินค้าที่ราคาถูกกว่า การปรับใช้ส่วนใหญ่ไม่เรียกว่าการรักษาความปลอดภัย พวกเขาแสดงการเล่นซ้ำบนหน้าจอหรือแจ้งเตือนผู้ดูแล ซึ่งจับข้อผิดพลาดโดยสุจริตด้วย ผู้จำหน่ายในพื้นที่นี้ ได้แก่ Everseen และผู้ให้บริการจุดขายหลายรายสร้างฟีเจอร์ที่คล้ายกันในช่องทางการชำระเงินของตน เบื้องหลัง การรายงานตามข้อยกเว้นจะสแกนบันทึกธุรกรรมเพื่อดูการคืนเงิน ช่องว่าง และส่วนลดที่ผิดปกติ และสำหรับคู่รักที่แคชเชียร์ปล่อยให้เพื่อนข้ามการชำระเงินค่าสินค้า สิ่งเหล่านี้คือโมเดลค่าผิดปกติทางสถิติ ธงหมายถึงการมองให้ใกล้ขึ้น ไม่ใช่การพิสูจน์ เครื่องมือที่มีการโต้เถียงกันมากที่สุดคือการจดจำใบหน้ากับรายการเฝ้าดู ในเดือนธันวาคม 2023 คณะกรรมาธิการการค้าแห่งสหพันธรัฐของสหรัฐอเมริกาสั่งห้าม Rite Aid จากการใช้การจดจำใบหน้าเพื่อการเฝ้าระวังเป็นเวลาห้าปี พบว่าระบบสร้างการจับคู่ที่เป็นเท็จจำนวนมาก และบริษัทไม่ได้ดำเนินการตามขั้นตอนที่เหมาะสมเพื่อปกป้องผู้บริโภค FTC ยังตั้งข้อสังเกตอีกว่าผู้หญิงและคนผิวสีเผชิญกับความเสี่ยงเป็นพิเศษที่จะถูกระบุตัวตนผิด ในสหราชอาณาจักร การใช้ Facewatch ของผู้ค้าปลีกได้รับการร้องเรียนจากกลุ่มความเป็นส่วนตัว ความเข้าใจผิดที่สำคัญคือการแจ้งเตือน AI เป็นหลักฐานของการโจรกรรม กล้องพลาดบริบทและโมเดลก็เกิดข้อผิดพลาด การโจรกรรมยังเกิดขึ้นได้ยากเมื่อเทียบกับธุรกรรมที่ซื่อสัตย์ ดังนั้นแม้แต่แบบจำลองที่แม่นยำก็สามารถสร้างการแจ้งเตือนที่ผิดพลาดได้มากมาย การปรับใช้อย่างมีความรับผิดชอบทำให้มนุษย์อยู่ในความเคลื่อนไหว ไม่ต้องเผชิญหน้าใครตามการแจ้งเตือนเพียงอย่างเดียว และจำกัดระยะเวลาในการเก็บข้อมูล

ผลกระทบเชิงกลยุทธ์

บริบทและกฎ

บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่

การควบคุมคุณภาพ

ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล

สร้างทางเลือก

การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

อนาคตของ AI ในการป้องกันการสูญเสียการค้าปลีก

วิสัยทัศน์ในการชำระเงินด้วยตนเองและการวิเคราะห์ธุรกรรมมีแนวโน้มที่จะกลายเป็นเรื่องปกติมากขึ้นและมีอยู่ในฮาร์ดแวร์การชำระเงินมากขึ้น เนื่องจากฮาร์ดแวร์เหล่านี้กำหนดเป้าหมายความสูญเสียที่วัดผลได้ด้วยการเผชิญหน้าเพียงเล็กน้อย การจดจำใบหน้ามีแนวโน้มที่จะยังคงมีการโต้แย้งอยู่ การใช้งานจะถูกกำหนดโดยหน่วยงานกำกับดูแล ตามกฎหมายความเป็นส่วนตัว เช่น กฎการยินยอมด้วยข้อมูลไบโอเมตริกซ์ในเขตอำนาจศาลบางแห่ง และตามปฏิกิริยาของสาธารณะ ผู้ค้าปลีกบางรายลดการจ่ายเงินด้วยตนเองหรือจำกัดให้เหลือเพียงตะกร้าขนาดเล็ก ซึ่งเป็นเครื่องเตือนใจว่าการออกแบบร้านค้าก็เป็นเครื่องมือในการป้องกันการสูญเสีย คำถามสุดท้ายคือระบบเหล่านี้แม่นยำเพียงใดในกลุ่มคนต่างๆ พนักงานตอบสนองต่อการแจ้งเตือนอย่างไร และข้อมูลใดบ้างที่ถูกเก็บไว้

การใช้งานจริงในโลกแห่งความเป็นจริง

กล้องที่อยู่เหนือช่องทางชำระเงินด้วยตนเองจะมองเห็นสิ่งของที่ส่งจากตะกร้าไปยังบริเวณบรรจุถุงโดยไม่ต้องสแกนบาร์โค้ด หน้าจอจะแสดงให้นักช้อปเล่นซ้ำสั้นๆ และขอให้พวกเขาสแกนอีกครั้ง

ซอฟต์แวร์การรายงานตามข้อยกเว้นจะทำเครื่องหมายแคชเชียร์ที่ไม่ได้รับเงินคืนสูงกว่าค่าเฉลี่ยของร้านค้าอย่างมาก และผู้จัดการจะตรวจสอบพวกเขา

ระบบตรวจจับการสลับตั๋ว โดยที่สินค้าราคาแพงถูกจัดเรียงภายใต้รหัสผลิตผลราคาถูก โดยการเปรียบเทียบสิ่งที่กล้องมองเห็นกับน้ำหนักและรหัสที่ป้อน

ผู้ค้าปลีกที่ทดสอบการจดจำใบหน้าเพื่อจับคู่ผู้คนกับรายการเฝ้าดูผู้กระทำผิดในอดีต จะต้องจัดการความเสี่ยงในการระบุตัวตนที่คล้ายคลึงกันอย่างไม่ถูกต้อง

ความเสี่ยงและรั้ว

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้

  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง

  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

แผนงานการดำเนินงาน

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน

  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว

  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ

  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

Free newsletter

Get the daily AI briefing

Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.

One email each weekday. Unsubscribe in one click. We never sell or share your address.

Test yourself

Take the AI in Retail Loss Prevention quiz

Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.

เริ่มแบบทดสอบ

Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation

คำถามที่พบบ่อย

AI ในการป้องกันการสูญเสียการค้าปลีกคืออะไร?

AI ในการป้องกันการสูญเสียจากการค้าปลีกใช้คอมพิวเตอร์วิทัศน์และการวิเคราะห์ธุรกรรมเพื่อระบุแนวโน้มการโจรกรรม การสแกนข้อผิดพลาดและการฉ้อโกง โดยส่วนใหญ่มักจะชำระเงินด้วยตนเอง และเพื่อแจ้งเตือนพนักงาน สิ่งสำคัญเนื่องจากการหดตัวทำให้กำไรจากการค้าปลีกลดลง ระบบเดียวกันนี้ยังอาจแจ้งลูกค้าผู้บริสุทธิ์อย่างไม่ถูกต้อง และก่อให้เกิดความกังวลเรื่องความเป็นส่วนตัวและอคติร้ายแรงอีกด้วย

ข้อใดกล่าวถึงการหดตัวของร้านค้าปลีกได้ถูกต้อง

Shrink ครอบคลุมสินค้าคงคลังทั้งหมดที่หายไประหว่างการจัดส่งและการขาย รวมถึงข้อผิดพลาดและการฉ้อโกง ไม่ใช่แค่การขโมยของในร้าน นี่คือสาเหตุที่ไม่ใช่ทุกจุดเสียของลูกค้า

การสลับตั๋วเมื่อชำระเงินด้วยตนเองคืออะไร?

การสลับตั๋วหมายถึงการจ่ายในราคาที่ต่ำกว่าโดยการป้อนรหัสของสินค้าที่ถูกกว่า ระบบวิชันซิสเต็มจับได้โดยการเปรียบเทียบสิ่งที่กล้องมองเห็นกับรหัสและน้ำหนักที่ป้อน

FTC ของสหรัฐอเมริกาดำเนินการอย่างไรเกี่ยวกับ Rite Aid ในเดือนธันวาคม 2023

FTC พบว่าระบบของ Rite Aid ทำให้เกิดการจับคู่ที่ผิดพลาดจำนวนมากโดยไม่มีการป้องกันที่สมเหตุสมผล และห้ามไม่ให้บริษัทใช้การจดจำใบหน้าเพื่อการเฝ้าระวังเป็นเวลาห้าปี

เหตุใดรูปแบบการตรวจจับการโจรกรรมที่แม่นยำจึงยังคงสร้างการแจ้งเตือนที่ผิดพลาดได้มากกว่าการแจ้งเตือนจริง

นี่คือเอฟเฟกต์อัตราฐาน เมื่อเหตุการณ์ที่คุณกำลังมองหาเกิดขึ้นไม่บ่อยนัก ข้อผิดพลาดเล็กน้อยที่เกิดขึ้นกับธุรกรรมที่ซื่อสัตย์จำนวนมากอาจมีมากกว่าจำนวนการตรวจจับที่ถูกต้อง

การรายงานตามข้อยกเว้นวิเคราะห์อะไร

การรายงานตามข้อยกเว้นจะค้นหาค่าผิดปกติทางสถิติในข้อมูล ณ จุดขาย เช่น แคชเชียร์ที่มีการคืนเงินที่ไม่ได้รับคืนจำนวนมากผิดปกติ และตั้งค่าสถานะเพื่อให้มีการตรวจสอบโดยเจ้าหน้าที่

เรียนรู้ต่อไป

คำแนะนำที่เกี่ยวข้อง

คำแนะนำเพิ่มเติมที่เลือกสำหรับหัวข้อนี้