คู่มืออุตสาหกรรม

AI ในการป้องกันการสูญเสียการค้าปลีก

AI ในการป้องกันการสูญเสียจากการค้าปลีกใช้คอมพิวเตอร์วิทัศน์และการวิเคราะห์ธุรกรรมเพื่อระบุแนวโน้มการโจรกรรม การสแกนข้อผิดพลาดและการฉ้อโกง โดยส่วนใหญ่มักจะชำระเงินด้วยตนเอง และเพื่อแจ้งเตือนพนักงาน

ฟังคำแนะนำนี้บรรยายโดย AI · ~3 min

บนหน้านี้อ่าน 4 นาที
  1. ภาพรวม
  2. เจาะลึก
  3. การใช้งานจริงในโลกแห่งความเป็นจริง
  4. อนาคตของ AI ในการป้องกันการสูญเสียการค้าปลีก
  5. การนำไปปฏิบัติ
  6. สำรวจต่อไป
  7. 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

การใช้งานจริงในโลกแห่งความเป็นจริง

กล้องที่อยู่เหนือช่องทางชำระเงินด้วยตนเองจะมองเห็นสิ่งของที่ส่งจากตะกร้าไปยังบริเวณบรรจุถุงโดยไม่ต้องสแกนบาร์โค้ด หน้าจอจะแสดงให้นักช้อปเล่นซ้ำสั้นๆ และขอให้พวกเขาสแกนอีกครั้ง

ซอฟต์แวร์การรายงานตามข้อยกเว้นจะทำเครื่องหมายแคชเชียร์ที่ไม่ได้รับเงินคืนสูงกว่าค่าเฉลี่ยของร้านค้าอย่างมาก และผู้จัดการจะตรวจสอบพวกเขา

ระบบตรวจจับการสลับตั๋ว โดยที่สินค้าราคาแพงถูกจัดเรียงภายใต้รหัสผลิตผลราคาถูก โดยการเปรียบเทียบสิ่งที่กล้องมองเห็นกับน้ำหนักและรหัสที่ป้อน

ผู้ค้าปลีกที่ทดสอบการจดจำใบหน้าเพื่อจับคู่ผู้คนกับรายการเฝ้าดูผู้กระทำผิดในอดีต จะต้องจัดการความเสี่ยงในการระบุตัวตนที่คล้ายคลึงกันอย่างไม่ถูกต้อง

อนาคตของ AI ในการป้องกันการสูญเสียการค้าปลีก

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

การนำไปปฏิบัติ

ทำไมมันถึงสำคัญ

  • บริบทและกฎ. บริบททางอุตสาหกรรมเป็นตัวกำหนดว่าแนวคิด AI จะรอดจากการสัมผัสกับความเป็นจริงหรือไม่
  • การควบคุมคุณภาพ. ข้อจำกัดของโดเมนมีอิทธิพลต่ออัตราข้อผิดพลาดที่ยอมรับได้และแบบจำลองการควบคุมดูแล
  • สร้างทางเลือก. การปรับใช้ที่ประสบความสำเร็จจะปรับความสามารถทางเทคนิคให้สอดคล้องกับเวิร์กโฟลว์แนวหน้า

ระวัง

  • ข้อกำหนดด้านกฎระเบียบอาจทำให้ต้นแบบที่แข็งแกร่งเป็นโมฆะได้
  • ข้อมูลในอดีตอาจเข้ารหัสอคติที่เป็นอันตรายต่อชุมชนบางแห่ง
  • ระบบเดิมสามารถสร้างปัญหาคอขวดในการบูรณาการและต้นทุนแอบแฝงได้

ขั้นตอนต่อไป

  1. ให้ผู้เชี่ยวชาญโดเมนมีส่วนร่วมตั้งแต่การกำหนดกรอบปัญหาไปจนถึงการประเมิน
  2. ออกแบบเส้นทางการตรวจสอบและเอกสารประกอบก่อนการเปิดตัว
  3. ตรวจสอบการปฏิบัติตามข้อกำหนดและภาระผูกพันด้านความปลอดภัยตั้งแต่เนิ่นๆ
  4. เปิดตัวเป็นระยะโดยมีเกณฑ์การหยุดและย้อนกลับที่ชัดเจน

สำรวจต่อไป

จดหมายข่าวฟรี

รับสรุป AI รายวัน

เรื่องราว AI ที่ตรวจสอบแล้ว 3 เรื่องทุกวันทำงาน เช้า, เขียนเป็นภาษาอังกฤษธรรมดา ฟรีตลอดไป ไม่มีโฆษณา

อีเมลหนึ่งฉบับทุกวันทำงาน ยกเลิกการสมัครในคลิกเดียว เราไม่เคยขายหรือแชร์ที่อยู่อีเมลของคุณ

ทดสอบตัวเอง

Take the AI in Retail Loss Prevention quiz

ข้อเสนอแนะทันทีสำหรับทุกคำตอบ และใบรับรองที่สามารถแชร์ได้พร้อม ID ที่ตรวจสอบได้เมื่อคุณผ่านหลักสูตร

เริ่มแบบทดสอบ

สนับสนุนการศึกษา AI ฟรี AI Understanding เป็นองค์กรไม่แสวงหาผลกำไร 501(c)(3) — ไม่มีโฆษณา ไม่มีกำแพงเงิน, ตลอดไป บริจาค

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

รับใบรับรอง AI ฟรีหลักสูตรและการสอบสั้น ๆ ฟรี ไม่มีค่าใช้จ่าย ไม่มีบัตรเครดิต ประมาณ 2.5 ชั่วโมงเริ่มต้นฟรี →