วิธีที่ผู้ค้าปลีกรายนี้ใช้แมชชีนเลิร์นนิงและคอมพิวเตอร์วิทัศน์เพื่อรักษาชั้นวางให้เต็มอยู่เสมอ

เทคโนโลยีเกิดใหม่สามารถช่วยให้ผู้ค้าปลีกเพิ่มผลผลิตและทำให้ลูกค้ามีความสุขได้ และยังถือเป็นบทเรียนสำคัญสำหรับมืออาชีพในภาคส่วนอื่นๆ อีกด้วย

พนักงานของ Home Depot ใช้คอมพิวเตอร์วิทัศน์เพื่อค้นหาสิ่งของบนชั้นวาง

เมื่อคุณเป็นผู้เชี่ยวชาญด้านการปรับปรุงบ้านซึ่งมีร้านค้าหลายพันแห่งทั่วสหรัฐอเมริกา การติดตามผลิตภัณฑ์ในร้านค้าและคลังสินค้าอาจเป็นเรื่องยาก เพิ่มความซับซ้อนของ Black Friday และช่วงวันหยุดอันแสนวุ่นวาย และความท้าทายนี้ดูแทบจะยากเลย

อย่างไรก็ตาม The Home Depot กำลังเผชิญกับการทดสอบนี้โดยตรงโดยใช้การผสมผสานระหว่างการเรียนรู้ของเครื่อง (ML) และเทคโนโลยีการมองเห็นด้วยคอมพิวเตอร์ เพื่อช่วยให้พนักงานค้นหาผลิตภัณฑ์สำหรับลูกค้าได้อย่างรวดเร็วและมีประสิทธิภาพ

Hari Ramamurthy เพื่อนร่วมงานด้านเทคโนโลยีที่ The Home Depot อธิบายกับ ZDNET ในการสัมภาษณ์ทางวิดีโอว่าการปรับใช้เทคโนโลยีเกิดใหม่นี้มีความสำคัญอย่างยิ่งต่อหลักสูตรสำหรับยักษ์ใหญ่ด้านการค้าปลีก

“เราเป็นบริษัทที่มุ่งเน้นด้านเทคโนโลยีเป็นอย่างมาก” เขากล่าว "เรามองหาวิธีที่เราสามารถใช้ประโยชน์จากเทคโนโลยีล่าสุดและดีที่สุด เพื่อปรับปรุงประสบการณ์ที่สำคัญสำหรับพนักงานของเราและลูกค้าของเราในท้ายที่สุด"

Ramamurthy กล่าวว่า The Home Depot ได้พัฒนาแอปที่ขับเคลื่อนด้วย ML หรือที่เรียกว่า Sidekick เพื่อเพิ่มประสิทธิภาพการทำงานของพนักงาน

แอปนี้ซึ่งใช้คอมพิวเตอร์วิทัศน์ได้รับการติดตั้งบน "hdPhones" ซึ่งเป็นอุปกรณ์พกพาที่พนักงานของ Home Depot ใช้ อุปกรณ์เหล่านี้ได้รับการพัฒนาร่วมกับ Zebra Technologies, HPE และ Aruba

Sidekick เริ่มใช้งานจริงเมื่อต้นปี 2023 และ Ramamurthy กล่าวว่าแอปนี้เป็นเพียงขั้นตอนล่าสุดในโครงการริเริ่มต่างๆ ที่นำโดยข้อมูลทั่วทั้งธุรกิจ

“เทคโนโลยี เช่น การเรียนรู้ของเครื่องหรือปัญญาประดิษฐ์ มีศักยภาพอย่างมากในแง่ของการปลดล็อกผลลัพธ์ที่เหมาะสมสำหรับพนักงานและลูกค้าของเรา” เขากล่าว

เมื่อพูดถึงการพัฒนา Sidekick นั้น The Home Depot ได้สร้างระบบตามความต้องการซึ่งใช้อัลกอริธึม ML ที่เปิดใช้งานบนคลาวด์เพื่อให้พนักงานซึ่ง Ramamurthy เรียกว่าเป็นพนักงานสามารถจัดลำดับความสำคัญของงานที่สำคัญได้

แอปนี้ช่วยให้แน่ใจว่าพนักงานมุ่งความสนใจไปที่ผลิตภัณฑ์ที่เป็นที่ต้องการมากที่สุด และช่วยให้พวกเขาค้นหาสิ่งของในสถานที่ที่หายาก เช่น ชั้นวางเหนือศีรษะ

"เราต้องการให้แน่ใจว่าผู้ร่วมงานของเราได้รับงานที่มีคุณค่าสูงสุดเสมอโดยเกี่ยวข้องกับจุดที่พวกเขาอยู่ เพื่อให้พวกเขาสามารถมีประสิทธิผลในงานที่พวกเขาทำ" เขากล่าว "เรากำลังใช้สัญญาณหลายตัวที่สร้างจากแหล่งข้อมูลภายในเพื่อแจ้งอัลกอริทึมของเรา"

โมเดล ML ใช้ข้อมูลจากระบบธุรกรรม รวมถึงเทคโนโลยี ณ จุดขาย และแพลตฟอร์มการจัดการสินค้าคงคลัง

อย่างไรก็ตาม โมเดลดังกล่าวเป็นมากกว่าแหล่งข้อมูลการค้าปลีกที่มีโครงสร้างแบบดั้งเดิม และดึงข้อมูลเชิงลึกจากแหล่งข้อมูลกึ่งโครงสร้าง เช่น ฟีดกล้องวิดีโอที่แสดงให้เห็นถึงการไหลเวียนของผู้ซื้อภายในร้านค้า

แอพนี้ยังใช้คอมพิวเตอร์วิทัศน์ ซึ่งเพื่อนร่วมงานจะจับภาพในแอพ Sidekick บน hdPhones ของพวกเขา

พนักงานถ่ายรูปสถานที่ทั่วทั้งร้าน Home Depot ใช้ข้อมูลเพื่อค้นหารายละเอียดเพิ่มเติมเกี่ยวกับผลิตภัณฑ์ที่วางขายบนชั้นวาง

"คอมพิวเตอร์วิทัศน์เป็นตัวอย่างที่ดีของข้อมูลที่มาจากระบบที่ไม่ใช่ธุรกรรมและแจ้งอัลกอริธึมของเรา" Ramamurthy กล่าว

"นี่เป็นเทคนิคที่น่าตื่นเต้นมากเพราะเราเห็นได้ว่ามีข้อมูลมากมายที่มาจากสตรีมนี้เพื่อเพิ่มแหล่งข้อมูลของเรา นั่นหมายความว่าเราสามารถสร้างชุดสัญญาณที่สมบูรณ์ยิ่งขึ้น และรับงานที่เหมาะสมที่สร้างขึ้นและส่งมอบให้กับผู้ร่วมงานของเรา "

แม้ว่าแอปนี้จะเป็นเครื่องมือที่ต้องใช้ข้อมูลจำนวนมากซึ่งต้องใช้ข้อมูลจากพนักงานในการทำงานอย่างมีประสิทธิผลและประสิทธิผล Ramamurthy กล่าวว่าเป้าหมายคือเพื่อให้แน่ใจว่าความต้องการใดๆ ของพนักงานจะไม่เป็นภาระมากเกินไป และอินพุตของพวกเขาก่อให้เกิดประโยชน์อย่างมากในแง่ของผลลัพธ์ .

"เป้าหมายของเราคือการทำให้เทคโนโลยีจางหายไปในเบื้องหลังและเพื่อให้ราบรื่นที่สุดเท่าที่จะเป็นไปได้" เขากล่าว "พนักงานไม่จำเป็นต้องเข้าใจปัจจัยทั้งหมดที่เกิดขึ้นเพื่อให้แน่ใจว่างานจะถูกสร้างขึ้น วัตถุประสงค์ของเราคือพยายามจัดลำดับความสำคัญของงานที่เหมาะสม"

ในตำแหน่งของเขาในฐานะผู้ร่วมเทคโนโลยีที่ The Home Depot นั้น Ramamurthy มักจะมองหาวิธีที่จะพัฒนาแอป Sidekick และค้นหาแหล่งนวัตกรรมอื่นๆ ที่ขับเคลื่อนด้วยข้อมูลอยู่เสมอ

"บทบาทของผมคือการเชื่อมโยงทีมผลิตภัณฑ์ พันธมิตรทางธุรกิจ และทีมเทคโนโลยีของเราเข้าด้วยกัน" เขากล่าว "เรามองหาวิธีเพิ่มประสิทธิภาพการทำงานบางอย่างอย่างต่อเนื่อง ตลอดจนท้าทายวิธีคิดของเรา นั่นหมายถึงการพิจารณาการนำเทคโนโลยีมาใช้และการทดลองในหลาย ๆ กรณีเพื่อพัฒนาประสบการณ์ยุคใหม่ที่สร้างความเสียหายให้กับเรา ปัญหาของลูกค้า"

Home Depot ได้ทดลองใช้ ML และเทคนิคปัญญาประดิษฐ์ (AI) ต่างๆ มาหลายปีแล้ว รวมถึงแอป Sidekick ที่ปลูกเองที่บ้านด้วย

การไปตามเส้นทางการพัฒนาที่ออกแบบตามความต้องการสำหรับเทคโนโลยีเกิดใหม่อาจดูเหมือนเป็นความเสี่ยงที่สำคัญสำหรับผู้นำทางดิจิทัลบางคน

Avivah Litan รองประธานนักวิเคราะห์ที่มีชื่อเสียงของ Gartner ได้บอกกับ ZDNET ก่อนหน้านี้ว่าเทคโนโลยีเกิดใหม่ เช่น ML และ AI สัญญาว่าจะเพิ่มผลิตภาพได้อย่างมาก แต่ก็ยังมีความท้าทายที่สำคัญที่ต้องเอาชนะก่อนที่เครื่องมือจะได้รับรางวัลใหญ่ในบริบทขององค์กร

ในกรณีของ The Home Depot Ramamurthy กล่าวว่าบริษัทมีความสามารถภายในบริษัทและการศึกษาแบบพิสูจน์แนวคิดเพื่อแสดงให้เห็นว่า ML และคอมพิวเตอร์วิทัศน์สามารถสร้างความแตกต่างได้มาก

ข้อความสำหรับผู้นำด้านดิจิทัลและธุรกิจคนอื่นๆ เมื่อพูดถึงการใช้ประโยชน์จากเทคโนโลยีเกิดใหม่คือการมุ่งเน้นไปที่การทดสอบและฝึกฝนแนวทางของคุณ

"ประสบการณ์ของเรามีการทำซ้ำมาก ภายในเราคิดว่านี่เป็นแนวทาง 'คลาน เดิน วิ่ง' เพื่อส่งมอบคุณค่า เราได้ทำการปรับปรุงยุทธวิธีและมีความท้าทายที่เราต้องเอาชนะไปพร้อมกัน" เขา พูดว่า

"แต่แนวทางที่ทำซ้ำๆ ที่เรานำมาใช้ได้ช่วยให้เรามั่นใจได้ว่าเราสามารถส่งมอบได้ตามความคาดหวัง และ ณ จุดนี้ เราพอใจกับผลลัพธ์ในแง่ของประสิทธิภาพและประสบการณ์โดยรวมของผู้ร่วมงาน"

Ramamurthy และทีมนี้ยังคงมองหาการทำซ้ำเล็กๆ น้อยๆ ที่จะสร้างการปรับปรุงครั้งใหญ่ให้กับแอป Sidekick

เขาเชื่อว่ายังมีอะไรอีกมากมายที่บริษัทสามารถทำได้ไม่เพียงแต่รับประกันว่าจะสร้างงานที่เหมาะสมสำหรับพนักงานเท่านั้น แต่ยังมุ่งเน้นไปที่ปัจจัยต่างๆ ในทุกแง่มุมของร้าน ไม่ว่าจะเป็นการวิเคราะห์ข้อมูลจากสถานที่ขายหรือพิจารณาเค้าโครงของพื้นที่ขาย

“สิ่งเหล่านี้ล้วนเป็นพื้นที่สำหรับการสำรวจเพิ่มเติม” เขากล่าว "นอกจากนี้ เรายังมองหาวิธีที่เราสามารถปรับปรุงโมเดล ML ทางสถิติและคุณภาพของงานบางอย่างที่เราสร้างขึ้น โดยเฉพาะอย่างยิ่งเมื่อมีการเสริมด้วยสัญญาณอื่นๆ ที่เข้ามา"

Ramamurthy กล่าวว่าเขายังกระตือรือร้นที่จะใช้ข้อมูลเชิงลึกที่ได้รับจากแอป Sidekick เพื่อให้แน่ใจว่าผู้ร่วมงานมีทักษะและทรัพยากรที่เหมาะสมเมื่อพวกเขาทำงานเสร็จ

“ผมคิดว่าสิ่งเหล่านี้เป็นพื้นที่ ทั้งในแง่ของการสร้างงานและในแง่ของการส่งมอบงาน ซึ่งมีโอกาสที่จะปรับแต่งเพิ่มเติม” เขากล่าว