Experimento #205

Análisis de puntos calientes en tiendas físicas

El propósito del experimento #205 es utilizar servicios de reconocimiento facial para localizar puntos calientes en la tienda, análisis de sentimientos para analizar el nivel de satisfacción. del cliente, y servicios cognitivos para analizar bolsos u objetos de otras marcas.

Fecha proyecto: Enero-Febrero 2021

Servicios: Azure ML, Azure Cognitive Services, Face API, Azure Data Factory, Azure SQL, Power BI

Tecnología utilizada: Azure ML, Azure Cognitive Services, Face API, Azure Data Factory, Azure SQL, Power BI

El reto

Explotar información y análisis para la toma de decisiones

Idea y
proceso

La idea surge de la necesidad y el desuso de la información que se puede explotar en una tienda física. Hoy en día la toma de decisiones basada en datos es crucial para el correcto desarrollo de un negocio y gracias a la IA esta realidad puede ser posible. Primero, utilizaremos las cámaras de la tienda para analizar las imágenes.

Luego, desarrollaremos un software que recopile toda la información y la envíe a la nube para ser analizada en Cognitive Services. Una vez en la nube, todos los análisis necesarios, todo el proceso ETL y una mayor integración con el DataWarehouse corporativo se realizarán y utilizarán a través de PowerBI.

Utilidad

Proporcionar datos sobre clientes y sus compras en tiendas físicas

Utilidad

Encuentre correlaciones entre el tiempo promedio de permanencia en una tienda y la probabilidad de que se realice una compra, detecte fuentes de calor y patrones para posibles reordenamientos del diseño, prediga stocks, analice el sentimiento del cliente para identificar posibles insatisfacciones y detecte marcas que los clientes consumen para segmentación.

¿Tienes algún proyecto en mente?