Core Concepts
小売業界の課題に対して、機械学習技術を活用した先進的なスマート小売分析システム(SRAS)を提案し、小売の効率性と顧客エンゲージメントを高める。
Abstract
本研究では、小売業界の課題に対処するため、先進的な機械学習技術を活用したスマート小売分析システム(SRAS)を提案している。
まず、顧客追跡機能の向上のために、YOLOv8アルゴリズムをさまざまなパラメータで微調整し、優れた検出精度を実現した。さらに、BOT-SORT and ByteTrackの2つの高度な追跡モデルをYOLOv8の検出結果と統合することで、店舗内の顧客動線の正確な把握が可能となり、訪問者数やヒートマップの作成に役立つ。
次に、在庫管理の最適化に向けて、さまざまな予測モデルを検討し、GRUモデルが最も優れた性能を示すことを明らかにした。GRUモデルは時系列データの長期依存性を適切に捉えることができ、他のモデルと比較して2.873%のR2スコア向上と29.31%のMAPE改善を達成した。
これらの取り組みにより、SRAS は小売業の運営効率を高め、顧客体験の向上に寄与することが期待される。顧客追跡と需要予測の融合により、小売業者は的確な意思決定を行い、在庫管理と顧客サービスの最適化を実現できるようになる。
Stats
YOLOv8-Xモデルは90%のmAPを達成し、3ミリ秒の低遅延で動作する。
GRUモデルはLinear Regressionと比較して2.873%のR2スコア向上と29.31%のMAPE改善を示した。
Quotes
"YOLOv8-Xモデルは90%のmAPを達成し、3ミリ秒の低遅延で動作する。"
"GRUモデルはLinear Regressionと比較して2.873%のR2スコア向上と29.31%のMAPE改善を示した。"