空間智慧：零售技術的未來
學說話的幼兒，以及防守籃網的籃球球員，這類超乎想像的因素，竟然成了驅動零售技術未來的推手。這兩個行動表面上似乎沒有太多共同點。然而，讓研究人員瞭解每組族群如何成功的深入解析結合之後，卻有助於零售商進一步瞭解顧客。
零售空間智慧解決方案供應商 Pathr.ai 的創辦人暨執行長 George Shaw，於 2009 年展開了這趟旅程。Shaw 在 MIT 念研究所時，與 Media Lab 教授 Deb Roy 合作，希望瞭解嬰兒如何學習語言，於是展開了 Human Speechome Project。Roy 在兒子三歲之前，利用攝影機與麥克風收集資料，調查兒童開始學習及使用文字的時間和地點。
Shaw 表示：「即使據我們所知，在數學上是不可能的事，但幾乎每一名兒童都學會了如何說話。顯然我們的知識有落差，而 Human Speechome Project 的目標就是開始彌補那個落差。」
團隊發現，研究語言習得的方式，也可用於瞭解消費者行為。Media Lab 的技術安裝於 Bank of America 和 Best Buy 追蹤流量，有助於瞭解促使一般人申請貸款或購買手機的動機。
Shaw 之後任職於 Second Spectrum 這間體育分析新創公司，負責追蹤籃球場上的球員，在資料集套用機器學習，收集深入解析供教練使用，幫助球隊拿下更多勝場。
利用零售技術將點串連起來
Shaw 研究嬰兒牙牙學語，以及籃球球員運球，結果發現環境中的規律性和相互作用，能夠產生寶貴的零售分析資料。Pathr.ai Spatial Intelligence 解決方案利用機器學習，追蹤人員在商店內流動的方式。空間智慧這個認知層位於 AI 上方。Shaw 表示：「它提供更高層次的推理方式，這個商業智慧層能夠傳達出『這是追蹤實際的意義』的訊息。」
Pathr.ai 的解決方案利用現有的攝影機，將裝置饋送至本機伺服器。攝影機會以匿名方式偵測人員，在地圖周圍產生點，然後那些點會移至 Pathr.ai Behavior Engine。
Shaw 表示：「這就是教戰守則派上上場的時候。」「我們即時從這些點的移動方式擷取商業情資，做出決定。」
AI 在本機伺服器執行時，需要最多的運算效能。Shaw 表示：「我們雖然能在各種環境中執行，但是搭載 Intel® 處理器和 OpenVINO™ 的系統，電腦視覺效率最高，也最符合成本效益。」「我們利用 Intel 技術，打造出最優異的技術解決方案。」
零售分析資料解決現今的難題
追蹤點讓 Pathr.ai 得以解決零售商最棘手的困難處。電子商務增加導致實體商店人流量減少，因此進入商店的顧客更顯彌足珍貴，然而由於人力短缺，為顧客提供完善的服務卻成了一大難題。
Shaw 表示：「我們能夠將每位顧客的體驗最佳化。」「如果顧客的體驗更愉快，他們就會購買更多商品。另外，我們能以更有效率的方式運用每位員工的時間，最終縮短員工的工時，更何況人力越來越短缺，也越來越昂貴。」
舉例來說，商店內的珠寶櫃位，每天可能只有 10 名顧客。您無須指派一名員工專門服務一小部分的顧客，反倒可以將其他工作交辦給這位員工。顧客在珠寶櫃位需要協助時，Pathr.ai 可以偵測到這名顧客，然後向員工發出通知。
Shaw 表示：「這個策略採取區域聯防，而不是一對一防守。」「透過動態員工配置，您可以更高效運用現有的人員。」（影片 1）
一家美國大型連鎖雜貨店，利用這個解決方案的即時資料估量隊伍長度，然後調整開放收銀台的數量。Shaw 表示：「結帳體驗是雜貨商脫穎而出的一大因素。」「很多雜貨商的產品、店面格局和促銷活動都大同小異。因此結帳體驗舉足輕重。」
Pathr.ai 估量隊伍長度之後，掌握了等候時間。系統可以預測手推車裝滿雜貨的顧客必須等候多久。如果預期的等候時間超過雜貨商設定的門檻，系統便會通知工作人員加開一個收銀台。如果所有收銀台都已經開放，那麼零售商便會開放更多自助結帳櫃台。這間大型美國雜貨連鎖店採用 Pathr.ai 的 Spatial Intelligence 解決方案之後，營運效率、顧客體驗和商店獲利能力皆隨之改善。
消費者是零售技術的推手
最後，Shaw 表示，空間智慧能夠協助零售商瞭解其他迫在眉睫的問題，例如順手牽羊。他表示：「以匿名無偏見的方式，即時辨識出偷竊的行為，有助於遏止順手牽羊。」「這不僅嘉惠企業客戶，更能造福整個社會。」
Shaw 表示，同時，零售商必須能夠掌握消費者瞬息萬變的期望，並且採取行動，才能持續佔有一席之地。他表示：「技術供應商和零售商必須配合消費者的願望與期望。」「我們必須設法瞭解消費者走進實體商店時的需求，然後對此採取行動。我們需要更多更優質的資料，才能瞭解行為。」