Система автоматизированного доступа и видеоаналитики покупателей
Видеоаналитика для исследования покупателей: камеры собирают данные о реакции на продукт, система рассчитывает показатели и показывает отчёт администратору. Анализ строится по заданным условиям исследования.

Задача
Крупной розничной сети нужен был инструмент для исследования того, как покупатели воспринимают продукт. Важно собрать реакции по единой схеме и сравнить результаты между товарами. Мы разработали систему видеоаналитики, которая связывает наблюдение, расчёт и отчёт для исследователя.
Исследование с заданными параметрами
Администратор задаёт, какие данные собирать, период наблюдения и задачу расчёта. Камеры фиксируют взаимодействие покупателей с продуктом. Система сортирует данные, записывает их в базу и рассчитывает показатели по выбранным условиям.
В опубликованном сценарии реакции рассматриваются на трёх этапах: визуальное знакомство, контакт с продуктом и дегустация. Это позволяет сравнивать разные моменты знакомства с товаром в рамках одного исследования. Модели также оценивают демографические характеристики респондентов для проверки исследовательских гипотез.
От данных к сравнению
Результат выводится в панель администрирования. Исследователь получает сводку, по которой можно сопоставить продукты и реакции участников. Сбор и расчёт связаны в последовательный процесс, а условия исследования задаются заранее.
Оценка реакции по изображению является модельной интерпретацией наблюдения. Её используют вместе с контекстом исследования и другими методами обратной связи, чтобы обсуждать особенности восприятия продукта.
Результат
Создан инструмент сбора данных, расчёта и выдачи отчёта для сравнительного анализа продуктов. В первичном сценарии показана возможность сопоставлять реакцию на вкус разных продуктов и строить гипотезы о различиях между группами респондентов.
Подход полезен при подготовке исследований в торговых точках и на дегустациях: заказная разработка ИИ.
Похожие кейсы
Машинное зрение
Разбор технических чертежей: 3,2 секунды на чертёж и точность 97%
Система извлекает параметры из PDF-чертежа, подсвечивает найденные значения и отдаёт их в CSV. В опубликованном примере: 3,2 секунды на чертёж и 97% точности извлечения.
Машинное зрение
Машинное зрение + LLM на промышленном объекте: выявлены хищения в пилоте
Пилот цифрового аудита на энергетическом объекте связывает камеры с проверкой транспорта, грузов и строительных работ. Выявлены четыре несанкционированных вывоза; материалы используются для отчёта службы безопасности.
Машинное зрение
Разработка модели по распознаванию и выделению контентной части документа
Система размечает однотипные документы, распознаёт их тип и заполняет электронную форму. В результатах разработки отдельно оценены поиск текста, OCR, классификация и распознавание содержимого.