الکس اوچاروف بنیانگذار و مدیر عامل شرکت است Wayvee Analytics، یک راه حل بی‌درنگ رضایت مشتری و نظارت بر تعامل برای خرده‌فروشی، و یکی از بنیانگذاران Sensemitter. او تجربه گسترده ای در تحقیق، توسعه محصول و تجزیه و تحلیل رفتار مشتری دارد که از طریق نقش های خود به عنوان مدیر محصول در Shazam اروپای شرقی و از طریق سرمایه گذاری های کارآفرینی خود به دست آورده است.
سفر حرفه ای او شامل کمپین های موفقیت آمیز واقعیت افزوده (AR) در Shazam و یکی از بنیانگذاران Sensemitter، یک شرکت تجزیه و تحلیل تجربه بازی است. الکس و تیمش از توسعه دهندگان و فیزیکدانان سابق سرن با الهام از کشفی در سنجش وای فای، الگوریتم های هوش مصنوعی را برای تجزیه و تحلیل احساسی معرفی کردند که منجر به تاسیس Wayvee Analytics در می 2023 شد. این نوآوری در هوش مصنوعی Emotion قرار است نحوه دستیابی خرده فروشان به بینش عملی در مورد مشتری را تغییر دهد. رضایت و تعامل، ارائه شده در زمان واقعی بدون استفاده از دوربین یا نظرسنجی، همه در عین احترام به کاربران حریم خصوصی
چه چیزی الهام‌بخش تأسیس Wayvee Analytics بود و سابقه شما در Shazam و Sensemitter چگونه به این سفر کمک کرد؟
تجارب من به کاری که ما در Wayvee انجام می دهیم، با تمرکز بر تشخیص احساسات شکل داده است. در طول مدتی که در Shazam اروپای شرقی بودم، اولین کمپین واقعیت افزوده (AR) منطقه را راه‌اندازی کردم و دیدم که چگونه حالات چهره الگوهای احساسی را آشکار می‌کند. با هدایت یک پروژه تحقیقاتی با استفاده از کدگذاری چهره، متوجه شدم که بسیاری از صنایع مانند خرده فروشی به چنین فناوری علاقه مند هستند، اگرچه محدودیت های حریم خصوصی و فناوری چالش های اصلی بودند.
با ترکیب پیشینه خود در علوم اعصاب و توسعه محصول، نیاز به درک بهتر مشتری در محیط‌های آفلاین را دیدم، جایی که ابزارهای موجود یا در جمع‌آوری بازخورد کند بودند یا به حریم خصوصی تهاجم می‌کردند. این امر ما را به همراه فیزیکدانان سابق سرن سوق داد تا هوش مصنوعی Wayvee’s Emotion AI را توسعه دهیم و با فناوری ای که با امواج رادیویی کار می کند، بر این چالش ها غلبه کنیم و از حریم خصوصی 100٪ مشتری اطمینان حاصل کنیم و بینش را در زمان واقعی ارائه دهیم.
آیا می توانید اطلاعات بیشتری در مورد کشف حسگر WiFi که جرقه ایجاد Wayvee را به اشتراک بگذارید؟
در ماه مه 2023، با یک مقاله که واقعاً علاقه من را برانگیخت – در مورد سنجش Wi-Fi برای ردیابی حرکت انسان بود. این توضیح داد که چگونه دستگاه‌های مبتنی بر Wi-Fi می‌توانند داده‌هایی را در مورد نحوه حرکت افراد ضبط کنند و چگونه امواج رادیویی به این تغییرات موقعیت بسیار حساس هستند. این باعث شد به این فکر کنم – اگر امواج رادیویی می توانند حرکت را تشخیص دهند، چرا نمی توانند ضربان قلب و تنفس را نیز ثبت کنند؟ اینها شاخص های کلیدی برای درک حالات عاطفی هستند.
ما به همراه Viacheslav Matiunin، CTO Wayvee و فیزیکدانی که تجزیه و تحلیل داده‌ها را برای آزمایش LHCb در CERN رهبری می‌کرد، و گروهی از محققان و عصب‌شناسان، یک نمونه اولیه با استفاده از یک روتر Wi-Fi معمولی برای آزمایش این ایده ساختیم. این تیم الگوریتمی را مهندسی کردند که می‌توانست تنفس و حرکات ریز را فقط با استفاده از سیگنال‌های Wi-Fi تشخیص دهد و ما این فناوری را به ثبت رساندیم. این آغاز توسعه MVP ما و در نهایت دستگاه سخت افزاری خودمان – سنسور Wayvee بود.
Wayvee در سال 2024 به صورت مخفیانه راه اندازی شد. آیا می توانید در مورد اهداف اولیه شرکت و اینکه چگونه چشم انداز تجزیه و تحلیل خرده فروشی را متحول می کنید صحبت کنید؟
به عنوان یک شرکت فناوری عمیق که بر روی هوش مصنوعی Emotion برای دنیای فیزیکی متمرکز شده است، ما شاهد کاربردهای بالقوه مختلفی برای این فناوری هستیم، از مراقبت های بهداشتی گرفته تا خانه های هوشمند. با این حال، تجربه من در بازارهای مواجهه با مشتری به سرعت نشان داد که خرده فروشی بیشترین پتانسیل را برای تأثیرگذاری دارد. خرده‌فروشان دائماً به دنبال راه‌هایی برای افزایش رضایت مشتری و درک بهتر مخاطبان خود هستند، با این حال اغلب به روش‌های قدیمی که بینش‌های هم‌زمان ارائه نمی‌دهند یا با جمع‌آوری داده‌های شخصی با نگرانی‌های مربوط به حریم خصوصی مواجه هستند، تکیه می‌کنند.
در مرحله آزمایشی ما، مشخص شد که خرده‌فروشان به بینش‌های عملی نیاز دارند، نه فقط داده‌ها. فقط شناسایی مشتریان ناراضی کافی نیست – ما به توضیح دلیل آن کمک می کنیم و توصیه هایی برای بهبود فوری ارائه می دهیم و مشتریان را در لحظه راضی نگه می داریم.
Wayvee از حسگر حفظ حریم خصوصی بدون دوربین استفاده می کند. فناوری شما چگونه می‌تواند سیگنال‌های فیزیولوژیکی مانند تنفس و ضربان قلب را با استفاده از امواج فرکانس رادیویی (RF) دریافت کند؟
برای ما، حریم خصوصی یک مسئله بزرگ است و به همین دلیل است که ما به دوربین ها متکی نیستیم. بدیهی است که دوربین‌ها می‌توانند ردیابی کنند که یک نفر کجاست و چه کاری انجام می‌دهد، اما تفسیر احساسات می‌تواند مشکل باشد، به خصوص اگر موقعیت یا زاویه فرد آن را نادیده بگیرد. آیا می توانید تصور کنید که چند دوربین باید نصب کنید تا بتوانید یک شخص را از زوایای مختلف ببینید؟
در عوض از امواج رادیویی استفاده می کنیم. سنسور Wayvee که در قفسه‌ها یا سایر مکان‌های کلیدی نصب شده است، سیگنال‌های رادیویی را منتشر می‌کند و هنگام بازگشت آنها را ضبط می‌کند و طیف وسیعی از داده‌ها را حمل می‌کند – از تنفس و ضربان قلب گرفته تا تغییرات ظریف مانند وضعیت بدن، سرعت راه رفتن و ژست‌ها. سپس الگوریتم‌های هوش مصنوعی ما این داده‌ها را پردازش می‌کنند و آنها را به بینش‌های احساسی تبدیل می‌کنند و تشخیص می‌دهند که آیا فرد عصبانی، خوشحال، خنثی و غیره است.
آیا می توانید توضیح دهید که چگونه الگوریتم هوش مصنوعی این سیگنال های فیزیولوژیکی را پردازش می کند و آنها را به بینش های عملی برای خرده فروشان تبدیل می کند؟
دستگاه‌های Wayvee سیگنال‌های امواج رادیویی را می‌گیرند و به الگوریتم‌های ما اجازه می‌دهند اشیا را شناسایی کرده و افراد را بیابند. سپس هوش مصنوعی ما پاسخ‌های آنها را با استفاده از یک شبکه عصبی آموزش‌دیده بر اساس مدل انگیختگی- ظرفیت، که شدت و مثبت بودن هیجان را ارزیابی می‌کند، تجزیه و تحلیل می‌کند.
ما به جای حالت‌های کلی، بر روی تغییرات احساسی در زمان واقعی تمرکز می‌کنیم، و از مجموعه داده‌های گسترده خود برای ایجاد خطوط پایه برای شناسایی احساساتی مانند شادی، غم یا ناامیدی استفاده می‌کنیم. این داده‌ها به سروری ارسال می‌شود که Wayvee را تقویت می‌کند و به خرده‌فروشان تجزیه و تحلیل‌های بی‌درنگ، از جمله رضایت مشتری (C-SAT)، معیارهای تعامل و سایر بینش‌ها را ارائه می‌دهد. خرده‌فروشان می‌توانند گزارش‌های سفارشی تولید کنند و هشدارهایی را برای نارضایتی مشتری دریافت کنند و امکان اقدام فوری را فراهم کنند.
چه چیزی باعث می‌شود رویکرد شما به هوش مصنوعی احساسی، که مبتنی بر سیگنال‌های فیزیولوژیکی مانند HRV و ژست‌های بدن است، از روش‌های سنتی مانند نظرسنجی یا نظارت تصویری مؤثرتر باشد؟
ما همه چیز را در یک راه حل گرد هم می آوریم! نظرسنجی‌های سنتی کند هستند و فقط از حدود 0.1 درصد مشتریان بازخورد دریافت می‌کنند که اغلب منجر به پاسخ‌های جانبدارانه می‌شود. رویکرد ما بر واکنش‌های ناخودآگاه متمرکز است که به دلیل غیرارادی بودن دقیق‌تر هستند. این به ما امکان می‌دهد 100٪ مشتریانی را که با یک قفسه تعامل دارند پوشش دهیم و در مدت حدود دو دقیقه از طریق داشبورد خود اطلاعات بینش را در زمان واقعی ارائه کنیم.
وقتی صحبت از روش‌های مبتنی بر ویدیو می‌شود، آنها به دوربین‌ها متکی هستند که طبیعتاً نگرانی‌هایی را در مورد حفظ حریم خصوصی ایجاد می‌کنند، حتی زمانی که اقداماتی مانند تاری چهره اعمال می‌شود. ما می‌خواستیم راه‌حلی برای حفظ حریم خصوصی ایجاد کنیم که به مردم احساس نکند که تحت نظر هستند، به همین دلیل است که رویکردی کاملا متفاوت در پیش گرفته‌ایم – رویکردی که به حریم خصوصی مشتری احترام می‌گذارد و در عین حال بینش‌هایی را که خرده‌فروشان نیاز دارند ارائه می‌دهد.
چگونه فناوری RF Wayvee حریم خصوصی مشتری را تضمین می کند و در عین حال بینش عاطفی عمیقی را ارائه می دهد؟
این بسیار ساده است – ما چهره افراد را نمی بینیم یا چهره آنها را در یک فضا شناسایی نمی کنیم. تمام داده هایی که دریافت می کنیم کاملاً ناشناس هستند. برخلاف راه‌حل‌های دیگری که چهره‌ها را محو می‌کنند یا مدل‌های سه‌بعدی برای مقابله با مسائل حریم خصوصی ایجاد می‌کنند، ما مجبور نیستیم هیچ‌یک از این کارها را انجام دهیم، زیرا روش جمع‌آوری اطلاعات کاملاً متفاوت است. ما با تصاویری کار نمی کنیم. همه اینها از طریق سیگنال ها انجام می شود، بنابراین نگرانی های مربوط به حریم خصوصی به یک شکل مطرح نمی شود.
Wayvee بازخورد فوری در مورد معیارهایی مانند رضایت مشتری (C-SAT) و تعامل ارائه می دهد. چگونه این بینش ها بر توانایی خرده فروشان برای ایجاد تغییرات عملیاتی سریع و موثر تأثیر می گذارد؟
در هسته خود، ما بر ارائه بینش های عملی برای بهبود تمرکز می کنیم. ما از معیارهایی مانند زمان ماندن و سرعت متوسط فراتر می رویم که می تواند نسبی باشد اما داستان کامل را بیان نمی کند. ارزش واقعی در ترکیب این معیارها با بینش عمیق تر است که نتایج را توضیح می دهد. با داده‌های ما، خرده‌فروشان می‌توانند طرح‌بندی فروشگاه‌ها را از طریق آزمایش A/B، آزمایش با چیدمان قفسه‌ها، نمایشگرها و رسانه‌های خرده‌فروشی برای افزایش رضایت مشتری بهینه کنند.
ما همچنین با توصیه تخصیص منابع بر اساس جریان و تعامل مشتری به برنامه ریزی حجم کار کمک می کنیم. به عنوان مثال، در طول یک پروژه آزمایشی با یک فروشگاه کفش ورزشی، متوجه شدیم که حرکت سریع‌تر مشتری با خرید بالاتر مرتبط است. مشارکت کارکنان در واقع روند را کند می‌کرد، بنابراین پیشنهاد کردیم در زمان اوج کار، کارکنان را کاهش دهیم که باعث افزایش فروش شد. شگفت آور است که چگونه تغییرات کوچک می تواند چنین تأثیر قابل توجهی داشته باشد!
همانطور که خرده فروشان بیشتری راه حل های مبتنی بر حریم خصوصی را اتخاذ می کنند، آینده تحلیل های درون فروشگاهی را کجا می بینید؟ چگونه قصد دارید فناوری Wayvee را در سال های آینده گسترش دهید؟
من فکر می کنم آینده تجزیه و تحلیل در فروشگاه قطعا به سمت مشتری محوری بیشتر متمایل خواهد شد. این فقط به این نیست که تجربه خرید آنها را روانتر و لذت بخش تر کنید، بلکه به حفظ حریم خصوصی آنها نیز مربوط می شود. با Wayvee، ما برنامه های بزرگی در پیش داریم. فراتر از کاری که در حال حاضر انجام می‌دهیم، موارد استفاده بالقوه زیادی برای فناوری ما وجود دارد – چه اندازه‌گیری اثربخشی رسانه‌های خرده‌فروشی یا درک اینکه چگونه انواع مختلف محتوا بر مشتریان تأثیر می‌گذارد. ما حتی در حال بررسی مواردی مانند پیش‌بینی قیمت بر اساس قصد خرید هستیم. فرصت های زیادی برای کمک به خرده فروشان وجود دارد که در عین حال مشتریان خود را در مرکز تجربه خرید نگه می دارند.
از نظر مقیاس پذیری، ادغام راه حل Wayvee در زیرساخت فروشگاه موجود برای خرده فروشان چقدر آسان است؟
نصب دستگاه ما آسان است و به حداقل دانش فنی نیاز دارد و نیازی به تعمیر و نگهداری مداوم ندارد. خرده‌فروشان می‌توانند آن را تنها در 10 تا 30 دقیقه با اتصال آن به قفسه و تنظیم منطقه نظارت، راه‌اندازی کنند. برخلاف سیستم‌های دوربین، نیازی به نصب بزرگ در جلو نیست. خرده فروشان می توانند در طول دوره آزمایشی با چند حسگر شروع کنند و در صورت نیاز گسترش دهند. هر دستگاه محدوده 3.5 متری را پوشش می‌دهد و هنگامی که طرح‌بندی فروشگاه خود را برای ما ارسال کردند، آن را برای جمع‌آوری دقیق داده‌ها در داشبورد آپلود می‌کنیم. تمام داده های دستگاه برای نظارت و مقایسه آسان در یک داشبورد متمرکز شده است.
با تشکر از شما برای مصاحبه عالی، خوانندگانی که مایل به کسب اطلاعات بیشتر هستند باید از آن بازدید کنند Wayvee Analytics.
