4개의 유리문이 있는 슈퍼마켓 냉장 시스템에는 다양한 제품이 진열됩니다. 여러 개의 AI 추론 사각형과 레이블이 냉장고의 제품과 섹션에 배치되어, 자동 재고 관리를 수행하는 데 컴퓨터 비전 기반 시스템이 사용되고 있음을 나타냅니다

리테일 분야 인공 지능(AI)

소매업체가 AI를 통해 자동화하고, 혁신하며, 변화하는 고객 기대치를 전에 없던 방식으로 충족하는 자세한 방법. 인텔이 귀하의 리테일 분야 AI 계획을 지원하는 방법 알아보기.

리테일 분야의 AI 개요

  • 리테일 분야에 사용되는 AI의 유형에는 머신 러닝과 딥 러닝, 대화형 AI, 컴퓨터 비전이 포함됩니다.

  • AI가 더 효율적인 재고 관리를 통해 고객 경험을 개선하고, 손실을 줄이고, 수익을 향상할 수 있도록 소매업체를 지원합니다.

  • 리테일 분야 AI 사용 사례로는 원활한 셀프 계산대, 스마트 선반, 재고 관리 자동화 등이 있습니다.

  • 인텔은 리테일 분야의 AI 혁신을 발전시키기 위해 하드웨어와 소프트웨어 기술, 파트너 제품의 포트폴리오를 제공합니다.

author-image

기준

원활한 쇼핑 및 결제 환경 구축

작은 소매점은 물론 다국적 거대기업까지, 소매업체는 편리하고 즐거우면서도 개인화된 쇼핑 경험을 제공하기 위해 노력하고 있습니다. 그러나 이러한 쇼핑 경험만으로는 기술에 익숙하고 이동이 잦은 오늘날의 고객을 만족시키기에 충분하지 않습니다. 이제 고객은 원활한 쇼핑과 결제 경험을 추구합니다. 전부는 아니더라도, 소매업체와의 상호 작용은 대부분 AI, 컴퓨터 비전, 딥 러닝, 센서, 소프트웨어 솔루션 등의 기술을 통해 간소화되어 쇼핑 여정이 최대한 원활해지는 경험입니다. 거래에서 대부분의 상호 작용을 자동화함으로써 직원은 고객 지원과 기타 고부가가치 업무에 집중할 수 있습니다.

미국 남부 최초의 자율 식료품점인 Nourish + Bloom 식료품점은 진정한 AI 기반의 원활한, 비대면 쇼핑 경험의 한 예입니다. 이 매장은 고객이 계산대 앞에 줄을 서지 않고 캐셔 없이 쇼핑할 수 있도록 설계되었습니다. 고객은 쇼핑하려면 매장 앱을 다운로드하고, 매장에 입장할 때 휴대폰을 스캔하고, 카트에 식료품을 싣고 밖으로 나가면 됩니다. 원활한 경험은 다음과 같은 AI 기술의 조합으로 구동됩니다.

Nourish + Bloom에서 원활한 쇼핑을 가능하게 하는 인텔® AI 기술을 내부에서 살펴보는 비디오 보기.

잊지 못할 개인 맞춤형 고객 경험 제공

고객은 원활한 쇼핑을 원할 뿐만 아니라 선호도에 맞는 경험을 원합니다. 소매업체에게는 AI로 쇼핑을 개인화하는 것을 의미합니다. 컴퓨터 비전이 결합된 디지털 사이니지는 또한 고객 참여를 향상하고 특정 대상의 흥미를 유도하는 실시간 광고를 제공할 수 있습니다. 어떤 유형의 고객이 언제 쇼핑하는지에 대한 데이터를 수집하는 데도 사용할 수 있습니다. 예를 들어, 판매팀이 이 정보를 사용해 제품 프로모션에 더 효과적인 결정을 내릴 수 있습니다.

판매 시점(POS) 시스템을 통해서도 개인화할 수 있으며, 이는 구매한 제품에 대한 데이터를 캡처하고 해당 정보를 사용하여 각 고객에 대한 새로운 제품 추천을 생성할 수 있습니다. 개인화는 소매업체에게도 도움이 됩니다. 이 모든 데이터를 캡처하고 분석하면 고객의 패턴과 선호도에 맞춘 더 정확한 세분화와 경험을 제공할 수 있으며, 이는 브랜드 충성도를 구축하고, 고객 유지율을 높이며, 매출을 높일 수있습니다.

손실 방지 노력 강화

리테일 축소라고도 하는 제품 손실 및 도난은 오늘날의 소매업체에게 빠르게 증가하는 과제입니다. 2021년 리테일 축소로 미국 기반 소매업체는 거의 1,000억 달러의 손실을 입었습니다.2 소매업체는 AI를 통합하여 물체 감지, 셀프 계산대에서의 동작 분석, 디지털 센서를 활용하여 손실 방지를 지원할 수 있습니다. 컴퓨터 비전과 함께 사용하면 이러한 결제 시스템을 통해 거의 실시간으로 제품 손실을 줄일 수 있습니다.

재고 관리 개선 및 자동화

소매업체에게 정확한 재고 유지 관리는 매우 중요한 문제입니다 소매업체들은 더 많은 운영 부문을 연결하고 AI를 적용함으로써, 재고 관리에 도움이 되는 매장, 구매자, 상품에 대한 포괄적인 시야를 확보할 수 있습니다.

인텔이 지원하는 반응형 리테일 기술은 센서, 카메라 및 기타 소스로부터 정보를 수집하고 처리할 수 있게 해줍니다. 기술 사일로를 연결하고 데이터 사일로를 제거하도록 설계된 이 플랫폼은 다양한 타사 센서 및 소프트웨어를 지원합니다.

또 다른 유형의 AI 재고 관리로는 품절 및 가격 오류를 빠르게 식별하는 스마트 선반이 있습니다. 재고 관리 로봇은 재고량이 적거나 최신 재고 유지에 지장을 주는 오배치 품목을 파악하여 직원에게 알립니다. 그 결과, 소매업체는 보다 효율적으로 매장을 운영할 수 있으며 관계자들의 시간을 확보하여 쇼핑 경험을 개선하는데 집중할 수 있습니다.

수요 예측 및 머천다이징

고객의 행동과 유행을 이해할수록 고객의 수요를 더 잘 충족하고 최고의 제품을 추천할 수 있습니다. AI는 소매업체가 수요 예측을 개선하고 가격 결정을 내리며, 제품 배치를 최적화하는 데 도움을 줍니다. 그 결과 고객은 적절한 때에 적절한 장소에서 적절한 제품을 이용할 수 있게 됩니다. 예측 분석은 적절한 양의 재고를 주문할 수 있도록 하며, 이를 통해 매장의 재고 관리가 수월해집니다. 또한, AI는 온라인 채널의 데이터를 추적하여 더 나은 전자 상거래 전략을 제시합니다.

리테일 에지 분야의 AI는 고객의 의도를 인식하고 이에 따라 최적의 구매가 이루어지도록 지원합니다. 일례로 매장내 적외선 열 지도를 들 수 있습니다. 카메라와 컴퓨터 비전의 결합을 통해 고객이 어떤 제품을 집어서 확인하고, 어떤 제품을 내려 놓으며 이후 어디로 이동하는지 파악할 수 있습니다. 이러한 인텔리전스를 활용하여 적합한 상품을 제시하고 고객에게 더 많은 정보를 제공할 수 있습니다.

매출은 주요 성과 지표이지만, 판매 실적 부진에 대한 심층적인 분석은 드뭅니다. 비전 분석과 거래 데이터를 결합하면, 각 매장에서 고객 방문량이 많은 기간과 적은 기간의 판매 실적에 대한 인사이트를 확보할 수 있습니다.

리테일 분야 AI용 인텔® 기술

인텔은 유연한 AI 하드웨어 기술과 최적화된 AI 소프트웨어 솔루션의 심층적인 포트폴리오를 제공하여 매장이나 호텔, 식당에서 AI를 더 쉽게 개발하고 배포할 수 있도록 지원합니다.

리테일 분야의 AI용 인텔® 파트너 플랫폼 및 솔루션

인텔은 리테일 에코시스템 분야의 혁신가들과 협력하여 빠르고 경제적인 배포가 가능한 AI 구동 통합 솔루션을 제공합니다. 이러한 파트너 솔루션에는 에지에서의 컴퓨터 비전부터 클라우드 내 머신 러닝까지, 넓은 범위의 인텔 AI 기능이 적용됩니다. 인텔의 파트너 에코시스템을 통해 사전 검증된 솔루션을 찾으려면, 다음 신규 사용 사례 솔루션을 살펴보거나 인텔® 파트너 쇼케이스를 방문하십시오.

  • 지능형 디지털 사이니지 광고는 AI 추론을 활용하여 고객의 흥미와 관심을 학습합니다. 플랫폼은 대상에 맞게 콘텐츠를 거의 실시간으로 조정합니다.
  • 스마트 선반은 제품 가용성을 즉시 파악하여 빠르게 보충합니다.
  • 무한 매대 키오스크는 고객이 다른 위치에 있는 제품을 확인할 수 있게 도와줍니다. 교차 판매 및 상향 판매의 기회도 제공합니다.
  • 스마트 셀프 계산대 시스템은 휴대폰이나 터치리스 기술을 통한 포인트 적립 카드와 쿠폰, 결제가 가능합니다. 통합 비디오 분석은 바코드가 없거나 읽히지 않는 제품을 식별합니다.
  • 디지털 및 터치리스 키오스크는 음성과 동작을 인식하며, 매우 편리한 결제 옵션 또는 셀프 서비스 길찾기, 매장 내 제품 검색이 가능합니다.
  • 자율 모바일 서비스 로봇은 고객과 소통하고 간단한 업무를 수행하여 쇼핑 경험을 향상합니다.

AI를 통한 리테일 번영

리테일 분야의 AI는 기업이 고객과 진정으로 소통하고, 데이터를 강력한 인사이트로 변환하며, 운영을 다음 단계로 끌어올릴 수 있는 새로운 가능성과 기회의 세계를 열어줍니다. 인텔이 파트너와 함께 리테일 분야의 AI를 활용한 아이디어를 실현할 수 있도록 도와드리겠습니다.

자주 묻는 질문(FAQ)

리테일 분야의 AI 지원에 사용되는 기술과 솔루션은 해결해야 하는 비즈니스 과제나 배포되는 프로젝트에 따라 매우 다양해집니다. 그러나 AI 사용 사례 전반에서 가장 일반적으로 사용되는 기술은 다음과 같습니다.

  • 일반용 프로세서: 이 프로세서는 가속화가 필요하지 않은 웹 브라우징이나 워드 프로세싱 같은 다양한 범용 워크로드에 사용하도록 설계되었습니다. 그러나 경우에 따라 이 프로세서에 FPGA를 추가하여 시스템 성능을 향상하고 AI 워크로드를 처리할 수 있습니다.
  • AI 프로세서: 이 프로세서는 컴퓨팅 집약적인 특수 AI 워크로드를 처리하도록 특수 목적으로 설계되었습니다. 이 프로세서에는 통합 가속기가 포함되어 추가적인 성능 향상을 제공할 수 있습니다.
  • GPU: AI 작업을 수행하는 데 항상 필요한 것은 아니지만, 딥 러닝 모델 교육 시 병렬 처리를 수행할 수 있어 GPU를 추가하는 경우도 있습니다. GPU는 CPU에 통합되거나 별도 제품으로 추가할 수 있습니다.
  • 카메라, 센서, 기타 IoT 기술: 기계가 컴퓨터 비전 작업을 '볼' 수 있도록 카메라와 센서를 사용하여 처리할 시각 데이터를 수집합니다.
  • AI 소프트웨어: 특수 AI 소프트웨어 솔루션은 머신 러닝, 딥 러닝, 컴퓨터 비전 등에 사용되는 AI 알고리즘을 작성, 훈련, 최적화하는 데 반드시 필요합니다.