Führend
Einführung
Marktgröße und Chancen
Technologien zur Schadensverhütung: Analyse der Coresight-Forschung
Was wir denken
Methodik
Diebstähle im Einzelhandel nehmen zu und es ist an der Zeit, dass Unternehmen Maßnahmen ergreifen, um Verluste zu minimieren und ihre Gewinne zu schützen. Wie können Einzelhändler Diebstahl, Betrug und andere Schwundrisiken bekämpfen und die Bedenken der Kunden vor dem Einkauf in ihren Filialen zerstreuen?
Viele Einzelhandelsunternehmen greifen bei der Suche nach Antworten auf die Technologie zurück. Wir untersuchen die Anwendungen und Vorteile von fünf aktuellen und zukünftigen Technologien, die eine führende Schadensverhütung im Einzelhandel vorantreiben, darunter Radiofrequenzidentifikation (RFID), Videoüberwachung und generative KI (künstliche Intelligenz).
Dieser Bericht wird von Sensormatic gesponsert, einem weltweit führenden Anbieter von Einzelhandelssystemen, einschließlich RFID, elektronischer Artikelüberwachung (EAS), Diebstahlsicherungsetiketten und -etiketten, Öffner, Bestandsmanagement und Lösungen für den Einzelhandelsverkehr.
Dieser Bericht ist Teil unserer fortlaufenden RetailTech-Berichtsreihe, die eine kontinuierliche Berichterstattung über wichtige Technologien im Einzelhandel bietet.
In diesem Bericht erwähnte Unternehmenenthalten:Avery Dennison, Deeyook Technology, Impinj, Sensormatic, Zebra Technologies
Weitere relevante Forschungsergebnisse:
Marktgröße und Chancen
Coresight-Forschungsanalyse
Wir identifizieren fünf Schlüsseltechnologien, die Einzelhändlern Vorteile bei der Vermeidung von Verlusten bieten können:
Was wir denken
Der kriminelle Geist ist ständig auf der Suche nach neuen Möglichkeiten, unrechtmäßig erworbene Gewinne zu erzielen, und leider müssen Einzelhändler wachsam bleiben und neue Mittel einsetzen, um diese zu vereiteln. Glücklicherweise gibt es mehrere Technologien, die Einzelhändlern helfen können, das Schwundrisiko zu reduzieren oder zumindest Diebstahl und Betrug zu erkennen, wenn es nicht möglich ist, sie zu verhindern oder zu stoppen. Wir erwarten von Einzelhändlern, dass sie sowohl ausgereifte Technologien wie RFID als auch neue Technologien wie generative KI nutzen, um Maßnahmen zur Verlustprävention zu finden und umzusetzen.
Eine große Herausforderung für Einzelhändler weltweit bleiben Diebstahl und Betrug im Einzelhandel, die die Rentabilität erheblich beeinträchtigen und offenbar in alarmierendem Tempo zunehmen. In den USA berichten die jüngsten Schlagzeilen über Ladendiebstahl-bedingte Ladenschließungen in Städten wie Chicago, San Francisco und New York City.
In diesem Bericht untersuchen wir die aktuellen und zukünftigen Technologien, die Einzelhändlern zur Vermeidung und Reduzierung von Warenschwund zur Verfügung stehen. Wir konzentrieren uns hauptsächlich auf das US-Einzelhandelsumfeld, obwohl die von uns erforschten Technologien auch weltweit anwendbar sind.
Dieser Bericht wird von Sensormatic gesponsert, einem weltweit führenden Anbieter von Einzelhandelssystemen, einschließlich Radiofrequenz-Identifikation (RFID), elektronischer Artikelüberwachung (EAS), Diebstahlsicherungsetiketten und -etiketten, Öffnern, Bestandsmanagement und Lösungen für den Einzelhandelsverkehr.
Laut der Retail Security Survey der National Retail Federation (NRF) vom September 2022 belief sich der Warenschwund im Einzelhandel auf 94,5 Milliarden US-Dollar im Jahr 2021, ein Anstieg von 4,1 % gegenüber 90,8 Milliarden US-Dollar im Jahr 2022. Die Schwundrate betrug 1,4 % des Umsatzes und blieb in den letzten fünf Jahren konstant. Auch wenn es leicht ist, Warenschwund mit Diebstahl zu verwechseln – und dieser Bericht wird der Einfachheit halber wahrscheinlich die gleiche Verallgemeinerung vornehmen –, stellte die NRF fest, dass die beiden größten Ursachen für Warenschwund im Jahr 2021 mit Diebstahl in Zusammenhang standen – organisierte Einzelhandelskriminalität (ORC) und Mitarbeiter-/interner Diebstahl – die zusammen 65,5 % des gesamten Warenschwunds ausmachten, wie in Abbildung 1 dargestellt.
Darüber hinaus verzeichneten die befragten Einzelhändler im Jahresvergleich einen Anstieg der ORC-Vorfälle um 26,5 %. Noch besorgniserregender ist, dass laut NRF vier von fünf befragten Einzelhändlern Gewalt und Aggression im Zusammenhang mit ORC-Vorfällen meldeten.
Abbildung 1. Bestandsschwund nach Quelle, 2021
Datierte Branchenschwundzahlen werden jedoch den aktuellen Sorgen der Einzelhandelsunternehmen hinsichtlich des Schwunds nicht gerecht und erklären nicht den jüngsten Anstieg der Ladendiebstähle.
Brian Cornell, CEO von Target, erklärte in einem Interview im Anschluss an die Veröffentlichung der Gewinne des Einzelhändlers für das 1. Quartal 2024 (erstes Quartal des Geschäftsjahres 2024), dass der Warenschwund seine Gesamtjahresrentabilität im Jahr 2023 um 500 Millionen US-Dollar verringern würde. Basierend auf den gemeldeten Zahlen für 2022 schätzen wir, dass der Warenschwund den Bruttogewinn verringert hat Gewinn von 753 Millionen US-Dollar im Jahr 2022, was einer Schrumpfungsrate von fast 3 % entspricht – weit über dem NRF-Wert.
Abgesehen von den sozialen Ursachen (die den Rahmen dieses Berichts sprengen) wurde die Flut an Ladendiebstählen durch hohe Schwellenwerte für Diebstähle, Schwierigkeiten bei der Strafverfolgung von Straftätern und einen Anstieg der ORC angeheizt. Da die Polizei nicht auf Beschwerden über Diebstahlsdelikte reagiert (dh der Gesamtdiebstahl liegt in der Regel unter 1.000 US-Dollar – und Diebe wissen das), benötigen Einzelhändler Hilfe bei der Einreichung einer Strafanzeige. Viele Einzelhändler gehen nicht gegen Diebe vor, weil sie durch die unansehnliche Inhaftierung eines Diebes einen Image- und Rufschaden verspüren.
Viele Einzelhändler haben darauf reagiert, indem sie Waren einsperrten, was Dollar Tree kürzlich als „defensives Merchandising“ bezeichnete, oder indem sie Geschäfte ganz schlossen.
Diese Maßnahmen dürften Auswirkungen auf die Verbraucher haben. In einer kürzlich von Coresight Research durchgeführten Umfrage wurden US-Verbraucher nach ihrer Meinung zum Einzelhandel im aktuellen Ladendiebstahl-Umfeld gefragt (weitere Einzelheiten finden Sie in der Methodik) und kamen zu folgendem Ergebnis:
Einzelhändler sind hochmotiviert, Verluste zu reduzieren und die Bedenken ihrer Kunden vor dem Einkauf in ihren Filialen zu zerstreuen.
Wir identifizieren fünf Schlüsseltechnologien, die Einzelhändlern Vorteile bei der Vermeidung von Verlusten bringen können, wie wir in Abbildung 2 skizzieren und weiter unten ausführlich erläutern.
Abbildung 2. Technologien und Vorteile zur Schadensverhütung
Das dem Management-Vordenker Peter Drucker zugeschriebene Zitat „Man kann nicht verwalten, was man nicht messen kann“ trifft auf die Schadensverhütung zu, insbesondere im Hinblick auf die in Abbildung 1 dargestellten Schwundquellen an erster Stelle gezählt werden.
Mithilfe von Artikeletiketten können Einzelhändler die Bestandsgenauigkeit sicherstellen, was die Voraussetzung für beliebte Dienste wie „Ship-from-Store“, „Bordsteinabholung“ und „BOPIS“ (Online kaufen, im Geschäft abholen) ist. Die Bestandsgenauigkeit ermöglicht außerdem eine bessere Preiskontrolle und minimiert das im Lagerbestand verlorene Betriebskapital.
Es gibt verschiedene Technologien zur Artikelkennzeichnung, die im Allgemeinen aus einem Etikett (einer Art Artikelidentifizierung) und einem Erkennungsmittel bestehen.
RFID-Tags bieten aufgrund ihrer Fähigkeit, Identitäts- und Standortdaten bereitzustellen, eine kostengünstige, flexible Lösung für die Bestandsverwaltung und Schadensverhütung. Zur Schadensverhütung liefern RFID-Tags drei wichtige Informationen:
RFID-Tags ermöglichen es Einzelhändlern, im Falle eines Diebstahls oder Betrugs Folgendes zu erfahren: welche Artikel mitgenommen wurden, die Uhrzeit und das Datum und ob sie durch die Vorder- oder Hintertür verlassen wurden. Diese Daten können verwendet werden, um Muster zu finden, um Ursachen für Warenschwund zu identifizieren und Maßnahmen gegen Warenschwund zu ergreifen, beispielsweise durch eine Änderung der Präsentation oder des Standorts von Produkten im Geschäft; Einzelhändler können besser nachvollziehen, welche Artikel, welche SKUs, in welchen Mengen und zu welchen Tageszeiten am häufigsten gestohlen werden. Wenn beispielsweise unbezahlte Artikel das Geschäft vor der Öffnung oder nach der Schließung verlassen, ist es wahrscheinlich, dass es sich um einen Mitarbeiterdiebstahl handelt. Ebenso wichtig ist, dass das Geschäft den Wert der entwendeten Gegenstände kennt, was für die mögliche Einleitung eines Strafverfahrens relevant ist, wenn der Wert der Gegenstände den relevanten Schwellenwert überschreitet.
Abbildung 3. Die Anwendung von RFID in einem Einzelhandelsgeschäft
Auch RFID-Tags können das Kundenerlebnis verbessern. Beispielsweise verwendet der Einzelhändler Uniqlo RFID-Tags für den Self-Checkout, bei dem die zu kaufenden Artikel in einen Behälter gelegt werden (der über einen RFID-Leser verfügt), der die Artikel automatisch scannt. Wenn der Verbraucher zur Kasse geht, bezahlt und das Geschäft verlässt, wird die Bestandsansicht sofort aktualisiert.
RFID-Chips von Impinj, die den RAIN-Standard (abgeleitet von Radio-Frequency IdentificatioN) verwenden, bieten einen „geschützten Modus“, bei dem die Tags für Lesegeräte „unsichtbar“ gemacht werden können (z. B. nach dem Kauf des Artikels) und dies daher nicht tun Auslösen von Schadensverhütungsmaßnahmen, wenn der Kunde das Geschäft verlässt; Im Falle einer Retoure kann der Tag einfach wieder aktiviert werden. Neuere Impinj-Chips können verschlüsselte Daten enthalten, die nur von einem Lesegerät mit Chips gelesen werden können, die den Entschlüsselungscode enthalten, wodurch sie die Vertraulichkeit der im Chip gespeicherten Daten gewährleisten können.
Es ist nicht ganz richtig, dass Diebe Aluminiumfolie verwenden können, um RFID-Signale zu blockieren, obwohl metallische Leiter elektromagnetische Strahlung absorbieren; Alufolie blockiert RFID nur über große Entfernungen. Ein Faradayscher Käfig würde alle elektromagnetischen Felder blockieren, doch ein solches Gerät übersteigt wahrscheinlich die Fähigkeiten der meisten Ladendiebe. Dennoch müssen Einzelhändler bei der Gestaltung von Geschäften und Hinterzimmern auf Materialien wie Metalle, Wasser, Beton und Leder und mehr (sogar Farbe) achten, um sicherzustellen, dass ihre Antennen die Verkaufsfläche abdecken können.
Herkömmliche EAS-Technologie kann auch Maßnahmen identifizieren, um Erkennungshardware zu vereiteln. Die folgende Abbildung enthält eine Matrix von Videobildern, wobei das Bild oben rechts eine Warnung zeigt, die auf die Erkennung eines Metallfolienalarms hinweist – das heißt, der Kunde hat das Geschäft mit einer mit Folie ausgekleideten Tasche betreten, die zur Umgehung von EAS-Systemen entwickelt wurde.
Da ein Bild mehr sagt als tausend Worte, ist das Video das entscheidende fehlende Teil einer Verlustschutzplattform und liefert ein Bild des mutmaßlichen Diebes sowie eine Vorstellung davon, was er bei sich trägt, sowie Datum und Uhrzeit.
Die Kombination von „Was, Wann und Wo“ aus Artikel-Tags mit „Wer, Wann und Wo“ aus Videos liefert ein klares Bild davon, was wann und durch welchen Ausgang aufgenommen wurde, mit einem Bild des Täters und mehreren Vorfällen Sobald die entsprechenden Schwellenwerte überschritten sind, kann dieselbe Person zusammengeführt werden, um einen Diebstahlsdelikt bei den Strafverfolgungsbehörden anzuzeigen.
Die Kombination von Video und den leistungsstarken Fähigkeiten der künstlichen Intelligenz (KI) ermöglicht die Erkennung vieler Arten menschlichen Verhaltens, von denen viele für die beobachtete Person möglicherweise nicht erkennbar sind. Zu den Funktionen der Video-Einzelhandelsplattform von Sensormatic gehört die Erkennung/Analyse von:
Der Schutz von Kunden, Mitarbeitern und dem Geschäft stellt einen wichtigen Bestandteil der Schadensverhütung dar, und die oben genannten Fähigkeiten von KI und Video ermöglichen es Plattformen, aufkommende Bedrohungen und Gefahren zu erkennen und Filialmitarbeiter auf diese aufmerksam zu machen, einschließlich der folgenden:
Der Einsatz von Gesichtserkennungssoftware zur Schadensverhütung wirft bei US-Bürgern in der Regel erhebliche Bedenken hinsichtlich der Privatsphäre auf, obwohl die Technologie auch in anderen Ländern eingesetzt und akzeptiert wird. Berichten zufolge nutzte Walmart die Gesichtserkennung, um bekannte Ladendiebe zu identifizieren, verzichtete aber aufgrund von Datenschutzbeschwerden darauf. Das Unternehmen ist jedoch Gegenstand einer Sammelklage, in der behauptet wird, es habe die Gesichtserkennungsdatenbank von Clearview AI in Illinois genutzt.
Es gibt Anzeichen dafür, dass die Einwände von US-Bürgern gegen die Gesichtserkennung nachlassen könnten: Die Technologie findet Anwendung in anderen Sektoren wie der Luftfahrt – Fluggesellschaften und die US-Transportsicherheitsbehörde (TSA) nutzen sie mittlerweile zur Identitätsüberprüfung an der Sicherheitskontrolle und Flugsteig. Die Technologie war auch in mehreren Generationen von Apple iPhones der Standard zur Identifizierung von Verbrauchern.
Verbraucher akzeptieren auch andere Formen der biometrischen Identifizierung. Panera Bread testet beispielsweise die Handscan-Anwendung Amazon One in seinen Restaurants in St. Louis, Missouri. Verbraucher sind möglicherweise auch mit dem Begriff „biometrische Identifizierung“ vertrauter als mit „Gesichtserkennung“.
Self-Checkout-Terminals bieten vielen Verbrauchern eine Steigerung der Effizienz und Eigenständigkeit, da sie schneller bezahlen und die Kontrolle über den Prozess übernehmen können. Dennoch eröffnet jede neue Technologie den Tätern neue Möglichkeiten, ihre Schwächen auszunutzen, was einen Bedarf an Lösungen zu ihrer Beseitigung schafft. Zu den führenden SCO-Anbietern zählen Diebold Nixdorf, Fujitsu NCR und Toshiba.
Abbildung 4 zeigt ausgewählte Diebstahl- und Betrugsrisiken durch den grundlegenden Self-Checkout-Prozess. Hinterlistige Köpfe werden sich noch mehr Möglichkeiten vorstellen können, selbst die besten Sicherheitsmaßnahmen zu umgehen.
Abbildung 4. Vereinfachter Self-Checkout-Prozess: Risiken von Verlust, Diebstahl und Betrug
Aktuelle Self-Checkout-Terminals enthalten mehrere Sensoren und Maßnahmen zur Reduzierung von Diebstahl und Betrug, darunter Waagen und Kameras. Abbildung 5 enthält ein kommentiertes Self-Checkout-Terminal, dessen Elemente wir im Folgenden besprechen.
Abbildung 5. Kommentiertes Self-Checkout-Terminal
Nach unten gerichtete Kamera . Mit der nach unten gerichteten Kamera können Schadensverhütungsbeamte Diebstähle und Betrugsfälle erkennen, die außerhalb des Sichtfelds der nach vorne gerichteten Kamera stattfinden, beispielsweise wenn Gegenstände direkt in die Tasche des Kunden transportiert werden. Außerdem nutzt es KI, um Fehlscans, Produktwechsel, das Zurücklassen von Artikeln im Warenkorb und das Zurücklassen von Artikeln im Warenkorb zu erkennen. Das Modul enthält eine Kontrollleuchte, die auf die Notwendigkeit von Kundenunterstützung oder eine mögliche Diebstahl-/Betrugssituation hinweist.
Artikelscanner/Frontkamera . Diese Baugruppe umfasst zwei Sensoren: den Artikelscanner an der Unterseite und den dem Kunden zugewandten, der eine Kamera enthält, die Produkte und Etiketten identifizieren und die Aktivität des Kunden überwachen kann. Diese Bilder werden zur Auswahllistenunterstützung (z. B. zur Angabe der gescannten Apfelsorte) und zur Produktsicherung verwendet. Obwohl die Videoübertragung nicht unbedingt in Echtzeit von einem Schadensverhütungsmitarbeiter überwacht wird, kann sie aufgezeichnet werden, und die Meldung „Sie sind auf Video“ dient dazu, potenzielle Diebe abzuschrecken.
Waage im Absackbereich . Die Waage erfüllt eine sehr wichtige Funktion: Sie vergleicht das inkrementelle Gewicht eines Artikels mit dem Gewicht, das im Laufe der Zeit in einer Datenbank der vom Einzelhändler verkauften Produkte gemittelt wird. Die Abweichung des tatsächlichen Gewichts eines Artikels von der Grundlinie (innerhalb einer bestimmten Toleranz) könnte auf einen Etikettenwechsel hindeuten. Die Schwäche dieser Methode besteht darin, dass dieser Durchschnitt durch Missbrauch oder einen Fehler, der das System missbraucht, verfälscht werden kann.
Kameras in Self-Checkout-Systemen können KI auch für Zwecke wie die Altersverifizierung beim Kauf von Alkohol und Tabak nutzen.
Nicht alle wirksamen Technologien zur Schadensverhütung erfordern Artikelkennzeichnungen oder Computervideodaten. In alltäglichen Bestands- und POS-Daten (Point-of-Sale) sind viele wertvolle Informationen eingebettet, die mithilfe der Automatisierung und der Fähigkeit der KI, verborgene Beziehungen innerhalb der Daten zu identifizieren, extrahiert werden können.
Wir fassen die Fähigkeiten der KI wie folgt zusammen:
Analyseplattformen wie Zebra Prescriptive Analytics überwachen Daten, um einen grundlegenden Normalwert für bestimmte Datenelemente zu ermitteln, der zur Erkennung von Anomalien verwendet wird. Viele dieser Formen von Diebstahl und Betrug können im Checkout-Prozess erkannt werden – der Unterschied besteht darin, dass es sich um eine softwaregestützte Lösung handelt. Beispiele für diese Anomalien sind:
In jedem der oben genannten Beispiele wird eine Basislinie erstellt, bei der Daten aus der versuchten betrügerischen Transaktion außerhalb der normalen Grenzen liegen und eine Warnung zur weiteren Überprüfung generiert wird.
Abbildung 6. Übersicht über Arten von Diebstahl und Betrug, die KI erkennen kann
Präskriptive Analysen helfen Einzelhändlern auch dabei, versteckte Umsatzmöglichkeiten, Quellen für Verschwendung und Nichteinhaltung sowie Bestandsungleichgewichte zu erkennen, z. B. die Verfügbarkeit von Waren im Lager, aber nicht im Ladenregal, was einen äußerst sensiblen Bereich der Kundenzufriedenheit darstellt.
KI wird heute in mehreren anderen Anwendungen praktiziert, darunter in den folgenden:
Während generative KI-Technologie schon seit Jahren in der Entwicklung steckt, sorgte die Technologie im November 2022 mit der Einführung von ChatGPT (basierend auf GPT-3.5) durch OpenAI für Furore, und GPT-4 ist bereits verfügbar. Zu den frühen Fähigkeiten der Plattform gehört die Fähigkeit, Fragen in natürlicher Sprache zu beantworten sowie Texte zusammenzufassen und zu generieren. Seit der Einführung von ChatGPT haben mehrere globale Technologieanbieter die Erweiterung ihrer Plattformen um GPT-Funktionalität angekündigt, darunter Google, Microsoft und Salesforce.
Die Kombination aus Verarbeitung natürlicher Sprache (NLP) und der Fähigkeit, Verbindungen zwischen großen Datenmengen zu finden, bedeutet, dass generative KI ein leistungsstarkes, flexibles Werkzeug für Einzelhändler sein könnte, das aufgrund dieser Stärken viele dedizierte Softwareplattformen ersetzen kann. Darüber hinaus könnte diese Flexibilität es ihm ermöglichen, Lösungen in kurzer Zeit zu entwickeln – ein großer Vorteil für Einzelhändler –, da neue Formen von Diebstahl und Betrug schnell auftauchen und über soziale Medien verbreitet werden können und Softwareplattformen Zeit zum Schreiben, Debuggen und Testen benötigen .
In diesem frühen Stadium können wir über wahrscheinliche Anwendungen generativer KI spekulieren, darunter die folgenden:
Auch hier gilt: Mit KI-Chatbots können Schadensverhütungsmitarbeiter Fragen im Klartext stellen, und die KI findet Muster, die abgefragt und verfeinert werden können, was ein interaktiveres Erlebnis bietet als feste Berichte und Dashboards. Zum Zeitpunkt der Erstellung dieses Berichts hat kein Anbieter von Verlustpräventionsprodukten Produkte angekündigt, die generative KI nutzen. Allerdings experimentieren die fortgeschrittenen Unternehmen wahrscheinlich damit, und es ist nur eine Frage der Zeit, bis neue Produkte und Funktionen angekündigt werden.
Der kriminelle Geist ist ständig auf der Suche nach neuen Möglichkeiten, unrechtmäßig erworbene Gewinne zu erzielen, und leider müssen Einzelhändler wachsam bleiben und neue Mittel einsetzen, um diese zu vereiteln. Glücklicherweise gibt es mehrere Technologien, die Einzelhändlern helfen können, das Schwundrisiko zu reduzieren oder zumindest Diebstahl und Betrug zu erkennen, wenn es nicht möglich ist, sie zu verhindern oder zu stoppen. Die Kombination aus dem wachsamen Auge von Videokameras und den ständig wachsenden Fähigkeiten der KI bietet neue, leistungsstarke Möglichkeiten zur Erkennung von Verhalten, das auf die Absicht eines Ladendiebstahls hindeutet, und ermöglicht es Einzelhändlern, potenzielle Diebe zu erschrecken oder zu beschämen, um die Nerven zu verlieren. Die Fähigkeit von KI, Rechenleistung zu nutzen, um versteckte Beziehungen in Daten zu finden, ermöglicht es Einzelhändlern, Diebstähle und Betrugsfälle zu erkennen, die für das menschliche Auge nicht sichtbar sind. Schließlich setzt die Leistungsfähigkeit der generativen KI ein hohes Maß an analytischer Leistungsfähigkeit und Flexibilität frei, die in der Lage sind, neue und clevere Arten von Diebstahl und Betrug zu erkennen und zu verhindern.
Die Daten in diesem Bericht basieren auf einer Online-Umfrage unter 401 US-Verbrauchern ab 18 Jahren, die von Coresight Research am 17. April 2023 durchgeführt wurde. Die Ergebnisse weisen eine Fehlerquote von +/- 5 % bei einem Konfidenzintervall von 95 % auf.
Dieses Dokument wurde erstellt für
Herausforderungen im Einzelhandel steigern Investitionen in Spitzentechnologie: Forschungsvorschau
Wöchentlicher Tracker für Ladeneröffnungen und -schließungen in den USA und Großbritannien 2023, Woche 17: Bed Bath & Beyond treibt US-Schließungen voran
Anders über Technologie und Daten denken, um den Gewinn zu steigern: Das 3x3x3-Framework
Entfesseln Sie die Macht der Einzelhandelsmedien mit First-Party-Daten und Standortanalysen
Deborah Weinswig, CPA, CEO und Gründerin, Coresight Research, [email protected]
New York • Hongkong • Lagos • London • Mangaluru (Indien) • Shanghai
Copyright © 2023 von CORESIGHT RESEARCH. Alle Rechte vorbehalten
John Harmon, CFA, Geschäftsführer für TechnologieforschungIn diesem Bericht erwähnte Unternehmenenthalten:Weitere relevante Forschungsergebnisse:Marktgröße und ChancenCoresight-ForschungsanalyseArtikel-Tags,ComputervideoSelf-Checkout-TerminalsKI-gesteuerte präskriptive AnalysenWas wir denkenAbbildung 1. Bestandsschwund nach Quelle, 2021Abbildung 2. Technologien und Vorteile zur SchadensverhütungEASInternet der Dinge (IoT)RFIDDie Identifikation und der Standort des ArtikelsDie Bewegung des Gegenstands (Überschreiten einer Grenze)Das Vorhandensein oder Nichtvorhandensein des ElementsAbbildung 3. Die Anwendung von RFID in einem EinzelhandelsgeschäftHerumlungernGangartVerkehrRegalreinigung/InventurAktivität auf dem ParkplatzSchüsseBedrohliches VerhaltenAbbildung 4. Vereinfachter Self-Checkout-Prozess: Risiken von Verlust, Diebstahl und BetrugAbbildung 5. Kommentiertes Self-Checkout-TerminalNach unten gerichtete KameraArtikelscanner/FrontkameraWaage im AbsackbereichHoher SchrumpfSchatzGleitenUnzulässige Stornierungen, Preisnachlässe oder RabatteBarrückerstattungTrainingsmodusRetourenbetrugAbbildung 6. Übersicht über Arten von Diebstahl und Betrug, die KI erkennen kannOnline-BetrugserkennungInternet-SicherheitNew York • Hongkong • Lagos • London • Mangaluru (Indien) • Shanghai