AI 기술을 이용한 오프라인 구글 애널리틱스 'mAsh' (1)

온라인으로 소통하고 물건을 구매하고 판매하는 과정이 자연스러운 세상이지만 소비자가 직접 제품을 구매하고 체험하는 경험은 여전히 온라인이 따라잡을 수 없는 오프라인만의 영역인데요.

해당되는 분야는 어떤 것이 있을까요?

의류, 식품, 자동차, 미용 등의 많은 기업에서 예측한 방문객의 데이터가 실제 제품 출시 후 집계한 데이터와 왜 다른지 정확한 원인을 몰라 매출에 직접적인 영향을 끼치는 경우가 많았는데요

mAsh는 이미 오프라인 영상 데이터를 기반으로 효과적인 마케팅 솔루션을 제공하고 있었습니다.

그래서 2주차 메이커 로그는 기존 오프라인 매장의 문제점과 함께 기능과 기술에 대해 간단히 디깅해보았습니다🙌🏽

기존 오프라인 매장의 문제점

👉🏻제가 의류와 식품 매장 알바, 인턴으로 근무해보면서 느꼈던 오프라인 매장의 문제점은

이렇게 크게 2가지로 나뉘었습니다.

실제로 현재 시즌의 방문객 데이터가 잘 파악되지 않으면 현 제품의 판매율이 하강했으며 이는 동시에 다음 제품 제작에도 영향을 미칠 정도로 중요했습니다.

영상인식 기술은 무엇인지, 어떻게 구현하는지

영상인식 기술은 대부분 특정한 물체나 특징점 또는 동작의 패턴이 있는지를 판별하기 위해 사용하며 교통정보, 자율 주행, 범죄예방, 재해 예방 등의 분야에 발전을 가져다 주는 무궁무진한 인공지능 기술들 중 하나입니다🔭

👇🏽 구현 과정

영상 인식을 구현할 수 있는 기술 중 물체 검출(Object Detection)의 일반적인 과정을 간단히 설명해보면

인공 지능 훈련을 위한 많은 양의 샘플 데이터 수집
클래스 라벨 생성( 검출해야하는 정보: 물체의 이름, 특성을 라벨로 생성합니다)
1과 2를 바탕으로 훈련을 실행
테스트 데이터를 입력해주고 훈련시킬 때 사용한 클래스 라벨에 속하는 데이터를 검출하고 위치를 추척해 바운딩 박스로 알려줍니다. 이 때 만약 해당 라벨에 속하는 데이터가 없다면 아무것도 나오지 않습니다.