RETAIL AI

Asystent Kas Samoobsługowych

Kasa samoobsługowa, która odpowiada

Głosowy asystent oparty na GPT-4 przy kasach samoobsługowych: podpowiada, gdzie leży produkt, jaka jest promocja i co zrobić, gdy kod się nie skanuje. Projekt dotyczył kas samoobsługowych w sklepach stacjonarnych. Kasa samoobsługowa przyspiesza zakupy, ale przenosi część pracy na klienta. Klient musi sam znaleźć produkt, zrozumieć promocję i poradzić sobie z kodem, który się nie skanuje. Zbudowaliśmy asystenta głosowego, który odpowiada na te pytania przy stanowisku, zanim klient zawoła obsługę.

× Przed

Klient przy kasie zostaje sam z pytaniem.

  • Praca bez wiedzy. Kasa przenosi obsługę na klienta, ale nie daje mu wiedzy sprzedawcy. Klient zostaje sam z pytaniami, na które kasa nie odpowiada.
  • Trzy powody wezwania obsługi. Najczęściej chodzi o to, gdzie leży produkt, jak działa promocja i co zrobić, gdy kod się nie skanuje. Każde takie wezwanie zatrzymuje kolejkę, choć odpowiedź zwykle jest prosta.
  • Jeden pracownik, kilka stanowisk. Zwykle jedna osoba pilnuje kilku kas naraz. Gdy podchodzi do jednego klienta, pozostali czekają. W godzinach szczytu kolejka rośnie szybciej, niż pracownik zdąży pomóc.
  • Klient nie czyta instrukcji. Napisy na ekranie i naklejki przy kasie rzadko są czytane. Klient chce zapytać i dostać odpowiedź, tak jak zapytałby sprzedawcę.
  • Model bez danych zmyśla. Model językowy bez dostępu do danych sklepu wymyśli alejkę albo promocję. Przy kasie błędna odpowiedź jest gorsza niż brak odpowiedzi.
→ Nasze podejście

Rozmowa zamiast kolejnego ekranu z instrukcją.

  • Interfejs głosowy. Klient pyta głosem, bo tak jest najszybciej. Nie musi szukać opcji w menu ani wpisywać pytania na ekranie. Ręce ma zajęte zakupami, więc głos jest naturalnym kanałem.
  • Mikrofon na przycisk. Asystent słucha tylko po naciśnięciu przycisku. To rozwiązuje dwa problemy: hałas hali sprzedażowej i prywatność innych klientów.
  • Kontekst placówki. Asystent odpowiada na podstawie danych konkretnego sklepu: asortymentu, dostępności, alejek i promocji. Model nie zgaduje, tylko korzysta z faktów.
  • Odpowiedź głosem i na ekranie. Klient słyszy odpowiedź i widzi ją na ekranie: alejkę, cenę i następny krok. W hałasie ekran jest ważny tak samo jak głos.
  • Jasna granica kompetencji. Zwroty, reklamacje i problemy z płatnością asystent przekazuje pracownikowi. W sprawach, które wymagają decyzji człowieka, nie próbuje go zastąpić.
  • Szybkość jako warunek. Pętla głosowa musi odpowiedzieć, zanim klient uzna, że urządzenie się zawiesiło. Czas odpowiedzi traktowaliśmy jako wymaganie, a nie dodatek. Zbyt długa cisza po pytaniu sprawia, że klient rezygnuje i mimo wszystko woła obsługę.
  • Lokalizacja produktów. Klient pyta, gdzie znajdzie produkt, i dostaje numer alejki głosem oraz na ekranie. Nie musi odchodzić od kasy, żeby szukać pracownika.
  • Wyjaśnianie promocji. Asystent tłumaczy, jak działa promocja i czy obejmuje dany produkt. Klient rozumie cenę, zanim zapłaci. Nie musi zgadywać, czy rabat naliczy się przy płatności.

Czym to zbudowaliśmy.

GPT-4
Rozumienie pytań klienta i budowanie odpowiedzi w języku naturalnym.
Rozpoznawanie mowy
Zamiana pytania głosowego na tekst w warunkach hałasu hali.
Synteza mowy
Odpowiedź głosowa dla klienta przy kasie.
Warstwa kontekstu
Asortyment, dostępność, alejki i promocje konkretnej placówki.
Integracja z systemem kasowym
Połączenie asystenta z bieżącą sytuacją przy stanowisku.

Jak to powstawało.

Analiza ścieżki klienta

Rozpisaliśmy, w których momentach klient przy kasie potrzebuje pomocy. Z tej analizy wyszły trzy główne powody wezwania obsługi.

Pętla głosowa

Połączyliśmy rozpoznawanie mowy, GPT-4 i syntezę mowy w jeden przepływ. Najważniejszym kryterium był czas od pytania do odpowiedzi.

Dane sklepu

Zbudowaliśmy warstwę kontekstu z asortymentem, dostępnością, alejkami i promocjami placówki. Asystent korzysta z niej przy każdej odpowiedzi. Zmiana promocji czy przeniesienie produktu do innej alejki trafia do asystenta razem z danymi sklepu.

Integracja z systemem kasowym

Połączyliśmy asystenta z kasą, żeby odpowiedzi odnosiły się do bieżącej sytuacji przy stanowisku.

Testy w hałasie hali

Sprawdziliśmy działanie w realnych warunkach sklepu, z hałasem i rozmowami w tle. Laboratorium tego nie zastąpi, bo w cichym pokoju rozpoznawanie mowy zawsze wypada lepiej.

Co się zmieniło.

Lokalizacja produktu, promocja i problem z kodem są obsługiwane bez wzywania pracownika.
Odpowiedzi na trzy najczęstsze pytania przy kasie
Warstwa kontekstu ogranicza ryzyko, że model wymyśli alejkę lub promocję.
Odpowiedzi oparte na danych sklepu
Do człowieka trafiają zwroty, reklamacje i płatności, czyli sprawy wymagające jego decyzji.
Pracownik tam, gdzie jest potrzebny
Pętlę głosową testowaliśmy w hałasie hali, czyli tam, gdzie klient faktycznie z niej korzysta.
Rozwiązanie sprawdzone w realnych warunkach

Zobacz inne projekty.

Masz kasy samoobsługowe i kolejki do obsługi?

Zaprojektujemy asystenta, który odpowie klientom na podstawie danych Twojego sklepu. Jeśli wdrażasz kasy samoobsługowe, policz, ile razy pracownik podchodzi do klienta z tymi samymi pytaniami. To właśnie te powtarzalne sytuacje najłatwiej przejąć asystentowi. Model językowy przy kasie musi korzystać z danych sklepu, bo bez nich będzie zgadywał. Najważniejsze jest też ustalenie, czego asystent nie robi, i przekazanie tych spraw człowiekowi.

Porozmawiajmy o asystencie AI →