Análise do comportamento de clientes na loja: utilizando kinect para identificação de gestos e minerando padrões

Imagine uma loja poder saber quantos clientes tocaram num determinado produto, quantos tiraram o produto da estante, quantos colocaram o produto no cestinho ou carrinho, quantos devolveram. Imagine poder saber se os clientes estão mais interessados nos produtos das prateleiras mais altas, mais baixas ou do meio. Quanto tempo o cliente ficou com o produto na mão, talvez lendo as informações do rótulo. Quantos clientes passaram na frente de uma gôndola. Quantos pararam.

Paco Underhill e colegas de empresa analisam este tipo de dado mas usando câmeras comuns (ver livro Why we buy). Ele filmam clientes em lojas (com consentimento ou aviso), depois observam os vídeos anotando os tipos de ações e atributos dos clientes. Não há identificação do cliente. Apenas generalizam padrões de comportamento. Eles usam perto de 200 variáveis para caracterizar comportamentos de clientes em lojas. Incluindo como o cliente estava vestido, que caminho fez dentro da loja, e outros já citados acima.

Pois bem, este também é o objetivo a que se propõe o trabalho de conclusão de Alessandro Tyska Menezes, aluno do curso de Sistemas de Informação da ULBRA, Campus de Canoas. Usando um aparelho Kinect da Microsoft (dos que vem com o jogo Xbox mesmo), posicionado acima de uma estante ou gôndola, e um software criado por ele mesmo, é possível identificar movimentos de pessoas em frente ao aparelho. Depois, o software faz a análise estatística dos movimentos identificados, indicando quais movimentos foram feitos com mais frequência.

Mas o mais legal é que o software também minera padrões sequenciais, utilizando o algoritmo "a priori" de
AGRAWAL, R.; SRIKANT, R. Mining Sequential Patterns. In: Proceedings of the International
Conference on Data Engineering, 11º, 1995, Taipei, Taiwan, p. 3-14.

Este algoritmo identifica sequências de ações mais frequentes. Ou seja, quantas pessoas colocaram o produto no cesto após retirá-lo da estante. E isto permite estimar a probabilidade de uma pessoa colocar um produto no cesto, após retirá-lo da estante. Isto é possível analisando a sequência de ações. Se uma pessoa retira um produto da estante, o que ela faz depois ? Que ações são posteriores a uma determinada ação ?

As ações referem-se a movimentos que podem ser identificados pelos sensores 3D do Kinect, tais como levantar o braço, esticar, coçar a cabeça, abaixar o braço, além de saber distinguir braço direito do esquerdo e também poder observar quantas pessoas estão em frente ao aparelho.

No caso do trabalho do Alessandro, o objetivo é poder auxiliar especialistas em marketing e promotores a definir estratégias para colocação de produtos ou para promoção e visualização em lojas de varejo.

Clique aqui para ver o TCC do Alessandro Tyska Menezes.

A propósito, estamos aceitando propostas de investimentos para dar continuidade a este trabalho.