Construire BlinkShelf avec Chad Wood, VP of Product

L’équipe de Microblink a toujours été passionnée par l’intersection de l’IA et du monde réel avec une vision audacieuse pour apporter les avantages de l’IA à chaque personne sur terre. Depuis près d’une décennie, nous développons et fournissons divers produits qui touchent aujourd’hui plus de 300 millions d’utilisateurs dans 60 pays. . En plus de nos solutions phares de numérisation de reçus, nous sommes ravis d’annoncer la disponibilité générale de notre offre de reconnaissance de produits BlinkShelf. À l’approche de cette étape importante, nous nous sommes entretenus avec Chad Wood, notre vice-président des produits et leader intrépide de la reconnaissance de produits, qui a contribué à la mise sur le marché de cette offre en moins de 12 mois.

Merci d’avoir pris le temps de discuter avec nous à l’approche de cette publication passionnante ! Pouvez-vous nous en dire plus sur vous et sur votre rôle actuel ?

Je supervise les initiatives et la stratégie en matière de produits pour la partie Commerce des activités de Microblink. J’ai toujours eu l’esprit d’entreprise et j’ai toujours cherché à créer des logiciels qui ont un impact significatif sur la vie des gens.

J’ai rejoint l’équipe en 2015, alors que nous nous concentrions sur l’extraction des données des reçus physiques. Depuis, nous avons développé des solutions robustes pour l’extraction des reçus numériques, ce qui nous permet d’aider les entreprises à donner un sens aux données d’achat, quels que soient l’endroit et la manière dont ces données d’achat sont conservées.

Très tôt, nous avons découvert que l’extraction de données n’est qu’une pièce du puzzle lorsqu’il s’agit de scanner des reçus. Cela nous a amenés à constituer notre propre catalogue de produits, qui compte 15 millions de produits et ne cesse de s’enrichir, et qui alimente nos informations sur les produits, ce qui nous permet de fournir des données d’achat enrichies à nos clients.

Plus récemment, nous avons mis au point un logiciel permettant de détecter les produits en rayon, sans qu’il soit nécessaire de prendre le produit ou de scanner un code-barres. Cela nous permet de maintenir et d’étendre notre expertise en matière de vision par ordinateur et d’intelligence des produits afin de faire évoluer notre technologie de base de lecture de reçus vers la lecture d’étagères et d’images de produits dans le monde réel. Au cours des sept dernières années, nous n’avons rencontré personne capable de faire cela en temps réel, avec le même degré de précision. La réaction de Shoptalk et de Groceryshop a été formidable, et nous ne faisons que commencer !

Pouvez-vous m’en dire plus sur la manière dont cela fonctionne ?

Grâce à l’apprentissage automatique et à la vision par ordinateur, notre technologie détecte et identifie les produits en rayon jusqu’à l’UPC. Nos clients peuvent utiliser ces données pour faire apparaître des promotions personnalisées, des critiques et des recommandations sur les produits, des informations nutritionnelles et bien d’autres choses encore. Imaginez, par exemple, la mascotte d’une marque guidant les acheteurs à la découverte de votre dernier article saisonnier ou transformant la liste des courses en une aventure ludique pour trouver des économies. La numérisation de l’ensemble du rayon en temps réel d’une simple pression sur un bouton peut également changer la donne pour un certain nombre de cas d’utilisation dans la vente au détail et les études de marché – les possibilités sont infinies.

Je vais me servir de moi-même comme exemple de cas d’utilisation. Imaginez que je doive m’arrêter à l’épicerie en rentrant du travail pour acheter un article pour ma famille. J’ai toujours mon téléphone portable sur moi et, en général, lorsque je fais des courses, je l’ai sorti ou dans ma poche pour vérifier ma liste, chercher une recette ou clarifier quelque chose avec ma femme. Grâce à cette technologie intégrée à mon application préférée de promotion/fidélisation des consommateurs, je peux désormais visualiser l’ensemble du rayon et savoir quels sont les produits qui s’y trouvent et qui sont potentiellement en promotion, d’une simple pression sur un bouton.

Comment avez-vous abordé les premiers jours de la découverte et du développement des produits ?

Nous avons toujours été très proches de nos clients, et ce n’est pas différent. Les applications promotionnelles peinent à stimuler l’utilisation et l’engagement des consommateurs lorsqu’ils font leurs achats en magasin. La plupart de ces applications s’appuient sur une longue liste de promotions pour faire apparaître les offres, ce qui oblige les utilisateurs à les parcourir et à identifier celles qui les concernent.

Si certains utilisateurs consultent les offres avant ou pendant leurs achats, d’autres se contentent d’enregistrer et de soumettre leurs reçus après l’achat dans l’espoir de bénéficier d’une promotion. Dans chacun de ces cas, les gens s’efforcent de relier les promotions pertinentes et disponibles à leur expérience d’achat en magasin et de donner vie à ces offres d’une nouvelle manière.

Bien que nous ayons commencé par ce cas d’utilisation de découverte de promotion, motivé par un grand nombre de nos clients qui sont dans le domaine de la fidélité/récompense ou de l’espace promotionnel, au fur et à mesure que le produit se développait, nous avons également découvert des défis majeurs de la vente au détail que nous pouvons résoudre tout au long du parcours d’achat.

En numérisant les rayons en temps réel, sans investissements matériels supplémentaires coûteux, nous ouvrons des perspectives intéressantes dans les opérations et l’exécution du commerce de détail ou dans l’expérience de découverte des produits en magasin (par exemple, achats en fonction de préférences alimentaires ou d’allergies).

Du point de vue de l’IA, il s’agit d’un problème très intéressant. Comment l’équipe a-t-elle procédé pour le résoudre ?

L’un de nos principaux ingénieurs en apprentissage automatique, Ivan Relić, a écrit un excellent article de blog à ce sujet qui vaut vraiment la peine d’être lu !

Il a fallu toute l’équipe de Microblink pour rendre cela possible, et je suis très reconnaissant de la matière grise, de la collaboration et du dévouement de nos équipes d’IA et d’ingénierie dans le monde entier.

Quels sont les articles qui peuvent être détectés en magasin et comment peut-on mettre la main sur cette technologie ?

Nous nous occupons de tous les articles d’épicerie que vous pouvez trouver dans les magasins, y compris des articles comme les shampooings ou les produits de beauté, les croustilles, les boissons, etc. Nous nous appuyons sur notre catalogue de plus de 15 millions de produits, mais nous nous efforçons toujours d’élargir les produits et les canaux de distribution, à condition que la taille du marché et l’opportunité soient là.

Pour ce qui est de tester la technologie, nous la pilotons actuellement avec nos clients existants, mais nous prévoyons de rendre le SDK iOS et Android plus largement disponible au début de l’année 2023, alors n’hésitez pas à nous contacter si vous souhaitez en discuter davantage !