Mitä ensinnäkin tarkoitetaan videoanalytiikalla? Videoanalytiikka tarkoittaa liikkuvan kuvan analysointia koneoppimiseen perustuvalla analytiikalla usein reaaliajassa. Videoanalytiikassa kuvavirta puretaan yksittäisiksi kuviksi, frameiksi, joista pyritään tunnistamaan kiinnostavia asioita. Ajatellaan esimerkkinä valvontakameraa. Yksinkertainen liiketunnistin riittää kertomaan liikkuuko kielletyillä alueilla ihmisiä. Vai riittääkö? Liiketunnistin ei kerro liikkuuko alueella kissa, hirvi vai ihminen. Videoanalytiikka sen sijaan voi reaaliajassa tunnistaa ihmishahmot, mutta ei turhaan reagoi kissoihin, koiriin, pupujusseihin tai hirvieläimiin.
Visuaalinen havainnointi on usein ainoa luotettava tapa saada tarkkaa tietoa. Jos ajatellaan vaikkapa minkä tahansa suuren tapahtuman yleisön profilointia, voidaan monilla keinoilla päästä hyvään, valistuneeseen arvaukseen. Mobiilipaikannuksella kartoitetut ihmisvirrat kertovat jotain, samoin kuin kyselytutkimukset. Kyselytutkimusten ongelma tosin on tunnetusti se, että ne kertovat varsin tarkkaan sen, minkä tyyppiset ihmiset tykkäävät vastata kyselytutkimuksiin. Itse kyselyn tulos on biasoitunut – ja täten usein täysin väärä.
Videoanalytiikka pystyy kertomaan tapahtuman yleisön ikäjakauman, sukupuolijakauman ja jopa yleisön mielialat erittäin tarkasti. Videoanalytiikalla pystytään analysoimaan väkijoukkoa, ja siinä missä ihminen pystyy kiinnittämään huomionsa yhteen kasvoon kerrallaan, pystyy kone keräämään datan kaikista näkyvillä olevista kasvoista kerralla.
Näkymätön gorilla
Ihmisen huomio- ja visuaalinen hahmotuskyky on loppujen lopuksi varsin heikko. Harvardin yliopiston testissä koehenkilöiden piti laskea, kuinka monta kertaa toinen joukkue heittää palloa. Pelaajat olivat tiukassa piirissä ja heittelivät palloa toisilleen. Useimmat koehenkilöt onnistuivat laskemaan heitot ihan oikein. Tosin noin puolelta heistä jäi huomaamatta kesken pelin piirin keskelle kävellyt gorilla-asuun pukeutunut henkilö. (Testi löytyy helposti google-haulla ”gorilla experiment invisible gorilla”).
Ihminen ei siis huomaa edes gorillaa. Konenäkö sen sijaan havainnoi tarkasti, väsymättä ja virheettömästi. (Tai jos se tekee virheen, se toistaa saman virheen systemaattisesti uudelleen. Satunnaisia virheitä se ei tee.) Koneella ei ole ennakkoasenteita, jotka voisivat vaikuttaa lopputulokseen. Se ei ole tunteiden vietävissä eikä sen suorituskyky heikkene nälän tai väsymyksen takia. Sori vaan, luddiitit. Kone taitaa olla tässäkin asiassa ylivoimainen.
Alussa viittasin videoanalytiikan soveltamiseen alueiden valvonnassa. Videoanalytiikka erottaa pupujussin ihmisestä, mutta lisäksi se voi tunnistaa epäilyttävän käytöksen, hermostuneisuuden ja vaikkapa aseet. Tämä mahdollistaa tehokkaan valvonnan ja nopean reagoinnin.
Miten parannat asiakaskokemusta videoanalytiikalla?
Suoraan asiakaskokemusta parantavia sovelluksia ovat esimerkiksi älymainostaulut. Videoanalytiikalla voidaan tehdä myymälän sisällä reaaliaikaista asiakasanalytiikkaa ja sen mukaan kohdennettua markkinointia. Kävellessäni sisään myymälään analytiikka arvioisi minut viittäkymmentä lähestyväksi miesoletetuksi, jonka mieliala todennäköisesti olisi neutraali tai pahantuulinen, koska en yleisesti ottaen pidä shoppailusta. Mainostaulujen sisältö vaihtuisi minulle sen hetkistä mielentilaani resonoivaksi ja saattaisin jopa tavoistani poiketen tehdä heräteostoksen. Kun vaimoni kävelisi samaan liikkeeseen, hänelle esiteltäisiin aivan eri tuotteet. Tällaisella kohdennetulla markkinoinnilla voidaan nostaa kampanjatuotteiden myyntiä satoja prosentteja.
Hieman kehittyneempi esimerkki olisi kauppakeskuksen tai ison marketin asiakasjakauman analysointi. Asiakasvirtaa analysoimalla voidaan piirtää hyvin tarkka kuva siitä, millaiset asiakkaat ovat enemmistönä päivän eri hetkinä. Kauppiaiden oletus voi olla, että aamulla kauppakeskuksen kansoittavat eläkeikäiset, mutta videoanalytiikka tuottaa tarkan ja faktapohjaisen tiedon siitä, ketkä kauppakeskuksessa asioivat päivän eri hetkinä ja millä mielellä he ovat. Kun dataa on kerätty jonkin aikaa, pystytään myös ennustamaan tilanne seuraavien tuntien aikana. Mikä voisi olla arvokkaampi tieto kauppakeskuksessa kahvilaa pitävälle yrittäjälle, kuin että seuraavien tuntien aikana kahvilan ohi kulkee enimmäkseen 18-25 -vuotiaita naisia, jotka – ennustemallin mukaan – ovat hyväntuulisia. Mitä heille voisi tarjota?
Lisää esimerkkejä videoanalytiikan sovelluksista löydät Vesa Kuoppalan blogista.
Videoanalytiikan webinaarisarjamme ensimmäisessä osassa keskustelimme videoanalytiikan roolista asiakasanalytiikassa. Mitä onnistunut projekti vaatii? Pääset katsomaan webinaarin tallenteen täältä.
GDPR ja videoanalytiikka
Tässä kohtaa on syytä mainita, että edellä kuvatut ratkaisut täyttävät täysin GDPR (General Data Protection Regulation) -direktiivin. Henkilöitä ei tunnisteta, itse asiassa videokuvaa ei edes tallenneta. Kasvoista poimitaan mittauspisteitä, minkä jälkeen itse videokuva hävitetään. Mittauspisteistä ei mitenkään ole mahdollista tunnistaa henkilöä tai jollain mekanismilla muodostaa kasvokuvaa uudelleen. Dataa ei kerta kaikkiaan ole riittävästi.
Miten pääset alkuun videoanalytiikassa?
Videoanalytiikan kokeiluissa täytyy ensin miettiä onko tämäntyyppisellä analytiikalla saavutettavissa mitattavaa hyötyä liiketoiminnalle. Business case -laskelmasta on hyvä aloittaa. Varsin pian joudutaan miettimään onko olemassa valmista off-the-shelf -tuotetta, voidaanko soveltaa jotain valmiiksi opetettua analytiikkamallia, vai joudutaanko tekemään kokonaan uusi analytiikkamalli. Lisäksi täytyy miettiä analytiikan reaaliaikaisuusvaatimukset, kattavuus (eli kuinka monta kameraa tarvitaan) ja kameroiden sijainti. Laitevalintaan ja vaadittaviin alkuinvestointeihin vaikuttaa myös se, kuvataanko ulkotiloissa, mitkä kuvausalueen valaistusolot ovat ja miten kamerat sijoitellaan.
Videoanalytiikan ratkaisut vaativat kokemusta sekä softasta että hardiksesta, ja monta pientä asiaa pitää osata tehdä oikein, jotta saadaan aikaan tuotantokelpoinen ratkaisu. Yleensä alkuun pääsee kuitenkin suhteellisen pienellä investoinnilla.
Tässä oppaassa kerromme, mitä kannattaa ottaa huomioon videoanalytiikkaprojektia suunniteltaessa. Opas tiivistää videoanalytiikan toimintaperiaatteet ja antaa ideoita siihen, miten jo olemassa olevia analytiikkaratkaisuja voi rikastaa tuomalla niihin mukaan videoanalytiikan elementti.
Haluatko keskustella lisää videoanalytiikasta? Varaa aika kalenterista.
Avainsanat: Analytiikka, Tekoäly, Edistynyt analytiikka, Videoanalytiikka