（2020-08-03）降低成本且兼顧禮儀，實體通路、大眾交通工具服務團隊，如何在野火不斷的疫情紛擾中，做到顧客滿意的第一步？
（2020-08-03）新冠肺炎疫情（Covid-19）在台灣防疫網層層防堵下，成績斐然，無疑是全世界的佼佼者；然而，國外疫情綿延不斷，境外移入也可能造成國人不安。根據東方線上消費者行為報告指出，部分實體通路，包含電影院、百貨公司、大賣場等，在疫情初期都是消費者首先減少拜訪的地點。
隨著台灣境內案例減少，零星有境外移入，消費者享受正常生活之餘，也害怕疫情捲土重來；因此，實體通路業者一時三刻也無法鬆懈，甚至要更積極防疫，提供令顧客安心的場域。
但時不時傳出顧客進入店家或交通運輸樞紐，不願戴口罩、不接受酒精消毒及量測體溫的消息，業者與消費者間為了配戴口罩的爭執火爆場面，也透過新聞時有所聞；而另外配置人力來監測到訪消費者的口罩配戴狀況，更是增添了額外的成本，也危急員工的人身安全。
尤其盛夏時期，對於疫情降溫帶來的疫情新生活運動，讓人失去耐性，不想在炎熱的空氣帶著煩人的口罩。但對便利商店、餐廳、百貨公司而言，一旦染疫，得不償失。這樣的心態，造成兩難，無疑是疫情帶的零售衝擊之一。是否有好方法能有效且不失禮的提醒顧客「防疫禮儀」，同時降低通路業者的「顧門成本」？
在東方線上數據創新研究中心的推導下，連結臉部辨識的大數據分析，加上擴音儀器架設以及螢幕顯示的溫馨提醒，甚至是透過藍牙連動會員App的１-１通知，或許是個好方法！
關鍵特徵辨識，人工智能迅速協助判斷
首先，建置關鍵特徵辨識的重要影像內容，作為分辨「有戴口罩」、「沒戴口罩」及「口罩沒戴好」三大狀態的依據。
口罩狀態標記（由財團法人伊甸社會福利基金會附設數位資料處理庇護工場所標記，PASCAL VOC格式）。（圖片來源：圖片截自網路）
接著，我們選擇一種演算機制，訓練人工智慧模型進而判讀影像中人物「有戴口罩」、「沒戴口罩」及「口罩沒戴好」三大關鍵特徵。透過卷積神經網絡（Convolution Neural Network，以下簡稱CNN）作為主要的算法。
可以把各種複雜的圖像，轉化成更簡易數值，再加上適當的方程式運算，降低CNN的運算結果的極端值，提升偵測「有戴口罩」、「沒戴口罩」及「口罩沒戴好」三大狀態的準確率。
演算機制：可以把各種複雜的圖像，轉化成更簡易數值。（圖片來源：圖片截自網路）
最終我們得到一個可以信賴的模型，那個模型及可以迅速判斷人們口罩配戴的狀況，提供最為即時自動偵測辨識。
擺在街道上的判讀情境（以Rectified Linear Units，ReLUs為例）。（圖片來源：圖片截自網路）
零售店的應用想像。（圖片來源：圖片截自網路）
透過人工智慧辨識出結果後，只要將偵測結果輸出接到喇叭或是螢幕上，當偵測到沒戴口罩或是口罩沒戴好的人們時，作出適當提醒。亦或是針對正確配戴的消費者提供獎勵機制，回饋到通路會員App介面，作為店家與消費者在防疫新生活上共襄盛舉的鼓勵回饋。
也因此，不論是阻擋未正確配戴口罩民眾進入，或是針對完善配合的民眾給予鼓勵，針對關鍵特徵的辨識，將有更為多元的行銷互動與發揮空間。如此一來，可以降低通路端人員與顧客之間的接觸機會，同時系統的回饋機制，得以善意提醒進入通路的消費者。最後，讓消費者以及商家，都各自得到更安心的保障。
延伸應用，商機無限
同樣的模式，應用在特定的活動上，就可以成為辨別特定服飾、配件、圖案（如特定顏色的dress code、品牌識別Logo）的機制。
例如在舉辦白色服裝派對，在出入口即可透過此機制辨別是否全身穿著為全白或是至少80%為白色的來賓。或是以迪士尼唐老鴨的主題的派對，可以監測到是否穿著基本的藍、白、黃三色搭配，或是配戴特定款式的帽子。
如此一來，活動主辦方可以降低人力成本，縮短進出管制時間，或是在來賓進入掃描QR code時，一併提供符合dress code的獎勵優惠，讓主客盡歡。
另外，對通路來說，也可以針對特定品牌Logo做辨識。例如辨識出當日穿著或是搭配精品品牌產品的顧客，提供其相應的品牌熟客優惠，或是邀請他來店坐坐。亦或是在特定季節，辨識來店顧客是否沒有穿戴某樣商品，而提供他相對的購物推薦。例如冬季時分，辨識出沒有圍巾或是帽子的客人，將其當作主要的溝通對象，刺激其對於相關冬季單品的購物慾望。
新冠肺炎疫情在未來市場一年仍狀況不明。2020年上半年遭逢打擊的相關零售通路，更得將科技的創新發展融入實體場域中，不論是降低相關人力成本或疫情風險，又或是抬升消費者的參與或互動程度，科技發展都在疫情的壓力影響下，激發了更多的想像與商業升級的機會。
註：卷積神經網絡CNN詳細的工作原理及完整訊息可以參考網址
https://cs231n.github.io/convolutional-networks/取得更多資訊。
.png)
