｢これどこにあるの?｣
こんにちは。
自社の店でも迷い子になる、コードとか見たらすぐ頭が痛くなるのにDXに関わっている部門で働くスーパーマーケット社員でーす。
近ごろは、人手不足が深刻だ。特別なスキルを要求するわけではなく、ごく普通のアルバイト人員を求めているのだが、採用に大苦戦するようになっている。･･･個々の店では不足する人手が補充されないため、残ったスタッフにさらに重い負荷がかかるようになり、やがて彼らが体や精神を壊して脱落するという“悪循環”に陥る店も少なくない。･･･小売や物流・倉庫業など「体力勝負」の業界に共通する悩みのようだ･･･
最近、このようなニュースがよく流しています。スーパー運営している自社も大きく影響され、本社の人も店舗支援に入らなきゃ。もちろん、よく行く店もあるし、年に一回も行かない店も断然ありえます。ですが、この時一番困るのは、お客さんから**｢これどこにあるの?｣と**のお問い合わせです。
答えはいつも ｢申し訳ございません。この店に仕事をするのは自分も初めてですので･･･他のスタッフに聞かせていただきます。少々お待ちくださいませ。｣ となり、店員さんを探すに 猛ダッシュ 。
｢その場で、答えて案内できてしてほしい｣ と考え、今回はTeachable Machineを使って売り場探すLINE botを作ってみよう。
完成品
事前準備
- Teachable Machine
- LINE Bot
- Make(旧Integromat)
- Node-RED
- SSSAPI
- Google Spreadsheet (以下GSS)
作成過程
1. Teachable Machine機械学習
早速、Teachable Machineに商品の顔を覚えましょう。
今回はチョコレート、ドリップコーヒー、バナナ三品を学習しました。一品ずつ写真100枚ぐらいがあれば、結構高い精度で認識できます。
【結果】
OKでした
2. Node-RED フロー作成、 Teachable Machine と連携
【結果】
こちらもOKですね。
3. Make と Node-RED 連携
【結果】
＞＞＞＞詳細設定はこちら＜＜＜＜
3-1 Webhooksモジュールを追加
Webhook nameを入れて、｢Save｣します。すると、Weebhookアドレスが生成します。
3-2 Webhookアドレス テスト
MakeをRun Once後、Weebhookアドレス後ろに?Product=とドリップコーヒーなどくっつけてブラウザーにテストします。Acceptedと答えてくると成功です。Make内も反映します。
3-3 Node-RED内設定
-
templateノードに認識したClassラベル表示する{{payload.0.class}}にセットし、.Productをくっつけます。
ここのProductはWebhook ID後の名前が一致しないとエラーになる (大文字小文字区別)
-
http requestノード設置
-
httpノード設置
4. Make とGoogle Spreadsheet 、SSSAPI 連携
商品の位置情報、棚割り情報はGSSに保管します。SSSAPIと連携した後、Make内HTTPモジュール、JSONモジュールでAPIリクエストをセットします。
作成当初、リクエスト結果がいつもGSS全体を出てきます。調べた結果、1件取得ではなく全体取得となるためです。この場を借りまして情報共有･注意喚起をします。
参考: 公式ヘルプ#1件取得
HTTPモジュールに、日本語を検索する際はの後に/encodeURL()をセット、括弧内WebhooksモジュールのProductを設置。
【結果】
ちゃんと1件取得しました。
5. LINE Bot に返信
最後に、返事の内容を充実させます。
文字より地図の方がわかりやすいです。事前に地図の画像をアップロードして、リンクもGSSに保管します。
最後に.png、.jpgではないリンク(共有リンク)は反応しません。
参考: 公式ドキュメント
さらにさらに、この商品がセール中の場合、セール情報も合わせて送りましょう。
【結果】
(地図はテストものです)
全体流れ
完成感想
｢えぇ！これおもしろい！｣ ーー(女性、人事総務部、社員)
｢けどPCカメラだけならちょっと･･･｣ ーー(女性、店舗勤務、パートナー)
｢LINEで写真を送って返事が来るならどう？｣ ーー(男性、DX推進部、社員)
職場から思った以上の反応と意見をいただきましたw
やはり売り場探すのは難しいですね。
やりたかったこと
せっかく｢PCしかできないならちょっと･･･｣という意見もいただきまして、最初のゴールも｢その場でわかる｣と設定しました。LINE botに写真を送ればもっと楽になると思います。だた今回は、そこまでの能力がないので、今後再度挑戦してみましょう。
※6/4追記： 二日間試しましたが、ダメでした･･･ 詳しい理由がまだはっきり言えない、またやってみよう！
また、一点足りないのは、今回のTeachable Machineは、トレーニングしたものしかわからなく、それ以外のものが既存データ中似ているものに認識されました。自分の顔のみ映されたときもドリップコーヒーに認識されましたwwww。
完璧完成品まで、遠い道ですね。
参考