主要な

ジョン・ハーモン氏、CFA、テクノロジーリサーチマネージングディレクター

導入

市場規模と機会

損失防止テクノロジー: Coresight リサーチ分析

私たちが考えていること

方法論

小売店での盗難は増加傾向にあり、企業は損失を最小限に抑え、収益を守るために行動を起こす時期に来ています。 小売業者は盗難、詐欺、その他のシュリンクリスクにどのように対処し、店舗での買い物に対する顧客の不安を軽減できるでしょうか?

多くの小売企業は、その答えを得るためにテクノロジーに注目しています。 私たちは、無線識別 (RFID)、ビデオ監視、生成 AI (人工知能) など、小売業における最先端の紛失防止を推進する 5 つの現在および将来のテ​​クノロジーのアプリケーションと利点を探ります。

このレポートは、RFID、電子商品監視 (EAS)、盗難防止タグとラベル、デタッチャ、在庫管理、小売交通ソリューションなどの小売システムの世界的リーダーである Sensormatic のスポンサーによるものです。

このレポートは、小売業界の主要テクノロジーを継続的に取り上げる継続的な RetailTech レポート シリーズの一部です。

このレポートで言及されている企業は次のとおりです。Avery Dennison、Deeyook Technology、Impinj、Sensormatic、Zebra Technologies

その他の関連研究:

市場規模と機会

コアサイトのリサーチ分析

私たちは、小売業者が損失を防ぐメリットをもたらす 5 つの主要なテクノロジーを特定します。

私たちが考えていること

犯罪者は不正な利益を得る新たな機会を常に探しており、残念ながら小売業者は警戒を怠らず、犯罪を阻止する新たな手段を導入する必要があります。 幸いなことに、小売業者がシュリンクのリスクを軽減したり、少なくとも防止または停止できない盗難や詐欺を特定したりするのに役立つテクノロジーがいくつかあります。 小売業者は、RFID などの成熟したテクノロジーだけでなく、生成 AI などの新興テクノロジーも使用して、損失防止策を見つけて実装することを期待しています。

世界中の小売業者にとって大きな課題は依然として小売窃盗と詐欺であり、収益性に重大な影響を及ぼし、驚くべき速度で増加しているようです。 米国では、最近の見出しに、シカゴ、サンフランシスコ、ニューヨーク市などの都市での万引き関連の店舗閉鎖が掲載されています。

このレポートでは、シュリンクを防止および軽減するために小売業者が利用できる現在および将来のテ​​クノロジーを調査します。 私たちが調査するテクノロジーは世界中に適用可能ですが、私たちは主に米国の小売環境に焦点を当てています。

このレポートは、無線識別 (RFID)、電子物品監視 (EAS)、盗難防止タグとラベル、デタッチャ、在庫管理、小売交通ソリューションなどの小売システムの世界的リーダーである Sensormatic のスポンサーによるものです。

全米小売業協会（NRF）による2022年9月の小売セキュリティ調査によると、2021年の小売業の縮小は945億ドルとなり、2022年の908億ドルから4.1％増加した。 縮小率は売上高の 1.4% であり、過去 5 年間一貫して維持されています。 縮小と窃盗を混同しやすいが、このレポートでも便宜上同様に一般化する可能性が高いが、NRFは、2021年の縮小の2大原因は組織的小売犯罪（ORC）と従業員/内部窃盗という盗難関連であることを発見した。 —図 1 に示すように、これは全体の縮小の 65.5% を占めました。

さらに、調査対象の小売業者では、ORC 事件が前年比 26.5% 増加しました。 NRF によると、さらに憂慮すべきことに、調査対象となった小売業者の 5 人中 4 人が ORC 事件に関連した暴力や攻撃性を報告したという。

図 1. ソース別の在庫縮小、2021 年

しかし、古い業界縮小の数字は、縮小に対する小売企業の現在の懸念を正確に説明するものではなく、最近の万引きの急増を説明するものでもありません。

TargetのCEOであるブライアン・コーネル氏は、同社の2024年第1四半期（2024会計年度第1四半期）決算発表後のインタビューで、事業縮小により2023年の通期利益は5億ドル減少すると述べた。報告された2022年の数字に基づくと、当社は事業縮小により総利益が減少すると推定している。 2022 年の利益は 7 億 5,300 万ドル増加し、これは 3% 近くの縮小率に相当し、NRF の数字をはるかに上回っています。

社会的原因（このレポートの範囲を超えています）とは別に、万引きの急増は、窃盗の重罪基準値の高さ、犯罪者の訴追の難しさ、ORCの増加によって加速されています。 警察が軽罪窃盗の告訴に応じないため（つまり、窃盗総額は通常 1,000 ドル未満であり、窃盗犯はそれを知っています）、小売業者は重犯罪の告訴を提出するための支援を必要としています。 多くの小売業者は、泥棒を拘束するという見苦しいプロセスによってイメージや評判が損なわれると認識されているため、泥棒を追跡しません。

多くの小売業者は、ダラー・ツリーが最近「防衛的マーチャンダイジング」と呼んだ商品の封鎖、あるいは店舗の完全閉鎖で対応している。

こうした措置は消費者に影響を与える可能性が高い。 Coresight Research の最近の調査では、現在の万引きが蔓延している環境における小売業についての意見を米国の消費者に尋ねました (詳細については方法論を参照)。その結果、次のことがわかりました。

小売業者は、損失を削減し、店舗での買い物に対する顧客の不安を軽減することに強い意欲を持っています。

図 2 に概要を示し、以下で詳しく説明するように、損失を防ぐ上で小売業者の利益を促進できる 5 つの主要なテクノロジーを特定します。

図 2. 損失防止テクノロジーと利点

経営思想家ピーター・ドラッカーの「測定できないものは管理できない」という言葉は、特に図 1 に示されているシュリンクの原因に関して、損失防止において真実味を帯びています。シュリンクは計上されていない在庫を表します。最初に数えられます。

商品タグを使用すると、小売業者は在庫の正確性を確保できます。これは、店舗から発送、カーブサイドピックアップ、BOPIS (オンラインで購入し、店舗で受け取る) などの人気のあるサービスの前提条件です。 また、在庫の精度により、価格設定をより適切に管理できるようになり、在庫に滞留する運転資本を最小限に抑えることができます。

いくつかのアイテムタグ付けテクノロジーがあり、それらは通常、タグ (ある種のアイテム識別) と検出手段で構成されます。

RFID タグは、ID と位置データを提供できるため、在庫管理と紛失防止のための低コストで柔軟なソリューションを提供します。 紛失防止の取り組みのために、RFID タグは 3 つの重要な情報を提供します。

RFID タグを使用すると、小売業者は盗難や詐欺が発生した場合に、どの商品が持ち去られたか、日時、正面玄関から出たか裏口から出たかなどを知ることができます。 これらのデータを使用して、パターンを見つけて縮小の原因を特定し、店内の商品の表示や位置を変更するなどして縮小に対する措置を講じることができます。 小売業者は、どの商品がどの SKU でどのくらいの量で、どの時間帯に最も盗まれているかをよりよく理解できるようになります。 たとえば、開店前または閉店後に未払いの商品が店舗から出てきた場合は、従業員による盗難の可能性が考えられます。 同様に重要なことは、店舗は持ち出された商品の価値を知っていることです。これは、商品の価値が関連するしきい値を超えた場合に重罪の立件につながる可能性があります。

図 3. 小売店における RFID の応用

RFID タグは顧客エクスペリエンスも向上させます。 たとえば、小売業者のユニクロは、セルフ チェックアウトに RFID タグを使用しています。セルフ チェックアウトでは、購入する商品を箱 (RFID リーダーを含む) に入れ、その商品を自動的にスキャンします。 消費者がチェックアウトし、支払いをして店を出ると、在庫ビューはすぐに更新されます。

RAIN 標準 (Radio-frequency IdentificatioN から派生した) を使用する Impinj の RFID チップは、「保護モード」を提供します。これにより、タグをリーダーに「非表示」にすることができます (たとえば、商品が購入された後)。顧客が店を出るときに紛失防止アクションをトリガーします。 返品の場合、タグは簡単に再アクティブ化できます。 新しい Impinj チップには、復号化コードを含むチップを搭載したリーダーのみが読み取ることができる暗号化されたデータを含めることができるため、チップに保存されたデータのプライバシーを確​​保できます。

金属導体は電磁放射を吸収しますが、泥棒がアルミ箔を使用して RFID 信号をブロックできるというのは厳密には真実ではありません。 アルミ箔は長距離の RFID のみをブロックします。 ファラデーケージはすべての電磁場を遮断しますが、そのような装置はおそらくほとんどの万引き犯の能力を超えています。 それでも、小売業者は店舗やバックルームを設計する際に、アンテナが小売スペースを確実にカバーできるように、金属、水、コンクリート、革などの素材（塗料も含む）を意識する必要があります。

従来の EAS テクノロジーは、検出ハードウェアを阻止するための対策を特定することもできます。 下の図にはビデオ画像のマトリックスが含まれており、右上の画像は金属箔アラームの検出を示すアラートを示しています。つまり、顧客が EAS システムを無効にするように設計された箔で裏打ちされたバッグを持って店舗に入ってきました。

百聞は一見に如かずであるように、ビデオは紛失防止プラットフォームに欠落している重要な部分を提供し、泥棒容疑者の画像、所持品、日付と時刻を提供します。

商品タグの「何を、いつ、どこで」とビデオの「誰が、いつ、どこで」を組み合わせることで、何が、いつ、どの出口で撮影されたのか、犯人の画像や複数の事件の明確な画像が得られます。関連する基準を超えた場合、同じ個人を組み合わせて法執行機関に重罪窃盗罪を申し立てることができます。

ビデオと人工知能 (AI) の強力な機能を組み合わせることで、さまざまなタイプの人間の行動の検出が可能になりますが、その多くは観察している人には明らかではない場合があります。 Sensormatic のビデオ小売プラットフォームの機能には、次の検出/分析が含まれます。

顧客、従業員、店舗を保護することは損失防止の主要な要素であり、AI とビデオの上記の機能により、プラットフォームは次のような新たな脅威や危険を検出し、店舗の従業員に警告することができます。

この技術は他の国でも使用され受け入れられていますが、紛失防止における顔認識ソフトウェアの使用は通常、米国居住者の間でプライバシーに関する重大な懸念を引き起こします。 伝えられるところによると、ウォルマートは既知の万引き犯を特定するために顔認識を使用していたが、プライバシーに関する苦情を受けてその使用を中止したが、同社はイリノイ州でClearview AIの顔認識データベースを使用したとして集団訴訟の対象となっている。

顔認識に対する米国居住者の反対が和らぐ兆しが見られる。この技術は航空業界など他の分野でも利用が見出されており、航空会社や米国運輸安全局（TSA）は現在、保安検査場での本人確認に利用している。搭乗ゲート。 このテクノロジーは、数世代の Apple iPhone で消費者を識別するための標準にもなっています。

消費者は他の形式の生体認証も受け入れています。 たとえば、Panera Bread は、ミズーリ州セントルイスのレストランで Amazon One ハンドスキャン アプリケーションをテストしています。 また、消費者は「顔認識」よりも「生体認証」という用語のほうが馴染みやすいと考えられます。

セルフ チェックアウト端末は、より迅速なチェックアウトとプロセスの制御を可能にするため、多くの消費者にとって効率と自立性の向上をもたらします。 それでも、新しいテクノロジーはすべて、犯罪者が弱点を突く新たな方法への扉を開くため、それらに対処するソリューションの必要性を生み出しています。 主要な SCO ベンダーには、Diebold Nixdorf、富士通 NCR、東芝などがあります。

図 4 は、基本的なセルフ チェックアウト プロセスを通じて選択された盗難と詐欺のリスクを示しています。 悪意のある人は、最善のセキュリティ対策を回避するさらに多くの方法を想像できるでしょう。

図 4. 簡素化されたセルフチェックアウト プロセス: 紛失、盗難、詐欺のリスク

現在のセルフ チェックアウト端末には、体重計やカメラなど、盗難や詐欺を減らすためのいくつかのセンサーと対策が組み込まれています。 図 5 には注釈が付けられたセルフ チェックアウト端末が含まれており、その要素については以下で説明します。

図 5. 注釈付きセルフ チェックアウト ターミナル

下向きカメラ 。 下向きのカメラにより、紛失防止担当者は、商品を顧客のバッグに直接移すなど、正面カメラの視野の外で発生した盗難や詐欺を捕捉することができます。 また、AIを活用して、スキャンミス、商品の切り替え、カゴへの商品の入れ忘れ、カートへの商品の入れ忘れを検出します。 このモジュールには、顧客支援の必要性や盗難/詐欺の可能性を示すインジケーターライトが含まれています。

アイテムスキャナー/前面カメラ 。 このアセンブリには 2 つのセンサーが含まれています。底部の商品スキャナーと顧客に面したセンサーです。製品とラベルを識別し、顧客の活動を監視できるカメラが含まれています。 これらの画像は、選択リストの支援 (スキャンしたリンゴの種類の指定など) と製品保証に使用されます。 ビデオ フィードは紛失防止担当者によって必ずしもリアルタイムで監視されるわけではありませんが、録画することは可能で、「ビデオに映っています」というメッセージは一部の窃盗犯の抑止に役立ちます。

袋詰めエリアの秤 。 秤は非常に重要な機能を果たし、商品の増分重量と、小売業者が販売する製品のデータベース内の時間の経過とともに平均化された重量を比較します。 ベースラインと比較した品目の実際の重量の乖離 (特定の許容範囲内) は、ラベル切り替えのケースを表す可能性があります。 この方法の弱点は、システムを悪用する誤用やエラーによってこの平均が破損する可能性があることです。

セルフ チェック アウト システムのカメラは、アルコールやタバコの購入時の年齢確認などの目的でも AI を活用できます。

すべての効果的な損失防止テクノロジーがアイテム タグやコンピューター ビデオ データを必要とするわけではありません。 日々の在庫や POS (販売時点情報管理) データには、自動化とデータ内の隠れた関係性を識別する AI の機能を使用して抽出できる貴重な情報が大量に埋め込まれています。

AI の機能を次のように要約します。

Zebra Prescriptive Analytics などの分析プラットフォームは、データを監視して、異常の検出に使用される特定のデータ項目のベースライン、つまり正常レベルを決定します。 このような形式の盗難や詐欺の多くは、チェックアウト プロセスで検出できます。ここでの違いは、これがソフトウェアを活用したソリューションであることです。 これらの異常の例は次のとおりです。

上記の各例では、試行された不正取引からのデータが通常の範囲外であるベースラインが確立され、さらなる検査のためのアラートが生成されます。

図 6. AI が検出できる盗難と詐欺の種類の概要

規範的分析は、小売業者が隠れた収益機会、無駄やコンプライアンス違反の原因、在庫の不均衡（顧客満足度の非常に敏感な領域である商品が在庫室にあるのに店舗の棚にないなど）を特定するのにも役立ちます。

AI は現在、次のような他のいくつかのアプリケーションでも実用化されています。

生成 AI テクノロジーは何年もかけて開発されてきましたが、このテクノロジーは 2022 年 11 月に OpenAI が ChatGPT (GPT-3.5 ベース) を発表したことで注目を集め、GPT-4 はすでに利用可能になっています。 このプラットフォームの初期の機能には、自然言語で質問に回答し、テキストを要約して生成する機能が含まれています。 ChatGPT の発表以来、Google、Microsoft、Salesforce など、いくつかの世界的なテクノロジー ベンダーが自社のプラットフォームに GPT 機能を追加することを発表しました。

自然言語処理 (NLP) と大量のデータ間のつながりを見つける機能の組み合わせは、生成 AI が小売業者にとって強力で柔軟なツールになる可能性があることを意味しており、これらの強みにより多くの専用ソフトウェア プラットフォームを置き換えることができます。 さらに、この柔軟性により、小売業者にとって大きなメリットとなるソリューションを短期間で作成できる可能性があります。これは、新しい形態の盗難や詐欺がすぐに出現し、ソーシャル メディアによってすぐに拡散する可能性があり、ソフトウェア プラットフォームの作成、デバッグ、テストに時間がかかるためです。 。

この初期段階では、次のような生成 AI の応用例を推測できます。

繰り返しになりますが、AI チャットボットを使用すると、損失予防担当の従業員は平易な言葉で質問でき、AI がパターンを見つけてクエリや洗練が可能となり、固定されたレポートやダッシュボードよりもインタラクティブなエクスペリエンスが提供されます。 このレポートの執筆時点では、生成 AI を活用した製品を発表した損失防止ベンダーはありません。 ただし、先進的な企業はそれを実験している可能性が高く、新しい製品や機能が発表されるのも時間の問題です。

犯罪者は不正な利益を得る新たな機会を常に探しており、残念ながら小売業者は警戒を怠らず、犯罪を阻止する新たな手段を導入する必要があります。 幸いなことに、小売業者がシュリンクのリスクを軽減したり、少なくとも防止または停止できない盗難や詐欺を特定したりするのに役立つテクノロジーがいくつかあります。 ビデオカメラの監視機能と進化し続ける AI の機能を組み合わせることで、万引きの意図を示唆する行動を特定するための新しい強力な方法が提供され、小売業者は窃盗予備軍を驚かせたり、恥をかかせたりして緊張を解くことができます。 コンピューティング能力を使用してデータ内の隠れた関係を見つける AI の機能により、小売業者は人間の目には見えない盗難や詐欺を特定できるようになります。 最後に、生成 AI の力により、大幅な分析力と柔軟性が解放され、盗難や詐欺の新しく巧妙な手段を特定して防止できるようになります。

このレポートのデータは、2023 年 4 月 17 日に Coresight Research が実施した 18 歳以上の米国消費者 401 人を対象としたオンライン調査です。結果の誤差は +/- 5%、信頼区間は 95% です。

このドキュメントは以下のために作成されました