Modéliser le comportement et l’attention de la clientèle dans les dépanneurs
Nous souhaitons modéliser le comportement de la clientèle à la recherche d’un produit donné (ou d’un ensemble de produits), en nous basant sur les achats. Nous proposons d’utiliser les informations relatives à la posture du corps des personnes qui magasinent pour déterminer des gestes, par exemple, se tourner pour voir un article sur une étagère, prendre des articles, les remettre en place, contourner des obstacles, effectuer des mouvements exploratoires ou se diriger directement vers un produit. Nous nous servirons de l’oculométrie dans le cadre d’une étude menée dans des conditions contrôlées pour déterminer les endroits du magasin et les objets que les gens regardent lorsqu’ils cherchent des produits donnés. Nous modéliserons et détecterons les cas de distraction, lorsque les personnes s’attardent à des articles qu’elles n’achètent pas (en les regardant ou en les prenant). Nous analyserons le comportement des personnes qui cherchent produits, c’est-à -dire celles qui veulent acheter plusieurs articles. Empruntent-elles un chemin optimal entre ceux-ci ou cherchent-elles chaque produit de manière indépendante? Nous chercherons également à savoir si les modèles d’attention peuvent être regroupés, ce qui permettrait de créer des modèles personnalisés.
Diplômés et diplômées du Département de génie électrique et informatique
Yinan Wang, Ph. D.
Farzaneh Askari, Ph. D.
Rezvan Sherkat, Ph. D.
Xiangyu Li, M.vSc.
Sansitha Panchadsaram, M. Sc.
Chercheur principal : James Clark
Adapter les pratiques de vente au détail dans un paysage post-pandémie
Stage pour étudiant de deuxième cycle du programme accéléré soutenu par Mitacs
La pandémie a eu un impact majeur sur le comportement des consommateurs qui ont passé moins de temps à courir les magasins, ont acheté en plus grande quantité et ont réduit au minimum leur contact physique. Pour ce projet, le LICD travaillera avec Alimentation Couche-Tard pour comprendre et prévoir le comportement actuel des consommateurs afin de les aider à s’adapter aux pratiques du commerce de détail dans un monde post-pandémie. En exploitant des données historiques (pré-pandémie) et actuelles (pendant et après la pandémie) les chercheurs du LICD développeront des algorithmes d’intelligence artificielle et d’apprentissage automatique de pointe. Plus précisément, la précision des nouvelles méthodes de prévision, de suivi et d’influence de la demande (par exemple, des interventions de type « nudging », l’envoi de notifications d’applications aux clients) sera testée ainsi que leur application possible à des fins de personnalisation. L’objectif principal est d’identifier les caractéristiques clés liées au comportement d’achat qui peuvent aider les détaillants à mieux prévoir la demande des clients en ces temps incertains. 
Étudiante à la maîtrise en sciences du Département de génie électrique et informatique
Niloofar Tarighat
Co-superviseurs de l'étudiante : Maxime Cohen et James Clark
Laboratoire d’innovation en commerce au détail : la science des données pour des choix alimentaires plus sains
Projet subventionné par IVADO
Sous la direction d’une équipe multidisciplinaire, ce projet utilisera les techniques d’intelligence artificielle pour étudier, implanter et valider les systèmes qui guideront les consommateurs vers des choix d’aliments meilleurs pour la santé dans un environnement de dépanneur tout en étant conscients des problèmes de confidentialité.
Étudiant en doctorat du Département de génie électrique et informatique
Rezvan Sherkati
Co-superviseurs de l'étudiant : Maxime Cohen et James Clark
Optimisation des planogrammes
Projet subventionné par IVADO
Nous voulons identifier l'effet de l'emplacement des produits sur la demande. En particulier, nous nous intéressons à l'impact de la localisation verticale des marchandises sur les ventes. Pour ce faire, nous menons une expérience dans six magasins Couche-Tard. Les résultats de ce projet peuvent fournir des lignes directrices aux intervenants sur la façon de concevoir les planogrammes et de déterminer la valeur de réservation des espaces dans le commerce.
Étudiante au doctorat de la Faculté de gestion Desautels
Zahra Jalali
Co-superviseurs de l'étudiante : Mehmet Gumus et Maxime Cohen
Encourager les choix sains
Comment les détaillants peuvent-ils inciter leur clientèle à faire des choix alimentaires sains? On sait que le prix, la commodité et le goût comptent parmi les principaux facteurs qui motivent ces choix. Malheureusement, les options alimentaires saines sont souvent coûteuses et moins mises de l’avant. Des efforts ont récemment été déployés pour inciter la clientèle à choisir des aliments sains. Nous avons mené une expérience sur le terrain avec une chaîne mondiale de dépanneurs afin de mieux comprendre comment différentes offres groupées incitent à faire des choix alimentaires sains. Nous avons évalué trois types d’offres groupées :
- offre d’un produit malsain (à l’achat d’un café, il était possible d’obtenir une pâtisserie à 1 $);
- offre d’un produit sain; et
- offre mixte (pâtisserie ou collation saine).
En plus de notre expérience sur le terrain, nous avons mené une étude en ligne pour confirmer la validité de nos résultats.
Étudiante au doctorat de la Faculté de gestion Desautels
Nymisha Bandi
Co-superviseurs de l'étudiante : Saibal Ray et Maxime Cohen
Visualisation des données et distanciation sociale
Ce projet vise à reconstruire le parcours d’achat du consommateur et identifier les zones les plus occupées du magasin en analysant les données des points de vente et des trajectoires des systèmes de repérage (anonymisées et préservant la vie privée). Cette précieuse information aidera les détaillants à réorganiser le planogramme de leur magasin pour satisfaire aux exigences désirées telles que la distanciation sociale.
ɱçłÜľ±±č±đ pour ce projet - Étudiants de premier cycle du DĂ©partement de gĂ©nie Ă©lectrique et informatique :
Maxime Cardinal
Alexis Franche
Alexa Normandin
Oliver James Murphy
°ä´Ç-˛őłÜ±č±đ°ů±ąľ±˛ő±đłÜ°ů˛őĚý: Derek Nowrouzezahrai et Maxime Cohen
Développer une application de réalité augmentée pour les téléphones portables qui pourrait être utilisée dans les dépanneurs
Le but du projet vise à concevoir et mettre en œuvre une application IOS (Apple) avec une technologie de réalité augmentée pour le magasin Couche-Tard de l’Université McGill. Cela permettra de reconnaître les produits de base à l’aide de la vision par ordinateur et d’afficher les informations associées aux produits. Le projet nécessitera le développement d’un logiciel, de programmes pour effectuer la numérisation d’objets en 3D, la création d’une base de données d’objets et la détection d’objets, ainsi que la conception de l’interface utilisateur. Les différentes parties du système seront intégrées dans un seul et même ensemble.
ɱçłÜľ±±č±đ pour ce projet - Étudiants de premier cycle du DĂ©partement de gĂ©nie Ă©lectrique et informatique :
Chen Liu
Yuelin Liu
Xinran Li
Xiangyu Li
ł§łÜ±č±đ°ů±ąľ±˛ő±đłÜ°ůĚý: James Clark
Recherche visuelle de produits
L’objectif de ce projet est de concevoir une application mobile qui exploite les algorithmes modernes de classement des images de vision par ordinateur basés sur l’apprentissage intensif. L’application permettra aux clients d’identifier un produit, à partir d’une image de l’article prise par le téléphone intelligent du client alors qu’il se trouve dans le magasin, et fournira un résumé du produit (c’est-à -dire, des informations nutritionnelles, le prix, etc.). Parmi les exemples de fonctionnalités possibles, citons : des recommandations de produits, des outils de budgétisation et la consultation des restrictions alimentaires.
ɱçłÜľ±±č±đ pour ce projet - Étudiants de premier cycle du DĂ©partement de gĂ©nie Ă©lectrique et informatique :
Brad McBain
Sami Hilal
Ragheed Qasmieh
Brendan Marks
°ä´Ç-˛őłÜ±č±đ°ů±ąľ±˛ő±đłÜ°ů˛őĚý: Derek Nowrouzezahrai et Maxime Cohen
