Pelajari bagaimana beralih ke PWA membantu bisnis MishiPay.
MishiPay memungkinkan pembeli memindai dan membayar belanja mereka dengan smartphone, daripada membuang waktu mengantre saat checkout. Dengan teknologi Scan & Go MishiPay, pembeli dapat menggunakan ponselnya sendiri untuk memindai kode batang pada item dan membayarnya, lalu meninggalkan toko. Studi mengungkapkan bahwa pengantrean di toko menghabiskan biaya sektor retail global sekitar $200 miliar per tahun.
Teknologi kami mengandalkan kemampuan hardware perangkat seperti sensor GPS dan kamera yang memungkinkan pengguna menemukan toko yang mendukung MishiPay, memindai kode batang item dalam toko fisik, lalu membayar menggunakan metode pembayaran digital pilihan mereka. Versi awal teknologi Scan & Go kami adalah aplikasi iOS dan Android khusus platform, dan para pengguna awalnya menyukai teknologi ini. Baca untuk mempelajari bagaimana beralih ke PWA meningkatkan transaksi hingga 10 kali lipat dan menghemat 2,5 tahun antrean.
10×
Peningkatan transaksi
2,5 tahun
Antrean disimpan
Tantangan
Pengguna merasa teknologi kami sangat membantu saat menunggu dalam antrean atau antrean check out, karena memungkinkan mereka untuk melewati antrean dan mendapatkan pengalaman yang lancar di toko. Namun, kerepotan mendownload aplikasi Android atau iOS membuat pengguna tidak memilih teknologi kami, apa pun harganya. Ini merupakan tantangan yang semakin besar bagi MishiPay, dan kami perlu meningkatkan adopsi pengguna dengan hambatan masuk yang lebih rendah.
Solusi
Upaya kami dalam membangun dan meluncurkan PWA membantu kami menghilangkan kerumitan penginstalan dan mendorong pengguna baru untuk mencoba teknologi kami di dalam toko fisik, melewati antrean, dan mendapatkan pengalaman belanja yang lancar. Sejak peluncuran, kami telah melihat lonjakan besar dalam adopsi pengguna dengan PWA dibandingkan dengan aplikasi khusus platform.
![Transaksi berdasarkan platform. OS: 16397 (3,98%). Android: 13769 (3,34%). Web: 382184 (92,68%).](https://web.dev/static/case-studies/mishipay/image/transactions-platform-3f29e33b0839e.png?authuser=6&hl=id)
Pembahasan mendalam teknis
Menemukan toko yang mendukung MishiPay
Untuk mengaktifkan fitur ini, kami mengandalkan
getCurrentPosition()
API bersama dengan solusi penggantian berbasis IP.
const geoOptions = {
timeout: 10 * 1000,
enableHighAccuracy: true,
maximumAge: 0,
};
window.navigator.geolocation.getCurrentPosition(
(position) => {
const cords = position.coords;
console.log(`Latitude : ${cords.latitude}`);
console.log(`Longitude : ${cords.longitude}`);
},
(error) => {
console.debug(`Error: ${error.code}:${error.message}`);
/**
* Invoke the IP based location services
* to fetch the latitude and longitude of the user.
*/
},
geoOptions,
);
Pendekatan ini berfungsi dengan baik pada versi aplikasi sebelumnya, tetapi kemudian terbukti menjadi masalah yang sangat besar bagi pengguna MishiPay karena alasan berikut:
- Ketidakakuratan lokasi dalam solusi penggantian berbasis IP.
- Listingan toko yang mendukung MishiPay per wilayah yang terus bertambah mengharuskan pengguna men-scroll daftar dan mengidentifikasi toko yang benar.
- Pengguna terkadang tidak sengaja memilih toko yang salah, sehingga menyebabkan pembelian dicatat dengan tidak benar.
Untuk mengatasi masalah ini, kami menyematkan kode QR dengan geolokasi yang unik di layar dalam toko untuk setiap
toko. Program ini membuka jalan untuk pengalaman orientasi yang lebih cepat. Pengguna cukup memindai kode QR
dengan geolokasi yang dicetak pada materi pemasaran yang ada di toko untuk mengakses aplikasi web Scan & Go.
Dengan cara ini, mereka dapat menghindari mengetik alamat web mishipay.shop
untuk mengakses layanan.
Memindai produk
Fitur inti dalam aplikasi MishiPay adalah pemindaian kode batang karena fitur ini memungkinkan pengguna untuk memindai pembelian mereka sendiri dan melihat total yang berjalan, bahkan sebelum mereka mencapai pencatatan uang tunai.
Untuk membangun pengalaman pemindaian di web, kami telah mengidentifikasi tiga lapisan inti.
Streaming video
Dengan bantuan metode
getUserMedia()
, kita
dapat mengakses kamera belakang pengguna dengan batasan yang tercantum di bawah ini. Memanggil metode
akan otomatis memicu permintaan bagi pengguna untuk menyetujui atau menolak akses ke kamera mereka. Setelah memiliki
akses ke streaming video, kita dapat menyampaikannya ke elemen video seperti yang ditunjukkan di bawah ini:
/**
* Video Stream Layer
* https://developer.mozilla.org/docs/Web/API/MediaDevices/getUserMedia
*/
const canvasEle = document.getElementById('canvas');
const videoEle = document.getElementById('videoElement');
const canvasCtx = canvasEle.getContext('2d');
fetchVideoStream();
function fetchVideoStream() {
let constraints = { video: { facingMode: 'environment' } };
if (navigator.mediaDevices !== undefined) {
navigator.mediaDevices
.getUserMedia(constraints)
.then((stream) => {
videoEle.srcObject = stream;
videoStream = stream;
videoEle.play();
// Initiate frame capture - Processing Layer.
})
.catch((error) => {
console.debug(error);
console.warn(`Failed to access the stream:${error.name}`);
});
} else {
console.warn(`getUserMedia API not supported!!`);
}
}
Lapisan pemrosesan
Untuk mendeteksi kode batang dalam streaming video tertentu, kami perlu mengambil frame secara berkala dan mentransfernya
ke lapisan decoder. Untuk mengambil frame, kita cukup menggambar aliran dari VideoElement
ke
HTMLCanvasElement
menggunakan metode
drawImage()
dari Canvas API.
/**
* Processing Layer - Frame Capture
* https://developer.mozilla.org/en-US/docs/Web/API/Canvas_API/Manipulating_video_using_canvas
*/
async function captureFrames() {
if (videoEle.readyState === videoEle.HAVE_ENOUGH_DATA) {
const canvasHeight = (canvasEle.height = videoEle.videoHeight);
const canvasWidth = (canvasEle.width = videoEle.videoWidth);
canvasCtx.drawImage(videoEle, 0, 0, canvasWidth, canvasHeight);
// Transfer the `canvasEle` to the decoder for barcode detection.
const result = await decodeBarcode(canvasEle);
} else {
console.log('Video feed not available yet');
}
}
Untuk kasus penggunaan lanjutan, lapisan ini juga melakukan beberapa tugas pra-pemrosesan seperti memangkas,
memutar, atau mengonversi ke hitam putih. Tugas ini dapat menggunakan banyak CPU dan dapat menyebabkan aplikasi
tidak responsif mengingat pemindaian kode batang merupakan operasi yang berjalan lama. Dengan bantuan
OffscreenCanvas API, kita dapat mengalihkan
tugas yang menggunakan CPU secara intensif ke pekerja web. Pada perangkat yang mendukung akselerasi grafis hardware,
WebGL API dan
WebGL2RenderingContext
-nya dapat
mengoptimalkan keuntungan pada tugas pra-pemrosesan yang menggunakan CPU secara intensif.
Lapisan decoder
Lapisan terakhir adalah lapisan decoder yang bertanggung jawab mendekode kode batang dari frame
yang diambil oleh lapisan pemrosesan. Berkat
Shape Detection API (yang
belum tersedia di semua browser), browser mendekode kode batang dari
ImageBitmapSource
, yang dapat berupa elemen img
, elemen image
SVG, elemen video
, elemen
canvas
, objek Blob
, objek ImageData
, atau objek ImageBitmap
.
/**
* Barcode Decoder with Shape Detection API
* https://web.dev/shape-detection/
*/
async function decodeBarcode(canvas) {
const formats = [
'aztec',
'code_128',
'code_39',
'code_93',
'codabar',
'data_matrix',
'ean_13',
'ean_8',
'itf',
'pdf417',
'qr_code',
'upc_a',
'upc_e',
];
const barcodeDetector = new window.BarcodeDetector({
formats,
});
try {
const barcodes = await barcodeDetector.detect(canvas);
console.log(barcodes);
return barcodes.length > 0 ? barcodes[0]['rawValue'] : undefined;
} catch (e) {
throw e;
}
}
Untuk perangkat yang belum mendukung Shape Detection API, kami memerlukan solusi penggantian untuk mendekode
kode batang. Shape Detection API menampilkan
metode getSupportedFormats()
yang membantu peralihan antara Shape Detection API dan solusi penggantian.
// Feature detection.
if (!('BarceodeDetector' in window)) {
return;
}
// Check supported barcode formats.
BarcodeDetector.getSupportedFormats()
.then((supportedFormats) => {
supportedFormats.forEach((format) => console.log(format));
});
Solusi penggantian
Tersedia beberapa library pemindaian open source dan perusahaan yang dapat diintegrasikan dengan mudah dengan aplikasi web apa pun untuk mengimplementasikan pemindaian. Berikut adalah beberapa library yang direkomendasikan MishiPay.
Semua library di atas adalah SDK lengkap yang menyusun semua lapisan yang dibahas di atas. Fitur ini juga mengekspos antarmuka untuk mendukung berbagai operasi pemindaian. Bergantung pada format kode batang dan kecepatan deteksi yang diperlukan untuk kasus bisnis, keputusannya dapat berupa solusi Wasm dan non-Wasm. Meskipun overhead yang memerlukan resource tambahan (Wasm) untuk mendekode kode batang, solusi Wasm mengunggulkan solusi non-Wasm dalam hal akurasi.
Scandit adalah pilihan utama kami. Layanan ini mendukung semua format kode batang yang diperlukan untuk kasus penggunaan bisnis kami. Fitur ini mengalahkan semua library open source yang tersedia dalam kecepatan pemindaian.
Masa depan pemindaian
Setelah Shape Detection API didukung sepenuhnya oleh semua browser utama, kita berpotensi memiliki
elemen HTML baru <scanner>
yang memiliki kemampuan yang diperlukan untuk pemindai kode batang. Para engineer di MishiPay percaya bahwa ada kasus penggunaan yang solid agar fungsi pemindaian kode batang menjadi elemen HTML baru karena semakin banyaknya library open source dan berlisensi yang memungkinkan pengalaman seperti Scan & Go dan banyak lagi.
Kesimpulan
Kelelahan aplikasi adalah masalah yang dihadapi developer saat produk mereka memasuki pasar. Pengguna sering kali ingin memahami nilai yang diberikan aplikasi sebelum mereka mendownloadnya. Di toko, tempat MishiPay menghemat waktu pembeli dan meningkatkan pengalaman mereka, akan lebih sulit untuk menunggu download sebelum mereka dapat menggunakan aplikasi. Di sinilah PWA kami membantu. Dengan menghilangkan hambatan masuk, kami telah meningkatkan transaksi hingga 10 kali lipat dan memungkinkan pengguna kami menghemat 2,5 tahun menunggu dalam antrean.
Ucapan terima kasih
Artikel ini ditinjau oleh Joe Medley.