Hvordan fotogenkendelse hjælper med overvågning af detailhylde

Opdateret den 23. oktober 2021

Ifølge Gartner, i 2025 vil 90 % af kundeinteraktionerne i detailbranchen blive styret af AI. Det seneste fremskridt inden for AI-teknologi og deep learning-algoritmer ændrer detailbranchen. Med et stort antal datasæt, der omfatter tusindvis af hyldebilleder, kan virksomheder nu udnytte kunstig intelligens til bedre at overvåge deres tilstedeværelse på detailhylde.

Overvågning af detailhylde hjælper med at genkende produktforhold på hylder som f.eks tilgængelighed, sortimenter, plads, prissætning, kampagner og mange flere. Det giver virksomhederne mulighed for at træffe øjeblikkelige korrigerende handlinger. AI-algoritmer kan helt sikkert forbedres planogram overensstemmelse ved at give nøjagtig aktiesynlighedsindsigt. Virksomheder vil være i stand til at overvåge og benchmarke varigheden af ​​lagerforekomster, hvilket vil føre til bedre produktplacering i butikken.

Sådan fungerer hyldeovervågning

Ikke mange ændringer i den daglige rutine for feltrepræsentanterne, udover at de har mere fleksibilitet med hensyn til kvaliteten af ​​billeder, som de deler med analyseteamet. Den nuværende industri har en masse flaskehalse, der påvirker endelige indsigter, hvor manglende analyse af uklare billeder er et stort problem. Dette fører til en stigning i tid og omkostninger for virksomheden til at hente nye billeder til frisk analyse.

Feltrepræsentanter skal bare klikke på billeder af alle de relevante hylder og fodre det til deres detailhyldeovervågningssystem. En af dæmperne i den automatiserede detailrevisionsproces er obstruktion, når feltagenter klikker på hyldebilleder. Også dette tages hånd om af detailhyldeovervågning, da systemet bliver hurtigt indlært med minimale træningsinput, og hele driften bliver meget skalerbar. Tab af billeder på grund af obstruktion mens fotografering kan således ignoreres.

AI-algoritmen analyserer alle typer input for at levere indsigt. Dens evne til at analysere billeder af dårlig kvalitet øger troværdigheden af ​​de endelige resultater. Traditionelle systemer har svært ved at analysere uklare/lavt lysbilleder, hvilket ikke er tilfældet ved brug af AI. Forvirring mellem lignende produkter er et andet omstridt problem, der bliver løst, når AI er implementeret i dit fotogenkendelsessystem for automatiserede detailrevisioner.

Parallelle Dots har udnyttet kraften i AI til at skabe ShelfWatch, en AI-hyldeanalysetjeneste, der giver feltrepræsentanter fleksibilitet og virksomheder med skalerbarhed. ShelfWatch eliminerer alle gridlocks i den traditionelle detailrevisionsproces, der i øjeblikket tærer på indtægterne fra CPG og detailvaremærker. Omfanget af dets fordele kan fuldt ud forstås ved at analysere hver enkelt interessent i detailrevisionsprocessen.

Salgs-/feltrepræsentanter –

Reps står over for store udfordringer, mens de indsamler data i form af billeder og videoer. Der er en mangel på ensartethed i stabling af mønstre på tværs af forhandlere, hvilket fører til forskellige slags billeder med hensyn til lagerorientering, belysning og positionering. Feltagenter kæmper med at opretholde konsistens med de data, de indsamler fordi sådanne ikke-standardbilleder tager længere tid at analysere. Og i jagten på standardbilleder bliver feltagenter ofre for andre typer menneskelige perceptionsbiaser.

ShelfWatch hjælper feltrepræsentanterne ved at give dem fleksibiliteten til at tage alle mulige billeder i enhver orientering, belysning eller positionering. En sådan fleksibilitet er tilladt, fordi ShelfWatch ikke er afhængig af ensartede standardbilleder for at give nøjagtigt output. Ved at bruge state-of-the-art AI-algoritmer er ShelfWatch i stand til at analysere selv de mest forvrængede billeder fordi den bruger teknologi til genkendelse af AI-pakker.

Detailpartnere –

Overholdelsesrevisioner er også svære opgaver for detailhandlere. At overholde det forudindstillede planogram er en del af serviceaftale mellem forhandleren og mærkerne. Hvis forhandlerne i den endelige vurdering viser sig at overtræde aftalen ved at vise for få produkter eller ved ikke at placere produkterne korrekt, kan det medføre bøder og endda opsigelse af kontrakter (i ekstreme tilfælde).

Da ShelfWatch tillader feltrepræsentanter at være fleksible, mens de indsamler data, hjælper det også detailhandlere med at overholde serviceaftalerne, fordi alle de billeder, der indsamles af reps, analyseres uanset lyset, placeringen og orienteringen af ​​produkterne på hylden. Dette sparer forhandlere for falske revisionsrapporter, fordi selvom deres hylde ikke er godt stablet med hensyn til placering og belysning, vil Shelf Watch registrere alle genstandene på hylden og dermed reducere forekomsten af ​​manglende overholdelse på grund af dårlig dataindsamling.

mærker

CPG-producenter drager fordel af vores AI-drevne løsning. De er i stand til at analysere alle typer billeder fra deres detailrevisioner ved at bruge ShelfWatch. It hjælper CPG-mærker med at beregne deres Perfekte butiks-KPI'er, og få øjeblikkelig indsigt og implementer dem, mens du er i butikken.

Kunne du lide bloggen? Læs denne anden blog at forstå, hvordan AI vinder detailstrategien.

Vil du se, hvordan dit eget brand klarer sig på hylderne? Klik link. for at planlægge en gratis demo.