Opdateret 10. november 2021
Gaven hyldeopstilling KPI vurderinger ved hjælp af din standard detailudførelsessoftware, er ofte tidskrævende og vanskelige at administrere omkring arbejdsspidsbelastning. Omhyggelig manuel input er påkrævet for at garantere, at produkterne på hylden passer til planogrammet. Desuden forhindrer manglen på synlighed og opdaterede data forbrugsvaremærker i at tackle problemer proaktivt. I en afgørende salgsperiode kan mangel på data føre til suboptimale beslutninger.
Ifølge en studere, "Så mange som 81 % af virksomhederne rapporterede, at de er utilfredse med deres evne til at eksekvere i detailhandlen. Yderligere 86 % sagde, at de ikke er tilfredse med deres handelsfremmende indsats”.
Med ShelfWatch, kan alle disse afskedigelser håndteres ret nemt. Et kraftfuldt og problemfrit værktøj, ShelfWatch er i stand til at køre på et bredt spektrum af detailkanaler. I denne blog guider vi dig gennem alle de aspekter af ShelfWatch, der får det til at skille sig ud blandt de eksisterende billedgenkendelsessoftwareløsninger i detailhandlen.
1. Real-time, offline billedkvalitet feedback
Billedkvalitet er et vigtigt kriterium for at sikre den høje nøjagtighed af billedgenkendelse. SKU niveau anerkendelse eller overholdelse af prisvisning er kun muligt, når billedet ikke er sløret og fri for blænding. ShelfWatch-mobilappen har en billedkvalitetsalgoritme i realtid, der kan registrere billeder af dårlig kvalitet og instruere sælgeren til at tage billeder igen. Denne registrering fungerer på enheden og er derfor tilgængelig i offlinetilstand.
Sælgeren kan nemt tage billeder i høj kvalitet, selv i en zone uden internet, og billederne uploades automatisk, når en internetforbindelse er tilgængelig. I vores erfaring med at arbejde med CPG- og detailmærker fandt vi ud af, at før brugen af ShelfWatch, var 15-20 % af de billeder, der blev indsamlet i marken, for lav kvalitet til at blive analyseret af AI eller i mange tilfælde også af mennesker. Dette fører ofte til unødvendige forsinkelser og ufuldstændige analyser. Eksisterende detailudførelsessoftware lægger skylden på sælgere i tilfælde af slørede eller skinnende billeder, og lægger byrden på CPG og detailmærker for at træne deres travle repræsentanter.
En ideel detailudførelsessoftware, der bruger billedgenkendelse, bør være robust og smart for at sikre, at fotos af høj kvalitet indsamles uden yderligere træning for reps.
2. On-Device Image Recognition (ODIN)
En af de største begrænsninger ved AI-aktiverede revisionsløsninger er at give nøjagtige resultater med det samme. For at levere høj nøjagtighed er den nødvendige computerkraft høj. Håndholdte enheder, der bruges af reps, har dog begrænsede computerressourcer, og man skal være forsigtig med at undgå overdreven batteriforbrug af reps' enhed, så han ikke behøver at oplade sin enhed efter hvert 2 eller 3 besøg. Det er her ParallelDots' ODIN-løsning vinder. Vores datavidenskabsteam har haft held med at optimere vores algoritme på en sådan måde, at ShelfWatch giver dig det bedste fra begge verdener – nøjagtighed og hastighed.
On-Device Image Recognition (ODIN) er det mest banebrydende tilbud fra ParallelDots-stalden. Det giver mulighed for øjeblikkelig rapportering fra hyldefotos taget af feltrepræsentanterne ved at behandle dem på deres håndholdte enhed. ODIN er hurtig og fungerer fuldstændig offline. Vi kørte pilotprojekter med et par klienter for den nyligt annoncerede genkendelsesfunktion på enheden. Resultaterne er opmuntrende og har overgået kundernes forventninger. ODIN-funktionen er et unikt tilbud og et vidnesbyrd om vores overlegne billedgenkendelsesplatform til et detailhandelsmiljø. Vi opfordrer kunder til at bruge ODIN-funktionen til domæner, hvor et lavt antal SKU'er er involveret, og de undergår sjældne ændringer.
3. De-duplikering
Meget ofte sker det, at sælgerne, mens de indsamler data, tager flere billeder af den samme hylde fra forskellige vinkler. Dette er et alvorligt problem, da det kan føre til dobbelttælling af hyldemetrikker (f.eks andel af hylden), hvilket igen påvirker indsigt. ShelfWatch mestrer dette problem meget effektivt. Dens de-duplikeringsalgoritme forbedrer datakvaliteten ved at detektere duplikerede billeder og sikre, at metrikken ikke tælles dobbelt.
Vi udnyttede også denne algoritme til at opdage svindel i regelmæssige revisioner af detailudførelse for en tobaksvirksomhed. Feltrevisorerne ville ofte indsende et gammelt billede for at angive, at de har gennemført revisionen. Ved at bruge de-duplikeringsalgoritmen var vi i stand til at synliggøre sådanne tilfælde og reducere mulighederne for svindel i feltrevisioner. Inden for tre måneder efter integrationen af ShelfWatch var der en forbedring på 90 % i datakvaliteten, hvilket førte til pålidelig indsigt.
4. Integration med anden detailudførelsessoftware – SFA- og DMS-apps
Selvom ShelfWatch leverer sin egen app til at fange data i marken, forstår vi, at sælgere allerede bruger håndholdte fra Salesforce-automationsleverandørerne og vil finde det besværligt at skifte mellem flere apps i marken.
Vi har integreret ShelfWatch med flere SFA-leverandører, og alle funktionerne i ShelfWatch, såsom kontrol af billedkvalitet i realtid og hyldeindsigt i realtid, fungerer også i den integrerede løsning.
5. Hurtig opsætning og hurtig til at træne AI
Under motorhjelmen kører det meste af billedgenkendelsesmotoren et neuralt netværk til at registrere SKU'er og POS-materialer i detailbutikker. Imidlertid er neurale netværk, især dybe neurale netværk, berygtede for at have brug for en stor mængde data for at træne dem og få 90% og derover nøjagtighed.
Træningsdataene skal også annoteres manuelt, før de kan føres til det neurale netværk. Et eksempel på et kommenteret billede er vist nedenfor.
En stor producent vil dog have 200-300 SKU'er på tværs af flere kategorier af deres egne mærker og yderligere 100-200 SKU'er, som de måske vil spore for deres konkurrenter. At generere et manuelt annoteret datasæt, der dækker 300-500 SKU'er, er en kedelig og meget dyr opgave.
De fleste billedgenkendelsesleverandører vil tage 90-120 dages opsætningstid, hvor de indsamler og manuelt annoterer data. Som du kan forestille dig, er dette en dyr og tidskrævende proces, og den kan ikke skaleres godt til nye produktlanceringer eller under spidsbelastningsperioder.
Opsætning af Shelfwatch er en enkel, ligetil proces i to trin. Først skal du dele kun ét billede af de SKU'er, du vil spore. Og for det andet, bed dine feltrepræsentanter om at tage billeder af detailforretningens hylder ved hjælp af vores mobilapplikation. ShelfWatchs algoritme er trænet på en sådan måde, at det analyserer automatisk billederne for at give en konkurrencedygtig analyse som share-of-shelf og planogram-overholdelse.
6. Omkostningseffektiv
ShelfWatch er lavet med state-of-the-art teknologi at give optimale resultater uden at skulle bruge mange penge. Med vores overlegne teknologi understøtter vi lave driftsomkostninger på grund af de færre ressourcer, der kræves til at opsætte ShelfWatch. Vores algoritme kontrollerer datakvaliteten på indsamlingsniveau for at få den standard, objektive analyse frem.
7. WhatsApp-advarsler –
Den reelle værdi fra ShelfWatch udledes, når alle forekomster af detailudførelse under pari øjeblikkeligt fremhæves for de rette interessenter. Vi sender automatiske alarmer via WhatsApp/e-mail til feltteamledere for hurtige indgreb. Dette nye tilbud gør ShelfWatch-indsigt mere handlekraftig – hvilket fører til en robust feedback-mekanisme mellem forhandleren, feltrepræsentanten og CPG-hovedkvarteret.
ISO 27001:2013-certificering –
Det er med stor glæde, at vi meddeler, at vi er nu ISO 27001: 2013 certificeret. For at opnå certificeringen blev ParallelDots' sikkerhedsoverholdelse valideret af et uafhængigt revisionsfirma efter at have demonstreret en løbende og systematisk tilgang til styring og beskyttelse af virksomheds- og kundedata. Dette certifikat er et vidnesbyrd om vores forpligtelse til databeskyttelse og sikkerhed.
Fandt du denne blog nyttig? Læs dette blog at vide mere om, hvordan ParallelDots-produkter giver effektive løsninger til traditionelle detailudførelsesmetoder for at forbedre brandets tilstedeværelse og synlighed.
Vil du se, hvordan dit eget brand klarer sig på hylderne? Klik link. for at planlægge en gratis demo.
- "
- &
- 100
- Yderligere
- AI
- algoritme
- Alle
- analyse
- annoncerede
- app
- Anvendelse
- apps
- omkring
- revision
- Australien
- Automation
- avatar
- batteri
- BEDSTE
- Største
- Blog
- brands
- bygge
- tilfælde
- certifikat
- Certificering
- kanaler
- afgift
- Kontrol
- kunder
- Medstifter
- Indsamling
- Virksomheder
- selskab
- konkurrenter
- Compliance
- Compute
- computing
- computerkraft
- tilslutning
- forbruger
- forbrug
- Omkostninger
- Par
- CpG
- CTO
- Kunder
- data
- databeskyttelse
- Databeskyttelse og sikkerhed
- datakvalitet
- datalogi
- dybe neurale netværk
- forsinkelser
- Detektion
- Udvikling
- Enheder
- Domæner
- Effektiv
- Engineering
- Enterprise
- Miljø
- udførelse
- erfaring
- FAST
- Feature
- Funktionalitet
- Fed
- Firm
- Fornavn
- bedrageri
- Gratis
- varer
- eksamen
- Høj
- Fremhævet
- Hvordan
- HTTPS
- Mennesker
- billede
- Billedgenkendelse
- Indien
- indsigt
- integration
- Internet
- involverede
- IT
- stor
- føre
- førende
- Niveau
- Limited
- ledelse
- Fabrikant
- Match
- materialer
- Metrics
- Mobil
- Mobil app
- penge
- måned
- netværk
- net
- Neural
- neurale netværk
- neurale netværk
- tilbyde
- Andet
- Piloter
- perron
- fattige
- PoS
- Indlæg
- magt
- præsentere
- Beskyttelse af personlige oplysninger
- Privatliv og sikkerhed
- Produkt
- produktstyring
- Produkter
- forfremmelse
- kvalitet
- realtid
- reducere
- Ressourcer
- Resultater
- detail
- Detailudførelse
- detailhandler
- kører
- salg
- salgsstyrke
- Scale
- Videnskab
- sikkerhed
- indstilling
- ShelfWatch
- Simpelt
- Smart
- Software
- softwareudvikling
- Løsninger
- hastighed
- tilbringe
- starte
- forhandler
- support
- overflade
- Kontakt
- Teknologier
- tid
- tobak
- spor
- handle
- Kurser
- værdi
- leverandører
- synlighed
- inden for
- Arbejde
- virker
- år