HVORFOR OG HVORDAN PRIS DETEKTION VIA DETAILBILLEDGENKENDELSE

Kildeknude: 789105

Prisregistrering og dens overholdelse er en vigtig del, når det kommer til at opnået perfekt butiksprogram.Mærker søger efter løsninger til detailbilledegenkendelse til det samme. Overvågning af prisoverholdelse gennem prisregistrering er en vigtig funktion i vores AI-detailbilledgenkendelsesløsning. I denne blog diskuterer vi, hvorfor prisregistrering er vigtig, og giver et fugleperspektiv af, hvordan teknologien fungerer.

en elektronisk prisvisning

HVORFOR SKAL CPG COMPANIES OVERVÅGGE VISNING AF PRISER? 

Betydningen af ​​prisvisningsovervågning for forbrugsvarer (CPG)-virksomheder kommer hovedsageligt fra høje tilfælde, hvor forkerte priser vises til brugeren, end det var tiltænkt. Nogle sådanne tilfælde, der fører til det, er - 

  1. Når forhandlere ikke følger den vejledende prisklasse.
  2. En manglende prisvisning.
  3. En forkert placering af prisvisning.
  4. Kampagner (som rabatter og kombipakkepriser) afspejles muligvis ikke i prisvisningen.
  5. Prisvisning afspejler ikke den ændrede prissætning.

1. HVORFOR VISES FORKERTE PRISER?

Årsagerne til ovenstående situation kan være utallige.

Forhandlere kan skære eller hæve priserne En anden årsag kan være, at forhandleren måske ikke har en opdateret database for ændrede priser.

Ikke nok med dette, når kunderne bevæger sig rundt i butikken, kan de hente et produkt og placere det et andet sted. Dette forstyrrer produktplaceringen og dermed den prisvisning, der er blevet tildelt det pågældende produkt.

Ofte er detailrepræsentanter ansvarlige for at håndtere en masse produkter. De er nødt til at ordne flere produkter og holde det synkroniseret med Point of Sale Material (POSM). Det er en stor opgave at påtage sig og kan nogle gange føre til fejlagtig udførelse. Alt dette kan potentielt føre til forkert viste priser.

2. VIRKNINGEN AF FORKERT VISTE PRISER

Nogle forhandlere kan aggressivt skære ned eller hæve priserne. Hvis priserne hæves, er der et salgstab. Hvis priserne sænkes, mister virksomheden omsætning. Ingen af ​​disse scenarier stemmer overens med virksomhedens strategi. 

Også a ikke opdateret database kan føre til inkonsistente priser på tværs af forskellige forretninger. Dette ville være i modstrid med din brandstrategi om at give en ensartet kundeoplevelse. Denne uplanlagte inkonsekvens i prisfastsættelsen kan også skade dine forhandlerforhold.

Så er der et tilfælde af en forkert prisvisning. Lad os f.eks. sige, at en kunde går ind i en butik for at købe en shampoo tilhørende mærke 'A'. Men når de når gangen, de støder på en forkert prisvisning, som er blevet tilskrevet den. Den intetanende kunde kan bare antage, at det er prisen på deres shampoo og beslutter sig for at købe dets billigere alternativ, f.eks. et, der tilhører et mærke kaldet 'B'. 

Efter et par dage har denne kunde brug for en balsam. Det giver mere mening for dem at købe balsamen fra Brand B, som komplimenterer deres shampoo. For ikke at nævne, at folk danner en rutine og holder sig til den, hvilket betyder, at de nu er venner med Brand B.

Dette medfører en direkte indvirkning på salget og den strategi, som brandet har til hensigt at følge på markedet. Det er også en årsag til dårlig kundeoplevelse. Dette kan gøre salgstab permanent og kan også udvides til andre kategorier af mærket.

På samme måde vil en forkert vist pris påvirke salget negativt, når kampagner tilbydes af mærket. Under kampagner skal regler for POSM overholdes, især korrekt prisvisning. En forkert prisvisning her ville i det væsentlige forpurre hele årsagen til kampagnen.

FORSKELLIGE MÅDER AT OVERVÅGE PRIS:

Forskellige metoder til overvågning af prismærkeregistrering af sælgere, tredjepartsrevisioner, forhandlere og brug af AI-billedgenkendelse

Key Performance Indicators (KPI'er) som Planogram-overholdelse, POSM-overholdelse er hjulpet og deres standarder forbedres ved hjælp af prisdetekteringsfunktionen. Også CPG-virksomheder husker først og fremmest de problemer, som en forkert prisvisning kan føre til. Som følge heraf udfører de prisovervågningsøvelser som en del af deres rutinemæssige butiksbesøg. Disse besøg kan udføres af:

1. Tredjepartsrevision: Heri skaber FMCG for at implementere deres perfekte butikker et sæt standarder ved hjælp af KPI'er. Derefter hyrer de et uafhængigt revisionsfirma til at besøge deres butikker og se, om disse standarder bliver implementeret.

2. Selvrapportering af feltrepræsentanter: I dette tilfælde bruger virksomheden sine egne feltrepræsentanter, som rutinemæssigt besøger butikker, og de sørger for, at overholdelse etableres. Hvor end det ikke er, giver de målte KPI'er dem retning til at fortsætte og forsøge at skabe en perfekt butikstilstand for deres brand.

3. Detailpartnere : Ofte opfordres detailpartnere til at indsamle oplysninger om prisregistreringsdata. De rapporter, de genererer, bruges af mærkerne.

Disse metoder er for det meste manuelle. Og os mennesker? Vi er underlagt bias. 

Selvrapportering fra virksomhedens sælgere er i bund og grund en interessekonflikt. De formidler muligvis ikke virkeligheden i jorden for at sikre, at deres salgsmål nås for måneden. 

Og hvad angår detailhandlere, især i almindelig handel, er der et fravær af et standardiseret system, der effektivt katalogiserer mærkesalg i forskellige kategorier. Uanset hvad, er deres perspektiv ved lagring af information butikkens salg og ikke brandsundhed.

Dette har ført til fremkomsten af ​​en ny spiller: AI-drevet billedgenkendelse og objektgenkendelse løsning, der stræber efter detailoverholdelse på en objektiv og afmålt måde.

BILLEDGENKENDELSE TIL PRISDETEKTION:

Denne løsning involverer en software, der bruger billedgenkendelse til at identificere mærket og kategorien og objektdetektionsteknologien til at identificere SKU'er. 

Her bruger sælgerne eller tredjepartsrevisorerne kameraer eller mobiler til at tage billeder af hylderne. Derefter sendes disse billeder til cloud-serveren, hvor AI'en behandler det. Den registrerer SKU'en og beregner derefter de KPI'er, der er knyttet til den. De kan omfatte udsolgt, andel af hylde og prisopdagelse.

Forstå teknologien mere detaljeret:

Forståelse af teknologien bag prisdetektion med AI-løsning til detailbilledgenkendelse

AI'en er trænet til at genkende mærkets SKU'er ved hjælp af billeder hentet fra FMCG. Når den er implementeret på marken, følger den følgende proces for at udføre prisregistrering:

  • Trin 1 – AI'en registrerer først alle SKU'er på billedet
  • Trin 2 – AI'en registrerer derefter de tilstedeværende hylder
  • Trin 3 - AI'en registrerer derefter alle prisdisplays, der findes på disse hylder. AI'en forstår på dette stadium ikke betydningen af ​​prisvisningen på hylden. 
  • Trin 4 – Den detekterede prisvisning føres ind i Optical Character Recognition (OCR) motoren for at forstå betydningen af ​​den.
  • Trin 5 – Derefter kommer funktionen af ​​AI-laget, der finder hvilket produkt der er tæt på hvilken prisvisning og derefter tilskriver den pris til det produkt.
  • Trin 6 – Registrering af prisvisning er nu færdig.

NØGLE TING, DU SKAL OVERVEJE FOR SUCCESET PRISDETEKTION: 

Der er visse god praksis, der er forbundet med hver proces. Ved at vedtage dem hjælper det med en fornuftig udnyttelse af den tilgængelige ressource. Det betyder, at ressourcerne bliver brugt til deres fulde potentiale, og at brandet får maksimalt udbytte af det. 

Billedgenkendelse AI-systemer til prisregistrering følger også denne norm. Der er visse sæt af praksis, som, når de følges, hjælper brandet til nemt at drage fordel af teknologien. Nogle af sådanne bedste praksisser er:

1. GOD BILLEDKVALITET: 

Et billede af god kvalitet er vigtigt. Billeder, der ikke viser SKU'en korrekt, vil blive afvist af AI øjeblikkeligt. 

Hvad er meningen med et billede af 'dårlig kvalitet' og 'god kvalitet'?

Billeder af dårlig kvalitet er i bund og grund de billeder, der er slørede, eller er for mørke eller har blænding på dem, og de kan mangle en korrekt orientering. Dette gør dem svære at beregne.

Et billede af god kvalitet er det, der er fri for sløring, hverken er for svagt eller for lyst og har den rigtige orientering.

Dette hjælper til korrekt at skelne den SKU, der er optaget på billedet. At tage gode billeder (omkring 10 megapixel + ) hjælper med at aflæse prisvisninger effektivt. Hvad der følger er en veltrænet AI, som følgelig fører til mere nøjagtighed.

2. OPRETTELSE AF EN SKU PRISLISTE:

Det er en god praksis at oprette en database med priser på de involverede SKU'er. Som diskuteret ovenfor, på grund af f.eks. en kortvarig mangel på planogramoverholdelse ændrer produktet sin position, hvilket skaber en tvetydig situation i prisvisningstildelingen. Når den leveres med et lager af SKU-prisdisplays, kan AI'en dykke ned i denne ressource og kontrollere den anslåede pris på SKU'en i forhold til det, den har opdaget.

For eksempel, hvis du er i tvivl om prisen er $2.99, $29.90 eller $299.00; at vide, at den ønskede pris er $3.00, vil hjælpe AI'en. Denne træning vil hjælpe AI med at fungere bedre og hurtigere, og levere næsten enestående nøjagtighed over tid.

3. ANALYSE PRISVISNINGER FOR VIGTIGSTE SKU'er OG KAMPAGNER:

Når man starter, er det en god praksis først at fokusere på dine helte-SKU'er og særlige kampagner og derefter gå videre til andre SKU'er af mærket. Efterhånden som fordelene ved prisregistrering beregnes, kan dette gradvist også udvides til andre SKU'er.

At have en prisvisningsdetektion i din detailbilledgenkendelsesløsning hjælper brandet med at opnå handlingsorienteret indsigt i realtid. Sælgerne kan så afhjælpe uønskede situationer, der opstår deraf. Over tid hjælper prisvisningsdetektion sammen med andre KPI'er med at skabe robuste planogrammer. Som følge heraf observeres en positiv kundeinteraktion med brandet, hvilket fører til øget salg og værditilvækst til dit brand.

Vil du vide mere om andre hylde-KPI'er? Læs vores næste blog at finde ud af.

Klik på for at se, hvordan dit eget brand klarer sig på hylderne link. for at planlægge en gratis demo af ShelfWatch.

Khyati Agarwal
Seneste indlæg af Khyati Agarwal (se alle)

Kilde: https://blog.paralleldots.com/cpg-retail/the-why-and-how-of-price-detection-through-retail-image-recognition/

Tidsstempel:

Mere fra Parallelle Dots