ShelfWatch – Λογισμικό λιανικής εκτέλεσης που βασίζεται σε Έξυπνη Αναγνώριση Εικόνας

Ενημερώθηκε 10 Νοεμβρίου, 2021

Η παρούσα KPI διάταξης ραφιών Οι αξιολογήσεις που χρησιμοποιούν το τυπικό λογισμικό εκτέλεσης λιανικής που διαθέτετε, είναι συχνά χρονοβόρες και δύσκολες στη διαχείριση γύρω από την αιχμή της εργασίας. Απαιτείται σχολαστική χειροκίνητη εισαγωγή για να διασφαλιστεί ότι τα προϊόντα στο ράφι ταιριάζουν με το πλανόγραμμα. Επιπλέον, η έλλειψη ορατότητας και ενημερωμένων δεδομένων εμποδίζει τις επωνυμίες καταναλωτικών αγαθών να αντιμετωπίσουν τα προβλήματα προληπτικά. Κατά τη διάρκεια μιας κρίσιμης περιόδου πωλήσεων, η έλλειψη δεδομένων μπορεί να οδηγήσει σε μη βέλτιστες αποφάσεις.

Σύμφωνα με ένα μελέτη, «Έως και το 81% των εταιρειών ανέφεραν ότι δεν είναι ικανοποιημένες με την ικανότητά τους να εκτελούν εργασίες στο λιανικό εμπόριο. Ένα άλλο 86% δήλωσε ότι δεν είναι ικανοποιημένο με τις προσπάθειες προώθησης του εμπορίου».

Με Ρολόι Shelf, όλες αυτές οι απολύσεις μπορούν να αντιμετωπιστούν αρκετά εύκολα. Ένα ισχυρό και απροβλημάτιστο εργαλείο, το ShelfWatch μπορεί να εκτελείται σε ένα ευρύ φάσμα καναλιών λιανικής. Σε αυτό το ιστολόγιο, σας καθοδηγούμε σε όλες τις πτυχές του ShelfWatch που το κάνουν να ξεχωρίζει ανάμεσα στις υπάρχουσες λύσεις Λογισμικού Αναγνώρισης Εικόνων στη λιανική.

1. Σχόλια ποιότητας εικόνας σε πραγματικό χρόνο, εκτός σύνδεσης

Η ποιότητα εικόνας είναι ένα σημαντικό κριτήριο για τη διασφάλιση της υψηλής ακρίβειας της Αναγνώρισης Εικόνας. Αναγνώριση επιπέδου SKU ή συμμόρφωση με την εμφάνιση τιμών είναι δυνατή μόνο όταν η εικόνα δεν είναι θολή και απαλλαγμένη από λάμψη. Η εφαρμογή για κινητά ShelfWatch διαθέτει έναν αλγόριθμο ποιότητας εικόνας σε πραγματικό χρόνο που μπορεί να ανιχνεύσει εικόνες κακής ποιότητας και να δώσει οδηγίες στον εκπρόσωπο πωλήσεων να τραβήξει ξανά φωτογραφίες. Αυτή η ανίχνευση λειτουργεί στη συσκευή και ως εκ τούτου, είναι διαθέσιμη σε λειτουργία εκτός σύνδεσης.

Οι εκπρόσωποι πωλήσεων μπορούν εύκολα να τραβήξουν εικόνες υψηλής ποιότητας ακόμη και σε μια ζώνη χωρίς internet και οι εικόνες μεταφορτώνονται αυτόματα κάθε φορά που υπάρχει διαθέσιμη σύνδεση στο Διαδίκτυο. Από την εμπειρία μας από τη συνεργασία με επωνυμίες CPG και λιανικής, διαπιστώσαμε ότι πριν από τη χρήση του ShelfWatch, το 15–20% των εικόνων που συλλέγονταν στο πεδίο ήταν πολύ χαμηλής ποιότητας για να αναλυθούν από τεχνητή νοημοσύνη ή σε πολλές περιπτώσεις και από ανθρώπους. Αυτό συχνά οδηγεί σε περιττές καθυστερήσεις και ελλιπή ανάλυση. Το υπάρχον λογισμικό εκτέλεσης λιανικής ρίχνει την ευθύνη στους αντιπροσώπους πωλήσεων σε περίπτωση θολών ή θολών φωτογραφιών και θέτει το βάρος στις επωνυμίες CPG και λιανικής για να εκπαιδεύσουν τους πολυάσχολους αντιπροσώπους τους.

Ένα ιδανικό λογισμικό εκτέλεσης λιανικής που χρησιμοποιεί αναγνώριση εικόνας, θα πρέπει να είναι ισχυρό και έξυπνο για να διασφαλίζει τη συλλογή φωτογραφιών υψηλής ποιότητας χωρίς καμία πρόσθετη εκπαίδευση για τους επαναλήπτες.

2. Αναγνώριση εικόνας στη συσκευή (ODIN)

Ένας από τους μεγαλύτερους περιορισμούς των λύσεων ελέγχου με δυνατότητα AI είναι η άμεση παροχή ακριβών αποτελεσμάτων. Για την παροχή υψηλής ακρίβειας, η υπολογιστική ισχύς που απαιτείται είναι υψηλή. Ωστόσο, οι φορητές συσκευές που χρησιμοποιούνται από τους αντιπροσώπους έχουν περιορισμένους υπολογιστικούς πόρους και πρέπει να είστε προσεκτικοί για να αποφύγετε την υπερβολική κατανάλωση μπαταρίας της συσκευής των επαναλήψεων, μήπως χρειαστεί να φορτίσει τη συσκευή του μετά από κάθε 2 ή 3 επισκέψεις. Εδώ είναι που Λύση ODIN της ParallelDots κερδίζει. Η ομάδα επιστήμης δεδομένων μας κατάφερε να βελτιστοποιήσει τον αλγόριθμό μας με τέτοιο τρόπο, ώστε το ShelfWatch να σας προσφέρει το καλύτερο και των δύο κόσμων – ακρίβεια και ταχύτητα.

Η Αναγνώριση εικόνας στη συσκευή (ODIN) είναι η πιο προηγμένη προσφορά από το σταθερό ParallelDots. Επιτρέπει την άμεση αναφορά από φωτογραφίες ραφιών που τραβήχτηκαν από τους αντιπροσώπους του πεδίου, επεξεργάζοντάς τις στη συσκευή χειρός τους. Το ODIN είναι γρήγορο και λειτουργεί εντελώς εκτός σύνδεσης. Τρέξαμε πιλότους με μερικούς πελάτες για τη λειτουργία αναγνώρισης στη συσκευή που ανακοινώθηκε πρόσφατα. Τα αποτελέσματα είναι ενθαρρυντικά και έχουν ξεπεράσει τις προσδοκίες των πελατών. Η δυνατότητα ODIN είναι μια μοναδική προσφορά και απόδειξη της κορυφαίας μας πλατφόρμας αναγνώρισης εικόνων για περιβάλλον λιανικής. Ενθαρρύνουμε τους πελάτες να χρησιμοποιούν τη δυνατότητα ODIN για τομείς όπου εμπλέκεται μικρός αριθμός SKU και υφίστανται σπάνιες αλλαγές.

3. Αποδιπλασιασμός

Πολύ συχνά συμβαίνει ότι κατά τη συλλογή δεδομένων, οι εκπρόσωποι πωλήσεων λαμβάνουν πολλές εικόνες του ίδιου ραφιού από διάφορες γωνίες. Αυτό είναι ένα σοβαρό πρόβλημα, καθώς μπορεί να οδηγήσει σε διπλή καταμέτρηση των μετρήσεων του ραφιού (όπως π.χ μερίδιο του ραφιού) το οποίο με τη σειρά του επηρεάζει τις ιδέες. Το ShelfWatch αντιμετωπίζει αυτό το πρόβλημα πολύ αποτελεσματικά. Ο αλγόριθμος αποδιπλασιασμού βελτιώνει την ποιότητα των δεδομένων ανιχνεύοντας διπλές εικόνες και διασφαλίζοντας ότι οι μετρήσεις δεν μετρώνται διπλά.

Επίσης, αξιοποιήσαμε αυτόν τον αλγόριθμο για τον εντοπισμό απάτης σε τακτικούς ελέγχους της εκτέλεσης λιανικής για μια εταιρεία καπνού. Οι επιτόπιοι ελεγκτές συχνά υποβάλλουν μια παλιά εικόνα για να υποδείξουν ότι έχουν ολοκληρώσει τον έλεγχο. Χρησιμοποιώντας τον αλγόριθμο αποδιπλοποίησης, μπορέσαμε να εντοπίσουμε τέτοιες περιπτώσεις και να μειώσουμε τις πιθανότητες απάτης σε επιτόπιους ελέγχους. Μέσα σε τρεις μήνες από την ενσωμάτωση του ShelfWatch, σημειώθηκε 90% βελτίωση στην ποιότητα των δεδομένων που οδήγησε σε αξιόπιστες πληροφορίες.

4. Ενοποίηση με άλλο λογισμικό εκτέλεσης λιανικής – εφαρμογές SFA και DMS

Ενώ το ShelfWatch παρέχει τη δική του εφαρμογή για τη λήψη δεδομένων στο πεδίο, καταλαβαίνουμε ότι οι εκπρόσωποι πωλήσεων χρησιμοποιούν ήδη συσκευές χειρός που παρέχονται από τους προμηθευτές αυτοματισμού Salesforce και θα θεωρήσουν δυσκίνητο την εναλλαγή μεταξύ πολλών εφαρμογών στο πεδίο.

Έχουμε ενσωματωμένο ShelfWatch με πολλούς προμηθευτές SFA και όλες οι δυνατότητες του ShelfWatch, όπως έλεγχοι ποιότητας εικόνας σε πραγματικό χρόνο και πληροφορίες ραφιών σε πραγματικό χρόνο, λειτουργούν και στην ενσωματωμένη λύση.

5. Γρήγορη εγκατάσταση και γρήγορη εκπαίδευση AI

Κάτω από την κουκούλα, το μεγαλύτερο μέρος της μηχανής αναγνώρισης εικόνας εκτελεί ένα νευρωνικό δίκτυο για τον εντοπισμό SKU και Υλικών POS σε καταστήματα λιανικής. Ωστόσο, τα νευρωνικά δίκτυα, ειδικά τα βαθιά νευρωνικά δίκτυα είναι διαβόητα για την ανάγκη μεγάλης ποσότητας δεδομένων για την εκπαίδευσή τους και την ακρίβεια 90% και άνω.

Επίσης, τα δεδομένα εκπαίδευσης πρέπει να σχολιάζονται με μη αυτόματο τρόπο προτού τροφοδοτηθούν στο νευρωνικό δίκτυο. Ένα παράδειγμα σχολιασμένης εικόνας φαίνεται παρακάτω.

Ωστόσο, ένας μεγάλος κατασκευαστής θα έχει 200–300 SKU σε πολλές κατηγορίες των δικών του εμπορικών σημάτων και άλλες 100–200 SKU που μπορεί να θέλει να παρακολουθήσει για τους ανταγωνιστές του. Η δημιουργία ενός μη αυτόματα σχολιασμένου συνόλου δεδομένων που καλύπτει 300–500 SKU είναι μια κουραστική και πολύ δαπανηρή εργασία.

Οι περισσότεροι προμηθευτές αναγνώρισης εικόνας θα χρειαστούν 90–120 ημέρες χρόνος ρύθμισης κατά τη διάρκεια του οποίου συλλέγουν και σχολιάζουν με μη αυτόματο τρόπο δεδομένα. Όπως μπορείτε να φανταστείτε, αυτή είναι μια δαπανηρή και χρονοβόρα διαδικασία και δεν έχει καλή κλίμακα λανσαρίσματα νέων προϊόντων ή κατά την περίοδο αιχμής των προσφορών.

Η ρύθμιση του Shelfwatch είναι μια απλή, απλή διαδικασία δύο βημάτων. Πρώτα, πρέπει να μοιραστείτε μόνο μια εικόνα των SKU που θέλετε να παρακολουθήσετε. Και δεύτερον, ζητήστε από τους αντιπροσώπους σας να τραβήξουν εικόνες από τα ράφια των καταστημάτων λιανικής χρησιμοποιώντας την εφαρμογή μας για κινητά. Ο αλγόριθμος του ShelfWatch εκπαιδεύεται με τέτοιο τρόπο ώστε αναλύει αυτόματα τις εικόνες για να δώσει μια ανταγωνιστική ανάλυση, όπως η κατανομή του ραφιού και η συμμόρφωση του πλανογράμματος.

6. Αποδοτική

Το ShelfWatch έχει κατασκευαστεί με τεχνολογία αιχμής να δώσει τα βέλτιστα αποτελέσματα χωρίς να χρειάζεται να ξοδέψετε πολλά χρήματα. Με την ανώτερη τεχνολογία μας, υποστηρίζουμε χαμηλό λειτουργικό κόστος λόγω των λιγότερων πόρων που απαιτούνται για τη ρύθμιση του ShelfWatch. Ο αλγόριθμός μας ελέγχει την ποιότητα των δεδομένων σε επίπεδο συλλογής για να αναδείξει την τυπική, αντικειμενική ανάλυση.

7. Ειδοποιήσεις WhatsApp –

Η πραγματική αξία από το ShelfWatch προκύπτει όταν όλες οι περιπτώσεις εκτέλεσης κάτω από την ισοτιμία λιανικής επισημαίνονται αμέσως στους κατάλληλους ενδιαφερόμενους. Στέλνουμε αυτόματες ειδοποιήσεις μέσω WhatsApp/email στους αρχηγούς των ομάδων πεδίου για γρήγορες παρεμβάσεις. Αυτή η νέα προσφορά κάνει τα insight του ShelfWatch πιο λειτουργικά – οδηγώντας σε α ισχυρός μηχανισμός ανάδρασης μεταξύ του λιανοπωλητή, του αντιπροσώπου του πεδίου και του κεντρικού τμήματος της CPG.

Πιστοποίηση ISO 27001:2013 –

Με μεγάλη χαρά ανακοινώνουμε ότι είμαστε τώρα Πιστοποίηση ISO 27001: 2013. Για την επίτευξη της πιστοποίησης, η συμμόρφωση με την ασφάλεια της ParallelDots επικυρώθηκε από ανεξάρτητο ελεγκτικό γραφείο αφού επέδειξε μια συνεχή και συστηματική προσέγγιση για τη διαχείριση και την προστασία των δεδομένων εταιρείας και πελατών. Αυτό το πιστοποιητικό αποτελεί απόδειξη της δέσμευσής μας για το απόρρητο και την ασφάλεια των δεδομένων.

Βρήκατε αυτό το blog χρήσιμο; Διάβασε αυτό blog για να μάθετε περισσότερα σχετικά με το πώς τα προϊόντα ParallelDots παρέχουν αποτελεσματικές λύσεις σε παραδοσιακές μεθόδους εκτέλεσης λιανικής για τη βελτίωση της παρουσίας και της προβολής της επωνυμίας.

Θέλετε να δείτε την απόδοση της επωνυμίας σας στα ράφια; Κάντε κλικ εδώ για να προγραμματίσετε μια δωρεάν επίδειξη.