ShelfWatch: un software de ejecución minorista basado en el reconocimiento inteligente de imágenes

Actualizado el 10 de noviembre de 2021

El presente arreglo de estantes KPI Las evaluaciones que utilizan su software de ejecución minorista estándar, a menudo requieren mucho tiempo y son difíciles de administrar en los picos de trabajo. Se requiere una entrada manual meticulosa para garantizar que los productos en el estante coincidan con el planograma. Además, la falta de visibilidad y de datos actualizados impide que las marcas de bienes de consumo aborden los problemas de manera proactiva. Durante un período de ventas crucial, la falta de datos puede conducir a decisiones subóptimas.

De acuerdo a una estudio , “Hasta el 81% de las empresas informaron que no están satisfechas con su capacidad de ejecución en el comercio minorista. Otro 86% dijo que no está satisfecho con sus esfuerzos de promoción comercial”.

Con estantereloj, todos estos despidos se pueden abordar con bastante facilidad. ShelfWatch, una herramienta poderosa y sin complicaciones, es capaz de ejecutarse en un amplio espectro de canales minoristas. En este blog, lo guiaremos a través de todos los aspectos de ShelfWatch que lo hacen destacar entre las soluciones de software de reconocimiento de imágenes existentes en el comercio minorista.

1. Comentarios sobre la calidad de la imagen sin conexión y en tiempo real

La calidad de imagen es un criterio importante para garantizar la alta precisión del reconocimiento de imágenes. Reconocimiento de nivel de SKU o cumplimiento de visualización de precios solo es posible cuando la imagen no está borrosa y libre de reflejos. La aplicación móvil ShelfWatch tiene un algoritmo de calidad de imagen en tiempo real que puede detectar imágenes de baja calidad e indicar al representante de ventas que vuelva a tomar fotos. Esta detección funciona en el dispositivo y, por lo tanto, está disponible en modo fuera de línea.

Los representantes de ventas pueden tomar fácilmente imágenes de alta calidad incluso en una zona sin Internet y las imágenes se cargan automáticamente siempre que haya una conexión a Internet disponible. En nuestra experiencia de trabajo con CPG y marcas minoristas, descubrimos que antes de usar ShelfWatch, entre el 15 y el 20 % de las imágenes recopiladas en el campo tenían una calidad demasiado baja para ser analizadas por IA o, en muchos casos, también por humanos. Esto a menudo conduce a retrasos innecesarios y análisis incompletos. El software de ejecución minorista existente culpa a los representantes de ventas en caso de fotos borrosas o deslumbrantes, y pone la responsabilidad en las marcas minoristas y CPG para capacitar a sus ocupados representantes.

Un software de ejecución minorista ideal que utilice el reconocimiento de imágenes debe ser sólido e inteligente para garantizar que se recopilen fotografías de alta calidad sin necesidad de capacitación adicional para los representantes.

2. Reconocimiento de imágenes en el dispositivo (ODIN)

Una de las mayores limitaciones de las soluciones de auditoría habilitadas para IA es brindar resultados precisos al instante. Para ofrecer una alta precisión, la potencia informática requerida es alta. Sin embargo, los dispositivos portátiles utilizados por los representantes tienen recursos informáticos limitados y se debe tener cuidado para evitar el consumo excesivo de batería del dispositivo de los representantes, no sea que necesite cargar su dispositivo después de cada 2 o 3 visitas. Aquí es donde Solución ODIN de ParallelDots gana Nuestro equipo de ciencia de datos ha logrado optimizar nuestro algoritmo de tal manera que ShelfWatch le brinda lo mejor de ambos mundos: precisión y velocidad.

El reconocimiento de imágenes en el dispositivo (ODIN) es la oferta más avanzada del establo ParallelDots. Permite generar informes instantáneos a partir de fotografías de estantes capturadas por los representantes de campo procesándolas en su dispositivo portátil. ODIN es rápido y funciona completamente fuera de línea. Ejecutamos pruebas con un par de clientes para la función de reconocimiento en el dispositivo recientemente anunciada. Los resultados son alentadores y han superado las expectativas de los clientes. La función ODIN es una oferta única y un testimonio de nuestra plataforma superior de reconocimiento de imágenes para un entorno minorista. Alentamos a los clientes a utilizar la función ODIN para los dominios en los que hay un bajo número de SKU involucrados y se someten a cambios poco frecuentes.

3. Deduplicación

Muy a menudo sucede que mientras recopilan datos, los representantes de ventas toman varias imágenes del mismo estante desde varios ángulos. Este es un problema grave, ya que puede dar lugar a la doble contabilización de las métricas de los estantes (como parte del estante) que, a su vez, afecta las percepciones. ShelfWatch domina este problema de manera muy eficiente. Su algoritmo de eliminación de duplicados mejora la calidad de los datos al detectar imágenes duplicadas y garantizar que las métricas no se cuenten dos veces.

También aprovechamos este algoritmo para detectar fraudes en auditorías periódicas de ejecución minorista de una empresa tabacalera. Los auditores de campo a menudo enviaban una imagen antigua para indicar que habían completado la auditoría. Con el algoritmo de deduplicación, pudimos detectar tales instancias y reducir las posibilidades de fraude en las auditorías de campo. A los tres meses de integrar ShelfWatch, hubo una mejora del 90 % en la calidad de los datos que condujo a información confiable.

4. Integración con otro software de ejecución minorista: aplicaciones SFA y DMS

Si bien ShelfWatch proporciona su propia aplicación para capturar datos en el campo, entendemos que los representantes de ventas ya están utilizando dispositivos portátiles proporcionados por los proveedores de automatización de Salesforce y les resultará engorroso cambiar entre varias aplicaciones en el campo.

Tenemos ShelfWatch integrado con múltiples proveedores de SFA y todas las funciones de ShelfWatch, como controles de calidad de imagen en tiempo real e información de estantes en tiempo real, también funcionan en la solución integrada.

5. Configuración rápida y rápido para entrenar AI

Debajo del capó, la mayor parte del motor de reconocimiento de imágenes ejecuta una red neuronal para detectar SKU y materiales de POS en tiendas minoristas. Sin embargo, las redes neuronales, especialmente las redes neuronales profundas, son conocidas por necesitar una gran cantidad de datos para entrenarlas y obtener una precisión del 90 % o más.

Además, los datos de entrenamiento deben anotarse manualmente antes de que puedan alimentarse a la red neuronal. A continuación se muestra un ejemplo de una imagen anotada.

Sin embargo, un gran fabricante tendrá de 200 a 300 SKU en varias categorías de sus propias marcas y otros 100 a 200 SKU que tal vez desee rastrear para sus competidores. Generar un conjunto de datos anotado manualmente que cubra entre 300 y 500 SKU es una tarea tediosa y muy costosa.

La mayoría de los proveedores de reconocimiento de imágenes tardarán entre 90 y 120 días en configurar los datos durante los cuales recopilarán y anotarán manualmente los datos. Como se puede imaginar, este es un proceso costoso y lento y no escala bien para lanzamientos de nuevos productos o durante la temporada alta de promociones.

Configurar Shelfwatch es un proceso sencillo de dos pasos. Primero, necesitas compartir solo una imagen de los SKU que desea rastrear. Y segundo, solicite a sus representantes de campo que tomen imágenes de los estantes del punto de venta minorista utilizando nuestra aplicación móvil. El algoritmo de ShelfWatch está entrenado de tal manera que analiza automáticamente las imágenes para brindar un análisis competitivo como la cuota de mercado y el cumplimiento del planograma.

6. Económico

ShelfWatch se ha hecho con estado del arte de la tecnología para dar resultados óptimos sin tener que gastar mucho dinero. Con nuestra tecnología superior, respaldamos costos operativos bajos debido a que se requieren menos recursos para configurar ShelfWatch. Nuestro algoritmo controla la calidad de los datos en el nivel de recopilación para llevar a cabo el análisis estándar y objetivo.

7. Alertas de WhatsApp –

El valor real de ShelfWatch se deriva cuando todas las instancias de ejecución minorista por debajo del par se destacan instantáneamente a las partes interesadas adecuadas. Enviamos alertas automáticas a través de WhatsApp/correo electrónico a los líderes de los equipos de campo para intervenciones rápidas. Esta nueva oferta hace que los conocimientos de ShelfWatch sean más procesables, lo que lleva a una mecanismo de retroalimentación robusto entre el minorista, el representante de campo y la sede de CPG.

Certificación ISO 27001: 2013 -

Es con inmenso placer que anunciamos que ahora estamos 27001 certificado: ISO 2013. Para lograr la certificación, una empresa de auditoría independiente validó el cumplimiento de la seguridad de ParallelDots después de demostrar un enfoque continuo y sistemático para administrar y proteger los datos de la empresa y los clientes. Este certificado es un testimonio de nuestro compromiso con la privacidad y la seguridad de los datos.

¿Te ha resultado útil este blog? Lee esto blog para obtener más información sobre cómo los productos ParallelDots brindan soluciones efectivas a los métodos tradicionales de ejecución minorista para mejorar la presencia y la visibilidad de la marca.

¿Quieres ver cómo está funcionando tu propia marca en los estantes? Hacer clic esta página para programar una demostración gratuita.