Comment la reconnaissance de photos aide à la surveillance des rayons de vente au détail

Nœud source: 1577469

Mis à jour le 23 octobre 2021

Surveillance des rayons de vente au détail

Selon Gartner, d’ici 2025, 90 % des interactions clients dans le secteur de la vente au détail seront gérées par l’IA. Les dernières avancées en matière de technologie d’IA et d’algorithmes d’apprentissage profond changent le secteur de la vente au détail. Avec un grand nombre d’ensembles de données comprenant des milliers d’images en rayon, les entreprises peuvent désormais tirer parti de l’intelligence artificielle pour mieux surveiller leur présence en rayon.

Surveillance des rayons de vente au détail aide à reconnaître l'état des produits sur les étagères, tels que disponibilité, assortiments, espace, établissement des prix, promotions et beaucoup plus. Il permet aux entreprises de prendre des mesures correctives immédiates. Les algorithmes d’IA peuvent certainement s’améliorer conformité du planogramme en fournissant des informations précises sur la visibilité des stocks. Les entreprises seront en mesure de surveiller et de comparer la durée des stocks, ce qui permettra un meilleur placement des produits en magasin.

Comment fonctionne la surveillance des rayons de vente au détail

Peu de changements dans le quotidien des agents de terrain si ce n'est qu'ils disposent de plus de flexibilité quant à la qualité des images qu'ils partagent avec l'équipe d'analyse. L’industrie actuelle est confrontée à de nombreux goulots d’étranglement qui affectent les informations finales et pour lesquels l’incapacité à analyser des images peu claires constitue un problème majeur. Cela entraîne une augmentation du temps et des coûts pour l'entreprise pour récupérer de nouvelles images pour une nouvelle analyse.

Les représentants sur le terrain n'ont qu'à cliquer sur les images de toutes les étagères concernées et à les transmettre à leur système de surveillance des rayons de vente au détail. L’un des freins au processus d’audit automatisé des ventes au détail est l’obstruction lorsque les agents de terrain cliquent sur les images des étagères. Ceci également est pris en charge par la surveillance des rayons de vente au détail, car le système apprend rapidement avec un minimum de formation et l'ensemble de l'opération devient hautement évolutif. Ainsi, la perte d'images due à une obstruction pendant la prise de vue peut être ignorée.

surveillance des rayons de vente au détailsurveillance des rayons de vente au détail

L'algorithme d'IA analyse tous les types d'entrées pour fournir des informations. Sa capacité à analyser des images de mauvaise qualité améliore la crédibilité des résultats finaux. Les systèmes traditionnels ont du mal à analyser les images peu claires ou à faible luminosité, ce qui n'est pas le cas avec l'IA. La confusion entre des produits d'apparence similaire est un autre problème controversé qui est résolu lorsque l'IA est déployée dans votre système de reconnaissance de photos pour audits de vente au détail automatisés.

PointsParallèles a exploité la puissance de l'IA pour créer ShelfWatch, un service d'analyse des rayons IA qui offre aux représentants sur le terrain une flexibilité et aux entreprises une évolutivité. ShelfWatch élimine tous les blocages dans le processus traditionnel d'audit de vente au détail qui ronge actuellement les revenus des marques de grande consommation et de vente au détail. L’étendue de ses avantages peut être pleinement comprise en analysant chaque partie prenante du processus d’audit du commerce de détail.

Représentants commerciaux/terrain –

Les représentants sont confrontés à des défis majeurs lors de la collecte de données sous forme d'images et de vidéos. Il existe un manque d'uniformité dans les modèles d'empilage entre les détaillants, ce qui conduit à différents types d'images en termes d'orientation des stocks, d'éclairage et de positionnement. Les agents de terrain ont du mal à maintenir la cohérence avec les données qu'ils collectent car ces images non standard prennent plus de temps à analyser. Et dans leur quête d’images standards, les agents de terrain deviennent la proie d’autres types de biais de perception humaine.

ShelfWatch aide les représentants sur le terrain en leur donnant la flexibilité de prendre toutes les photos possibles dans n'importe quelle orientation, éclairage ou positionnement. Une telle flexibilité est permise car ShelfWatch ne dépend pas d'images uniformes standard pour donner un résultat précis. Grâce à des algorithmes d'IA de pointe, ShelfWatch est capable d'analyser même les images les plus déformées. car il utilise la technologie de reconnaissance des packs AI.

Partenaires détaillants –

Les audits de conformité sont également des tâches difficiles pour les détaillants. Respecter le planogramme prédéfini fait partie de la contrat de service entre le détaillant et les marques. Si, lors de l'évaluation finale, il s'avère que les détaillants violent l'accord en affichant trop peu de produits ou en ne positionnant pas correctement les produits, cela peut entraîner des sanctions et même la résiliation des contrats (dans des cas extrêmes).

Étant donné que ShelfWatch permet aux représentants sur le terrain d'être flexibles lors de la collecte de données, il aide également les détaillants à respecter les contrats de service car toutes les images collectées par les représentants sont analysées quels que soient la lumière, le positionnement et l'orientation des produits en rayon. Cela évite aux détaillants de faux rapports d'audit, car même si leur étagère n'est pas bien empilée en termes de positionnement et d'éclairage, Shelf Watch détectera tous les objets sur l'étagère, réduisant ainsi les cas de non-conformité dus à une mauvaise collecte de données.

Marques

Les fabricants de produits de grande consommation bénéficient de notre solution basée sur l'IA. Ils sont capables d'analyser tous les types d'images issues de leurs audits de vente au détail en utilisant ÉtagèreMontre. It aide les marques CPG à calculer leur KPI du magasin parfait, obtenez des informations instantanées et mettez-les en œuvre en magasin.

Vous avez aimé le blog ? Lisez cet autre blogue pour comprendre comment l'IA gagne la stratégie de vente au détail.

Vous voulez voir comment votre propre marque se comporte sur les étagères? Cliquez sur ici pour planifier une démo gratuite.

Ankit a plus de sept ans d'expérience entrepreneuriale couvrant plusieurs rôles dans le développement de logiciels et la gestion de produits avec l'IA en son cœur. Il est actuellement co-fondateur et CTO de ParallelDots. Chez ParallelDots, il dirige les équipes de produits et d'ingénierie pour créer des solutions de niveau entreprise qui sont déployées auprès de plusieurs clients Fortune 100.
Diplômé de l'IIT Kharagpur, Ankit a travaillé pour Rio Tinto en Australie avant de retourner en Inde pour lancer ParallelDots.
Derniers articles par Ankit Singh (voir tous)

Horodatage:

Plus de PointsParallèles