ShelfWatch - Un logiciel d'exécution de vente au détail basé sur la reconnaissance d'images intelligentes

Mis à jour le 10 novembre 2021

Le présent disposition des étagères KPI les évaluations à l'aide de votre logiciel d'exécution de vente au détail standard sont souvent chronophages et difficiles à gérer pendant les périodes de pointe. Une saisie manuelle méticuleuse est nécessaire pour garantir que les produits en rayon correspondent au planogramme. De plus, le manque de visibilité et de données à jour empêche les marques de biens de consommation de s'attaquer de manière proactive aux problèmes. Pendant une période de vente cruciale, un manque de données peut conduire à des décisions sous-optimales.

D’après une  étude, « Jusqu'à 81 % des entreprises ont déclaré qu'elles n'étaient pas satisfaites de leur capacité d'exécution dans le commerce de détail. Un autre 86 % ont dit qu'ils ne sont pas satisfaits de leurs efforts de promotion commerciale ».

Avec ÉtagèreMontre, tous ces licenciements peuvent être résolus assez facilement. Outil puissant et sans tracas, ShelfWatch est capable de fonctionner sur un large éventail de canaux de vente au détail. Dans ce blog, nous vous présentons tous les aspects de ShelfWatch qui le distinguent des solutions logicielles de reconnaissance d'images existantes dans le commerce de détail.

1. Commentaires sur la qualité d'image hors ligne en temps réel

La qualité d'image est un critère important pour garantir la haute précision de la reconnaissance d'image. Reconnaissance du niveau SKU ou conformité de l'affichage des prix n'est possible que lorsque l'image n'est pas floue et sans reflets. L'application mobile ShelfWatch dispose d'un algorithme de qualité d'image en temps réel qui peut détecter des images de mauvaise qualité et demander au représentant commercial de reprendre des photos. Cette détection fonctionne sur l'appareil et est donc disponible en mode hors ligne.

Les commerciaux peuvent facilement prendre des images de haute qualité même dans une zone sans Internet et les images sont automatiquement téléchargées chaque fois qu'une connexion Internet est disponible. Dans notre expérience de travail avec CPG et les marques de vente au détail, nous avons constaté qu'avant d'utiliser ShelfWatch, 15 à 20 % des images collectées sur le terrain étaient de trop mauvaise qualité pour être analysées par l'IA ou, dans de nombreux cas, par des humains également. Cela conduit souvent à des retards inutiles et à une analyse incomplète. Les logiciels d'exécution de vente au détail existants rejettent la responsabilité sur les représentants commerciaux en cas de photos floues ou éclatantes, et chargent les marques CPG et de vente au détail de former leurs représentants occupés.

Un logiciel d'exécution de vente au détail idéal qui utilise la reconnaissance d'images doit être robuste et intelligent pour garantir la collecte de photos de haute qualité sans aucune formation supplémentaire pour les représentants.

2. Reconnaissance d'image sur l'appareil (ODIN)

L'une des plus grandes limitations des solutions d'audit basées sur l'IA est de donner des résultats précis instantanément. Pour fournir une grande précision, la puissance de calcul requise est élevée. Cependant, les appareils portables utilisés par les représentants ont des ressources de calcul limitées et il faut faire attention à éviter une consommation excessive de batterie de l'appareil des représentants de peur qu'il n'ait besoin de recharger son appareil toutes les 2 ou 3 visites. C'est ici que La solution ODIN de ParallelDots gagne. Notre équipe de science des données a réussi à optimiser notre algorithme de telle manière que ShelfWatch vous offre le meilleur des deux mondes : précision et vitesse.

On-Device Image Recognition (ODIN) est l'offre la plus avancée de l'écurie ParallelDots. Il permet des rapports instantanés à partir des photos prises par les représentants sur le terrain en les traitant sur leur appareil portatif. ODIN est rapide et fonctionne complètement hors ligne. Nous avons mené des projets pilotes avec quelques clients pour la fonction de reconnaissance sur l'appareil récemment annoncée. Les résultats sont encourageants et dépassent les attentes des clients. La fonctionnalité ODIN est une offre unique et témoigne de notre plate-forme de reconnaissance d'image supérieure pour un environnement de vente au détail. Nous encourageons les clients à utiliser la fonctionnalité ODIN pour les domaines où un faible nombre de SKU sont impliqués et qui subissent des modifications peu fréquentes.

3. Déduplication

Il arrive très souvent que lors de la collecte de données, les commerciaux prennent plusieurs images de la même étagère sous différents angles. Il s'agit d'un problème grave car il peut entraîner un double comptage des métriques de rayon (telles que part de l'étagère) qui, à son tour, affecte les insights. ShelfWatch maîtrise ce problème très efficacement. Son algorithme de déduplication améliore la qualité des données en détectant les images en double et en garantissant que les métriques ne sont pas comptées deux fois.

Nous avons également utilisé cet algorithme pour détecter la fraude lors d'audits réguliers d'exécution de vente au détail pour une entreprise de tabac. Les auditeurs sur le terrain soumettaient souvent une vieille image pour indiquer qu'ils avaient terminé l'audit. Grâce à l'algorithme de déduplication, nous avons pu mettre en évidence de tels cas et réduire les possibilités de fraude lors des audits sur le terrain. Dans les trois mois suivant l'intégration de ShelfWatch, la qualité des données a été améliorée de 90 %, ce qui a permis d'obtenir des informations fiables.

4. Intégration avec d'autres logiciels d'exécution de vente au détail - applications SFA et DMS

Bien que ShelfWatch fournisse sa propre application pour la capture de données sur le terrain, nous comprenons que les commerciaux utilisent déjà les ordinateurs de poche fournis par les fournisseurs d'automatisation Salesforce et trouveront difficile de basculer entre plusieurs applications sur le terrain.

Nous avons ShelfWatch intégré avec plusieurs fournisseurs SFA et toutes les fonctionnalités de ShelfWatch telles que les contrôles de qualité d'image en temps réel et les informations en temps réel sur les étagères fonctionnent également dans la solution intégrée.

5. Configuration rapide et formation rapide de l'IA

Sous le capot, la plupart du moteur de reconnaissance d'images exécute un réseau de neurones pour détecter les SKU et les matériaux de point de vente dans les magasins de détail. Cependant, les réseaux de neurones, en particulier les réseaux de neurones profonds, sont connus pour avoir besoin d'une grande quantité de données pour les entraîner et obtenir une précision de 90 % et plus.

De plus, les données d'apprentissage doivent être annotées manuellement avant de pouvoir être transmises au réseau de neurones. Un exemple d'image annotée est présenté ci-dessous.

Cependant, un grand fabricant disposera de 200 à 300 SKU dans plusieurs catégories de ses propres marques et de 100 à 200 autres SKU qu'il souhaitera peut-être suivre pour ses concurrents. La génération d'un ensemble de données annoté manuellement qui couvre 300 à 500 SKU est une tâche fastidieuse et très coûteuse.

La plupart des fournisseurs de reconnaissance d'images prendront 90 à 120 jours de configuration pendant lesquels ils collectent et annotent manuellement les données. Comme vous pouvez l'imaginer, il s'agit d'un processus long et coûteux qui ne s'adapte pas bien aux lancements de nouveaux produits ou pendant les périodes de pointe des promotions.

La configuration de Shelfwatch est un processus simple en deux étapes. Tout d'abord, vous devez partager une seule image des SKU que vous souhaitez suivre. Et deuxièmement, demandez à vos représentants sur le terrain de prendre des images des étagères du point de vente à l'aide de notre application mobile. L'algorithme de ShelfWatch est entraîné de telle manière que il analyse automatiquement les images pour fournir une analyse concurrentielle comme la part de marché et la conformité du planogramme.

6. Rentable

ShelfWatch a été conçu avec technologie de pointe pour donner des résultats optimaux sans avoir à dépenser beaucoup d'argent. Grâce à notre technologie supérieure, nous prenons en charge de faibles coûts d'exploitation en raison du nombre réduit de ressources nécessaires à la configuration de ShelfWatch. Notre algorithme contrôle la qualité des données au niveau de la collecte pour faire ressortir l'analyse standard et objective.

7. Alertes WhatsApp -

La valeur réelle de ShelfWatch est dérivée lorsque toutes les instances d'exécution au détail inférieures à la moyenne sont instantanément mises en évidence pour les bonnes parties prenantes. Nous envoyons des alertes automatiques via WhatsApp/email aux chefs d'équipes terrain pour des interventions rapides. Cette nouvelle offre rend les informations de ShelfWatch plus exploitables, ce qui conduit à une mécanisme de rétroaction robuste entre le détaillant, le représentant sur le terrain et le siège de CPG.

Certification ISO 27001:2013 –

C'est avec un immense plaisir que nous vous annonçons que nous sommes maintenant certifié 27001: ISO 2013. Pour obtenir la certification, la conformité de sécurité de ParallelDots a été validée par un cabinet d'audit indépendant après avoir démontré une approche continue et systématique de la gestion et de la protection des données de l'entreprise et des clients. Ce certificat témoigne de notre engagement envers la confidentialité et la sécurité des données.

Vous avez trouvé ce blog utile? Lis ça blogue pour en savoir plus sur la façon dont les produits ParallelDots fournissent des solutions efficaces aux méthodes d'exécution traditionnelles de la vente au détail pour améliorer la présence et la visibilité de la marque.

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