Hogyan segít a fényképfelismerés a kiskereskedelmi polcok figyelésében

Frissítve 23. október 2021-án

A Gartner szerint, 2025-re a kiskereskedelmi ágazatban az ügyfelekkel folytatott interakciók 90%-át mesterséges intelligencia fogja kezelni. Az AI technológia és a mély tanulási algoritmusok legújabb fejlesztése megváltoztatja a kiskereskedelmi ágazatot. A polcképek ezreit tartalmazó nagyszámú adatkészlettel a vállalatok most már mesterséges intelligenciát is felhasználhatnak kiskereskedelmi polcaik jelenlétének jobb nyomon követésére.

Kiskereskedelmi polcfigyelés segít a termékállapotok felismerésében a polcokon, mint pl elérhetőség, választékok, hely, árazás, akciók és még sok más. Felhatalmazza a vállalatokat az azonnali korrekciós intézkedések megtételére. Az AI algoritmusok határozottan javíthatnak planogram megfelelés pontos készletláthatósági betekintést nyújtva. A vállalatok nyomon követhetik és összehasonlíthatják a raktárkészletek időtartamát, ami jobb bolti termékelhelyezést eredményez.

Hogyan működik a kiskereskedelmi polcfigyelés

Nem sok változás történik a helyszíni képviselők napi rutinjában, azon a tényen kívül, hogy rugalmasabbak a képek minőségét illetően, amelyeket megosztanak az elemző csapattal. A jelenlegi iparágnak számos szűk keresztmetszete van, amelyek befolyásolják a végső betekintést, és a nem egyértelmű képek elemzésének elmulasztása a fő probléma. Ez megnöveli a vállalat számára az új képek lekéréséhez szükséges időt és költségeket.

A helyszíni képviselőknek csak rá kell kattintaniuk az összes releváns polc képére, és továbbítaniuk kell őket kiskereskedelmi polcfigyelő rendszer. Az automatizált kiskereskedelmi ellenőrzési folyamat egyik csillapítója az akadály, amikor a helyszíni ügynökök a polcképekre kattintanak. Erről is gondoskodik a kiskereskedelmi polcok monitorozása, mivel a rendszer minimális képzési ráfordítással gyorsan tanul, és az egész művelet rendkívül méretezhetővé válik. Így figyelmen kívül lehet hagyni a fotózás közbeni akadályok miatti képvesztést.

Az AI algoritmus minden típusú bemenetet elemzi, hogy betekintést nyújtson. A gyenge minőségű képek elemzésére való képessége növeli a végeredmény hitelességét. A hagyományos rendszerek nehezen elemezhetik a homályos/gyenge fényű képeket, ami mesterséges intelligencia használatakor nem így van. A hasonló megjelenésű termékek közötti zavar egy másik vitatott probléma, amely megoldódik, ha a mesterséges intelligencia alkalmazásra kerül a fotófelismerő rendszerben automatizált kiskereskedelmi auditok.

ParallelDots a mesterséges intelligencia erejét kihasználva létrehozta a ShelfWatch-et, egy olyan AI polcelemző szolgáltatást, amely rugalmasságot és skálázhatóságot biztosít a helyszíni képviselőknek. A ShelfWatch kiküszöböli a hagyományos kiskereskedelmi auditálási folyamat összes akadozóját, amely jelenleg a CPG és a kiskereskedelmi márkák bevételét emészti fel. Előnyeinek mértéke teljes mértékben megérthető a lakossági ellenőrzési folyamat minden érintettjének elemzésével.

Értékesítési/helyszíni képviselők –

A képviselőknek komoly kihívásokkal kell szembenézniük, miközben képeket és videókat gyűjtenek. A kiskereskedők között nem egységesek a halmozási minták, ami különböző típusú képeket eredményez a készlet tájolása, megvilágítása és elhelyezése tekintetében. A terepi ügynökök küzdenek a következetesség megőrzésével az általuk gyűjtött adatokkal mert az ilyen nem szabványos képek elemzése tovább tart. És a szabványos képek keresése során a terepi ügynökök más típusú emberi észlelési torzítások áldozataivá válnak.

A ShelfWatch segíti a helyszíni képviselőket azáltal, hogy rugalmasságot biztosít számukra az összes lehetséges kép elkészítéséhez bármilyen tájolásban, megvilágításban vagy pozícióban. Ez a rugalmasság megengedett, mert a ShelfWatch nem függ szabványos egységes képektől a pontos kimenet érdekében. A legmodernebb mesterséges intelligencia-algoritmusok segítségével a ShelfWatch a legtorzabb képeket is képes elemezni mert mesterséges intelligenciacsomag-felismerő technológiát használ.

Kiskereskedelmi partnerek –

A megfelelőségi ellenőrzés a kiskereskedők számára is nehéz feladat. Az előre beállított planogramnak való megfelelés része a szolgáltatási szerződés a kereskedő és a márkák között. Ha a végső értékelés során kiderül, hogy a kiskereskedők megsértik a megállapodást, túl kevés terméket jelenítenek meg, vagy nem megfelelően helyezik el a termékeket, az szankciókat vonhat maga után, és akár szerződésbontást is vonhat maga után (szélsőséges esetekben).

Mivel a ShelfWatch lehetővé teszi, hogy a helyszíni képviselők rugalmasak legyenek az adatgyűjtés során, a kereskedőket is segíti a szolgáltatási szerződések betartásában, mivel a képviselők által gyűjtött összes képet elemzik, függetlenül a polcon lévő termékek fényétől, elhelyezkedésétől és tájolásától. Ez megkíméli a kereskedőket a hamis ellenőrzési jelentésektől, mert még ha a polcuk nincs is jól egymásra rakva az elhelyezés és a világítás szempontjából, a Shelf Watch minden tárgyat észlel a polcon, így csökkenti a nem megfelelő adatgyűjtés miatti meg nem felelések előfordulását.

Márkák

A CPG-gyártók profitálnak mesterséges intelligencia-alapú megoldásunkból. Képesek elemezni a kiskereskedelmi auditjaikból származó összes képtípust a használatával ShelfWatch. It segít a CPG márkáknak kiszámítani Tökéletes Store KPI-k, és azonnali betekintést kaphat, és megvalósíthatja azokat az üzletben.

Tetszett a blog? Olvasd el ezt a másikat blog hogy megértsük, hogyan nyeri meg az AI a kiskereskedelmi stratégiát.

Szeretné látni, hogyan teljesít a saját márkája a polcokon? Kattintson itt hogy ütemezzen be egy ingyenes bemutatót.