ShelfWatch – Intelligens képfelismerő alapú kiskereskedelmi végrehajtó szoftver

Frissítve: 10. november 2021

Jelen polc elrendezés KPI A szabványos kiskereskedelmi végrehajtó szoftverrel végzett értékelések gyakran időigényesek, és a munkacsúcs környékén nehezen kezelhetők. Gondosan kézi bevitelre van szükség annak biztosítására, hogy a polcon lévő termékek megegyezzenek a planogrammal. Ezenkívül a láthatóság és a naprakész adatok hiánya megakadályozza a fogyasztási cikkek márkáit abban, hogy proaktív módon kezeljék a problémákat. Egy döntő értékesítési időszakban az adatok hiánya nem optimális döntésekhez vezethet.

A találmány egy tanulmány„A cégek 81%-a számolt be arról, hogy elégedetlen a kiskereskedelmi értékesítési képességével. További 86% azt mondta, hogy nem elégedett a kereskedelemösztönző erőfeszítéseivel.

A ShelfWatch, mindezek az elbocsátások meglehetősen könnyen kezelhetők. Egy hatékony és problémamentes eszköz, a ShelfWatch a kiskereskedelmi csatornák széles spektrumán képes futni. Ebben a blogban végigvezetjük a ShelfWatch azon szempontjain, amelyek kiemelik a kiskereskedelmi forgalomban lévő képfelismerő szoftvermegoldások közül.

1. Valós idejű, offline képminőség visszajelzés

A képminőség fontos kritérium a képfelismerés nagy pontosságának biztosításához. SKU szintű felismerés ill ármegjelenítés megfelelősége csak akkor lehetséges, ha a kép nem homályos és nem tükröződik. A ShelfWatch mobilalkalmazás valós idejű képminőségi algoritmussal rendelkezik, amely képes észlelni a rossz minőségű képeket, és utasítja az értékesítési képviselőt, hogy készítsen újra fényképeket. Ez az észlelés az eszközön működik, ezért elérhető offline módban.

Az értékesítési képviselők könnyedén készíthetnek kiváló minőségű képeket még az internet nélküli zónában is, és a képek automatikusan feltöltődnek, amikor elérhető az internet. A CPG-vel és kiskereskedelmi márkákkal végzett munka során azt tapasztaltuk, hogy a ShelfWatch használata előtt a terepen gyűjtött képek 15-20%-a túl gyenge minőségű volt ahhoz, hogy mesterséges intelligencia vagy sok esetben ember is elemezze őket. Ez gyakran szükségtelen késésekhez és hiányos elemzésekhez vezet. A meglévő kiskereskedelmi végrehajtó szoftverek az értékesítési képviselőket hibáztatják az elmosódott vagy vakító fotók esetén, és a CPG-re és a kiskereskedelmi márkákra hárítják az elfoglalt képviselőik képzését.

Egy ideális kiskereskedelmi végrehajtó szoftvernek, amely képfelismerést használ, robusztusnak és intelligensnek kell lennie, hogy biztosítsa a kiváló minőségű fényképek gyűjtését az ismétlők további képzése nélkül.

2. Készüléken belüli képfelismerés (ODIN)

Az AI-kompatibilis auditálási megoldások egyik legnagyobb korlátja az, hogy azonnal pontos eredményeket adnak. A nagy pontosság eléréséhez nagy számítási teljesítmény szükséges. A képviselők által használt kézi eszközök azonban korlátozott számítási erőforrásokkal rendelkeznek, és ügyelni kell arra, hogy elkerüljük a képviselők eszközének túlzott akkumulátor-fogyasztását, nehogy minden 2-3 látogatás után fel kell töltenie eszközét. Ez az, ahol A ParallelDots ODIN megoldása nyer. Adattudományi csapatunknak sikerült oly módon optimalizálnia az algoritmusunkat, hogy a ShelfWatch mindkét világból a legjobbat nyújtsa – a pontosságot és a sebességet.

Az On-Device Image Recognition (ODIN) a ParallelDots stabil legmodernebb ajánlata. Lehetővé teszi az azonnali jelentéskészítést a helyszíni képviselők által rögzített polcfotókról, kézi eszközükön feldolgozva. Az ODIN gyors és teljesen offline módban működik. Néhány klienssel kísérleteket futtattunk a nemrégiben bejelentett eszközfelismerő funkcióhoz. Az eredmények biztatóak, és felülmúlták az ügyfelek elvárásait. Az ODIN funkció egyedülálló ajánlat és bizonyítéka kiváló képfelismerő platformunknak a kiskereskedelmi környezetben. Javasoljuk az ügyfeleknek, hogy használják az ODIN funkciót azokon a tartományokon, ahol alacsony számú SKU-k érintettek, és amelyek ritkán változnak.

3. Megkettőzés megszüntetése

Nagyon gyakran előfordul, hogy az értékesítési képviselők adatgyűjtés közben több képet is készítenek ugyanarról a polcról, különböző szögekből. Ez komoly probléma, mivel a polcok mutatóinak kétszeres számlálásához vezethet (pl részesedése a polcból), ami viszont hatással van a betekintésekre. A ShelfWatch nagyon hatékonyan megoldja ezt a problémát. A duplikáció-mentesítő algoritmusa javítja az adatminőséget azáltal, hogy észleli a duplikált képeket, és biztosítja, hogy a mutatók ne legyenek kétszer számolva.

Ezt az algoritmust felhasználtuk a csalások felderítésére is a dohányipari cégek kiskereskedelmi végrehajtásának rendszeres ellenőrzése során. A helyszíni auditorok gyakran régi képet küldtek be annak jelzésére, hogy befejezték az auditot. A duplikáció-mentesítő algoritmus segítségével ilyen eseteket tudtunk felszínre hozni, és csökkenteni tudtuk a csalási lehetőségeket a helyszíni ellenőrzések során. A ShelfWatch integrálását követő három hónapon belül az adatok minősége 90%-kal javult, ami megbízható betekintést nyert.

4. Integráció más kiskereskedelmi végrehajtó szoftverekkel – SFA és DMS alkalmazásokkal

Míg a ShelfWatch saját alkalmazást biztosít a terepen történő adatrögzítéshez, megértjük, hogy az értékesítési képviselők már a Salesforce automatizálási szállítói által biztosított kézi számítógépet használják, és nehézkesnek fogják találni a több alkalmazás közötti váltást a helyszínen.

Nekünk van integrált ShelfWatch több SFA szállítóval és a ShelfWatch összes funkciója, mint például a valós idejű képminőség-ellenőrzés és a valós idejű polcbetekintés, az integrált megoldásban is működik.

5. Gyors beállítás és gyors az AI képzése

A motorháztető alatt az Image Recognition motor nagy része neurális hálózatot futtat az SKU-k és POS anyagok észlelésére a kiskereskedelmi üzletekben. Azonban a neurális hálózatok, különösen a mély neurális hálózatok arról híresek, hogy nagy mennyiségű adatra van szükségük a betanításukhoz, és 90%-os vagy annál nagyobb pontosság eléréséhez.

Ezenkívül a betanítási adatokat manuálisan meg kell jegyezni, mielőtt a neurális hálózatba továbbíthatók. Az alábbiakban látható egy példa egy megjegyzésekkel ellátott képre.

Egy nagy gyártónak azonban 200–300 SKU-ja lesz saját márkáinak több kategóriájában, és további 100–200 SKU-val, amelyeket versenytársaik számára nyomon követhet. A 300–500 SKU-t lefedő, manuálisan jegyzett adatkészlet létrehozása fárasztó és nagyon költséges feladat.

A legtöbb képfelismerő szolgáltató 90–120 napos beállítási időt vesz igénybe, amely során adatokat gyűjt és manuálisan kommentál. Amint el tudja képzelni, ez drága és időigényes folyamat, és nem skálázható jól új termékbemutatók vagy promóciós csúcsidőben.

A Shelfwatch beállítása egyszerű, kétlépéses, egyértelmű folyamat. Először is meg kell osztania csak egy kép a nyomon követni kívánt cikkszámok közül. Másodszor pedig kérje meg helyszíni képviselőit, hogy készítsenek képeket a kiskereskedelmi üzletek polcairól a mobilalkalmazásunk segítségével. A ShelfWatch algoritmusa úgy van kiképezve, hogy automatikusan elemzi a képeket, hogy versenyképes elemzést készítsen, mint például a polcmegosztás és a planogram megfelelőség.

6. Költséghatékony

ShelfWatch készült a legmodernebb technológia hogy az optimális eredményeket érje el anélkül, hogy sok pénzt kellene költenie. Kiváló technológiánkkal alacsony működési költségeket támogatunk, mivel kevesebb erőforrásra van szükség a ShelfWatch beállításához. Algoritmusunk a gyűjtés szintjén ellenőrzi az adatminőséget, hogy a standard, objektív elemzést hozza ki.

7. WhatsApp figyelmeztetések –

A ShelfWatch valódi értéke akkor adódik, amikor a kiskereskedelmi forgalom alatti végrehajtás minden esetét azonnal kiemelik a megfelelő érdekelt felek számára. Automatikus riasztásokat küldünk WhatsApp-on/e-mailen keresztül a helyszíni csoportvezetőknek a gyors beavatkozás érdekében. Ez az új ajánlat még használhatóbbá teszi a ShelfWatch betekintést – ami a robusztus visszacsatoló mechanizmus a kiskereskedő, a helyszíni képviselő és a CPG főhadiszállása között.

ISO 27001:2013 tanúsítás –

Óriási örömmel jelentjük be, hogy most vagyunk ISO 27001: 2013 tanúsítvánnyal. A tanúsítás megszerzéséhez a ParallelDots biztonsági megfelelőségét egy független könyvvizsgáló cég ellenőrizte, miután bemutatta a vállalati és ügyféladatok kezelésének és védelmének folyamatos és szisztematikus megközelítését. Ez a tanúsítvány az adatvédelem és -biztonság iránti elkötelezettségünket bizonyítja.

Hasznosnak találta ezt a blogot? Olvasd ezt el blog többet megtudni arról, hogy a ParallelDots termékek hogyan nyújtanak hatékony megoldásokat a hagyományos kiskereskedelmi végrehajtási módszerekre a márka jelenlétének és láthatóságának javítása érdekében.

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