Bagaimana Pengenalan Foto membantu dalam Pemantauan Rak Ritel

Diperbarui pada 23 Oktober 2021

Menurut Gartner, pada tahun 2025, 90% interaksi pelanggan di industri ritel akan dikelola oleh AI. Kemajuan terbaru dalam teknologi AI dan algoritme pembelajaran mendalam mengubah industri ritel. Dengan sejumlah besar kumpulan data yang terdiri dari ribuan gambar rak, perusahaan kini dapat memanfaatkan kecerdasan buatan untuk memantau keberadaan rak ritel mereka dengan lebih baik.

Pemantauan rak ritel membantu dalam mengenali kondisi produk di rak seperti: tersedianya, bermacam-macam, ruang, di harga, Promosi dan masih banyak lagi. Ini memberdayakan perusahaan untuk mengambil tindakan korektif segera. Algoritme AI pasti dapat ditingkatkan kepatuhan planogram dengan memberikan wawasan visibilitas stok yang akurat. Perusahaan akan dapat memantau dan membandingkan durasi contoh stok, yang akan mengarah pada penempatan produk di dalam toko yang lebih baik.

Cara kerja pemantauan rak ritel

Tidak banyak perubahan dalam rutinitas harian perwakilan lapangan selain fakta bahwa mereka memiliki lebih banyak fleksibilitas dalam hal kualitas gambar yang mereka bagikan dengan tim analisis. Industri saat ini memiliki banyak hambatan yang mempengaruhi wawasan akhir di mana kegagalan untuk menganalisis gambar yang tidak jelas adalah masalah utama. Hal ini menyebabkan peningkatan waktu dan biaya bagi perusahaan untuk mengambil gambar baru untuk analisis baru.

Perwakilan lapangan hanya perlu mengklik gambar dari semua rak yang relevan dan memberikannya ke mereka sistem pemantauan rak ritel. Salah satu penghambat dalam proses audit ritel otomatis adalah halangan ketika agen lapangan mengklik gambar rak. Ini juga ditangani oleh pemantauan rak ritel karena sistem menjadi belajar dengan cepat dengan input pelatihan minimum, dan seluruh operasi menjadi sangat skalabel. Dengan demikian, kehilangan gambar karena halangan saat fotografi dapat diabaikan.

Algoritme AI menganalisis semua jenis input untuk memberikan wawasan. Kemampuannya untuk menganalisis gambar berkualitas buruk meningkatkan kredibilitas hasil akhir. Sistem tradisional mengalami kesulitan menganalisis gambar yang tidak jelas/cahaya rendah yang tidak terjadi saat menggunakan AI. Kebingungan antara produk yang tampak serupa adalah masalah kontroversial lain yang diselesaikan saat AI diterapkan di sistem pengenalan foto Anda untuk audit ritel otomatis.

Titik Paralel telah memanfaatkan kekuatan AI untuk membuat ShelfWatch, layanan analisis rak AI yang memberdayakan perwakilan lapangan dengan fleksibilitas dan perusahaan dengan skalabilitas. ShelfWatch menghilangkan semua kemacetan dalam proses audit ritel tradisional yang saat ini memakan pendapatan CPG dan merek ritel. Sejauh mana keunggulannya dapat dipahami sepenuhnya dengan menganalisis setiap pemangku kepentingan dalam proses audit ritel.

Perwakilan Penjualan/Lapangan –

Para perwakilan menghadapi tantangan besar saat mengumpulkan data dalam bentuk gambar dan video. Ada kurangnya keseragaman dalam pola susun di seluruh pengecer yang mengarah ke berbagai jenis gambar dalam hal orientasi stok, pencahayaan, dan pemosisian. Agen lapangan berjuang dengan menjaga konsistensi dengan data yang mereka kumpulkan karena gambar non-standar seperti itu membutuhkan waktu lebih lama untuk dianalisis. Dan dalam mengejar citra standar, agen lapangan menjadi mangsa jenis bias persepsi manusia lainnya.

ShelfWatch membantu perwakilan lapangan dengan memberi mereka fleksibilitas untuk mengambil semua kemungkinan gambar dalam orientasi, pencahayaan, atau posisi apa pun. Fleksibilitas seperti itu diperbolehkan karena ShelfWatch tidak bergantung pada gambar seragam standar untuk memberikan hasil yang akurat. Menggunakan algoritme AI yang canggih, ShelfWatch mampu menganalisis gambar yang paling terdistorsi sekalipun karena menggunakan teknologi pengenalan paket AI.

Mitra Ritel –

Audit kepatuhan juga merupakan tugas berat bagi pengecer. Untuk mematuhi planogram yang telah ditentukan sebelumnya adalah bagian dari perjanjian layanan antara pengecer dan merek. Jika dalam penilaian akhir pengecer ditemukan melanggar perjanjian dengan menampilkan terlalu sedikit produk, atau dengan tidak memposisikan produk dengan benar, dapat menarik hukuman dan bahkan pemutusan kontrak (dalam kasus ekstrim).

Karena ShelfWatch memungkinkan perwakilan lapangan menjadi fleksibel saat mengumpulkan data, ini juga membantu pengecer mematuhi perjanjian layanan karena semua gambar yang dikumpulkan oleh perwakilan dianalisis terlepas dari cahaya, posisi, dan orientasi produk di rak. Ini menyelamatkan pengecer dari laporan audit palsu karena meskipun rak mereka tidak ditumpuk dengan baik dalam hal posisi dan pencahayaan, Jam Tangan Rak akan mendeteksi semua objek di rak, sehingga mengurangi insiden ketidakpatuhan karena pengumpulan data yang buruk.

merek

Produsen CPG mendapat manfaat dari solusi bertenaga AI kami. Mereka dapat menganalisis semua jenis gambar dari audit ritel mereka dengan menggunakan RakJam. It membantu merek CPG menghitung KPI Toko Sempurna, dan dapatkan wawasan instan serta terapkan saat berada di dalam toko.

Suka blognya? Baca ini yang lain blog untuk memahami bagaimana AI memenangkan strategi ritel.

Ingin melihat kinerja merek Anda di rak? Klik di sini untuk menjadwalkan demo gratis.