ShelfWatch – Perangkat Lunak Eksekusi Ritel berbasis Pengenalan Gambar Cerdas

Diperbarui 10 November 2021

Saat ini KPI pengaturan rak penilaian menggunakan perangkat lunak eksekusi ritel standar Anda, seringkali memakan waktu dan sulit untuk dikelola di sekitar jam kerja. Masukan manual yang cermat diperlukan untuk menjamin bahwa produk di rak sesuai dengan planogram. Selain itu, kurangnya visibilitas dan data terkini membuat merek barang konsumsi tidak dapat menangani masalah secara proaktif. Selama periode penjualan yang penting, kurangnya data dapat menyebabkan keputusan yang kurang optimal.

Menurut belajar, “Sebanyak 81% perusahaan melaporkan bahwa mereka tidak puas dengan kemampuan mereka untuk mengeksekusi di ritel. 86% lainnya mengatakan mereka tidak puas dengan upaya promosi perdagangan mereka”.

Dengan RakJam, semua redundansi ini dapat diatasi dengan cukup mudah. Alat yang kuat dan tidak merepotkan, ShelfWatch mampu berjalan di spektrum saluran ritel yang luas. Di blog ini, kami memandu Anda melalui semua aspek ShelfWatch yang membuatnya menonjol di antara solusi Perangkat Lunak Pengenalan Gambar yang ada di ritel.

1. Umpan balik Kualitas Gambar Offline Waktu Nyata

Kualitas Gambar merupakan kriteria penting untuk memastikan akurasi Pengenalan Gambar yang tinggi. Pengenalan tingkat SKU atau kepatuhan tampilan harga hanya mungkin jika gambar tidak buram dan bebas dari silau. Aplikasi seluler ShelfWatch memiliki algoritme kualitas gambar waktu nyata yang dapat mendeteksi gambar berkualitas buruk dan menginstruksikan perwakilan penjualan untuk mengambil kembali foto. Deteksi ini berfungsi pada perangkat dan oleh karena itu, tersedia dalam mode offline.

Tenaga penjualan dapat dengan mudah mengambil gambar berkualitas tinggi bahkan di zona tanpa internet dan gambar secara otomatis diunggah setiap kali koneksi internet tersedia. Dalam pengalaman kami bekerja dengan CPG & merek ritel, kami menemukan bahwa sebelum menggunakan ShelfWatch, 15-20% gambar yang dikumpulkan di lapangan memiliki kualitas yang terlalu rendah untuk dianalisis oleh AI atau dalam banyak kasus, juga oleh manusia. Hal ini sering menyebabkan penundaan yang tidak perlu dan analisis yang tidak lengkap. Perangkat lunak eksekusi ritel yang ada menyalahkan perwakilan penjualan jika foto buram atau buram, dan menempatkan tanggung jawab pada CPG & merek ritel untuk melatih perwakilan sibuk mereka.

Perangkat lunak eksekusi ritel ideal yang menggunakan pengenalan gambar, harus kuat dan cerdas untuk memastikan foto berkualitas tinggi dikumpulkan tanpa pelatihan tambahan untuk perwakilan.

2. Pengenalan Gambar Pada Perangkat (ODIN)

Salah satu batasan terbesar dari solusi audit berkemampuan AI adalah memberikan hasil yang akurat secara instan. Untuk memberikan akurasi tinggi, daya komputasi yang dibutuhkan tinggi. Namun, perangkat genggam yang digunakan oleh perwakilan memiliki sumber daya komputasi yang terbatas dan seseorang harus berhati-hati untuk menghindari konsumsi baterai perangkat perwakilan yang berlebihan agar ia tidak perlu mengisi daya perangkatnya setelah setiap 2 atau 3 kunjungan. Di sinilah Solusi ODIN ParallelDots menang. Tim ilmu data kami telah berhasil mengoptimalkan algoritme kami sedemikian rupa, sehingga ShelfWatch memberi Anda yang terbaik dari keduanya – akurasi, dan kecepatan.

Pengenalan Gambar Pada Perangkat (ODIN) adalah penawaran paling mutakhir dari kandang ParallelDots. Ini memungkinkan pelaporan instan dari foto rak yang diambil oleh perwakilan lapangan dengan memprosesnya di perangkat genggam mereka. ODIN cepat dan bekerja sepenuhnya offline. Kami menjalankan uji coba dengan beberapa klien untuk fitur pengenalan perangkat yang baru diumumkan. Hasilnya menggembirakan dan telah melampaui harapan klien. Fitur ODIN adalah penawaran unik dan bukti platform pengenalan gambar superior kami untuk lingkungan ritel. Kami mendorong klien untuk menggunakan fitur ODIN untuk domain dengan jumlah SKU yang rendah, dan mereka jarang mengalami perubahan.

3. De-duplikasi

Sangat sering terjadi bahwa saat mengumpulkan data, perwakilan penjualan mengambil banyak gambar dari rak yang sama dari berbagai sudut. Ini adalah masalah serius karena dapat menyebabkan penghitungan ganda metrik rak (seperti: bagian rak) yang pada gilirannya, memengaruhi wawasan. ShelfWatch menguasai masalah ini dengan sangat efisien. Algoritme de-duplikasinya meningkatkan kualitas data dengan mendeteksi gambar duplikat dan memastikan metrik tidak dihitung ganda.

Kami juga memanfaatkan algoritme ini untuk mendeteksi penipuan dalam audit reguler atas eksekusi ritel untuk perusahaan tembakau. Auditor lapangan sering mengirimkan gambar lama untuk menunjukkan bahwa mereka telah menyelesaikan audit. Dengan menggunakan algoritme de-duplikasi, kami dapat memunculkan contoh seperti itu dan mengurangi kemungkinan penipuan dalam audit lapangan. Dalam tiga bulan mengintegrasikan ShelfWatch, ada peningkatan 90% dalam kualitas data yang mengarah ke wawasan yang andal.

4. Integrasi dengan perangkat lunak eksekusi ritel lainnya – aplikasi SFA dan DMS

Meskipun ShelfWatch menyediakan aplikasinya sendiri untuk menangkap data di lapangan, kami memahami bahwa perwakilan penjualan sudah menggunakan perangkat genggam yang disediakan oleh vendor otomatisasi Salesforce dan akan merasa sulit untuk beralih di antara beberapa aplikasi di lapangan.

Kita punya ShelfWatch terintegrasi dengan beberapa vendor SFA dan semua fitur ShelfWatch seperti pemeriksaan kualitas gambar waktu nyata dan wawasan rak waktu nyata juga berfungsi dalam solusi terintegrasi.

5. Pengaturan Cepat & Cepat untuk melatih AI

Di bawah tenda, sebagian besar mesin Pengenalan Gambar menjalankan jaringan saraf untuk mendeteksi SKU dan Materi POS di toko ritel. Namun, jaringan saraf, terutama jaringan saraf dalam, terkenal membutuhkan data dalam jumlah besar untuk melatihnya dan mendapatkan akurasi 90% ke atas.

Selain itu, data pelatihan perlu dianotasi secara manual sebelum dapat diumpankan ke jaringan saraf. Contoh gambar beranotasi ditunjukkan di bawah ini.

Namun, produsen besar akan memiliki 200–300 SKU di berbagai kategori merek mereka sendiri dan 100–200 SKU lainnya yang mungkin ingin mereka lacak untuk pesaing mereka. Membuat kumpulan data yang dianotasi secara manual yang mencakup 300–500 SKU adalah tugas yang membosankan dan sangat mahal.

Sebagian besar vendor Pengenalan Gambar akan membutuhkan waktu penyiapan 90-120 hari selama mereka mengumpulkan dan membuat anotasi data secara manual. Seperti yang dapat Anda bayangkan, ini adalah proses yang mahal dan memakan waktu dan tidak dapat diukur dengan baik untuk peluncuran produk baru atau selama waktu promosi puncak.

Menyiapkan Shelfwatch adalah proses dua langkah yang sederhana dan mudah. Pertama, Anda perlu berbagi hanya satu gambar dari SKU yang ingin Anda lacak. Dan kedua, minta perwakilan lapangan Anda untuk mengambil gambar rak gerai ritel menggunakan aplikasi seluler kami. Algoritma ShelfWatch dilatih sedemikian rupa sehingga itu secara otomatis menganalisis gambar untuk memberikan analisis kompetitif seperti share-of-shelf, dan kepatuhan planogram.

6. Hemat biaya

ShelfWatch telah dibuat dengan teknologi tercanggih memberikan hasil yang optimal tanpa harus mengeluarkan banyak biaya. Dengan teknologi unggulan kami, kami mendukung biaya operasional yang rendah karena lebih sedikit sumber daya yang dibutuhkan dalam menyiapkan ShelfWatch. Algoritme kami mengontrol kualitas data pada tingkat pengumpulan untuk menghasilkan analisis yang standar dan objektif.

7. Peringatan WhatsApp –

Nilai sebenarnya dari ShelfWatch diperoleh ketika semua contoh eksekusi ritel di bawah par langsung disorot ke pemangku kepentingan yang tepat. Kami mengirim peringatan otomatis melalui WhatsApp/email ke pemimpin tim lapangan untuk intervensi cepat. Penawaran baru ini membuat wawasan ShelfWatch lebih dapat ditindaklanjuti – mengarah ke a mekanisme umpan balik yang kuat antara pengecer, perwakilan lapangan dan markas besar CPG.

Sertifikasi ISO 27001:2013 –

Dengan senang hati kami mengumumkan bahwa kami sekarang ISO 27001: Bersertifikasi 2013. Untuk mencapai sertifikasi, kepatuhan keamanan ParallelDots divalidasi oleh firma audit independen setelah menunjukkan pendekatan berkelanjutan dan sistematis untuk mengelola dan melindungi data perusahaan dan pelanggan. Sertifikat ini merupakan bukti komitmen kami terhadap privasi dan keamanan data.

Apakah blog ini bermanfaat? Baca ini blog untuk mengetahui lebih banyak tentang bagaimana produk ParallelDots memberikan solusi efektif untuk metode eksekusi ritel tradisional untuk meningkatkan kehadiran dan visibilitas merek.

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