ShelfWatch –スマート画像認識ベースの小売実行ソフトウェア

10年2021月XNUMX日更新

現在 棚配置KPI 標準的な小売実行ソフトウェアを使用した評価は、多くの場合時間がかかり、仕事のピーク時に管理するのが困難です。棚上の商品が棚割りと一致していることを保証するには、細心の注意を払った手動入力が必要です。さらに、可視性と最新データが欠如しているため、消費財ブランドは問題に積極的に取り組むことができません。重要な販売期間中に、データが不足していると、最適とは言えない意思決定が行われる可能性があります。

によると、 研究, 「81% もの企業が小売業の遂行能力に満足していないと報告しています。さらに 86% が貿易促進の取り組みに満足していないと回答しました。」

 シェルフウォッチ、これらすべての冗長性は非常に簡単に対処できます。強力で手間のかからないツールであるShelfWatchは、幅広い小売チャネルで実行できます。このブログでは、小売業界の既存の画像認識ソフトウェア ソリューションの中で ShelfWatch を際立たせるあらゆる側面を説明します。

1. リアルタイムのオフライン画質フィードバック

画質は、画像認識の高精度を確保するための重要な基準です。 SKU レベルの認識または 価格表示準拠 画像がぼやけておらず、ぎらつきがない場合にのみ可能です。 ShelfWatch モバイル アプリには、低品質の画像を検出し、営業担当者に写真を撮り直すように指示できるリアルタイムの画質アルゴリズムが搭載されています。この検出はデバイス上で機能するため、オフライン モードでも利用できます。

営業担当者は、インターネットのない地域でも高品質の画像を簡単に撮影でき、インターネット接続が利用できるときは常に画像が自動的にアップロードされます。 CPG および小売ブランドと協力した経験から、ShelfWatch を使用する前は、現場で収集された画像の 15 ～ 20% が AI で分析するには低品質すぎ、多くの場合人間でも分析できないことがわかりました。これにより、多くの場合、不必要な遅延や不完全な分析が発生します。既存の小売業務執行ソフトウェアは、写真がぼやけたり、ぎらぎらしたりした場合にその責任を営業担当者に負わせ、多忙な担当者をトレーニングする責任を日用品ブランドや小売ブランドに負わせていました。

画像認識を使用する理想的な小売業務執行ソフトウェアは、担当者に追加のトレーニングを行わなくても高品質の写真を確実に収集できるように、堅牢かつスマートである必要があります。

2. オンデバイス画像認識 (ODIN)

AI 対応の監査ソリューションの最大の制限の 2 つは、正確な結果を即座に提供できないことです。高精度を実現するには、高いコンピューティング能力が必要です。ただし、営業担当者が使用するハンドヘルド デバイスのコンピューティング リソースは限られているため、3 ～ XNUMX 回の訪問ごとにデバイスを充電する必要がないように、営業担当者のデバイスのバッテリーの過度の消費を避けるように注意する必要があります。ここが ParallelDots の ODIN ソリューション 勝ちます。当社のデータ サイエンス チームは、ShelfWatch が精度と速度の両方の長所を提供できるような方法でアルゴリズムを最適化することに成功しました。

オンデバイス画像認識 (ODIN) は、ParallelDots 安定版が提供する最先端の製品です。現場担当者が撮影した棚の写真を手持ちのデバイスで処理することで、即時にレポートを作成できるようになります。 ODIN は高速で、完全にオフラインで動作します。私たちは、最近発表されたオンデバイス認識機能について、いくつかのクライアントとパイロットを実行しました。結果は心強いものであり、顧客の期待を上回っています。 ODIN 機能はユニークな製品であり、小売環境向けの当社の優れた画像認識プラットフォームの証です。関係する SKU の数が少なく、変更が頻繁に行われないドメインでは、ODIN 機能を使用することをお勧めします。

3. 重複排除

データを収集する際に、営業担当者が同じ棚の複数の画像をさまざまな角度から撮影することがよくあります。これは、棚メトリクス (たとえば、 棚のシェア）それが洞察力に影響を与えます。 shelfWatch はこの問題を非常に効率的に解決します。重複除外アルゴリズムは、重複した画像を検出し、メトリクスが二重にカウントされないようにすることでデータ品質を向上させます。

また、このアルゴリズムを利用して、タバコ会社の小売業務の定期監査で不正行為を検出しました。現場の監査人は、監査が完了したことを示すために古い画像を提出することがよくありました。重複排除アルゴリズムを使用することで、そのような事例を明らかにし、現場監査における不正の可能性を減らすことができました。シェルフウォッチを統合してから 90 か月以内に、データ品質が XNUMX% 向上し、信頼できる洞察が得られました。

4. 他の小売執行ソフトウェア - SFA および DMS アプリとの統合

shelfWatch は現場でデータをキャプチャするための独自のアプリを提供していますが、営業担当者はすでに Salesforce オートメーション ベンダーが提供するハンドヘルドを使用しており、現場で複数のアプリを切り替えるのは面倒だと考えていることを私たちは理解しています。

我々は持っています 統合されたシェルフウォッチ 複数の SFA ベンダーと連携しており、リアルタイムの画質チェックやリアルタイムの棚の洞察など、ShelfWatch のすべての機能が統合ソリューションでも機能します。

5. 迅速なセットアップと AI の迅速なトレーニング

画像認識エンジンのほとんどは内部でニューラル ネットワークを実行し、小売店の SKU と POS マテリアルを検出します。ただし、ニューラル ネットワーク、特にディープ ニューラル ネットワークは、トレーニングして 90% 以上の精度を得るために大量のデータが必要になることで有名です。

また、トレーニング データをニューラル ネットワークに供給する前に、トレーニング データに手動で注釈を付ける必要があります。注釈付き画像の例を以下に示します。

ただし、大手メーカーの場合、自社ブランドの複数のカテゴリにわたる 200 ～ 300 の SKU と、競合他社の追跡を必要とする可能性のあるさらに 100 ～ 200 の SKU があります。 300 ～ 500 SKU をカバーする手動でアノテーションを付けたデータセットを生成するのは、退屈で非常にコストのかかる作業です。

ほとんどの画像認識ベンダーは、データを収集して手動で注釈を付けるために 90 ～ 120 日のセットアップ時間を要します。ご想像のとおり、これは高価で時間のかかるプロセスであり、十分に拡張できません。 新製品の発売 またはプロモーションのピーク時。

シェルフウォッチのセットアップは、2 段階の簡単なプロセスです。まず、共有する必要があります たった1枚の画像 追跡する SKU の数。次に、現場担当者にモバイル アプリケーションを使用して小売店の棚の画像を撮影するよう依頼します。シェルフウォッチのアルゴリズムは次のような方法でトレーニングされています。 画像を自動的に分析して、棚占有率や棚割コンプライアンスなどの競合分析を行います。

6。 費用対効果の高い

シェルフウォッチは以下で作られています 最先端のテクノロジー 多額の費用をかけずに最適な結果を得ることができます。当社の優れたテクノロジーにより、ShelfWatch のセットアップに必要なリソースが少なくなるため、運用コストが低く抑えられます。当社のアルゴリズムは収集レベルでデータの品質を制御し、標準的で客観的な分析を実現します。

7. WhatsApp アラート –

シェルフウォッチの真の価値は、額面以下の小売取引のすべてのインスタンスが適切な関係者に即座に強調表示されるときに得られます。迅速な介入のために、WhatsApp/電子メール経由で現場チームのリーダーに自動アラートを送信します。この新しいサービスにより、ShelfWatch の洞察がより実用的なものになり、 堅牢なフィードバックメカニズム 小売業者、現場担当者、CPG 本社の間。

ISO 27001：2013認証–

私たちが今こうなったと発表できることを非常に嬉しく思います。 ISO 27001：2013認定。この認証を取得するために、ParallelDots のセキュリティ コンプライアンスは、企業データと顧客データの管理と保護に対する継続的かつ体系的なアプローチを実証した後、独立監査会社によって検証されました。この証明書は、データのプライバシーとセキュリティに対する当社の取り組みの証です。

このブログは役に立ちましたか? これを読む ブログ ParallelDots 製品が従来の小売実行方法に効果的なソリューションを提供し、ブランドの存在感と認知度を向上させる方法について詳しく知ることができます。

自分のブランドの棚でのパフォーマンスを確認したいですか？ クリック こちら 無料デモをスケジュールする。