ShelfWatch – En smart bildegjenkjenningsbasert programvare for detaljutførelse

Oppdatert 10. november 2021

Nåtiden hyllearrangement KPI vurderinger som bruker standard programvare for utførelse av detaljhandel, er ofte tidkrevende og vanskelige å administrere rundt arbeidstoppene. Det kreves grundig manuell inntasting for å garantere at produktene på hyllen samsvarer med planogrammet. Dessuten forhindrer mangelen på synlighet og oppdaterte data forbrukervaremerker fra å takle problemer proaktivt. I en avgjørende salgsperiode kan mangel på data føre til suboptimale beslutninger.

Ifølge en studere, "Så mange som 81 % av selskapene rapporterte at de er misfornøyde med deres evne til å utføre i detaljhandelen. Ytterligere 86 % sa at de ikke er fornøyde med deres handelsfremmende innsats.

Med Hylleklokke, alle disse oppsigelsene kan takles ganske enkelt. Et kraftig og problemfritt verktøy, ShelfWatch er i stand til å kjøre på et bredt spekter av detaljhandelskanaler. I denne bloggen leder vi deg gjennom alle aspektene ved ShelfWatch som gjør at den skiller seg ut blant de eksisterende programvareløsningene for bildegjenkjenning i detaljhandelen.

1. Tilbakemelding om bildekvalitet i sanntid frakoblet

Bildekvalitet er et viktig kriterium for å sikre høy nøyaktighet av bildegjenkjenning. SKU nivå anerkjennelse eller samsvar med prisvisning er bare mulig når bildet ikke er uskarpt og fritt for gjenskinn. ShelfWatch-mobilappen har en bildekvalitetsalgoritme i sanntid som kan oppdage bilder av dårlig kvalitet og instruere selgeren om å ta bilder på nytt. Denne deteksjonen fungerer på enheten og er derfor tilgjengelig i frakoblet modus.

Selgerene kan enkelt ta bilder av høy kvalitet selv i en sone uten internett, og bildene lastes automatisk opp når en internettforbindelse er tilgjengelig. I vår erfaring med å jobbe med CPG og detaljhandelsmerker fant vi at før vi brukte ShelfWatch, var 15–20 % av bildene samlet i felten for lav kvalitet til å kunne analyseres av AI eller i mange tilfeller også av mennesker. Dette fører ofte til unødvendige forsinkelser og ufullstendige analyser. Eksisterende programvare for kjøring av detaljhandel legger skylden på selgere i tilfelle uskarpe eller skarpe bilder, og legger plikten på CPG og detaljhandelsmerker for å trene opp de travle representantene.

En ideell utførelsesprogramvare for detaljhandel som bruker bildegjenkjenning, bør være robust og smart for å sikre at bilder av høy kvalitet samles inn uten ekstra opplæring for representantene.

2. Bildegjenkjenning på enheten (ODIN)

En av de største begrensningene for AI-aktiverte revisjonsløsninger er å gi nøyaktige resultater umiddelbart. For å levere høy nøyaktighet, kreves det høy datakraft. Imidlertid har håndholdte enheter som brukes av representanter begrensede dataressurser, og man må være forsiktig for å unngå overdreven batteriforbruk av representantenes enhet, så han ikke trenger å lade enheten sin etter hvert 2 eller 3 besøk. Dette er hvor ParallelDots’ ODIN-løsning vinner. Datavitenskapsteamet vårt har lykkes med å optimalisere algoritmen vår på en slik måte at ShelfWatch gir deg det beste fra begge verdener – nøyaktighet og hastighet.

On-Device Image Recognition (ODIN) er det mest banebrytende tilbudet fra ParallelDots-stallen. Den tillater umiddelbar rapportering fra hyllebilder tatt av feltrepresentantene ved å behandle dem på deres håndholdte enhet. ODIN er rask og fungerer helt offline. Vi kjørte piloter med et par klienter for den nylig annonserte gjenkjenningsfunksjonen på enheten. Resultatene er oppmuntrende og har overgått kundens forventninger. ODIN-funksjonen er et unikt tilbud og vitnesbyrd om vår overlegne bildegjenkjenningsplattform for et detaljhandelsmiljø. Vi oppfordrer kunder til å bruke ODIN-funksjonen for domener der et lavt antall SKU-er er involvert, og de gjennomgår sjeldne endringer.

3. De-duplisering

Svært ofte hender det at mens de samler inn data, tar selgerne flere bilder av samme hylle fra forskjellige vinkler. Dette er et alvorlig problem siden det kan føre til dobbelttelling av hylleberegninger (som f.eks andel av sokkelen) som igjen påvirker innsikt. ShelfWatch mestrer dette problemet veldig effektivt. De-dupliseringsalgoritmen forbedrer datakvaliteten ved å oppdage dupliserte bilder og sikre at beregningene ikke telles dobbelt.

Vi utnyttet også denne algoritmen for å oppdage svindel i regelmessige revisjoner av detaljhandelen for et tobakksselskap. Feltrevisorene vil ofte sende inn et gammelt bilde for å indikere at de har fullført tilsynet. Ved å bruke de-dupliseringsalgoritmen klarte vi å synliggjøre slike tilfeller og redusere mulighetene for svindel i feltrevisjoner. Innen tre måneder etter integrering av ShelfWatch var det en 90 % forbedring i datakvaliteten som førte til pålitelig innsikt.

4. Integrasjon med annen programvare for detaljhandel – SFA- og DMS-apper

Mens ShelfWatch tilbyr sin egen app for å fange data i felten, forstår vi at selgere allerede bruker håndholdte levert av Salesforce-automatiseringsleverandørene og vil finne det tungvint å bytte mellom flere apper i feltet.

Vi har integrert ShelfWatch med flere SFA-leverandører og alle funksjonene til ShelfWatch som sanntidskontroll av bildekvalitet og sanntids hylleinnsikt fungerer også i den integrerte løsningen.

5. Rask oppsett og rask å trene AI

Under panseret kjører det meste av bildegjenkjenningsmotoren et nevralt nettverk for å oppdage SKU-er og POS-materialer i butikker. Imidlertid er nevrale nettverk, spesielt dype nevrale nettverk beryktet for å trenge en stor mengde data for å trene dem og få 90 % og over nøyaktighet.

Treningsdataene må også annoteres manuelt før de kan mates til det nevrale nettverket. Et eksempel på et kommentert bilde er vist nedenfor.

Imidlertid vil en stor produsent ha 200–300 SKUer på tvers av flere kategorier av sine egne merker og ytterligere 100–200 SKUer som de kanskje vil spore for sine konkurrenter. Å generere et manuelt kommentert datasett som dekker 300–500 SKUer er en kjedelig og veldig kostbar oppgave.

De fleste leverandører av bildegjenkjenning vil bruke 90–120 dagers oppsetttid for å samle inn og manuelt kommentere data. Som du kan forestille deg, er dette en kostbar og tidkrevende prosess og kan ikke skaleres godt for lanseringer av nye produkter eller under høye kampanjer.

Å sette opp Shelfwatch er en enkel, to-trinns grei prosess. Først må du dele bare ett bilde av SKUene du vil spore. Og for det andre, be feltrepresentantene dine om å ta bilder av utsalgsstedets hyller ved hjelp av mobilapplikasjonen vår. ShelfWatchs algoritme er trent på en slik måte at den analyserer bildene automatisk for å gi en konkurransedyktig analyse som andel-av-hylle og planogram-overholdelse.

6. Kostnadseffektiv

ShelfWatch er laget med moderne teknologi for å gi optimale resultater uten å måtte bruke mye penger. Med vår overlegne teknologi støtter vi lave driftskostnader på grunn av de færre ressursene som kreves for å sette opp ShelfWatch. Algoritmen vår kontrollerer datakvaliteten på innsamlingsnivå for å få frem standard, objektiv analyse.

7. WhatsApp-varsler –

Den virkelige verdien fra ShelfWatch utledes når alle tilfeller av under pari detaljhandelsutførelse umiddelbart fremheves for de rette interessentene. Vi sender automatiske varsler via WhatsApp/e-post til feltteamledere for raske intervensjoner. Dette nye tilbudet gjør ShelfWatch-innsikt mer handlekraftig – noe som fører til en robust tilbakemeldingsmekanisme mellom forhandleren, feltrepresentanten og CPG HQ.

ISO 27001:2013-sertifisering –

Det er med stor glede vi kunngjør at vi er nå ISO 27001: 2013-sertifisert. For å oppnå sertifiseringen ble ParallelDots' sikkerhetsoverholdelse validert av et uavhengig revisjonsfirma etter å ha demonstrert en pågående og systematisk tilnærming til å administrere og beskytte bedrifts- og kundedata. Dette sertifikatet er et vitnesbyrd om vår forpliktelse til personvern og datasikkerhet.

Synes du denne bloggen var nyttig? Les dette blog for å vite mer om hvordan ParallelDots-produkter gir effektive løsninger til tradisjonelle detaljhandelsmetoder for å forbedre merkevaretilstedeværelse og synlighet.

Vil du se hvordan ditt eget merke presterer i hyllene? Klikk her. for å planlegge en gratis demo.