Jak rozpoznawanie zdjęć pomaga w monitorowaniu półek sklepowych

Zaktualizowano 23 października 2021 r.

Według Gartnera, do 2025 r. 90% interakcji z klientami w branży detalicznej będzie zarządzanych przez sztuczną inteligencję. Najnowsze postępy w technologii AI i algorytmy głębokiego uczenia zmieniają branżę detaliczną. Dzięki dużej liczbie zestawów danych zawierających tysiące obrazów półek firmy mogą teraz wykorzystywać sztuczną inteligencję do lepszego monitorowania obecności na półkach detalicznych.

Monitorowanie półek detalicznych pomaga w rozpoznaniu stanu produktu na półkach takich jak: dostępność, asortymenty, przestrzeń, wycena, promocje i wiele więcej. Umożliwia firmom podjęcie natychmiastowych działań naprawczych. Algorytmy AI mogą zdecydowanie się poprawić zgodność z planogramem poprzez dostarczanie dokładnych informacji o widoczności zapasów. Firmy będą mogły monitorować i porównywać czas trwania stanów magazynowych, co doprowadzi do lepszego lokowania produktów w sklepie.

Jak działa monitorowanie półek sklepowych

Niewiele zmian w codziennej rutynie przedstawicieli terenowych, poza tym, że mają większą elastyczność pod względem jakości zdjęć, którymi dzielą się z zespołem analitycznym. Obecna branża ma wiele wąskich gardeł, które wpływają na ostateczne spostrzeżenia, w których poważnym problemem jest brak analizy niejasnych obrazów. Prowadzi to do wydłużenia czasu i zwiększenia kosztów pozyskiwania przez firmę nowych obrazów do nowej analizy.

Przedstawiciele terenowi muszą po prostu kliknąć zdjęcia wszystkich odpowiednich półek i podać je swoim system monitorowania półek sklepowych. Jednym z amortyzatorów w zautomatyzowanym procesie audytu detalicznego jest przeszkoda, gdy agenci terenowi klikają zdjęcia półek. Zajmuje się tym również monitorowanie półek sklepowych, ponieważ system szybko się uczy przy minimalnych nakładach szkoleniowych, a cała operacja staje się wysoce skalowalna. W ten sposób można zignorować utratę zdjęć spowodowaną przeszkodą podczas fotografowania.

Algorytm AI analizuje wszystkie rodzaje danych wejściowych, aby dostarczyć spostrzeżenia. Jego zdolność do analizy obrazów o niskiej jakości zwiększa wiarygodność wyników końcowych. Tradycyjne systemy mają trudności z analizowaniem niewyraźnych/słabo oświetlonych obrazów, co nie ma miejsca w przypadku korzystania ze sztucznej inteligencji. Zamieszanie między podobnie wyglądającymi produktami to kolejna kontrowersyjna kwestia, która zostaje rozwiązana, gdy sztuczna inteligencja zostanie wdrożona w systemie rozpoznawania zdjęć dla automatyczne audyty detaliczne.

Równoległe kropki wykorzystał moc sztucznej inteligencji do stworzenia ShelfWatch, usługi analizy półki AI, która zapewnia przedstawicielom terenowym elastyczność, a firmom skalowalność. ShelfWatch eliminuje wszelkie przeszkody w tradycyjnym procesie audytu sprzedaży detalicznej, które obecnie pochłaniają przychody CPG i marek detalicznych. Zakres jego zalet można w pełni zrozumieć, analizując każdego interesariusza w procesie audytu detalicznego.

Przedstawiciele handlowi/terenowi –

Przedstawiciele stają przed poważnymi wyzwaniami podczas zbierania danych w postaci zdjęć i filmów. Brakuje jednolitości wzorów układania u sprzedawców detalicznych, co prowadzi do różnych rodzajów zdjęć pod względem orientacji zapasów, oświetlenia i pozycjonowania. Agenci terenowi zmagają się z utrzymaniem spójności z danymi, które zbierają ponieważ analiza takich niestandardowych zdjęć trwa dłużej. A w pogoni za standardowymi obrazami agenci polowi padają ofiarą innych rodzajów błędów ludzkiej percepcji.

ShelfWatch pomaga przedstawicielom terenowym, dając im elastyczność wykonywania wszystkich możliwych zdjęć w dowolnej orientacji, oświetleniu lub położeniu. Taka elastyczność jest dozwolona, ​​ponieważ ShelfWatch nie jest zależny od standardowych jednolitych obrazów, aby zapewnić dokładne wyniki. Wykorzystując najnowocześniejsze algorytmy sztucznej inteligencji, ShelfWatch jest w stanie analizować nawet najbardziej zniekształcone obrazy ponieważ wykorzystuje technologię rozpoznawania pakietów AI.

Partnerzy detaliczni –

Audyty zgodności to również trudne zadania dla detalistów. Zgodność z wcześniej ustalonym planogramem jest częścią umowa serwisowa pomiędzy sprzedawcą a markami. Jeśli w ostatecznej ocenie okaże się, że detaliści łamią umowę poprzez wystawianie zbyt małej ilości produktów lub niewłaściwe ich pozycjonowanie, może to wiązać się z karami, a nawet rozwiązaniem umów (w skrajnych przypadkach).

Ponieważ ShelfWatch pozwala przedstawicielom terenowym na elastyczność podczas zbierania danych, pomaga również sprzedawcom w przestrzeganiu umów serwisowych, ponieważ wszystkie obrazy zebrane przez przedstawicieli są analizowane niezależnie od oświetlenia, pozycji i orientacji produktów na półce. Oszczędza to detalistom przed fałszywymi raportami z audytów, ponieważ nawet jeśli ich półka nie jest dobrze ułożona pod względem pozycjonowania i oświetlenia, Shelf Watch wykryje wszystkie przedmioty na półce, zmniejszając w ten sposób przypadki niezgodności ze względu na słabe gromadzenie danych.

Marki

Producenci CPG korzystają z naszego rozwiązania opartego na sztucznej inteligencji. Są w stanie analizować wszystkie rodzaje zdjęć z audytów detalicznych za pomocą Zegarek na półce. It pomaga markom CPG obliczyć ich Doskonałe wskaźniki KPI w sklepie, uzyskuj natychmiastowe informacje i wdrażaj je w sklepie.

Podobał Ci się blog? Przeczytaj to inne blog zrozumieć, w jaki sposób sztuczna inteligencja wygrywa strategię sprzedaży detalicznej.

Chcesz zobaczyć, jak Twoja marka radzi sobie na półkach? Kliknij tutaj zaplanować bezpłatne demo.