ShelfWatch — oprogramowanie do obsługi handlu detalicznego oparte na inteligentnym rozpoznawaniu obrazów

Zaktualizowano 10 listopada 2021 r

Teraźniejszość układ półek KPI oceny przy użyciu standardowego oprogramowania do obsługi sprzedaży detalicznej są często czasochłonne i trudne do zarządzania w godzinach szczytu pracy. Aby mieć pewność, że produkty na półce odpowiadają planogramowi, wymagane jest skrupulatne ręczne wprowadzanie danych. Co więcej, brak widoczności i aktualnych danych uniemożliwia markom towarów konsumpcyjnych proaktywne rozwiązywanie problemów. W kluczowym okresie sprzedaży brak danych może prowadzić do nieoptymalnych decyzji.

Według „The Puzzle of Monogamous Marriage” „Aż 81% firm zgłosiło, że jest niezadowolonych ze swoich możliwości realizacji zamówień w handlu detalicznym. Kolejne 86% stwierdziło, że nie jest usatysfakcjonowanych działaniami na rzecz promocji handlu”.

Z Zegarek na półce, wszystkim tym zwolnieniom można dość łatwo zaradzić. ShelfWatch, potężne i bezproblemowe narzędzie, może działać w szerokim spektrum kanałów sprzedaży detalicznej. Na tym blogu omówimy wszystkie aspekty ShelfWatch, które wyróżniają go spośród istniejących rozwiązań oprogramowania do rozpoznawania obrazu w handlu detalicznym.

1. Informacje zwrotne dotyczące jakości obrazu w trybie offline w czasie rzeczywistym

Jakość obrazu jest ważnym kryterium zapewniającym wysoką dokładność rozpoznawania obrazu. Rozpoznawanie poziomu SKU lub zgodność wyświetlania cen jest możliwe tylko wtedy, gdy obraz nie jest rozmyty i pozbawiony odblasków. Aplikacja mobilna ShelfWatch posiada algorytm jakości obrazu działający w czasie rzeczywistym, który może wykryć obrazy o niskiej jakości i poinstruować przedstawiciela handlowego, aby ponownie zrobił zdjęcia. To wykrywanie działa na urządzeniu i dlatego jest dostępne w trybie offline.

Przedstawiciele handlowi mogą z łatwością wykonywać wysokiej jakości zdjęcia nawet w strefie braku Internetu, a zdjęcia są automatycznie przesyłane, gdy tylko dostępne jest połączenie internetowe. Z naszego doświadczenia w pracy z markami CPG i detalicznymi odkryliśmy, że przed użyciem ShelfWatch 15–20% zdjęć zebranych w terenie było zbyt niskiej jakości, aby mogły zostać przeanalizowane przez sztuczną inteligencję, a w wielu przypadkach także przez ludzi. Często prowadzi to do niepotrzebnych opóźnień i niekompletnej analizy. Istniejące oprogramowanie do obsługi sprzedaży detalicznej zrzuca winę na przedstawicieli handlowych w przypadku rozmytych lub odblaskowych zdjęć i nakłada na CPG i marki detaliczne obowiązek przeszkolenia swoich zapracowanych przedstawicieli.

Idealne oprogramowanie do obsługi sprzedaży detalicznej, które wykorzystuje rozpoznawanie obrazu, powinno być solidne i inteligentne, aby zapewnić gromadzenie wysokiej jakości zdjęć bez dodatkowego szkolenia przedstawicieli.

2. Rozpoznawanie obrazu na urządzeniu (ODIN)

Jednym z największych ograniczeń rozwiązań audytowych wykorzystujących sztuczną inteligencję jest natychmiastowe dostarczanie dokładnych wyników. Aby zapewnić wysoką dokładność, wymagana jest duża moc obliczeniowa. Jednakże urządzenia przenośne używane przez przedstawicieli mają ograniczone zasoby obliczeniowe i należy zachować ostrożność, aby uniknąć nadmiernego zużycia baterii urządzenia przedstawiciela, aby nie musiał on ładować urządzenia co 2 lub 3 wizyty. To jest gdzie Rozwiązanie ODIN firmy ParallelDots wygrywa. Naszemu zespołowi zajmującemu się analizą danych udało się zoptymalizować nasz algorytm w taki sposób, że ShelfWatch zapewnia to, co najlepsze z obu światów – dokładność i szybkość.

Rozpoznawanie obrazu na urządzeniu (ODIN) to najnowocześniejsza oferta ze stajni ParallelDots. Umożliwia natychmiastowe raportowanie zdjęć półek zrobionych przez przedstawicieli terenowych poprzez przetwarzanie ich na urządzeniu przenośnym. ODIN jest szybki i działa całkowicie offline. Przeprowadziliśmy z kilkoma klientami programy pilotażowe dotyczące niedawno ogłoszonej funkcji rozpoznawania na urządzeniu. Wyniki są zachęcające i przekroczyły oczekiwania klientów. Funkcja ODIN to wyjątkowa oferta i świadectwo naszej doskonałej platformy rozpoznawania obrazu dla środowiska detalicznego. Zachęcamy klientów do korzystania z funkcji ODIN w przypadku domen, w których występuje niewielka liczba SKU i które podlegają rzadkim zmianom.

3. Deduplikacja

Bardzo często zdarza się, że podczas zbierania danych handlowcy wykonują wiele zdjęć tej samej półki pod różnymi kątami. Jest to poważny problem, ponieważ może prowadzić do podwójnego liczenia wskaźników półki (takich jak część półki), co z kolei wpływa na spostrzeżenia. ShelfWatch bardzo skutecznie radzi sobie z tym problemem. Algorytm deduplikacji poprawia jakość danych, wykrywając zduplikowane obrazy i zapobiegając podwójnemu liczeniu wskaźników.

Wykorzystaliśmy ten algorytm również do wykrywania oszustw podczas regularnych audytów realizacji transakcji detalicznych dla firmy tytoniowej. Audytorzy terenowi często przesyłali stary obraz, aby wskazać, że ukończyli audyt. Dzięki algorytmowi deduplikacji byliśmy w stanie wykryć takie przypadki i ograniczyć możliwości oszustw podczas audytów terenowych. W ciągu trzech miesięcy od integracji ShelfWatch jakość danych wzrosła o 90%, co doprowadziło do wiarygodnych wniosków.

4. Integracja z innymi programami do realizacji handlu detalicznego – aplikacjami SFA i DMS

Chociaż ShelfWatch udostępnia własną aplikację do gromadzenia danych w terenie, rozumiemy, że przedstawiciele handlowi korzystają już z urządzeń przenośnych dostarczanych przez dostawców rozwiązań do automatyzacji Salesforce i przełączanie się między wieloma aplikacjami w terenie będzie dla nich kłopotliwe.

Praca IT zintegrowany ShelfWatch z wieloma dostawcami SFA, a wszystkie funkcje ShelfWatch, takie jak kontrola jakości obrazu w czasie rzeczywistym i wgląd w stan półki w czasie rzeczywistym, działają również w zintegrowanym rozwiązaniu.

5. Szybka konfiguracja i szybkie szkolenie AI

Pod maską większość silnika rozpoznawania obrazu obsługuje sieć neuronową w celu wykrywania SKU i materiałów POS w sklepach detalicznych. Jednak sieci neuronowe, zwłaszcza głębokie sieci neuronowe, są znane z tego, że wymagają dużej ilości danych do ich wytrenowania i uzyskania dokładności na poziomie 90% i więcej.

Ponadto dane szkoleniowe muszą zostać ręcznie opatrzone adnotacjami, zanim będą mogły zostać wprowadzone do sieci neuronowej. Przykład obrazu z adnotacjami pokazano poniżej.

Jednak duży producent będzie miał 200–300 jednostek SKU w wielu kategoriach własnych marek i kolejne 100–200 jednostek SKU, które może chcieć śledzić pod kątem konkurencji. Generowanie ręcznie opatrzonego adnotacjami zbioru danych obejmującego 300–500 jednostek SKU jest żmudnym i bardzo kosztownym zadaniem.

Większość dostawców rozwiązań do rozpoznawania obrazów potrzebuje 90–120 dni na konfigurację, podczas których zbierają i ręcznie dopisują dane. Jak możesz sobie wyobrazić, jest to kosztowny i czasochłonny proces, który nie daje się dobrze skalować premiery nowych produktów lub w godzinach szczytu promocji.

Konfigurowanie Shelfwatch to prosty, dwuetapowy proces. Po pierwsze, musisz się podzielić tylko jeden obraz jednostek SKU, które chcesz śledzić. Po drugie, poproś swoich przedstawicieli terenowych, aby za pomocą naszej aplikacji mobilnej wykonali zdjęcia półek sklepu. Algorytm ShelfWatch jest szkolony w taki sposób, że automatycznie analizuje obrazy, aby uzyskać analizę konkurencyjności, taką jak udział w półce i zgodność z planogramem.

6. Ekonomiczny

ShelfWatch został wykonany z najnowocześniejsza technologia aby zapewnić optymalne rezultaty bez konieczności wydawania dużych pieniędzy. Dzięki naszej doskonałej technologii zapewniamy niskie koszty operacyjne ze względu na mniej zasobów wymaganych do skonfigurowania ShelfWatch. Nasz algorytm kontroluje jakość danych na poziomie gromadzenia, aby zapewnić standardową, obiektywną analizę.

7. Alerty WhatsApp –

Prawdziwa wartość ShelfWatch powstaje, gdy wszystkie przypadki realizacji transakcji detalicznych poniżej normy są natychmiast sygnalizowane właściwym interesariuszom. Wysyłamy automatyczne powiadomienia za pośrednictwem WhatsApp/e-maila do liderów zespołów terenowych w celu szybkiej interwencji. Ta nowa oferta sprawia, że ​​spostrzeżenia ShelfWatch stają się bardziej przydatne – co prowadzi do: solidny mechanizm sprzężenia zwrotnego pomiędzy sprzedawcą detalicznym, przedstawicielem terenowym i centralą CPG.

Certyfikat ISO 27001:2013 –

Z ogromną przyjemnością ogłaszamy, że już jesteśmy certyfikat 27001: ISO 2013. Aby uzyskać certyfikat, zgodność ParallelDots z bezpieczeństwem została sprawdzona przez niezależną firmę audytorską po wykazaniu ciągłego i systematycznego podejścia do zarządzania danymi firmy i klientów oraz ich ochrony. Certyfikat ten jest potwierdzeniem naszego zaangażowania w ochronę prywatności i bezpieczeństwo danych.

Czy ten blog był przydatny? Przeczytaj to blog aby dowiedzieć się więcej o tym, jak produkty ParallelDots zapewniają skuteczne rozwiązania tradycyjnych metod realizacji sprzedaży detalicznej w celu poprawy obecności i widoczności marki.

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