ShelfWatch - Um software de execução de varejo baseado em reconhecimento de imagem inteligente

Atualizado em 10 de novembro de 2021

O presente KPI de organização de prateleiras avaliações usando seu software de execução de varejo padrão costumam ser demoradas e difíceis de gerenciar durante o pico de trabalho. É necessária uma entrada manual meticulosa para garantir que os produtos na prateleira correspondam ao planograma. Além disso, a falta de visibilidade e de dados atualizados impede que as marcas de bens de consumo resolvam os problemas de forma proativa. Durante um período de vendas crucial, a falta de dados pode levar a decisões abaixo do ideal.

De acordo com uma estudo, “Até 81% das empresas relataram que estão insatisfeitas com sua capacidade de execução no varejo. Outros 86% afirmaram não estar satisfeitos com os seus esforços de promoção comercial”.

Com o  Relógio de Prateleira, todas essas redundâncias podem ser resolvidas com bastante facilidade. Uma ferramenta poderosa e descomplicada, o ShelfWatch é capaz de funcionar em uma ampla gama de canais de varejo. Neste blog, mostramos todos os aspectos do ShelfWatch que o fazem se destacar entre as soluções de software de reconhecimento de imagem existentes no varejo.

1. Feedback de qualidade de imagem off-line em tempo real

A qualidade da imagem é um critério importante para garantir a alta precisão do reconhecimento de imagem. Reconhecimento de nível de SKU ou conformidade de exibição de preços só é possível quando a imagem não está desfocada e sem brilho. O aplicativo móvel ShelfWatch possui um algoritmo de qualidade de imagem em tempo real que pode detectar imagens de baixa qualidade e instruir o representante de vendas a tirar fotos novamente. Esta detecção funciona no dispositivo e, portanto, está disponível no modo offline.

Os representantes de vendas podem facilmente obter imagens de alta qualidade, mesmo em uma zona sem Internet, e as imagens são carregadas automaticamente sempre que uma conexão com a Internet estiver disponível. Em nossa experiência de trabalho com marcas de varejo e CPG, descobrimos que antes de usar o ShelfWatch, 15–20% das imagens coletadas em campo eram de qualidade muito baixa para serem analisadas pela IA ou, em muitos casos, também por humanos. Isto muitas vezes leva a atrasos desnecessários e análises incompletas. Os softwares de execução de varejo existentes colocam a culpa nos representantes de vendas no caso de fotos borradas ou brilhantes e colocam a responsabilidade sobre o CPG e as marcas de varejo de treinar seus representantes ocupados.

Um software de execução de varejo ideal que utiliza reconhecimento de imagem deve ser robusto e inteligente para garantir que fotos de alta qualidade sejam coletadas sem qualquer treinamento adicional para os representantes.

2. Reconhecimento de imagem no dispositivo (ODIN)

Uma das maiores limitações das soluções de auditoria habilitadas para IA é fornecer resultados precisos instantaneamente. Para fornecer alta precisão, o poder de computação necessário é alto. No entanto, os dispositivos portáteis usados ​​pelos representantes têm recursos computacionais limitados e é preciso ter cuidado para evitar o consumo excessivo de bateria do dispositivo dos representantes, para que não seja necessário carregá-los a cada 2 ou 3 visitas. É aqui que Solução ODIN da ParallelDots vence. Nossa equipe de ciência de dados conseguiu otimizar nosso algoritmo de tal maneira que o ShelfWatch oferece o melhor dos dois mundos – precisão e velocidade.

O reconhecimento de imagem no dispositivo (ODIN) é a oferta mais avançada do ParallelDots estável. Ele permite relatórios instantâneos a partir de fotos de prateleira capturadas pelos representantes de campo, processando-as em seus dispositivos portáteis. ODIN é rápido e funciona totalmente offline. Executamos pilotos com alguns clientes para o recurso de reconhecimento no dispositivo anunciado recentemente. Os resultados são animadores e superaram as expectativas dos clientes. O recurso ODIN é uma oferta exclusiva e uma prova de nossa plataforma superior de reconhecimento de imagem para um ambiente de varejo. Incentivamos os clientes a usar o recurso ODIN para domínios onde há um baixo número de SKUs envolvidos e que passam por alterações pouco frequentes.

3. Desduplicação

Muitas vezes acontece que, durante a coleta de dados, os representantes de vendas tiram várias imagens da mesma prateleira de vários ângulos. Este é um problema sério, pois pode levar à contagem dupla de métricas de prateleira (como parte da prateleira) que, por sua vez, afeta os insights. ShelfWatch domina esse problema com muita eficiência. Seu algoritmo de desduplicação melhora a qualidade dos dados, detectando imagens duplicadas e garantindo que as métricas não sejam contadas duas vezes.

Também aproveitamos esse algoritmo para detectar fraudes em auditorias regulares de execução no varejo de uma empresa de tabaco. Os auditores de campo frequentemente enviavam uma imagem antiga para indicar que concluíram a auditoria. Usando o algoritmo de desduplicação, conseguimos revelar tais instâncias e reduzir as possibilidades de fraude em auditorias de campo. Três meses após a integração do ShelfWatch, houve uma melhoria de 90% na qualidade dos dados, levando a insights confiáveis.

4. Integração com outros softwares de execução de varejo – aplicativos SFA e DMS

Embora o ShelfWatch forneça seu próprio aplicativo para capturar dados em campo, entendemos que os representantes de vendas já estão usando dispositivos portáteis fornecidos pelos fornecedores de automação do Salesforce e acharão complicado alternar entre vários aplicativos em campo.

Nós temos ShelfWatch integrado com vários fornecedores de SFA e todos os recursos do ShelfWatch, como verificações de qualidade de imagem em tempo real e insights de prateleira em tempo real, também funcionam na solução integrada.

5. Configuração rápida e treinamento rápido de IA

Nos bastidores, a maior parte do mecanismo de reconhecimento de imagem executa uma rede neural para detectar SKUs e materiais de PDV em lojas de varejo. No entanto, as redes neurais, especialmente as redes neurais profundas, são conhecidas por precisarem de uma grande quantidade de dados para treiná-las e obter precisão de 90% ou mais.

Além disso, os dados de treinamento precisam ser anotados manualmente antes de poderem ser alimentados na rede neural. Um exemplo de imagem anotada é mostrado abaixo.

No entanto, um grande fabricante terá de 200 a 300 SKUs em diversas categorias de suas próprias marcas e outros 100 a 200 SKUs que pode querer rastrear para seus concorrentes. Gerar um conjunto de dados anotado manualmente que cubra de 300 a 500 SKUs é uma tarefa tediosa e muito cara.

A maioria dos fornecedores de reconhecimento de imagem leva de 90 a 120 dias para configurar, durante os quais coletam e anotam dados manualmente. Como você pode imaginar, este é um processo caro e demorado e não se adapta bem para lançamentos de novos produtos ou durante o horário de pico das promoções.

Configurar o Shelfwatch é um processo simples e direto em duas etapas. Primeiro, você precisa compartilhar apenas uma imagem dos SKUs que você deseja rastrear. E segundo, peça aos seus representantes de campo que tirem fotos das prateleiras do ponto de venda usando nosso aplicativo móvel. O algoritmo do ShelfWatch é treinado de tal maneira que ele analisa automaticamente as imagens para fornecer uma análise competitiva, como share-of-shelf e conformidade com o planograma.

6. Económicamente viáveis

ShelfWatch foi feito com tecnologia de ponta para obter ótimos resultados sem ter que gastar muito dinheiro. Com nossa tecnologia superior, oferecemos custos operacionais baixos devido à menor quantidade de recursos necessários para configurar o ShelfWatch. Nosso algoritmo controla a qualidade dos dados no nível da coleta para trazer à tona a análise padrão e objetiva.

7. Alertas do WhatsApp –

O valor real do ShelfWatch é obtido quando todos os casos de execução abaixo do esperado no varejo são instantaneamente destacados para as partes interessadas certas. Enviamos alertas automáticos via WhatsApp/e-mail aos líderes das equipes de campo para intervenções rápidas. Esta nova oferta torna os insights do ShelfWatch mais acionáveis ​​– levando a um mecanismo de feedback robusto entre o varejista, o representante de campo e a sede do CPG.

Certificação ISO 27001: 2013 -

É com imenso prazer que anunciamos que estamos agora ISO 27001: 2013 certificada. Para obter a certificação, a conformidade de segurança da ParallelDots foi validada por uma empresa de auditoria independente após demonstrar uma abordagem contínua e sistemática para gerenciar e proteger os dados da empresa e dos clientes. Este certificado é uma prova do nosso compromisso com a privacidade e segurança dos dados.

Achou este blog útil? Leia isso blog para saber mais sobre como os produtos ParallelDots fornecem soluções eficazes para métodos tradicionais de execução de varejo para melhorar a presença e visibilidade da marca.

Quer ver o desempenho da sua marca nas prateleiras? Clique SUA PARTICIPAÇÃO FAZ A DIFERENÇA para agendar uma demonstração gratuita.