Posodobljeno 10. novembra 2021
Prisoten ureditev polic KPI ocenjevanja z vašo standardno programsko opremo za izvajanje maloprodaje so pogosto zamudna in jih je težko upravljati v času delovne konice. Za zagotovitev, da se izdelki na polici ujemajo s planogramom, je potreben natančen ročni vnos. Poleg tega pomanjkanje prepoznavnosti in posodobljenih podatkov blagovnim znamkam potrošniškega blaga preprečuje proaktivno reševanje težav. V ključnem prodajnem obdobju lahko pomanjkanje podatkov vodi do neoptimalnih odločitev.
Glede na študija, »Kar 81 % podjetij je poročalo, da niso zadovoljni s svojo sposobnostjo izvajanja v maloprodaji. Drugih 86 % jih je izjavilo, da niso zadovoljni s svojimi prizadevanji za spodbujanje trgovine.
z ShelfWatch, se je vseh teh presežkov mogoče lotiti povsem enostavno. ShelfWatch je zmogljivo in preprosto orodje, ki lahko deluje na širokem spektru maloprodajnih kanalov. V tem blogu vas vodimo skozi vse vidike ShelfWatch, zaradi katerih izstopa med obstoječimi rešitvami programske opreme za prepoznavanje slik v maloprodaji.
1. Povratne informacije o kakovosti slike v realnem času brez povezave
Kakovost slike je pomembno merilo za zagotavljanje visoke natančnosti prepoznavanja slike. SKU level recognition oz skladnost prikaza cen je mogoča le, če slika ni zamegljena in brez bleščanja. Mobilna aplikacija ShelfWatch ima algoritem za kakovost slike v realnem času, ki lahko zazna slike slabe kakovosti in prodajnemu predstavniku naroči, naj ponovno posname fotografije. To zaznavanje deluje v napravi in je zato na voljo v načinu brez povezave.
Prodajni zastopniki lahko preprosto posnamejo visokokakovostne slike tudi na območju brez interneta, slike pa se samodejno naložijo, kadar koli je na voljo internetna povezava. Po naših izkušnjah pri delu s CPG in maloprodajnimi blagovnimi znamkami smo ugotovili, da je bilo pred uporabo ShelfWatch 15–20 % slik, zbranih na terenu, prenizke kakovosti, da bi jih lahko analizirala umetna inteligenca ali v mnogih primerih tudi ljudje. To pogosto vodi do nepotrebnih zamud in nepopolne analize. Obstoječa programska oprema za maloprodajo pripisuje krivdo prodajnim predstavnikom v primeru zamegljenih ali bleščečih fotografij in nalaga CPG in maloprodajnim blagovnim znamkam, da usposobijo svoje zaposlene predstavnike.
Idealna programska oprema za maloprodajo, ki uporablja prepoznavanje slik, mora biti robustna in pametna, da zagotovi zbiranje visokokakovostnih fotografij brez kakršnega koli dodatnega usposabljanja za predstavnike.
2. Prepoznavanje slike v napravi (ODIN)
Ena največjih omejitev revizijskih rešitev, ki podpirajo AI, je takojšnje zagotavljanje natančnih rezultatov. Za zagotavljanje visoke natančnosti je potrebna velika računalniška moč. Vendar pa imajo ročne naprave, ki jih uporabljajo predstavniki, omejene računalniške vire, zato je treba paziti, da se izognemo prekomerni porabi baterije v napravi predstavnikov, da mu ne bo treba polniti svoje naprave po vsakih 2 ali 3 obiskih. Tukaj je Rešitev ODIN podjetja ParallelDots zmaga. Naši ekipi za podatkovno znanost je uspelo optimizirati naš algoritem na tak način, da vam ShelfWatch ponuja najboljše iz obeh svetov – natančnosti in hitrosti.
On-Device Image Recognition (ODIN) je najnaprednejša ponudba stabilne ParallelDots. Omogoča takojšnje poročanje s fotografij s polic, ki so jih posneli terenski predstavniki, tako da jih obdelajo v svoji ročni napravi. ODIN je hiter in deluje popolnoma brez povezave. Z nekaj strankami smo izvedli pilotne projekte za nedavno objavljeno funkcijo prepoznavanja v napravi. Rezultati so spodbudni in so presegli pričakovanja strank. Funkcija ODIN je edinstvena ponudba in dokaz naše vrhunske platforme za prepoznavanje slik za maloprodajno okolje. Stranke spodbujamo k uporabi funkcije ODIN za domene, kjer je vključenih malo SKU-jev in so podvržene redkim spremembam.
3. Odstranjevanje podvajanja
Zelo pogosto se zgodi, da prodajni zastopniki med zbiranjem podatkov posnamejo več posnetkov iste police iz različnih zornih kotov. To je resen problem, saj lahko povzroči dvojno štetje meritev na policah (kot npr delež police), kar posledično vpliva na vpoglede. ShelfWatch to težavo obvladuje zelo učinkovito. Njegov algoritem za odstranjevanje podvojitev izboljša kakovost podatkov z odkrivanjem podvojenih slik in zagotavljanjem, da se meritve ne štejejo dvakrat.
Ta algoritem smo uporabili tudi za odkrivanje goljufij pri rednih revizijah izvajanja prodaje na drobno za tobačno podjetje. Revizorji na terenu so pogosto predložili staro sliko, ki označuje, da so zaključili revizijo. Z uporabo algoritma za deduplikacijo smo lahko odkrili takšne primere in zmanjšali možnosti goljufij pri revizijah na terenu. V treh mesecih po integraciji ShelfWatch je prišlo do 90-odstotnega izboljšanja kakovosti podatkov, kar je vodilo do zanesljivih vpogledov.
4. Integracija z drugo programsko opremo za maloprodajo – aplikacijama SFA in DMS
Medtem ko ShelfWatch ponuja lastno aplikacijo za zajemanje podatkov na terenu, se zavedamo, da prodajni zastopniki že uporabljajo dlančnike, ki jih zagotavljajo prodajalci avtomatizacije Salesforce, in bo preklapljanje med več aplikacijami na terenu okorno.
Imamo integriran ShelfWatch z več prodajalci SFA in vse funkcije ShelfWatch, kot so preverjanja kakovosti slike v realnem času in vpogledi v police v realnem času, delujejo tudi v integrirani rešitvi.
5. Hitra nastavitev in hitro usposabljanje AI
Pod pokrovom večina mehanizma za prepoznavanje slik poganja nevronsko mrežo za zaznavanje SKU-jev in materialov POS v maloprodajnih trgovinah. Vendar pa so nevronske mreže, zlasti globoke nevronske mreže, znane po tem, da potrebujejo veliko količino podatkov, da se usposobijo in dosežejo 90-odstotno in večjo natančnost.
Poleg tega je treba podatke o usposabljanju ročno označiti, preden jih je mogoče vnesti v nevronsko mrežo. Spodaj je prikazan primer označene slike.
Vendar bo imel velik proizvajalec 200–300 SKU-jev v več kategorijah lastnih blagovnih znamk in dodatnih 100–200 SKU-jev, ki jim bodo morda želeli slediti za svoje konkurente. Ustvarjanje ročno označenega niza podatkov, ki zajema 300–500 SKU-jev, je dolgočasno in zelo drago opravilo.
Večina ponudnikov za prepoznavanje slik bo potrebovala 90–120 dni časa za nastavitev, med katerim bodo zbirali in ročno označevali podatke. Kot si lahko predstavljate, je to drag in dolgotrajen postopek in ni primeren zanj predstavitve novih izdelkov ali v času največje promocije.
Nastavitev Shelfwatch je preprost postopek v dveh korakih. Najprej morate deliti samo ena slika SKU-jev, ki jim želite slediti. In drugič, prosite svoje predstavnike na terenu, da z našo mobilno aplikacijo posnamejo slike prodajnih polic. Algoritem ShelfWatch je usposobljen tako, da samodejno analizira slike, da poda konkurenčno analizo, kot sta delež polic in skladnost planograma.
6. Stroškovno učinkovito
ShelfWatch je bil narejen z najsodobnejša tehnologija zagotoviti optimalne rezultate, ne da bi morali porabiti veliko denarja. Z našo vrhunsko tehnologijo podpiramo nizke operativne stroške zaradi manj virov, potrebnih za nastavitev ShelfWatch. Naš algoritem nadzira kakovost podatkov na ravni zbiranja, da prikaže standardno objektivno analizo.
7. Opozorila WhatsApp –
Resnična vrednost ShelfWatch izhaja, ko so vsi primeri izvajanja maloprodajnih storitev pod pariteto takoj poudarjeni pravim zainteresiranim stranem. Pošiljamo samodejna opozorila prek WhatsAppa/e-pošte vodjem terenskih ekip za hitre intervencije. Ta nova ponudba naredi vpoglede ShelfWatch bolj uporabne – kar vodi do a robusten povratni mehanizem med trgovcem na drobno, predstavnikom na terenu in sedežem CPG.
Certifikat ISO 27001:2013 –
Z neizmernim veseljem sporočamo, da smo zdaj ISO 27001: 2013 certificiran. Za pridobitev certifikata je neodvisno revizijsko podjetje potrdilo varnostno skladnost ParallelDots, potem ko je dokazalo stalen in sistematičen pristop k upravljanju in zaščiti podatkov podjetja in strank. Ta certifikat je dokaz naše zavezanosti zasebnosti in varnosti podatkov.
Se vam je zdel ta spletni dnevnik uporaben? Preberi to blog če želite izvedeti več o tem, kako izdelki ParallelDots zagotavljajo učinkovite rešitve za tradicionalne metode maloprodaje za izboljšanje prisotnosti in prepoznavnosti blagovne znamke.
Želite videti, kako uspešna je vaša lastna blagovna znamka na policah? Kliknite tukaj načrtovati brezplačno predstavitev.
- "
- &
- 100
- Dodatne
- AI
- algoritem
- vsi
- Analiza
- razglasitve
- aplikacija
- uporaba
- aplikacije
- okoli
- Revizija
- Avstralija
- Avtomatizacija
- avatar
- baterija
- BEST
- največji
- Blog
- blagovne znamke
- izgradnjo
- primeri
- potrdilo
- certificiranje
- kanali
- naboj
- Pregledi
- stranke
- So-ustanovitelj
- Zbiranje
- Podjetja
- podjetje
- tekmovalci
- skladnost
- Izračunajte
- računalništvo
- računalniška moč
- povezava
- Potrošnik
- poraba
- stroški
- par
- cpg
- CTO
- Stranke, ki so
- datum
- zasebnost podatkov
- Zasebnost in varnost podatkov
- kakovosti podatkov
- znanost o podatkih
- globoke nevronske mreže
- zamude
- Odkrivanje
- Razvoj
- naprave
- domen
- Učinkovito
- Inženiring
- Podjetje
- okolje
- izvedba
- izkušnje
- FAST
- Feature
- Lastnosti
- Fed
- Firm
- prva
- goljufija
- brezplačno
- blago
- diplomiral
- visoka
- Poudarjeno
- Kako
- HTTPS
- Ljudje
- slika
- Prepoznavanje slike
- india
- vpogledi
- integracija
- Internet
- vključeni
- IT
- velika
- vodi
- vodi
- Stopnja
- Limited
- upravljanje
- Proizvajalec
- Stave
- materiali
- Meritve
- Mobilni
- mobilna aplikacija
- Denar
- mesecev
- mreža
- omrežij
- Nevronski
- nevronska mreža
- nevronske mreže
- ponujanje
- Ostalo
- Piloti
- platforma
- slaba
- PoS
- Prispevkov
- moč
- predstaviti
- zasebnost
- Zasebnost in varnost
- Izdelek
- upravljanje izdelkov
- Izdelki
- promocija
- kakovost
- v realnem času
- zmanjša
- viri
- Rezultati
- Trgovina na drobno
- Izvedba na drobno
- trgovec na drobno
- tek
- prodaja
- prodajni center
- Lestvica
- Znanost
- varnost
- nastavitev
- ShelfWatch
- Enostavno
- pametna
- Software
- Razvoj programske opreme
- rešitve
- hitrost
- preživeti
- Začetek
- trgovine
- podpora
- Površina
- Preklop
- Tehnologija
- čas
- tobak
- sledenje
- trgovini
- usposabljanje
- vrednost
- prodajalci
- vidljivost
- v
- delo
- deluje
- let