Hur fotoigenkänning hjälper till vid övervakning av detaljhandeln

Uppdaterad den 23 oktober 2021

Enligt Gartner2025 kommer 90 % av kundinteraktionerna inom detaljhandeln att hanteras av AI. De senaste framstegen inom AI-teknik och algoritmer för djupinlärning förändrar detaljhandeln. Med ett stort antal datamängder som består av tusentals hyllbilder, kan företag nu utnyttja artificiell intelligens för att bättre övervaka sin närvaro i detaljhandeln.

Detaljhandelns hyllövervakning hjälper till att känna igen produktförhållanden på hyllor som t.ex tillgänglighet, sortiment, plats, prissättning, kampanjer och många fler. Det ger företag möjlighet att vidta omedelbara korrigerande åtgärder. AI-algoritmer kan definitivt förbättras planogramöverensstämmelse genom att tillhandahålla exakta insikter om lagersynlighet. Företag kommer att kunna övervaka och jämföra varaktigheten av lagerförekomster, vilket kommer att leda till bättre produktplacering i butik.

Hur övervakning av detaljhandeln fungerar

Inte mycket förändringar i den dagliga rutinen för fältrepresentanterna förutom att de har mer flexibilitet när det gäller kvaliteten på bilder som de delar med analysteamet. Den nuvarande branschen har många flaskhalsar som påverkar slutliga insikter där misslyckande med att analysera oklara bilder är en stor fråga. Detta leder till ökad tid och kostnader för företaget att hämta nya bilder för färsk analys.

Fältrepresentanter behöver bara klicka på bilder av alla relevanta hyllor och mata in dem till sina övervakningssystem för detaljhandeln. En av dämparna i den automatiserade detaljhandelsrevisionsprocessen är hinder när fältagenter klickar på hyllbilder. Även detta sköts av detaljhandelns hyllövervakning eftersom systemet lär sig snabbt med minimala utbildningsinsatser, och hela verksamheten blir mycket skalbar. Således kan förlust av bilder på grund av obstruktion medan fotografering ignoreras.

AI-algoritmen analyserar alla typer av indata för att leverera insikter. Dess förmåga att analysera bilder av dålig kvalitet ökar trovärdigheten för slutresultaten. Traditionella system har svårt att analysera oklara/lågljusbilder vilket inte är fallet när man använder AI. Förvirring mellan liknande produkter är ett annat kontroversiellt problem som löses när AI distribueras i ditt fotoigenkänningssystem för automatiserade detaljhandelsrevisioner.

ParallellDots har utnyttjat kraften hos AI för att skapa ShelfWatch, en AI-hyllanalystjänst som ger fältrepresentanter flexibilitet och företag med skalbarhet. ShelfWatch eliminerar alla gridlocks i den traditionella detaljhandelsrevisionsprocessen som för närvarande äter in på intäkterna från CPG och detaljhandelsvarumärken. Omfattningen av dess fördelar kan förstås fullt ut genom att analysera varje intressent i detaljhandelsrevisionsprocessen.

Säljare/Fältrepresentanter –

Representanterna står inför stora utmaningar när de samlar in data i form av bilder och videor. Det finns en brist på enhetlighet i staplingsmönster mellan återförsäljare, vilket leder till olika typer av bilder när det gäller lagerorientering, belysning och positionering. Fältagenter kämpar med att upprätthålla konsekvens med de uppgifter de samlar in eftersom sådana icke-standardiserade bilder tar längre tid att analysera. Och i jakten på standardbilder faller fältagenter offer för andra typer av mänskliga perceptionsfördomar.

ShelfWatch hjälper fältrepresentanterna genom att ge dem flexibiliteten att ta alla möjliga bilder i valfri orientering, belysning eller positionering. Sådan flexibilitet är tillåten eftersom ShelfWatch inte är beroende av enhetliga standardbilder för att ge korrekt utdata. Med hjälp av toppmoderna AI-algoritmer kan ShelfWatch analysera även de mest förvrängda bilderna eftersom den använder teknik för igenkänning av AI-paket.

Detaljhandelspartners –

Efterlevnadsrevisioner är också tuffa uppgifter för återförsäljare. Att följa det förinställda planogrammet är en del av serviceavtal mellan återförsäljaren och varumärkena. Om det i den slutliga bedömningen visar sig att återförsäljarna bryter mot avtalet genom att visa för få produkter, eller genom att inte placera produkterna korrekt, kan det leda till straffavgifter och till och med uppsägning av kontrakt (i extrema fall).

Eftersom ShelfWatch tillåter fältrepresentanter att vara flexibla när de samlar in data, hjälper det också återförsäljare att följa serviceavtalen eftersom alla bilder som samlas in av representanterna analyseras oavsett ljus, placering och orientering av produkterna på hyllan. Detta räddar återförsäljare från falska granskningsrapporter eftersom även om deras hylla inte är väl staplade när det gäller placering och belysning, kommer Shelf Watch att upptäcka alla föremål på hyllan, vilket minskar förekomsten av bristande efterlevnad på grund av dålig datainsamling.

Varumärken

CPG-tillverkare drar nytta av vår AI-drivna lösning. De kan analysera alla typer av bilder från sina detaljhandelsrevisioner med hjälp av ShelfWatch. It hjälper CPG-märken att beräkna deras Perfekta butiks-KPI:er, och få omedelbara insikter och implementera dem i butiken.

Gillade du bloggen? Läs denna andra blogg för att förstå hur AI vinner detaljhandelsstrategin.

Vill du se hur ditt eget märke presterar i hyllorna? Klick här. att schemalägga en gratis demo.