Як розпізнавання фотографій допомагає в моніторингу роздрібних полиць

Оновлено 23 жовтня 2021 р

За даними Gartner, до 2025 року 90% взаємодії з клієнтами в галузі роздрібної торгівлі буде здійснюватися за допомогою ШІ. Останні досягнення в технології ШІ та алгоритми глибокого навчання змінюють галузь роздрібної торгівлі. Завдяки великій кількості наборів даних, що містять тисячі зображень полиць, компанії тепер можуть використовувати штучний інтелект для кращого моніторингу присутності на полицях роздрібної торгівлі.

Моніторинг торгових полиць допомагає розпізнавати стан продукту на полицях, наприклад наявність, асортименти, простір, ціни без прихованих комісій, Акції та багато іншого. Це дозволяє компаніям вживати негайних коригувальних заходів. Алгоритми штучного інтелекту безумовно можуть покращитися відповідність планограми надаючи точну інформацію про акції. Компанії зможуть відстежувати та порівнювати тривалість екземплярів запасів, що сприятиме кращому розміщенню товарів у магазинах.

Як працює моніторинг роздрібних полиць

У повсякденній рутині польових представників мало що змінюється, окрім того факту, що вони мають більшу гнучкість щодо якості фотографій, якими вони діляться з групою аналізу. Сучасна галузь має багато вузьких місць, які впливають на остаточне розуміння, у яких нездатність проаналізувати нечіткі зображення є основною проблемою. Це призводить до збільшення часу та витрат для компанії на отримання нових зображень для нового аналізу.

Польовим представникам просто потрібно натиснути зображення всіх відповідних полиць і подати їх на свої система моніторингу торгових полиць. Одним із гальмівних моментів у автоматизованому процесі аудиту роздрібної торгівлі є перешкоди, коли польові агенти клацають зображення на полиці. Про це також піклується моніторинг роздрібних полиць, оскільки система швидко навчається з мінімальними вхідними даними навчання, а вся операція стає високомасштабованою. Таким чином, втрату зображень через перешкоди під час фотозйомки можна ігнорувати.

Алгоритм штучного інтелекту аналізує всі типи вхідних даних, щоб надати розуміння. Його здатність аналізувати зображення низької якості підвищує достовірність кінцевих результатів. Традиційним системам важко аналізувати нечіткі зображення або зображення зі слабким освітленням, чого не можна сказати про штучний інтелект. Плутанина між продуктами, схожими на вигляд, є ще однією спірною проблемою, яка вирішується, коли у вашій системі розпізнавання фотографій розгортається штучний інтелект. автоматизовані аудити роздрібної торгівлі.

Паралельні точки використала потужність штучного інтелекту для створення ShelfWatch, служби аналізу полиць зі штучним інтелектом, яка надає представникам на місцях гнучкість, а компаніям — можливість масштабування. ShelfWatch усуває всі блокади в традиційному процесі аудиту роздрібної торгівлі, який зараз з’їдає дохід CPG і роздрібних брендів. Ступінь його переваг можна повністю зрозуміти, проаналізувавши кожну зацікавлену сторону в процесі аудиту роздрібної торгівлі.

Торгові/польові представники –

Представники стикаються з серйозними проблемами під час збору даних у формі фотографій і відео. У роздрібних торговців бракує одноманітності в схемах укладання, що призводить до різних видів зображень з точки зору орієнтації запасів, освітлення та позиціонування. Польовим агентам важко підтримувати послідовність з даними, які вони збирають тому що такі нестандартні картинки аналізуються довше. І в гонитві за стандартними образами польові агенти стають жертвами інших типів упереджень людського сприйняття.

ShelfWatch допомагає польовим представникам, надаючи їм гнучкість робити всі можливі знімки в будь-якій орієнтації, освітленні чи позиціонуванні. Така гнучкість можлива, оскільки ShelfWatch не залежить від стандартних уніфікованих зображень, щоб отримати точні результати. Використовуючи найсучасніші алгоритми ШІ, ShelfWatch здатний аналізувати навіть найбільш спотворені зображення оскільки він використовує технологію розпізнавання пакетів AI.

Роздрібні партнери –

Аудити відповідності також є важким завданням для роздрібних торговців. Для дотримання попередньо встановленої планограми є частиною угода про обслуговування між роздрібним продавцем і брендами. Якщо під час остаточної оцінки буде виявлено, що роздрібні продавці порушують угоду, демонструючи занадто мало товарів або неправильно розміщуючи продукти, це може призвести до штрафних санкцій і навіть розірвання контрактів (у крайніх випадках).

Оскільки ShelfWatch дозволяє польовим представникам бути гнучкими під час збору даних, це також допомагає роздрібним торговцям дотримуватися угод про надання послуг, оскільки всі зображення, зібрані представниками, аналізуються незалежно від освітлення, позиціонування та орієнтації продуктів на полиці. Це позбавляє роздрібних продавців від фальшивих звітів аудиту, оскільки навіть якщо їхня полиця неправильно розміщена та освітлена, Shelf Watch виявить усі об’єкти на полиці, таким чином зменшуючи випадки невідповідності через поганий збір даних.

бренди

Виробники CPG отримують переваги від нашого рішення на основі ШІ. Вони можуть аналізувати всі типи зображень із своїх роздрібних аудитів за допомогою ShelfWatch. It допомагає брендам CPG розрахувати їх KPI Perfect Store, а також миттєво отримуйте статистичні дані та впроваджуйте їх у магазині.

Сподобався блог? Прочитайте це інше блозі щоб зрозуміти, як штучний інтелект перемагає в стратегії роздрібної торгівлі.

Хочете побачити, як працює ваш власний бренд на полицях? Клацніть тут запланувати безкоштовну демонстрацію.