ShelfWatch – 基于智能图像识别的零售执行软件

更新于 10 年 2021 月 XNUMX 日

现在 货架排列KPI 使用标准零售执行软件进行评估通常非常耗时且难以在工作高峰期进行管理。需要细致的人工输入以保证货架上的产品与货架图相符。此外，缺乏可见性和最新数据阻碍了消费品品牌主动解决问题。在关键的销售时期，缺乏数据可能会导致决策不理想。

根据一个 根据一项研究，”，“多达 81% 的公司表示，他们对零售执行能力不满意。另有 86% 的人表示他们对贸易促进工作不满意”。

 货架观察，所有这些冗余都可以很容易地解决。 ShelfWatch 是一款功能强大且轻松无忧的工具，能够在广泛的零售渠道上运行。在本博客中，我们将带您了解 ShelfWatch 的所有方面，这些方面使其在零售业现有的图像识别软件解决方案中脱颖而出。

1. 实时、离线图像质量反馈

图像质量是保证图像识别高精度的重要标准。 SKU级别识别或 价格显示合规性 仅当图像不模糊且无眩光时才可能实现。 ShelfWatch 移动应用程序具有实时图像质量算法，可以检测质量差的图像并指示销售代表重新拍摄照片。此检测在设备上进行，因此可在离线模式下使用。

即使在无互联网区域，销售代表也可以轻松拍摄高质量图像，并且只要有互联网连接，图像就会自动上传。根据我们与 CPG 和零售品牌合作的经验，我们发现在使用 ShelfWatch 之前，现场收集的 15-20% 的图像质量太低，无法由人工智能进行分析，在许多情况下也无法由人类进行分析。这通常会导致不必要的延迟和不完整的分析。现有的零售执行软件将照片模糊或刺眼的情况归咎于销售代表，并让消费品和零售品牌有责任培训他们忙碌的代表。

使用图像识别的理想零售执行软件应该强大且智能，以确保收集高质量的照片，而无需对销售代表进行任何额外培训。

2. 设备端图像识别（ODIN）

人工智能审计解决方案的最大限制之一是立即给出准确的结果。为了提供高精度，需要很高的计算能力。然而，代表使用的手持设备的计算资源有限，必须小心避免代表设备的电池消耗过多，以免每 2 或 3 次访问后需要为设备充电。这是哪里 ParallelDots 的 ODIN 解决方案 获胜。我们的数据科学团队成功地优化了我们的算法，让 ShelfWatch 为您提供两全其美的功能 - 准确性和速度。

设备上图像识别 (ODIN) 是 ParallelDots 稳定产品中最前沿的产品。它允许现场代表通过在手持设备上处理捕获的货架照片来即时报告。 ODIN 速度快并且完全离线工作。我们与几个客户一起针对最近宣布的设备上识别功能进行了试点。结果令人鼓舞，超出了客户的预期。 ODIN 功能是一项独特的产品，证明了我们针对零售环境的卓越图像识别平台。我们鼓励客户对涉及 SKU 数量较少且不经常更改的域使用 ODIN 功能。

3. 重复数据删除

销售代表在收集数据时经常会从不同角度拍摄同一货架的多张图像。这是一个严重的问题，因为它可能会导致货架指标的重复计算（例如 货架份额）这反过来又会影响洞察力。 ShelfWatch 非常有效地解决了这个问题。其重复数据删除算法通过检测重复图像并确保指标不重复计算来提高数据质量。

我们还利用该算法来检测烟草公司零售执行定期审计中的欺诈行为。现场审核员通常会提交旧图像以表明他们已完成审核。使用重复数据删除算法，我们能够发现此类实例并减少现场审计中欺诈的可能性。在集成 ShelfWatch 的三个月内，数据质量提高了 90%，从而获得了可靠的见解。

4. 与其他零售执行软件集成 - SFA 和 DMS 应用程序

虽然 ShelfWatch 提供了自己的应用程序来捕获现场数据，但我们确实了解到销售代表已经在使用 Salesforce 自动化供应商提供的手持设备，并且会发现在现场的多个应用程序之间切换很麻烦。

我们有 集成货架监控 与多个 SFA 供应商合作，ShelfWatch 的所有功能（例如实时图像质量检查和实时货架洞察）也适用于集成解决方案。

5. 快速设置和快速训练人工智能

在底层，大多数图像识别引擎都运行神经网络来检测零售店中的 SKU 和 POS 材料。然而，神经网络，尤其是深度神经网络因需要大量数据来训练并获得 90% 及以上的准确率而臭名昭著。

此外，训练数据在输入神经网络之前需要手动注释。带注释的图像的示例如下所示。

然而，大型制造商将拥有跨自有品牌多个类别的 200-300 个 SKU，以及他们可能想要跟踪竞争对手的另外 100-200 个 SKU。生成涵盖 300-500 个 SKU 的手动注释数据集是一项繁琐且非常昂贵的任务。

大多数图像识别供应商需要 90-120 天的设置时间来收集和手动注释数据。正如您可以想象的那样，这是一个昂贵且耗时的过程，并且无法很好地扩展 新产品发布 或在促销高峰期。

设置 Shelfwatch 的过程非常简单，分为两步。首先，你需要分享 只有一张图像 您想要跟踪的 SKU。其次，请您的现场代表使用我们的移动应用程序拍摄零售店货架的图像。 ShelfWatch 的算法的训练方式是： 它会自动分析图像，以提供竞争性分析，例如货架份额和货架图合规性。

6。 经济有效

ShelfWatch 是用 最先进的技术 无需花费大量资金即可获得最佳结果。凭借我们卓越的技术，我们可以降低运营成本，因为设置 ShelfWatch 所需的资源较少。我们的算法在收集级别控制数据质量，以得出标准、客观的分析。

7. WhatsApp 提醒 –

当所有低于标准零售执行的实例立即向正确的利益相关者突出显示时，ShelfWatch 的真正价值就产生了。我们通过 WhatsApp/电子邮件向现场团队领导发送自动警报，以便快速干预。这项新产品使 ShelfWatch 的见解更具可操作性——从而带来 稳健的反馈机制 零售商、现场代表和 CPG 总部之间的联系。

ISO 27001:2013 认证 –

我们非常高兴地宣布我们现在 ISO 27001：2013认证。为了获得认证，ParallelDots 的安全合规性由独立审计公司在展示了管理和保护公司和客户数据的持续且系统的方法后进行了验证。该证书证明了我们对数据隐私和安全的承诺。

发现此博客有用吗？ 读这个 新闻 详细了解 ParallelDots 产品如何为传统零售执行方法提供有效的解决方案，以提高品牌影响力和知名度。

是否想看看自己的品牌在货架上的表现如何？ 请点击 此处 安排免费演示。