Hvordan fotogjenkjenning hjelper i detaljhandelshylleovervåking

Oppdatert 23. oktober 2021

I følge Gartner, innen 2025 vil 90 % av kundeinteraksjonene i detaljhandelen bli administrert av AI. Det siste fremskrittet innen AI-teknologi og dyplæringsalgoritmer endrer detaljhandelen. Med et stort antall datasett som består av tusenvis av hyllebilder, kan bedrifter nå utnytte kunstig intelligens for å bedre overvåke tilstedeværelsen i detaljhandelen.

Detaljhandelshylleovervåking hjelper med å gjenkjenne produktforhold på hyller som f.eks tilgjengelighet, sortimenter, plass, prising, kampanjer og mange flere. Det gir bedrifter mulighet til å iverksette umiddelbare korrigerende tiltak. AI-algoritmer kan definitivt forbedres planogram samsvar ved å gi nøyaktig aksjesynlighet. Bedrifter vil kunne overvåke og benchmarke varigheten av lagerforekomster, noe som vil føre til bedre produktplassering i butikk.

Slik fungerer hylleovervåking

Ikke mye endringer i den daglige rutinen til feltrepresentantene bortsett fra at de har mer fleksibilitet når det gjelder kvaliteten på bildene som de deler med analyseteamet. Den nåværende industrien har mange flaskehalser som påvirker endelig innsikt der manglende analyse av uklare bilder er et stort problem. Dette fører til økt tid og kostnader for selskapet for å hente nye bilder for fersk analyse.

Feltrepresentanter må bare klikke på bilder av alle relevante hyller og mate det til deres detaljhandelshylleovervåkingssystem. En av demperene i den automatiserte detaljrevisjonsprosessen er hindring når feltagenter klikker på hyllebilder. Også dette blir ivaretatt av detaljhandelshylleovervåking ettersom systemet lærer raskt med minimale opplæringsinnganger, og hele operasjonen blir svært skalerbar. Dermed kan tap av bilder på grunn av obstruksjon mens fotografering ignoreres.

AI-algoritmen analyserer alle typer input for å levere innsikt. Dens evne til å analysere bilder av dårlig kvalitet øker troverdigheten til de endelige resultatene. Tradisjonelle systemer har vanskelig for å analysere uklare/lavt lysbilder, noe som ikke er tilfelle ved bruk av AI. Forvirring mellom produkter som ser liknende ut er et annet omstridt problem som blir løst når AI blir distribuert i bildegjenkjenningssystemet ditt for automatiserte detaljrevisjoner.

Parallelle prikker har utnyttet kraften til AI for å lage ShelfWatch, en AI-hylleanalysetjeneste som gir feltrepresentanter fleksibilitet og selskaper med skalerbarhet. ShelfWatch eliminerer alle gridlocks i den tradisjonelle detaljrevisjonsprosessen som for tiden tærer på inntektene til CPG og detaljhandelsmerkene. Omfanget av fordelene kan forstås fullt ut ved å analysere hver enkelt interessent i detaljrevisjonsprosessen.

Salgs-/feltrepresentanter –

Representantene møter store utfordringer mens de samler inn data i form av bilder og videoer. Det er mangel på enhetlighet i stabling av mønstre på tvers av forhandlere, noe som fører til forskjellige typer bilder når det gjelder lagerorientering, belysning og plassering. Feltagenter sliter med å opprettholde konsistens med dataene de samler inn fordi slike ikke-standardbilder tar lengre tid å analysere. Og i jakten på standardbilder blir feltagenter byttedyr for andre typer menneskelige oppfatningsskjevheter.

ShelfWatch hjelper feltrepresentantene ved å gi dem fleksibiliteten til å ta alle mulige bilder i enhver orientering, belysning eller posisjonering. Slik fleksibilitet er tillatt fordi ShelfWatch ikke er avhengig av standard ensartede bilder for å gi nøyaktig utdata. Ved å bruke state-of-the-art AI-algoritmer er ShelfWatch i stand til å analysere selv de mest forvrengte bildene fordi den bruker teknologi for gjenkjenning av AI-pakker.

Detaljhandelspartnere –

Samsvarsrevisjon er tøffe oppgaver også for forhandlere. For å overholde det forhåndsinnstilte planogrammet er en del av serviceavtale mellom forhandleren og merkene. Hvis forhandlerne i den endelige vurderingen viser seg å bryte avtalen ved å vise for få produkter, eller ved å ikke plassere produktene riktig, kan det medføre straffer og til og med oppsigelse av kontrakter (i ekstreme tilfeller).

Siden ShelfWatch lar feltrepresentanter være fleksible mens de samler inn data, hjelper det også forhandlere med å overholde serviceavtalene fordi alle bildene som samles inn av representantene blir analysert uavhengig av lys, plassering og orientering av produktene på hyllen. Dette sparer forhandlere fra falske revisjonsrapporter fordi selv om hyllen deres ikke er godt stablet når det gjelder plassering og belysning, vil Shelf Watch oppdage alle objektene på hyllen, og dermed redusere forekomsten av manglende samsvar på grunn av dårlig datainnsamling.

Merker

CPG-produsenter drar nytte av vår AI-drevne løsning. De er i stand til å analysere alle typer bilder fra sine detaljhandelsrevisjoner ved å bruke Hylleklokke. It hjelper CPG-merker med å beregne deres Perfekte butikk-KPIer, og få umiddelbar innsikt og implementer dem mens du er i butikken.

Likte bloggen? Les denne andre blog for å forstå hvordan AI vinner detaljhandelsstrategien.

Vil du se hvordan ditt eget merke presterer i hyllene? Klikk her. for å planlegge en gratis demo.