Merchandising to wszystkie działania podejmowane w punktach sprzedaży w celu zapewnienia odpowiedniej ekspozycji produktów – takiej, która przyciąga uwagę klientów, zwiększa szansę na zakup i wspiera realizację celów sprzedażowych marki. To nie tylko estetyka ułożenia towaru na półce, ale przede wszystkim egzekucja ustalonych standardów obecności produktów, ich dostępności, oznaczeń cenowych czy obecności materiałów promocyjnych. Odpowiednio prowadzony merchandising przekłada się bezpośrednio na wzrost sprzedaży oraz budowanie lojalności konsumentów wobec marki.
Jednak skuteczny merchandising wymaga ciągłego monitorowania i oceny jego realizacji w tysiącach punktów sprzedaży – co w tradycyjnym podejściu bywa czasochłonne, kosztowne i podatne na błędy. Dlatego coraz więcej firm decyduje się na wykorzystanie technologii Image Recognition (IR), która automatyzuje proces audytu ekspozycji
Jak działa Image Recognition w merchandisingu?
Merchandising z Image Recognition to usługa wykorzystująca sztuczną inteligencję do automatycznej analizy ekspozycji produktów w punktach sprzedaży. Podczas wizyty przedstawiciel handlowy wykonuje zdjęcie półki za pomocą urządzenia mobilnego z zainstalowanym systemem SFA. Następnie sieć neuronowa analizuje zdjęcie, identyfikując produkty.System ocenia realizację standardów merchandisingowych, takich jak dostępność produktów, udział półkowy oraz obecność i poprawność metek cenowych. Dzięki temu proces weryfikacji ekspozycji staje się szybszy i bardziej precyzyjny.
Tradycyjny Image Recognition – jakie ma wady?
Typowa metoda uczenia algorytmu IR ma jednak pewną wadę. Trzeba zebrać ogromną ilość danych w postaci zdjęć produktów. Następnie produkty na zdjęciach muszą być ręcznie oznaczone i opatrzone adnotacją. Dopiero wtedy można wprowadzić algorytm, który nauczy się je wykrywać. Ten proces jest przede wszystkim kosztowny i czasochłonny, a jego powodzenia zależy od jakości i ilości zdjęć.
Tak wygląda to w dużym skrócie. Skutek jednak jest taki, że już niełatwy proces wdrożenia usługi u producenta potrafi wielokrotnie się wydłużać. Konieczne bywa powtórne zbieranie danych i rozpoczynanie nauki algorytmu od nowa.
Modele 3D – dokładniejsze rozpoznawanie produktów i szybsze wdrożenie Image Recognition
W naszym rozwiązaniu Merchandising IR zastosowaliśmy inną, nowocześniejszą metodę. Zamiast manualnych adnotacji generowane są syntetyczne dane i modele 3D opakowań. Takie rozwiązanie jest bardziej niezawodne niż praca na rzeczywistych zdjęciach i algorytm osiąga dokładność rozpoznawania produktów nawet na poziomie 98,3%. Co ciekawe, średni wskaźnik dokładności to aż 95%. Poza dokładnością, korzyścią z użycia modeli 3D jest też czas. Uruchomienie w pełni działającego Image Recognition, potrafiącego rozpoznawać 1000 SKU trwa zaledwie tydzień.
Co producent może zyskać dzięki Image Recognition?
Image Recognition to dla producentów nie tylko sposób na usprawnienie codziennej pracy przedstawicieli handlowych, ale przede wszystkim narzędzie strategiczne, które realnie wpływa na efektywność działań w punktach sprzedaży. Automatyczna analiza zdjęć półek eliminuje błędy ludzkie, skraca czas raportowania i umożliwia szybsze reagowanie na nieprawidłowości w ekspozycji. Co więcej, dzięki stałemu monitoringowi dostępności produktów, producenci mogą skuteczniej realizować standardy merchandisingowe, zwiększać udział półkowy i lepiej planować działania promocyjne. Ważny jest też dostęp do rzetelnych danych, które są idealną podstawą do rozliczeń ze sklepami czy aptekami.
Efekty wdrożeń pokazują, że rozwiązanie to przynosi wymierne rezultaty – w jednym z przypadków udało się zwiększyć realizację standardów ekspozycji z 44% do ponad 90%, a w innym poprawić dystrybucję numeryczną wybranej linii produktowej o 21,2% i średnią dystrybucję w aptekach o 33,6%. Takie liczby jasno wskazują, że Merchandising IR to nie tylko innowacja technologiczna, ale realna przewaga konkurencyjna.
