
Czy automatyczna analiza półki w sklepie polubi Twoje produkty?
Automatyczna analiza półki staje się możliwa dzięki nowoczesnym technologiom. Coraz więcej produktów rozpoznaje AI. Czy Twoje też?
Tempo rozwoju rozpoznawania obrazu AI sprawiło, że automatyczna analiza półki upowszechniła się wśród producentów i agencji. Transfer danych w sieciach, jakość zdjęć ze smartfonówi, wreszcie prędkość przetwarzania danych przestały być przeszkodami we wdrażaniu technologii opartych na głębokim uczeniu sieci neuronowych. Wciąż jednak wielu dyrektorów sprzedaży i CIO zadaje sobie pytanie, czy jest sens wdrożenia tak zaawansowanej technologii?
Automatyczna analiza półki – nowy wymiar analizy biznesowej
Zastąpienie ręcznego badania parametrów ekspozycji automatyczną analizą półki uwalnia ogromne ilości zasobów czasowych i osobowych. Jest tak gdy analizy są podstawowe (obecność, facing). Oszczędności są jeszcze większe przy złożonych KPI (udział w półce, udział w kategorii, konkurencja). Mocno zaawansowane analizy, wymykają się porównaniu, bo dotychczas mało kto mógł sobie na nie pozwolić (blokowanie produktów, sąsiedztwo SKU i kategorii, w tym własnych i konkurencji). Z drugiej strony automatyzacja inspiruje do skoku na głęboką wodę analizy biznesowej oraz zarządzania poprzez cele w czasie rzeczywistym. Wyobraźmy sobie te wszystkie przekrojowe raporty, których nigdy nie stworzyliśmy z braku danych lub z obawy przed ich słabą jakością!
Na bazie inteligentnej analizy ekspozycji można wyciągać wnioski dla pojedynczego sklepu i pracownika, poprzez segmenty, zespoły, regiony, aż po poziom strategii biznesowych, centralnych promocji i założeń trade marketingu czy polityki HR. Mamy tu do czynienia z różnicą jakościową, na którą wielu managerów sprzedaży czekało od wielu lat. Co jest jednak bardzo istotne, nie tylko ilość, ale i jakość oraz wiarygodność danych pełnią tu równie istotną rolę. Zasoby gromadzonych informacji oraz możliwość ich przetwarzania później (np. analiza retrospektywna wcześniej niebadanych wskaźników) składają się na przewagę konkurencyjną, która może zaważyć o sukcesie w danej kategorii.
Czytaj również:
- Napoje energetyzujące 2024: obraz branży w obiektywie AI
- Audyt w sklepie bez pośredników. W jaki sposób to zorganizować?
- Raport z półek sklepowych: Rynek piwa w Polsce 2024
- Raport z półek sklepowych: Napoje energetyzujące w Polsce
Inwestycja w rozwiązanie takie jak eLeader Shelf Recognition AI to decyzja o wejściu w projekt wymagający związania niepomijalnej części zasobów. Oprócz ludzi zaangażowanych w implementację funkcjonalności do systemu oraz ustalenie zasad i kryteriów (np. KPI ekspozycji, a niezależnie od tego jaką technologią dysponujemy, zawsze warto to zrobić), potrzebujemy również nieco czasu na nauczenie sieci neuronowej rozpoznawania produktów.
Czy automatyczna analiza półki polubi Twoje produkty?
Aby proces przebiegł sprawnie i przyniósł zadowalające ROI, zalecamy przeprowadzenie podstawowej analizy. Wystarczy do niej w zasadzie znajomość wyglądu produktów – w szczególności etykiet ich opakowań. Poniżej zamieszczamy podstawowe wytyczne, które pozwolą stwierdzić czy warto zainteresować się analizą automatyczną.
Należy więc rozważyć wdrożenie eLeader Shelf Recognition AI jeśli:
• produkty posiadają opakowania;
• opakowania posiadają kształty pozwalające wyodrębnić je z otoczenia;
• etykiety opakowań można łatwo odróżnić od konkurencji, zwłaszcza jeśli różnią się od siebie w ramach brandu i kategorii;
• sprzedajesz produkty w kanale nowoczesnym i umieszczasz je na regałach np. zgodnie z listingiem (kontraktem na półkę);
• sprzedajesz produkty w kanale tradycyjnym stosując standardy merchandisingowe lub planogramy.

Jeśli odpowiedź na większość powyższych zagadnień jest twierdząca to podstawowe warunki do wprowadzenia automatycznej analizy półki zostały spełnione. Tym samym projekt ma zielone światło. Jeśli jednak nie udało się pozytywnie przejść powyższych punktów, być może lepiej będzie pozostać przy metodach tradycyjnych. Wówczas zalecamy rozwiązanie mierzące wskaźnik perfect store w obrębie podstawowych i dających się łatwo mierzyć KPI (obecność, facing). Pozwoli to nie tylko na skuteczniejszą realizację strategii w terenie, ale da podstawy do analizy za pomocą narzędzi business intelligence, pracujących na dużych zbiorach danych z wielu źródeł.
Kiedy automatyczna analiza półki powinna ustąpić tradycyjemu merchandisingowi?
• gdy są to produkty bez opakowań, sypkie lub ciężkie do wyodrębnienia z otoczenia (np. pieczywo, ciasta);
• gdy produkty sprzedawane są w małych ilościach w nietypowym otoczeniu (np. salon samochodowy, personalizowane stoiska);
• gdy jesteś producentem luster ;).
Z drugiej strony warto rozważyć w swojej strategii trade marketingowej wprowadzenie opakowań spełniających kryteria analizy przez sztuczną inteligencję.

Jakie zatem wyzwania czekają sprzedaż w dobie galopującej digitalizacji i zdobywającej kolejne przyczółki rynku sztucznej inteligencji? Z pewnością warto wziąć pod uwagę możliwości użycia automatycznej analizy półki, która eliminuje błędy i pomyłki właściwe ludzkiej percepcji i wytrzymałości. W tym samym momencie otoczenie biznesowe i konkurencja stoją przed podobnymi wyzwaniami i poszukują rozwiązań z obszaru AI i automatyzacji. Technologia oparta na głębokim uczeniu z pewnością nie jest dla każdego. Jednak często okazuje się, że mimo pozornej trudności, nie ma przeciwwskazań do zastosowania inteligentnej analizy.
Jeśli Twoje produkty kwalifikują się do rozpoznawania za pomocą nowoczesnej technologii, należy ocenić możliwość wdrożenia eLeader Shelf Recognition AI na poziomie strategii i wyposażenia. Pamiętać należy, że mówimy tu o systemie naczyń połączonych, jeśli chodzi o funkcjonalności typu Perfect Store, RAO, czy zaawansowane raportowanie typu BI. W celu pozyskania odpowiedniej wiedzy najlepiej porozmawiać z analitykiem eLeader, który pomoże wstępnie ocenić możliwości wdrożenia i zakwalifikować projekt do pogłębionej analizy lub zaleci alternatywne rozwiązania, pozwalające na satysfakcjonujące wdrożenie business intelligence i perfect store w Twojej organizacji.