Когда используешь инновации в бизнесе — будь готов к неожиданностям. Андрей Климов, начальник отдела развития бизнеса АСГ, руководил проектом автоматизации торгового аудита на базе компьютерного зрения. Он рассказал, как разбивались романтические представления команды о нейронных сетях, и что в реальности может дать технология.
711 просмотров
Андрей Климов, начальник отдела развития бизнеса АСГ
Аудит торговых точек
Прежде чем перейти к истории Андрея, расскажем о сути технологии. Российские производители FMCG внедряют технологии компьютерного зрения (Image Recognition, IR) для автоматизации торговых аудитов. Цель — получать достоверные «полевые» данные, качественно управлять персоналом и заменить часть сотрудников нейронными сетями.
Как выглядит стандартный фотоаудит торговой точки
«Полевой» сотрудник делает фотографии в местах продаж — фотоотчеты консолидируются в офисе — аудиторы вручную проверяют снимки и формируют отчётность. «Алкогольная Сибирская Группа» (АСГ) собирает такие данные с помощью SFA-системы «ST Чикаго» (SFA — Sales Force Automation — класс систем, предназначенных для автоматизации продаж).
Image Classification with Neural Networks in Python
Как происходит фотоаудит торговой точки после внедрения IR
«Полевой» сотрудник делает фотографии в местах продаж — нейросеть распознает фото и сообщает сотруднику о проблемах и ошибках (например, на полке не хватает товара или он стоит не по планограмме) — результат распознавания поступает в офис — система сообщает о проблемах и автоматически формирует отчетность.
В 2020 году АСГ включила модуль IR в контур SFA-проекта «ST Чикаго». По словам Андрея Климова, итогами проекта в компании довольны. Улучшились текущие процессы:
- длительность визитов «полевых» сотрудников сократилась на 10-17%;
- качество работы в торговых точках повысилось;
- качество «полевых» данных улучшилось;
- влияние человеческого фактора на получаемые данные уменьшилось.
Появилась возможность собирать больше значимых для бизнеса данных. Раньше, когда информация собиралась вручную, компания не могла мониторить такой объем — это было бы слишком дорого и трудозатратно. После внедрения IR:
- удалось запустить цифровой мониторинг по 2500 SKU и 5 макрокатегориям;
- удалось запустить мониторинг новых метрик (наличие ценников на всех SKU, наличие промоценников на акционный товар, номер полки, на которой стоит продукция, и другие).
Все эти бизнес-эффекты — это та полезная польза, ради которой внедрялась технология. Но в любом проекте есть парадная и внутренняя сторона. А когда речь идет о применении в бизнесе новой технологии, тем более не может все пройти гладко. Что же происходило за кулисами? Передаем слово Андрею:
Точность достиг — можно расслабиться
На старте проекта казалось: достаточно один раз обучить нейросеть и можно пожинать плоды. Ничего подобного. Появляются новинки, меняется упаковка — и точность распознавания снижается.
How computers learn to recognize objects instantly | Joseph Redmon
Например, на пилоте точность распознавания была 82%, а на старте проекта (31 неделя) — упала до 71%. А все потому, что у нас изменился дизайн бутылок и добавились новинки. К 32-й неделе нейросеть дообучили узнавать новые позиции, и точность выросла до 81%, к 34 неделе — до 94%.
Нужно постоянно дообучать нейросеть, чтобы поддерживать точность распознавания на нужном уровне
Нам хватит данных из опросных листов
Опросный лист в приложении «ST Мобильная Торговля» — это документ с данными о фейсингах, доле полке и других базовых параметрах выкладки. Раньше мерчандайзер вносил эту информацию вручную, после подключения IR опросный лист заполняется автоматически. Но в нашем опросном листе содержится не весь ассортимент, который есть в категории, а только ключевые SKU и ключевые метрики по ним.
В какой-то момент мы поняли, что хотим собирать максимум информации по всем SKU, которые распознает система. В итоге в контур проекта была подключена BI-система. Теперь мы получаем полный пакет данных и строим специфическую отчетность по всей номенклатуре с аналитикой по ценам, конкурентам и др.
IR решит проблему с self-assessment
Замеры показывают, что даже опытный добросовестный сотрудник при аудите полки допускает до 20% ошибок. Неопытный и недобросовестный — еще больше. При этом мерчандайзеры должны проводить self-assessment — указанные ими данные влияют на их же KPI. Неудивительно, что у людей возникает соблазн приукрасить ситуацию или выгодно «ошибиться».
Благодаря проекту нам удалось сократить влияние self-assessment по некоторым показателям, но не полностью. В остальных случаях требуется кабинетный контроль.
Интернет есть везде
На самом деле нет. Так как распознавание происходит онлайн, могут возникнуть нюансы. Благо, есть решение: система отправит фотографии, когда появится интернет. То есть снимки, сделанные во время визита, в любом случае будут обработаны. Единственный минус: сотрудник не сможет увидеть результат распознавания во время посещения магазина и оперативно исправить ситуацию, если что-то не так.
Я был удивлен, что таких случаев довольно много, думал, что их не будет вообще. А скорость интернет-соединения ощутимо влияет на комфорт использования технологии.
За месяц все научатся правильно фотографировать
Точность распознавания критично зависит от соблюдения правил фотографирования. Поэтому очень важно регулярно обучать сотрудников, давать обратную связь и вовлекать руководство службы продаж.
К сожалению, и эти меры не позволят раз и на всегда решить проблему. Нужно быть морально готовым, что часть данных потеряется, даже если сотрудники постараются соблюдать правила. Например, если над прозрачными бутылками висит лампа, то этикетки бликуют и плохо распознаются. А ценники иногда засвечиваются или вообще перекрываются другими ценниками или промоматериалами.
Бутылки разного объема, но с одинаковым дизайном и формой. Даже человеку сложно различить их на фото. Пришлось попотеть, чтобы научить нейросеть распознавать литраж
Тем не менее…
Спасибо Андрею Климову, что поделился опытом. Мы знаем: алкогольные компании уже вовсю используют цифровой мерчандайзинг, а пример АСГ иллюстрирует — почему.
Так что, несмотря на все свои особенности, цифровой мерчандайзинг — это уже не хайп, а вполне себе рабочий бизнес-инструмент. И чем больше практики по использованию нейросетей наработает рынок, тем меньше сюрпризов будет ждать последователей технологии в аналогичных проектах.
Источник: vc.ru
Image recognition что это за программа
Image Recognition — автоматическое распознавание SKU и цен на фотографии. Управляйте качеством мерчандайзинга и собирайте маркетинговую информацию о конкурентах во время визита
Результаты
Контролируйте качество работы мерчандайзеров по всем торговым точкам сразу
- Моментальное распознавание OSA с точностью 98%
- Формирование отчета по каждой торговой точке
Сокращайте время работы мерчандайзера в магазине и инвестируйте его в новые возможности
- Мерчандайзер закрывает визит на 20-30% быстрее
Минимизируйте ошибки в работе с полкой и ценами
- Мерчандайзер сразу видит несоответствие планограммы, цен и исправляет их в рамках текущего визита
Собирайте данные о конкурентах
- Доля полки, цены, фейсинг, промо-акции
- Ширина ассортимента
Экономьте деньги на аудитах команды
- Нет необходимости физически посещать большое количество торговых точек
- Высокая точность аудита
Функционал
Идентификация всех возможных проблем на полке:
- Распознавание SKU
- Распознавание пустого полочного пространства
- Распознавание групп товаров и определение количества фейсов, длины полки
- Автоматический расчет количества SKU на полке
- Распознавание доли полки конкурентов и их цен
- Сопоставление выкладки с планограммой и расчет экстра выкладки
- Выявления факта отсутствия ценника или его некорректного значения
Отчеты в режиме реального времени
- Удобный формат BI дашбордов
- Отчеты по выполнению KPI: OSA
- Отчеты по выполнению KPI: SOS
- Соблюдение планограммы и фиксирование отклонений
- Соответствие цен
- Сравнительный отчет с ценами конкурентов
- Сравнительный отчет доли полки по конкурентам
Подтверждение достоверности данных визита
- Подтверждение начала работы при нахождении в заданном радиусе от торговой точки
- Запрет доступа к медиа-библиотеке телефона
- Блокировка специализированного программного обеспечения, выдающего ложные координаты GPS
Сценарии работы
Для текущей торговой команды В случае отпусков или больничных, SFA автоматически формирует список торговых точек, рекомендованных для покрытия посредством Crowd Merch. Клиент согласует предложенное время и KPI, после чего исполнители на карте видят новые задачи
- Загрузка задач на платформу
- После проверки модератором и согласования цены задачи появляются на карте исполнителей
- Предоставляем личный кабинет с возможностью самостоятельно создавать задачи, устанавливать цены и настраивать собственные отчеты
Источник: open-com.ru
ТЕХНОЛОГИЯ IMAGE RECOGNITION В РИТЕЙЛЕ
Не так давно мы открыли информационную рубрику, в которой освещаем инновационные технологии в ритейле. Мы уже успели рассказать об SFA-системах и подготовили наглядную карту SFA-решений в мерчандайзинге (см. прошлые публикации). Сегодня же поговорим о не менее важной технологии, применяемой в мерчандайзинге, — Image Recognition. Image Recognition (анг. — «распознавание изображений») — технология компьютерного зрения на базе нейронных сетей, позволяющая автоматизировать процесс распознавания образов на фотографиях.Она определяет места, людей, объекты, а в случае ритейла — товары на полке — при помощи фотографий Image Recognition снижает трудозатраты и стоимость контроля выполнения стандартов мерчандайзинга.
Технология решает следующие задачи:
- Сокращает время создания отчетов (до 70%);
- Увеличивает объем собираемых данных (по всей категории);
- Повышает точность данных (95%+);
- Сокращает затраты на аудит торговой точки (до 80%).
Image Recognition используется следующим образом:
- Сотрудник фотографирует полку в торговой точке;
- Фотографии отправляются на сервер для распознавания;
- Через 10 секунд данные по визиту — на мобильном устройстве и BI-системе пользователя.
Что позволяет отслеживать Image Recognition?
- OSA – процент присутствия товара;
- OOS – количество отсутствующих товаров;
- Наличие товара и расположение на полке;
- Долю полки в линейном и относительном выражении;
- Соблюдение стандартов выкладки товара на полке; Контроль цен и их тип;
- Соблюдение KPI.
Евгений Матаев, Директор по развитию компании Ailet:
FMCG-производители используют технологию Image Recognition в качестве сильного катализатора так называемого процесса Retail Execution, — призванного обеспечить необходимый уровень представленности продукции в торговой рознице. Это позволяет контролировать полочные KPI (дистрибьюцию, отсутствующие позиции, долю полки, соблюдение планограмм и т.д.) на уровне каждого визита, а продвинутым «пользователям» накопленная с распознанных фотографий информация помогает при принятии менеджерских решений (повышение цен, ответные меры на деятельность конкурентов и т.д.)
ЦЕНТРАЛЬНЫЙ ОФИС
ПРИЕМ ОБРАЩЕНИЙ
ПРИСОЕДИНЯЙТЕСЬ
Заявка на услугу
Обратный звонок
Уважаемые Партнеры!
В настоящий момент, когда коммерческие предприятия ежедневно сталкиваются с новыми вызовами из-за происходящих мировых событий, всем как никогда требуется поддержка.
За 19 лет своего существования Компания Leader Team, как и экономика России в целом, не раз сталкивалась с подобными обстоятельствами, успешно их преодолевая. Сегодня наша Компания является лидером рынка аутсорсинговых услуг и сейчас мы по-прежнему стабильны и полностью выполняем все обязательства перед всеми нашими Клиентами и Партнерами.
Услуги мерчандайзинга, аутсорсинга персонала (торговые сети, производство, складская логистика), а так же независимой инвентаризации, предоставляемые нашей Компанией, способствуют сохранению конкурентоспособности, а также сокращению издержек наших Партнеров.