Blog Post: Балтика задействовала технологии компьютерного зрения для оптимизации выкладки товара

Пивоваренная компания «Балтика», лидер российского рынка пива, завершила пилотное тестирование решения резидента ИТ-кластера фонда «Сколково» Intelligence retail. Фото: Sk.ru. Основной целью пилота компания видела сокращение трудозатрат полевых сотрудников на аудит торговых точек, а также повышение качества и доступности аналитики с мест продаж. Решение Intelligence Retail базируется на использовании технологий компьютерного зрения для распознавания товаров различных категорий с целью контроля наличия и корректности выкладки товаров в сети продаж. Система позволяет полевому сотруднику компании в течение от 90 секунд получить необходимую информацию по ассортименту и выкладке. Онлайн-аналитика в магазинах позволяет повысить эффективность процесса, исключив сбор информации вручную. Проект занял три месяца, включая обучение системы распознавания более 500 ассортиментных позиций (SKU) и полевое тестирование в регионе Москва, в рамках которого аудиторы компании «Балтика» совершили 10 000 визитов, более 50 000 фотографий было распознано. В момент каждого визита при наличии стабильной сотовой связи в течение 2-5-ти минут пользователь приложения получал информацию о выполнении стандартов выкладки продаж: доля брендов «Балтика» на полке, уровень выполнения ассортиментной матрицы, а также список товаров, которые отсутствуют сейчас на полке. Выполнение данных KPI становится частью мотивационной программы мерчендайзеров и торговых представителей, что повышает общую эффективность отдела продаж компании. Важной составляющей проекта стала возможность использования агрегированной аналитики по всем совершенных визитам. Вся собираемая информация визуализируется в удобных дэшбордах, которые сигнализируют о проблемах в различных показателях и позволяют аналитикам своевременно выявлять неточности и давать ОС о необходимости их решения в детализации по торговым точкам, юридическим лицам и т.д., а также позволяют оперативно отслеживать действия конкурентов на полке (ценовая и промо активность). Одним из наиболее важных показателей качества сервиса являетсяточность и скорость распознавания. По результатам проверки пивоваренная компания «Балтика» может подтвердить точность распознавания свыше 93% на уровне каждого SKU и фейсинга. Кроме того, скорость формирования отчетов составила от 90 секунд на категорию, включая скорость на передачу фото-изображений в облако Intelligence Retail. Качество и скорость получаемой аналитики позволяет перейти на автоматизированный трекинг ключевых KPIs полевых сотрудников в текущей мотивационной программы. Максим Морозов, генеральный директор Intelligence Retail, отметил: «Пивоваренная компания «Балтика» является признанным лидером в своей категории и мы благодарны за высокую оценку проекта. Полученные результаты подтверждают не только технологические возможности решения, но и готовность проектной команды достигать целевых показателей проекта». Дмитрий Лещенко, начальник отдела аналитики и развития информационных систем ООО «Пивоваренная компания «Балтика», добавляет: «На протяжении всей истории «Балтика», будучи лидером рынка, внедряет инновации, задает тренды и следует последним тенденциям развития рынка. Кроме того, мы заинтересованы в том, чтобы открывать новые направления и повышать эффективность работы полевых сотрудников. По результатам нашего массового теста в Москве мы видим, что неподготовленный сотрудник, используя приложение Intelligence Retail, фотографирует 2-4 минуты. После 2-3-х дней использования это время сокращается до 1-2,5 минут. Если учитывать скорость передачи в облако, то общая скорость выходит около 3-5 минут, но это не супер критично, т.к. сотруднику в точке продаж есть чем заняться в это время. В «ручном режиме» пересчет аналитики по категории «с нуля» (например, новая территория) занимает 6-10 минут. На «своей» территории, т.е. в магазинах, которые торговый представитель посещает 2-5 раз в неделю, пересчет аналитик происходит быстро полками/блоками/холодильниками. Это занимает уже 2-4 минуты, но в этом случае теряется точность аналитики, допустим, для холодильника вносится базово 70 фейсингов, но сколько их там по факту – 65 или 75 – никто не проверяет. Мы высоко оценили решение Intelligence Retail и можем сказать, что цели, поставленные в проекте, были достигнуты. В рамках проекта появились идеи по доработке решения, которые были также учтены командой Intelligence Retail. Отдельно хочу поблагодарить сотрудников отдела продаж современной торговли Москва за позитивный настрой в тестировании нового инструмента работы в полях. На этапе внедрения всегда требуются дополнительные усилия для работы по новым принципам. Именно обратная связь по результатам работы полевых сил Москвы помогла нам оценить эффективность работы с распознаванием фотографий и сделать выводы на будущее». Источник: retail-loyalty.org