Kệ đã giúp một trong những công ty hàng tiêu dùng lớn nhất thế giới cải thiện việc tuân thủ bán hàng lên 30% trên 100,000 cửa hàng thương mại truyền thống ở Ấn Độ.

Các công ty CPG chi một số tiền đáng kể cho các nhà bán lẻ để cải thiện sự hiện diện tại cửa hàng và thực hiện khuyến mãi. Các khoản phí sắp xếp, hiển thị và trả tiền để lưu trú này có thể nhanh chóng cộng lại, ảnh hưởng đến lợi nhuận của họ. Vì vậy, điều quan trọng đối với CPG là đảm bảo rằng họ có được không gian mà họ phải trả. Họ cũng phải đảm bảo rằng các đại diện đang thực hiện đúng công việc của mình để đảm bảo việc thực hiện bán lẻ tốt nhất có thể. Trong blog này, chúng tôi sẽ hướng dẫn bạn cách công cụ giám sát kệ tự động ShelfWatch của ParallelDots đã giúp Khách hàng cải thiện việc tuân thủ hoạt động bán hàng của họ bằng công nghệ nhận dạng hình ảnh của nó.

Sáng kiến ​​độc đáo của khách hàng

Khách hàng của chúng tôi, một thương hiệu chăm sóc cá nhân và gia đình toàn cầu với danh mục lớn gồm các thương hiệu mang tính biểu tượng, muốn hiểu sự tuân thủ về buôn bán của các bộ phận mang thương hiệu chuyên dụng của họ trong thương mại truyền thống ở Ấn Độ. Trước khi tiếp cận chúng tôi, khách hàng đã thực hiện một nghiên cứu để phát hiện ra rằng các cửa hàng có khu vực dành riêng cho thương hiệu đã tạo ra doanh số bán hàng bổ sung từ 7-10% mỗi tháng. 

Với mục tiêu tăng thêm doanh số bán hàng từ 7-10%, khách hàng cũng muốn hiểu rõ mức độ tuân thủ của các khu vực có thương hiệu của họ sau chuyến thăm của những người bán hàng.

Khách hàng muốn triển khai Nhận dạng hình ảnh để tự động hóa quá trình kiểm tra tuân thủ từ những bức ảnh được người bán hàng chụp sau chuyến thăm của họ. 

Ngoài việc hiểu rõ sự tuân thủ trong hoạt động bán hàng, Khách hàng còn muốn hiểu cách các nhà bán lẻ duy trì các khu vực có thương hiệu của họ. Họ đã tuyển dụng một cơ quan bên thứ ba để kiểm tra các cửa hàng này mỗi tháng một lần. Họ muốn hiểu tỷ lệ tuân thủ của các khu vực có thương hiệu của họ ở các cửa hàng khác nhau và khen thưởng những cửa hàng duy trì được mức độ tuân thủ cao hơn.

Khách hàng, ngoài việc phân tích những hình ảnh do người bán hàng chụp, còn muốn những bức ảnh do kiểm toán viên hiện trường chụp được được Phân tích bằng Nhận dạng Hình ảnh để xếp hạng các cửa hàng.

Thách thức

1. Phạm vi của Dự án

Nghiên cứu được thực hiện trên quy mô lớn với hơn 500 loại tài sản bán hàng khác nhau trên 1,000 SKU được triển khai cho hơn 100,000 cửa hàng. Quy mô và phạm vi của dự án đồng nghĩa với việc tổng số hình ảnh được chụp mỗi ngày sẽ vượt quá 75,000 và 1.5 triệu hình ảnh mỗi tháng.

2. Tài liệu bán hàng đa dạng

Một thách thức khác đối với công nghệ Nhận dạng Hình ảnh dựa trên mạng thần kinh là tài liệu bán hàng sẽ thay đổi hàng tháng và do đó, mạng phải được đào tạo và triển khai nhanh chóng trước khi người bán hàng bắt đầu cài đặt nó trong các cửa hàng.

Cách tiếp cận- Sự khác biệt của ShelfWatch

Trước KệXem

Cách tiếp cận ban đầu của khách hàng là phân tích thủ công các bức ảnh của cửa hàng và đo lường sự tuân thủ trong hoạt động bán hàng. Đánh giá thủ công đặt ra một số thách thức, một số thách thức được đề cập dưới đây:

1. Thời gian quay vòng thấp

Việc phân tích dữ liệu theo cách thủ công trên quy mô lớn như vậy tiêu tốn rất nhiều thời gian, gây ra sự chậm trễ trong việc tạo ra thông tin chuyên sâu. Điều này càng gây ra sự chậm trễ trong việc xác định các điểm nghẽn và đưa ra các biện pháp khắc phục kịp thời. Kết quả là, luôn có một khoảng cách lớn giữa kế hoạch dự kiến ​​và thực tế của cửa hàng.

2. Độ chính xác thấp

Thiếu sự đồng nhất trong cách xếp hàng giữa các nhà bán lẻ, dẫn đến các loại hình ảnh khác nhau về định hướng hàng hóa, ánh sáng và vị trí. Các nhân viên hiện trường gặp khó khăn trong việc duy trì tính nhất quán với dữ liệu họ thu thập vì những bức ảnh không chuẩn như vậy sẽ mất nhiều thời gian hơn để phân tích.

3. Phân tích chưa đầy đủ

Trong quá trình theo đuổi những hình ảnh tiêu chuẩn, các đặc vụ hiện trường trở thành con mồi cho những kiểu thành kiến ​​nhận thức khác của con người. Rất thường xuyên xảy ra trường hợp trong khi thu thập dữ liệu, các đại diện sẽ chụp nhiều hình ảnh của cùng một kệ từ nhiều góc độ khác nhau. Đây là một vấn đề nghiêm trọng vì nó có thể dẫn đến việc tính gấp đôi số liệu của giá (chẳng hạn như tỷ lệ của giá), từ đó ảnh hưởng đến thông tin chi tiết.

4. Đắt tiền

Vì việc kiểm tra thủ công không đủ năng lực và không thể cung cấp sự tuân thủ kế hoạch như mong muốn nên tổng số tiền chi cho nghiên cứu không thể được bù đắp bằng tổng doanh thu.

Do các yếu tố trên, khách hàng không thể thực hiện hành động dựa trên thông tin chuyên sâu một cách kịp thời và do đó, mức độ tuân thủ tổng thể là khoảng 55%.

Sau KệXem

Chúng tôi đã triển khai ShelfWatch sau khi đào tạo AI về tất cả SKU và tài liệu bán hàng. Chúng tôi đã vượt qua một số thách thức nhờ tính mới của công nghệ được liệt kê dưới đây:

• Sự khan hiếm dữ liệu: Vì vật liệu buôn bán sẽ thay đổi hàng tháng nên không bao giờ có đủ dữ liệu để huấn luyện mạng lưới thần kinh nhằm phát hiện những vật liệu này với độ chính xác rất cao.
• Chất lượng hình ảnh: do t
  Do tính chất hỗn loạn của Thương mại tổng hợp, không phải tất cả SKU đều được đặt ở hướng lý tưởng để AI có thể dễ dàng phát hiện.

Những vấn đề này đã được khắc phục bằng cách sử dụng kiến ​​trúc AI của ShelfWatch vốn chỉ yêu cầu một hình ảnh có độ phân giải cao để huấn luyện AI. Những hình ảnh có độ phân giải cao này, còn được gọi là ảnh chụp gói hoặc ảnh gốc, đã được khách hàng chia sẻ vào đầu tháng. Trong vòng 48 giờ, AI đã được đào tạo về những vật liệu buôn bán này để bắt đầu phát hiện những vật liệu này.

XUẤT KHẨU. Hội nhập

Sau khi thiết lập chương trình đào tạo AI, các hình ảnh hiện trường sẽ được nhóm ParallelDots tự động tải xuống thông qua tích hợp SFA với hệ thống quản lý tài sản của khách hàng. Các hình ảnh được tải xuống vào một thời điểm cố định hàng ngày cùng với siêu dữ liệu như tên cửa hàng, vị trí địa lý, tên người bán hàng, thời gian chụp và thông tin đầu vào của người bán hàng.

2. Giám sát hàng ngày dễ dàng

• Vì việc phân tích thủ công mất nhiều thời gian nên làm chậm quá trình giám sát hàng ngày, dẫn đến những hiểu biết sâu sắc và hành động khắc phục bị trì hoãn.
• Ngay sau khi tất cả các hình ảnh được phân tích, ShelfWatch đã gửi báo cáo hàng ngày được tạo tự động cho người giám sát để cho phép họ theo dõi việc thực hiện tại cửa hàng của chính mình. Thời gian quay vòng giảm giúp các biện pháp khắc phục nhanh hơn và thực hiện tổng thể tốt hơn.

Dưới đây là một ví dụ về bảng thông tin chi tiết của ShelfWatch.

Kết quả- Cải thiện 30% việc tuân thủ trong buôn bán

Với sự trợ giúp của công nghệ nhận dạng hình ảnh của ShelfWatch, Khách hàng có thể có được thông tin chi tiết chính xác và kịp thời về các điều kiện của cửa hàng cho phép điều kiện bán hàng được cải thiện từ 55% lên 85% sau 2 tháng triển khai. Sự gia tăng 30% về tuân thủ bán hàng cũng góp phần vào mức tăng doanh số bán hàng bổ sung là 2%. Ấn tượng với hiệu quả của ShelfWatch, khách hàng hiện đang triển khai ShelfWatch cho các cửa hàng thương mại hiện đại để hiểu về Tỷ lệ kệ (SOS) cho thương hiệu của họ.

Thích blog? Đọc khác của chúng tôi Blog của chúng tôi. để hiểu cách nhận dạng hình ảnh có thể giúp thương hiệu của bạn đạt được Cửa hàng hoàn hảo.

Bạn muốn xem thương hiệu của riêng bạn đang hoạt động như thế nào trên kệ hàng? Nhấp chuột Ở đây để lên lịch trình diễn thử miễn phí.

Nguồn: https://blog.paralleldots.com/featured/how-shelfwatch-helps-improve-merchandising-compliance/