«По данным Gartner, к 2020 году 85% взаимодействий с клиентами в розничной торговле будет осуществляться с помощью ИИ».
Последние достижения в области искусственного интеллекта и машинного обучения во многом способствовали развитию распознавания изображений и обнаружения объектов в розничной торговле. Хотя распознавание изображений и обнаружение объектов взаимозаменяемо, это два разных метода.
Распознавание изображений (также называемое классификацией изображений)
Распознавание изображений - это процесс анализа входного изображения и прогнозирования его категории (также называемой меткой класса) на основе набора категорий.
Например, рассмотрим сценарий автоматической проверки в магазине. Пользователь отображает артикул перед камерой, на которой установлено программное обеспечение для распознавания изображений. Программное обеспечение, обученное всем артикулам, представленным в магазине, может предсказать артикул, показанный пользователем, как один из всех артикулов.
Ниже показан пример изображения артикула, который должен автоматически распознаваться камерой.
Результатом работы программы распознавания изображений для приведенного выше изображения будет - Nescafe Classic Jar 200g. Здесь алгоритм распознавания изображений классифицирует изображение, прогнозируя его метку класса. Но что происходит, когда в образе несколько артикулов? Затем используется другой набор методов, известный как обнаружение объектов.
Обнаружение объекта
Обнаружение объектов - это процесс не только идентификации и определения местоположения артикула на изображении. Локализация изображения обычно достигается путем рисования ограничительной рамки вокруг объекта на изображении.
Например, рассмотрим сценарий, в котором одна и та же камера теперь показывает пользователю несколько артикулов (для более быстрой проверки). Теперь ему нужно идентифицировать каждый артикул на изображении.
Пример изображения показан ниже
Пример вывода для такого входного изображения показан ниже.
Karna AI через свою платформу Shelfwatch создала инструмент отслеживания выполнения в магазине, использующий распознавание изображений и обнаружение объектов в розничной среде. В этом блоге мы исследуем некоторые варианты использования распознавания изображений и обнаружения объектов в розничной торговле, а также то, как Shelfwatch является лучшим вариантом для их реализации.
Распознавание изображений и обнаружение объектов в розничной торговле
Недавно Forbes ввел термин «картина успеха». Они считают, что в настоящее время самые успешные компании используют возможности искусственного интеллекта, чтобы найти свою картину успеха. Как отмечает Forbes,
«В значительной степени опираясь на мнения покупателей, чтобы понять правила своей категории, успешные компании сосредотачиваются на драйверах продаж, которым они должны следовать. Они используют эти знания, чтобы нарисовать набросок того, как должен выглядеть идеальный магазин для достижения наилучших результатов. Это их «картина успеха» - видение того, какие бренды и артикулы разместить в каждом магазине, где их разместить, сколько фасадов, какой тип макета и какие рекламные акции активировать таким образом, чтобы лучше всего убедить покупателей совершить покупку. . »
В то время как потребительские бренды используют различные методы исследования рынка для создания своей картины успеха, такие как отслеживание взгляда, обеспечение соблюдения и отслеживание его выполнения в розничных магазинах остается проблемой. Ручной аудит розничных полок оказался трудоемким и неточным с уровнем ошибок до 20%, как описано в этом Стэнфордском исследовании.
Методы распознавания изображений и обнаружения объектов могут помочь потребительским брендам стандартизировать проверки магазинов и получать согласованные результаты по всем каналам продаж, позволяющие уверенно принимать бизнес-решения на основе данных с полок.
1. Аудит размещения продукта - соответствие планограмме
Покупатели принимают важные решения о покупке на полках магазинов. Компании CPG вкладывают средства в инструменты и исследования для создания планограмм, которые являются частью их идеальной стратегии магазина. Аудит управления полками с использованием Image Recognition оцифровывает чеки магазинов и играет важную роль в понимании условий полок и того, как они влияют на продажи их основных SKU.
Обнаружение объектов, используя глубокую нейронную сеть, обнаруживает артикулы на изображениях полок и классифицирует их на уровне производителя, бренда или артикула. Такую нейронную сеть можно обучить сравнивать и определять промежутки между фактическим изображением полки и эталонной планограммой. В зависимости от точности и скорости этих нейронных сетей аудитор может получать обратную связь в реальном времени на своем портативном устройстве, чтобы предпринять корректирующие действия, пока они еще находятся в магазине.
Использование функции обнаружения объектов в розничной торговле может повысить эффективность проверки в магазине и дать вашему торговому представителю или аудитору возможность принимать корректирующие меры и устранять проблемы.
2. Обнаружение пустой полки
Исследование, проведенное группой IHL, оценивает общие потери продаж из-за отсутствия на складе почти в 1 триллион долларов. Исследование показало, что более 20% доходов Amazon от розничной торговли в Северной Америке приходится на потребителей, которые сначала попытались купить продукт в местном магазине, но обнаружили, что его нет в наличии.
Пустые полки встречались у 32% покупателей, участвовавших в исследовании, и, таким образом, розничным торговцам и компаниям, занимающимся потребительскими товарами, необходимо обеспечить, чтобы на полках всегда находился нужный товар. Розничные торговцы могут использовать распознавание изображений и обнаружение объектов, используя фиксированные камеры в своем магазине, чтобы предупреждать персонал магазина, когда обнаруживается, что полка пуста. Сотрудники магазина могут получить мгновенное уведомление на свой телефон вместе с точным описанием артикула, отсутствующего на полке, и местоположением полки.
3. Оценка конкуренции
Алгоритмы обнаружения объектов также могут быть обучены определять конкурентную активность в магазине и выявлять тенденции категорий.
Хотя данные розничной торговли Nielsen и IRI предоставляют информацию о продажах по категориям для разных брендов, они не дают точного отражения активности различных брендов в магазинах, которые стимулируют продажи.
Выявление конкурентов и отслеживание их активности в магазинах может помочь бренду CPG расти в своей категории за счет выявления потенциальных возможностей. Крупная табачная компания смогла отслеживать новые запуски своих конкурентов и их рекламные программы с помощью функции распознавания изображений, предоставляемой ShelfWatch. Они смогли сопоставить новые запуски и рекламные акции своих конкурентов с данными о розничных продажах, чтобы определить новые области роста.
Распознавание изображений с помощью Shelfwatch
Следующий рабочий процесс ниже демонстрирует, как решение распознавания изображений, такое как ShelfWatch, работает на практике. Такие решения, как ShelfWatch, являются облачными, т. Е. Им требуется активное подключение к Интернету для обработки изображений и получения результатов в режиме реального времени. Однако в случае нестабильного или несуществующего подключения к Интернету ShelfWatch можно использовать в автономном режиме для сбора изображений. Информация будет получена при наличии хорошего подключения к Интернету.
Shelfwatch устраняет все узкие места в традиционном процессе аудита розничной торговли, которые в настоящее время отнимают время у торговых представителей или мерчендайзеров во время их посещения магазина. Используя распознавание изображений, Shelfwatch позволяет представителям собирать фотографии одним нажатием кнопки и генерировать полезные аналитические данные о магазине в режиме реального времени. Он надежен, свободен от человеческих предубеждений и быстр. Алгоритм контролирует качество данных на уровне сбора, чтобы обеспечить стандартный и объективный анализ.
Нашел этот блог полезным? Прочтите этот блог, чтобы узнать больше о ShelfWatch.
Хотите увидеть, как ваш собственный бренд находится на полках магазинов? Нажмите здесь, чтобы запланировать бесплатную демонстрацию.
