В последние годы ритейлеры начали осознавать важность IT-решений и новых технологий, способных автоматизировать различные процессы, сократить время на проведение рутинных операций, снизить издержки и повысить продажи. В частности, недостатки мерчандайзинга, проводимого вручную, привели к появлению спроса на автоматизированный аудит товарной выкладки, и российская компания Kuznech стала первой, кто взялся удовлетворить потребности отечественного ритейла. О том, как программа ShelfMatch позволяет контролировать размещение десятков тысяч товарных наименований практически без участия человека, порталу Merchandising.ru рассказал исполнительный директор компании Kuznech Руслан Ленин.
Каковы преимущества системы ShelfMatch по сравнению с ручным аудитом?
Большинство торговых представителей и мерчандайзеров проводят аудит товарной выкладки вручную. Обычно мерчандайзер за день должен посетить от 3 до 5 крупных торговых точек или до 15-ти мелких. Давайте представим, сколько времени сотрудник тратит на пересчет товаров на полке, подсчет продукции конкурентов и определение доли полки. Не минуты, а часы. И информация, которую он предоставит компании-заказчику, не всегда будет достоверной: сказывается человеческий фактор (усталость, невнимательность, большое количество однотипных упаковок и пр.). Иногда мерчандайзеры попросту обманывают заказчика, даже не посещая торговые точки и сообщая выдуманные данные. Чтобы этого не происходило, с полевого персонала требуют фотографировать полку. Но обработку снимка для заказчика сотрудник сделает лишь вечером, а к этому времени ситуация в магазине уже изменится. Таким образом, у ручного аудита полки есть существенные недостатки: трудозатратность, неточность собранных данных и их неактуальность.
Между тем, чтобы понять, что не так с товаром или выкладкой, почему в одной точке товар лучше продается, а в другой – хуже, необходимо иметь точную и оперативную аналитику. Сервис ShelfMatch тоже работает с фотографиями, но он за считанные секунды сравнивает реалограмму с планограммой в режиме реального времени, благодаря чему сотрудник может внести корректировку в выкладку немедленно. ShelfMatch распознает товарные позиции на полке автоматически, в несколько раз увеличивая скорость сбора информации, а также точность и объем собираемых данных, снижая затраты на их обработку и анализ. Благодаря этому достигается конечная цель – повышаются объемы продаж.
Подчеркну, что мы не предлагаем решение, которое полностью заменит те, что сейчас используют мерчандайзеры. Мы предлагаем интеграцию в существующие решения клиента, чтобы ускорить стандартные процедуры, которые выполняются в компании.
Технология, лежащая в основе сервиса: нейронные сети. Несколько слов о том, как она работает?
Сначала мы обучаем нейронную сеть распознавать конкретные изображения. То есть, если заказчик хочет, чтобы она узнавала на снимках соки, то мы должны показать сети, какие бывают бренды, логотипы, варианты упаковок соков, и «скормить» ей разнообразные фотографии этих соков. Заказчик может попросить распознавать на полках как товар одного производителя, так и все, присутствующие в ассортименте магазина, включая конкурентную продукцию. ShelfMatch максимально качественно решает поставленные задачи. Точность распознавания, которую может обеспечить сервис, составляет 96-98%.
Мы учли, что потребности у клиентов различные и меняются с течением времени. Например, заказчику нужно знать, под всеми ли акционными товарами есть ценники, говорящие о скидке. Сервис может предоставить и такую информацию. Также ShelfMatch можно настроить на определение пустых мест («дырок») в выкладке: когда ценник есть, а товар отсутствует. Очень удобно, что клиент может на первом этапе проговорить задачи, которые нужно решить, а затем, когда систему развернули и он понял ее преимущества, можно по его желанию добавить какие-то функции.
Главное преимущество использования нейронных сетей в ShelfMatch состоит в том, что они могут дообучаться на новые типы объектов. Часто бывает, что ситуация в торговой точке меняется, появляются новые бренды, изменяется планограмма. Новые артикулы можно добавлять в аналитику, обучая на них ShelfMatch.
Кому интересен данный продукт?
ShelfMatch может быть полезен FMCG-компаниям, торговым сетям, мерчандайзинговым агентствам. У каждого из них свои цели и задачи, и мы готовы адаптировать наш продукт под требования каждого заказчика в отдельности.
Как начать использовать ShelfMatch?
Клиентам, которые хотят понять, как работает ShelfMatch, мы предлагаем попробовать демоверсию. Для этого необходимо определить небольшой перечень товаров, который требуется распознавать, а также определить торговые точки, в которых будет тестироваться система. Затем наши сотрудники приезжают в эти магазины, делают в них необходимое количество фотографий выкладки с выбранными SKU, размечают снимки, обучают нейронную сеть и после разворачивают демостенд для заказчика. На подготовку обычно требуется 2-4 недели.
Основное время уходит на подготовку данных. Чтобы товар распознавался системой стабильно качественно, необходимо сделать не менее 200 снимков этого SKU с разных ракурсов и при разной освещенности. Сама же нейронная сеть обучается один-два дня.
Опыт показал, что демоверсия – оптимальный вариант начала взаимодействия с системой. Поскольку ShelfMatch обучается конкретно на SKU клиента в выбранных им торговых точках, заказчик получает уже полностью работающую систему, максимально приближенную к его реальным условиям – только на основе усечённых ассортимента и количества торговых точек. Демоверсия позволяет клиенту и нам реально оценить затраты на построение продуктивной системы, объективно рассчитать ресурсы на внедрение, детально продумать процесс встраивания в существующее ПО и бизнес-процессы, дать объективную оценку применимости системы для максимально качественного решения стоящих перед клиентом задач.
Какова стоимость демоверсии?
Цена зависит от многих факторов и может варьироваться от 200 тысяч до 1 млн рублей, так как задачи, которые нужно решить, могут быть абсолютно разными. Например, если у нас уже есть данные, необходимые клиенту, и их не нужно собирать и тратить время на разметку снимков, то цена будет ниже.
Если клиент решает внедрить ShelfMatch, ему предлагается две модели: лицензия либо SaaS (software as a service). Модель SaaS предполагает оплату за обработку 1 изображения, а мы, в свою очередь, предоставляем клиенту облачную услугу и обрабатываем снимки на своих серверах. В модели SaaS мы дифференцируем ценообразование в зависимости от двух факторов: во-первых, количества изображений, поступающих на обработку на сервера, во-вторых, скорости обработки этих изображений. Если речь идет об обработке снимков в режиме реального времени, то это один подход и одна стоимость. Если же клиент предоставляет нам фото в ночное время, а аналитику готов получать утром – это другой подход.
Отправная стоимость обработки одного фото составляет 2 рубля. Если клиент выкупает большой пул снимков и выбирает ночной режим обработки фотографий, мы предоставляем существенную скидку.
……
Многие ведущие FMCG-компании уже оценили преимущества автоматизированного мерчандайзинга от компании Kuznech. Программа ShelfMatch - это защита от поддельных отчетов, снижение затрат на фонд оплаты труда сотрудников, выполняющих ручную обработку фотографий полок, и оперативное получение результатов аудита. Узнать еще больше о возможностях системы, а также заказать демоверсию вы можете на сайте https://shelfmatch.com/ru/
Редакция Merchandising.ru
