Top.Mail.Ru
СБЕР Про | Медиа
  • Торговля

Узнать за 60 секунд: как нейросети помогают FMCG-производителям в борьбе за место на полке

Александр Беренов

Александр Беренов

СЕО и сооснователь Inspector Cloud
  • 5 мин
  • 2 302

Производители потребительских товаров конкурируют между собой не только ценой и качеством продукта. Настоящая борьба за внимание покупателя разворачивается в точке продаж, будь то небольшой магазин у дома или сетевой гипермаркет.

Полевой работой по продвижению бренда в рознице занимаются мерчендайзеры, работающие в штате компании-производителя или дистрибьютора. Работа мерчендайзера требует внимательности и добросовестности. В каждой торговой точке нужно оценить представленность товара по нескольким параметрам — от наличия POS-материалов и соответствия схеме выкладки до подсчёта доли товара в соответствующей категории.

Чтобы успешно конкурировать за место на полке в рознице, недостаточно просто содержать многочисленный штат мерчендайзеров. Производители также несут постоянные затраты на обучение сотрудников и организацию контроля их работы.

Компания Inspector Cloud создала приложение для аудита торговых точек, которое позволяет в 3—4 раза повысить эффективность работы мерчендайзера, одновременно снижая требования к его квалификации. Сотрудник, вооружённый смартфоном с установленным приложением может вообще не знать продуктовой линейки своего работодателя. Следуя подсказкам и фото с внешним видом товара, он выполнит все необходимые действия в торговой точке. Как это работает?

Двенадцать друзей мерчендайзера

Основную работу по распознаванию товаров выполняет каскад из нейросетей. Движение по каскаду идёт от общих критериев к частным, пошагово извлекая из каждого снимка всю необходимую информацию.

Самая первая нейросеть отсекает некачественные фото. Фотография должна быть чёткой, товар и ценник хорошо видны. Вторая распознает попытки обмануть устройство: сфотографировать экран другого устройства или страницу мерчендайзинг-бука (и никуда не ездить). Третья и четвёртая корректируют перевёрнутые изображения и выравнивают фото по горизонту. Пятая, шестая и седьмая определяют параметры размещения товара: стеллаж или холодильник, выкладка стопкой или в ряд и так далее. Восьмая и девятая распознают цену товара. Нейросеть обучена распознавать даже рукописные ценники, а также способна отличать промоцены от регулярных.

Нейросети № 10 и 11 отвечают за распознавание товара на фото. Они определяют бренд, категорию продукта и размер упаковки. И в заключение двенадцатая нейросеть собирает из предоставленных фото панорамный снимок, чтобы исключить задваивание при подсчёте единиц товара.

Собрав необходимую информацию, система переходит к расчёту KPI — доли на полке, соответствия планограммам, выполнения ассортиментных матриц и других показателей. Через 2 минуты на экране устройства пользователю доступен отчёт и рекомендации по торговой точке (поправить выкладку, дозаказать позиции).

На сбор и обработку этих данных вручную мерчендайзеру нужно от 10 минут до 1,5 часа в зависимости от размера магазина и количества товарных позиций. С использованием ИИ временные затраты сокращаются на 40—60%.

Педаль акселератора

Компания Inspector Cloud была создана в 2016 году. А в 2017 году компания приняла участие в корпоративном акселераторе PepsiCo, итогом которого стал пилотный проект, переросший в контракт.

По итогам проекта в приложении был реализован функционал распознавания товарных позиций PepsiCo, пользователями системы стали около 1500 торговых представителей компании. В числе сильных сторон проекта заказчик назвал скорость масштабирования от тестов на десятках пользователей до массового использования, а также скорость обратной связи от нейронной сети.

На 40—60%

сокращаются трудозатраты мерчендайзеров при использовании Inspector Cloud

Ещё одним крупным заказчиком Inspector Cloud стала «Нестле Россия», российское подразделение корпорации Nestlé. Пользователями приложения стали более 5000 сотрудников компании, ведущие работу более чем в 27 000 торговых точек по всей России. Был оцифрован весь портфель ключевых категорий продукции, с точностью распознавания позиций более 95% и со 100-процентной автоматизацией отчётности. Как эта работа повлияла на финансовые показатели заказчиков нам запрещает раскрывать NDA, но очевидно, что мерчендайзеры стали работать быстрее и эффективнее.

5000

сотрудников Nestlé использует приложение

Обнаружились и сложности. На момент создания продукта в 2016—2017 годах единственно возможным решением для обработки данных была отправка фотографий в облако с последующей передачей результатов обратно пользователю. Но облачная обработка данных требует качественного интернет-соединения, а оно есть не всегда.

Сейчас мы ведём работу над решением, которое позволит распознавать фотографии непосредственно на девайсе пользователя в условиях ограниченного интернета. Время ответа пользователю в этом случае сокращается до 3—5 секунд, кроме того, повышается стабильность работы системы.

Перспективные рынки

В 2021 году Inspector Cloud обрабатывает более 40 млн изображений в месяц. Компания работает в России, Европе и Азии. Общее количество пользователей сейчас составляет более 37 000. Сервис состоит из мобильного приложения, нейронной сети, распознающей товары, и аналитической системы, которая создаёт отчёты с возможностью просмотра в портале.

Наши целевые рынки — те, где много несетевой розницы и есть платёжеспособный спрос. Крупным производителям всегда проще договориться с крупными ритейлерами о соблюдении договоренностей, для них не так остро стоит вопрос ежедневного контроля торговых залов.

В России много небольших региональных сетей и независимой розницы. Для производителей это значимый, но трудоёмкий сегмент рынка, оттягивающий на себя ресурсы службы мерчендайзинга. Здесь особенно актуально внедрение автоматизированных решений.

На развитых рынках мы решаем немного другие задачи, там меньше спрос на услуги мерчендайзеров, но больше запрос на продуктовую аналитику. Поскольку аналитика основана на тех же самых замерах и метриках, которые мы считаем и сводим в отчёты, эти рынки также являются для нас перспективными.

Эта статья была вам полезна?

Читайте ещё