/ Как работает фотораспознавание в мерчандайзинге – Круглый стол агентств

Как работает фотораспознавание в мерчандайзинге – Круглый стол агентств

Круглый стол агентств
11.03.2021
Статьи

Фотораспознавание как сервис на рынке мерчандайзинга, определенно, становится рабочим инструментом. Точность и скорость распознавания значительно выросли, а технологии и стоимость стали доступнее, чем, например, 3-5 лет назад.

Мерчандайзинговые агентства предлагают клиентам эту услугу для экономии временных и финансовых затрат, связанных с проведением ритейл-аудита, а реализованные проекты позволяют говорить о высокой точности распознавания.

Эксперты круглого стола поделились своими наблюдениями и цифрами из практики (сокращение времени визита, скорость и точность распознавания), рассказали о существующих барьерах для внедрения со стороны клиентов, об отношении полевого персонала к технологии и о том, на какие детали обратить внимание при выборе подрядчика для проекта по фотораспознаванию (ФР).

Александр Царев, креативный директор, Ace Target

В последние два года мы видим существенный прогресс, связанный с повышением качества фотораспознавания. На большинстве проектов регулярная точность достигает 93-95%. Это достаточно для того, чтобы говорить о работоспособности технологии.

Наибольшую сложность для нас представляют проекты, когда клиент хочет не просто определить SKU или посчитать фейсинги продукции, а оценить долю полки в категории. Вмешиваются различные технические сложности. Например, нижние ряды часто распознаются хуже, чем верхние и средние. В случае использования фирменного оборудования и большого вертикального блока выкладки задача еще усложняется.

До сих пор есть категории, для работы с которыми не имеет смысла использовать ФР. Например, колбасные изделия или продукцию, выложенную горизонтально в холодильнике, проще считать вручную.

Полевые сотрудники, на мой взгляд, уже смирились с тем, что практически каждый шаг их работы автоматизирован. Наибольшее сопротивление у них вызвало внедрение систем полевого контроля. На этом фоне автоматическое фотораспознавание для мерчандайзеров – это скорее полезный инструмент. Он сокращает время рутинной работы, уменьшает количество ошибок. И еще бонус – в значительной степени освобождает сотрудника от ответственности. Мерчандайзеру не нужно думать, правильно ли выставлена продукция, ему достаточно научиться выстраивать кадр и фотографировать на базовом уровне.

Барьеры клиентов для применения фотораспознавания связаны с относительной сложностью внедрения и стоимостью проекта. Клиенты опасаются, что для использования ФР требуется оборудование (телефоны, планшеты) с более высокими характеристиками. Многих клиентов пугает увеличение объема аналитики, вопросы организации хранения данных. Тем не менее снижение стоимости технологии и повышение качества распознавания привели к тому, что из крупных клиентов ФР используют уже две трети.

При выборе подрядчика важно оценить стоимость и скорость внедрения, финальную стоимость проекта, требования к оборудованию у полевого персонала, точность распознавания, возможность интеграции решения в информационные системы компании.

Для большинства клиентов важны кейсы исполнителя в определённом сегменте, так как наличие у подрядчика базы данных изображений для определенной товарной категории ускоряет и упрощает процесс запуска, и количество ошибок на старте будет минимальным.

Дмитрий Целищев, руководитель департамента мерчандайзинга, BeeTL

Система фотораспознавания действительно помогает оптимизировать временные и финансовые затраты на мерчандайзинг. Например, в 2019 году мы реализовали кейс с компанией Heineken – в торговых точках формата гипермаркет, с широкой ассортиментной линейкой. Нам удалось сравнить результаты применения двух SFA-систем – c функцией ФР и без нее.

Еженедельно мы проводили встречи с клиентом и анализировали каждый визит мерчандайзера, проверяя релевантность заполненной таблицы и фотографий. Процент анкет с ошибками на старте составлял 30%. После запуска системы ФР процент некорректно заполненных анкет сократился до 2%.

Система фотораспознавания помогла сократить время визита на 30% и, как следствие, сэкономить бюджет. Показатель экономии 50% пока кажется недостижимым на практике, так как значительную часть времени визита «съедает» составление отчетности, это занимает около 25 минут.

Точность ФР даже в сложных категориях может составлять порядка 90%. В нашей практике есть успешные кейсы по работе с «проблемными» категориями, которые это подтверждают. Например, бренд «Коровка из Кореновки» компании «Ренна».

В работе с ассортиментной группой «молочки» и мороженого главная проблема – это хранение в холодильной камере, где SKU располагаются хаотично. Проведя ряд экспериментов и замеров, мы убедились, что эффективная работа с категорией заморозки тоже возможна: процент фотораспознавания после работы мерчандайзера составил 93%.

Что касается барьеров внедрения ФР, я бы выделил 3 основных: первый опыт внедрения на российском рынке, стоимость и человеческий фактор.

Две лидирующие иностранные компании на рынке фотораспознавания – Planorama и Trax – не смогли при выходе на российский рынок обеспечить должную поддержку пользователей. Тестирование стоило дорого, а уровень сервиса был недостаточным для эффективной работы. В результате первый опыт взаимодействия с мировыми лидерами сформировал негативное отношение со стороны клиентов к технологии в целом.

Но с 2019 года в России появились несколько сильных игроков с поддержкой внутри страны, такие как Intelligence Retail и Inspector Cloud. Это меняет ситуацию с сервисом в лучшую сторону.

Второй барьер – стоимость внедрения. Для запуска проекта необходимы инвестиции. На этапе обучения системы (2-3 месяца) расходы могут составить от 150 до 300 тыс. руб. Для полного запуска потребуется около 1 млн рублей. Не каждая компания может себе это позволить.

Также при внедрении системы ФР могут обнаружиться слабые места бизнес-процессов, связанные с человеческим фактором. Система «вскрывает» недоработки, ставит под сомнение объективность показателей и может даже разрушить репутацию отдельных сотрудников. Есть ряд компаний, которые не готовы доверить системе даже часть работы с точками.

Дмитрий Кашкаров, директор по маркетингу, группа компаний POS Management

При предоставлении качественных фотографий все подрядчики готовы обеспечить точность распознавания выше 95%. Но именно это требование и является «узким» местом: как бы супервайзеры ни старались, бракованные фотографии на практике встречаются очень часто.

При старте проекта или найме новых сотрудников показатель некачественных фото составляет порядка 40%, в дальнейшем цифра падает до 5-10%.

Что касается сокращения времени визита после внедрения технологии Image Recognition, то в нашей практике этот показатель составляет в среднем 20-30%.

В сегменте DIY достаточно много «сложных» для фотораспознавания товарных групп – например, те же розетки. Отличить по фотографии розетку с подсветкой от розетки без подсветки сложно, так как габариты и форма упаковки одинаковы. Чтобы решить проблему, потребовалась привязка к ценникам. Мерчандайзеру нужно было проверить выкладку на соответствие планограмме и сфотографировать полку с ценником. По результатам мы увидели не сокращение времени на предоставление отчёта, а увеличение, поэтому проект был признан неперспективным и завершён.

Без реальной демонстрации возможностей компьютерного зрения клиенты слабо представляют, каким образом дополнительные расходы на внедрение технологии приводят к экономии. Первое время мы и сами не верили, что такие затраты могут окупиться. Но всё изменил один проект.

Клиент сам предложил использовать возможности нейронных сетей, и по результатам тестового периода мы увидели сокращение затрат на мерчандайзинг до 10% лишь за счёт ускорения работы визитного мерчандайзера в точках продаж. Плюс сократилось время составления и проверки отчётов. Результатами «эксперимента» остались довольны и полевые сотрудники, и менеджерский состав.

При выборе подрядчика в первую очередь нужно учитывать, имеет ли поставщик опыт работы именно с вашей категорией товара. Во вторую очередь обязательно надо тестировать приложение в полях, то есть самим съездить на объекты и сделать отчёты. Только так можно оценить реальное удобство и скорость работы приложения, получить аргументы для работы с возражениями полевых сотрудников и соотнести всё это со стоимостью.

Павел Мальцев, Руководитель службы ИТ и финансового контроля, TR-Project

Точность фотораспознавания действительно высока, но она сильно зависит от степени обученности нейросети и от ассортимента. На одном ассортименте (например, товары в твердой упаковке/бутылках) распознавание работает эффективно. В других случаях (мягкая упаковка, мелкий товар) – показатель распознавания будет ниже.

Но даже в проблемных случаях ФР позволяет добиваться высокой точности, если учитывать дополнительные параметры. Например, при распознавании стиральных порошков в мягкой упаковке мы столкнулись со сложностью различить упаковки весом 6 кг и 9 кг. Благодаря тому, что дополнительно «считывается» цена товара и анализируется ассортиментная матрица конкретной торговой точки, нам удалось справиться с этой проблемой.

Стандартные задачи наших клиентов, которые решаются с помощью ФР: контроль OOS, мониторинг цен (собственных и конкурентов), контроль промо. Также клиентов интересует контроль соблюдения планограмм.

На текущий момент технология Image Recognition не способна заменить мерчандайзера. Сотрудники это понимают и воспринимают ФР скорее как инструмент, который помогает эффективнее решить поставленные задачи.

Например, в мобильном приложении TRmobile есть функция обратной связи. Это позволяет по результатам распознавания получить оценку качества выполненной работы, узнать, что сделано неправильно, какие показатели не соответствуют целевым значениям. Получение этой информации во время визита помогает мерчандайзеру исправить ситуацию и улучшить свои показатели.

Что касается требований к кандидатам на позицию мерчандайзера, то они не снижаются. Автоматизация диктует более высокие требования к квалификации мерчандайзера, требует от него навыков работы со специализированными мобильными приложениями, навыков фотографирования, склейки и т.п.

В основе большинства решений по ФР лежит технология машинного обучения на основе искусственных нейронных сетей. И при выборе подрядчика важно учесть, как будет построен процесс обучения, чьими силами он будет выполняться (на стороне подрядчика или заказчика), сколько времени займет обучение, какое качество распознавания гарантирует подрядчик.

Другой важный фактор – скорость распознавания, возможность предоставления результатов мерчандайзеру в онлайн-режиме. Она зависит от того, где выполняется ФР: на стороне мобильного устройства или на сервере.

Также следует обратить внимание на анализируемые показатели, стоимость услуги и способ тарификации (за визит или за фото).

Павел Керер, IT-директор, Leader Team

Сложными, с точки зрения технологии распознавания изображений, являются категории товара в прикассовой зоне и товары с небольшой площадью упаковки. В прикассовой зоне сложно определить количество фейсов товара, и точно можно определить только наличие товара на полке. В случае небольшой площади упаковки на одной фотографии получается очень много SKU, поэтому для достижения удовлетворительного результата нужны фотографии хорошего качества.

Обычно клиенты внедряют фотораспознавание в контексте отчетности: зафиксировать результат работы в торговом зале, финализировать визит. Кроме того, ФР помогает собирать информацию о состоянии торгового пространства, сравнивать ситуацию до начала выкладки товара и после окончания работы с полкой. Это позволяет собирать информацию о полочном пространстве, чтобы в дальнейшем повышать эффективность мерчандайзинга и влиять на продажи товара.

Основная работа мерчандайзера – это работа с товаром, на нее уходит до 85% рабочего времени. Небольшую оптимизацию по времени, которую дает использование технологии ФР, мы направляем на дополнительную работу с товаром, а не на сокращение времени визита. Требования к кандидатам остаются прежними.

Основная проблема при внедрении ФР – это достаточно длительный процесс «обучения системы» (2-3 месяца) и относительная дороговизна. Технология предполагает сбор большого количества фотографий для обучения системы, определенные требования к оборудованию и техническое сопровождение системы.

При выборе подрядчика лучше обращать внимание на те компании, у которых был опыт работы с товарами интересующей вас категории, оценивать стоимость услуги и сроки реализации проекта.

Редакция Merchandising.ru

  • Комментарии
Загрузка комментариев...