Грудень 12, 2020

Ефективна робота з полицею і якість наявності в торговій точці визначають рішення щодо придбання для більшості категорій FMCG. Технологія AI Shelf Recognition не лише автоматизує збір даних, а й дає змогу керувати, оптимізувати наявність у торговій точці в режимі, наближеному до реального часу.

AI Shelf Recognition розроблено на базі штучного інтелекту та комп’ютерного бачення, що створює можливість аналізувати полицю очима покупців. Бездоганна якість розпізнавання, BI-звітність і, що є найголовнішим, ефективний бізнес-процес гарантують оптимізацію витрат, підвищення якості виконання в торговій точці, а також зростання продажів.

Наш клієнт – Reckitt Benckiser (Росія) – успішно реалізує потенціал AI Shelf Recognition. Завдяки якості розпізнавання на рівні 95% інструмент економить час торгових команд на 30%. AI Shelf Recognition також використовує Reckitt Benckiser (Франція), йде підготовка для запуску в інших країнах Західної Європи.

Завдання AI Shelf Recognition:

• Підвищення точності й оперативності даних аудиту.
• Отримання достовірної інформації щодо полиці.
• Скорочення робочого часу на аудит.
• Підвищення ефективності роботи мерчандайзерів.
• Аудит стандартів викладення продукції на полиці та дизайну упаковки.

🎯Функціональні компоненти:

1. Частка полиці (фейсинг, см):
2. Мережі, регіони, категорії, періоди;
3. Власні та конкуренти;
4. Промо;
5. Динаміка показників.
6. Ціновий моніторинг:
7. Середня регулярна ціна за зазначений період (власні та конкурентні бренди);
8. Середня промоціна за зазначений період (власні та конкурентні бренди);
9. Динаміка змін цін.

🚀Асортиментні матриці:

1. Дотримання асортиментних матриць (MUST-списків, TOP-списків) у розрізі періодів і торгових точок.
2. Детальна інформація про візит із фото:
3. Частка полиці (фейсинг, см) за SKU, промо та ціною в кожній торговій точці;
4. Фото релаграми за кожним конкретним візитом.