Декабрь 12, 2020

#ЦифровизацияПродажSSBS

Эффективная работа с полкой и качество присутствия в торговой точке определяют решение о покупке для большинства категорий FMCG. Технология AI Shelf Recognition не только автоматизирует сбор данных, но и позволяет управлять, оптимизировать присутствие в торговой точке в режиме, приближенном к реальному времени.

AI Shelf Recognition разработан на базе искусственного интеллекта и компьютерного видения, что создает возможность анализировать полку глазами покупателей. Безупречное качество распознавания, BI-отчетность и, что самое главное, эффективный бизнес-процесс гарантируют оптимизацию затрат, повышение качества исполнения в торговой точке, а также рост продаж.

Наш клиент – Reckitt Benckiser (Россия) – успешно реализует потенциал AI Shelf Recognition. Благодаря качеству распознавания на уровне 95% инструмент экономит время торговых команд на 30%. AI Shelf Recognition также использует Reckitt Benckiser (Франция), проводится подготовка для запуска в других странах Западной Европы.

Задачи AI Shelf Recognition:

1. Повышение точности и оперативности данных аудита.
2. Получение достоверной информации о полке.
3. Сокращение рабочего времени на аудит.
4. Повышение эффективности работы мерчандайзеров.
5. Аудит стандартов выкладки продукции на полке и дизайна упаковки.

🎯Функциональные компоненты:

1. Доля полки (фейсинг, см):
2. Сети, регионы, категории, периоды;
3. Собственные и конкуренты;
4. Промо;
5. Динамика показателей.
6. Ценовой мониторинг:
7. Средняя регулярная цена за указанный период (собственные и конкурентные бренды);
8. Средняя промоцена за указанный период (собственные и конкурентные бренды);
9. Динамика изменений цен.

🚀Ассортиментные матрицы:

1. Соблюдение ассортиментных матриц (MUST-листов, TOP-листов) в разрезе периодов и торговых точек.
2. Детальная информация о визите с фото
3. Доля полки (фейсинг, см) по SKU, промо и цене в каждой торговой точке;
4. Фото релаграммы по каждому конкретному визиту.