Blog par Deepak P, vice-président de la technologie chez Ivy Mobility

Les entreprises de biens de consommation vendent leurs produits principalement par l'intermédiaire de points de vente au détail et, pour mieux vendre leurs produits, les entreprises exécutent plusieurs activités de vente dans ces points de vente. Ceux-ci sont généralement liés à la disponibilité des bons produits dans les points de vente, à la visibilité des produits, aux prix et à l'exécution des promotions. Nous pouvons décomposer ces éléments de stratégie de marque en plusieurs KPI. Par exemple, un fabricant de biens de consommation peut négocier une part de rayon de 20% pour sa marque dans certaines enseignes et souhaite s'assurer de l'exécution de ces conditions commerciales dans les points de vente. L'une des façons d'exécuter les conditions commerciales consiste à effectuer des audits périodiques dans les points de vente au détail, et ce processus s'appelle Retail Execution.

Technologie pour l'exécution de la vente au détail

Pendant l'ère pré-smartphone, les agents de terrain effectuaient manuellement des audits de vente au détail. Auditeurs du commerce de détail (marchandiseurs) nommés par fabricants de biens de consommation visiter périodiquement les points de vente. Ils comptent les revêtements SKU, vérifient les prix des produits, l'exécution des promotions, les promotions des concurrents et les activités de tarification à l'aide d'un stylo et de papier. Une fois qu'ils ont couvert tous les points de vente pour la journée, ils retournaient au bureau et saisissaient manuellement les données dans une application de bureau ou Web. Ce processus présente de nombreux défis, prend du temps, est sujet aux erreurs et ne donne aucun rapport en temps réel. Le manque de granularité des données rend les possibilités de validation et d'analyse quasi nulles. Certains KPI sont également difficiles à calculer avec un stylo et du papier, ce qui rend difficile la prise de mesures correctives au point de vente.

Avec le lancement des smartphones, les entreprises ont commencé à construire applications basées sur smartphone pour l'exécution de la vente au détail. Ainsi, au lieu de capturer des données sur papier, les auditeurs peuvent entrer les chiffres dans une application mobile, et l'application calculera automatiquement tous les KPI pertinents. Cela a aidé les marchandiseurs à prendre des mesures en temps réel dans les points de vente. Les applications basées sur les smartphones ont également permis d'accélérer les rapports car les données pouvaient être synchronisées périodiquement avec la base de données principale, réduisant ainsi le temps de rapport. Mais même avec une application basée sur smartphone, certains des défis mentionnés précédemment, tels que le temps nécessaire pour collecter manuellement les données, la possibilité d'erreurs manuelles, une granularité plus faible dans la collecte de données, la possibilité de manipuler les données sont restés.

L'intelligence artificielle et l'apprentissage automatique ont fait des progrès au cours des 5 à 6 dernières années, et nous voyons leur utilisation pour plusieurs applications pratiques. La vision par ordinateur, une branche de l'apprentissage automatique, n'a pas fait exception. La vision par ordinateur a trouvé des applications dans la détection des visages, l'analyse des flux de trafic, la détection des défauts et le diagnostic assisté par machine en sont quelques exemples. Une de ces applications concerne le domaine de l'exécution au détail. Au lieu de collecter données sur les rayons de vente au détail manuellement, nous pouvons le faire par une application basée sur la vision par ordinateur avec beaucoup plus de précision et de rapidité. Les auditeurs capturent un ensemble d'images d'étagères, et l'application basée sur la vision par ordinateur traite ces images et produit tous les KPI pertinents dans un court laps de temps. Les défis d'une application de saisie manuelle des données sont désormais résolus par une application basée sur la vision par ordinateur, comme indiqué ci-dessous.

• Étant donné que l'utilisateur doit capturer un ensemble d'images sur l'étagère au lieu de compter les produits, de vérifier les prix, etc., cela fait gagner beaucoup de temps.
• Étant donné que le processus de collecte de données implique un traitement manuel limité, il réduit considérablement les erreurs manuelles.
• Il élimine la possibilité de manipulation lors de la capture des données et l'application effectue automatiquement le calcul des KPI.
• L'application basée sur la vision par ordinateur permet également de capturer des données à un niveau beaucoup plus granulaire (suivi du niveau des yeux et de la position des SKU, suivi des KPI au niveau du SKU par rapport au niveau de la sous-marque / marque et suivi de plusieurs des activités des concurrents) avec le même effort de saisie de données.

Ivy Eye - Reconnaissance d'image pour l'exécution de la vente au détail

Nous travaillons dans le domaine des biens de consommation depuis plus de 15 ans et avons vu ces changements technologiques avoir un impact sur l'industrie. En ce qui concerne exécution au détail est concerné, nous avons travaillé avec plusieurs des 100 plus grandes entreprises de biens de consommation à travers le monde au cours des dernières années. Nous avons traversé le parcours mentionné ci-dessus et joué un rôle actif dans ces avancées technologiques. Au départ, nous disposions d'une application de saisie de données qui aidait les marchandiseurs (vérificateurs de la vente au détail) à saisir manuellement les données des rayons. Nous avons maintenant automatisé cela grâce à un Reconnaissance d'imagesbasée sur l'application appelée Ivy Eye.

Nous avons constaté une amélioration considérable des activités d'exécution de la vente au détail en utilisant le Solution pour les yeux de lierre, et les CPG peuvent réaliser des économies de 5%-60% sur le temps nécessaire à l'exécution des audits de vente au détail. Il aide les entreprises de biens de consommation à utiliser ce temps supplémentaire pour augmenter la couverture de leurs points de vente. Cela aidera également le marchandiseur à avoir des discussions productives avec les responsables des points de vente et à exécuter efficacement les actions correctives basées sur les recommandations du système. Nous avons également constaté, en moyenne, une précision de 97% des données rapportées par d'images avec Ivy Eye et une réduction des erreurs manuelles d'environ 15%. L'application utilise la puissance de la vision par ordinateur pour suivre les données à un niveau granulaire. Un tel exemple est le rapport de la présence de SKU par niveau d'étagère et le calcul de la part de niveau Eye de l'étagère.

L'avenir de la technologie d'exécution de la vente au détail

L'apprentissage automatique, en particulier la vision par ordinateur, a progressé rapidement. De nouvelles architectures optimisées sont publiées tous les quelques mois. Nous nous sommes concentrés sur la détection des bords (traitement d'image sur l'appareil). Il s'agit d'optimiser les modèles de vision par ordinateur actuels et de les déployer sur l'appareil. Il aide à traiter les images sur l'appareil mobile lui-même, éliminant ainsi le besoin de connectivité pour traiter les images. Un autre domaine d'intérêt est la reconnaissance basée sur la vidéo, qui aide les marchandiseurs à capturer l'étagère par le biais d'une vidéo plutôt que de plusieurs images, rendant ainsi ce processus plus transparent. On voit aussi que Réalité augmentée (RA) / La réalité virtuelle (RV), associée à l'apprentissage automatique et à la vision par ordinateur, peut entraîner de nombreuses avancées technologiques dans l'exécution de la vente au détail dans les jours à venir. Un exemple est l'utilisation de la génération d'images Synthetic Shelf via une application de réalité virtuelle.

Êtes-vous intéressé à explorer et à faire partie de cette passionnante Parcours de la technologie d'exécution de la vente au détail? S'il vous plaît Connecte-toi avec nous.