A evolução da execução no varejo: da caneta e do papel à tecnologia de reconhecimento de imagem
Blogue por Deepak P., vice-presidente de tecnologia da Ivy Mobility
As empresas de bens de consumo vendem seus produtos principalmente em pontos de venda e, para melhores vendas de seus produtos, as empresas realizam diversas atividades de vendas nesses pontos de venda. Normalmente, estão relacionados à disponibilidade dos produtos certos nos pontos de venda, à visibilidade dos produtos, aos preços e à execução da promoção. Podemos dividir esses elementos da estratégia da marca em vários KPIs. Por exemplo, um fabricante de bens de consumo pode negociar uma quota de prateleira 20% para a sua marca em determinadas cadeias retalhistas e querer garantir a execução destes termos comerciais nos pontos de venda. Uma forma de execução dos termos comerciais é por meio de auditorias periódicas nos pontos de venda, e esse processo é chamado de Execução no Varejo.
Tecnologia para Execução de Varejo
Durante a era pré-smartphone, os agentes de campo realizavam auditorias de varejo manualmente. Auditores de varejo (merchandisers) nomeados por fabricantes de bens de consumo visite os pontos de venda periodicamente. Eles contam as faces do SKU, verificam os preços dos produtos, a execução promocional, as promoções dos concorrentes e as atividades de precificação usando papel e caneta. Depois de cobrir todos os pontos de venda do dia, eles retornariam ao escritório e inseririam manualmente os dados em um desktop ou aplicativo da web. Este processo tem muitos desafios, é demorado, sujeito a erros e não fornece relatórios em tempo real. A falta de granularidade nos dados torna as possibilidades de validação e análise quase nulas. Alguns KPIs também são difíceis de calcular usando papel e caneta, o que dificulta a tomada de ações corretivas no ponto de venda.
Com o lançamento dos smartphones, as empresas começaram a construir aplicativos baseados em smartphones para execução de varejo. Assim, em vez de capturar dados em papel, os auditores podem inserir os números em um aplicativo móvel, e o aplicativo calculará automaticamente todos os KPIs relevantes. Ajudou os comerciantes a realizar ações em tempo real nos pontos de venda. As aplicações baseadas em smartphones também ajudaram a acelerar a elaboração de relatórios, uma vez que os dados podiam ser sincronizados periodicamente com a base de dados back-end, reduzindo assim o tempo de elaboração de relatórios. Mas mesmo com um aplicativo baseado em smartphone, alguns dos desafios mencionados anteriormente, como o tempo para coletar manualmente os dados, a possibilidade de erros manuais, menor granularidade na coleta de dados, possibilidade de manipulação dos dados permaneceram.
A Inteligência Artificial e o Aprendizado de Máquina têm progredido nos últimos 5-6 anos e vemos seu uso em diversas aplicações práticas. A visão computacional, um ramo do aprendizado de máquina, não foi exceção. A visão computacional encontrou aplicações em detecção de rosto, análise de fluxo de tráfego, detecção de defeitos e diagnóstico assistido por máquina são alguns exemplos. Uma dessas aplicações está na área de execução de varejo. Em vez de coletar dados de prateleira de varejo manualmente, podemos fazer isso por meio de um aplicativo baseado em visão computacional com muito mais precisão e velocidade. Os auditores capturam um conjunto de imagens de prateleira e o aplicativo baseado em visão computacional processa essas imagens e produz todos os KPIs relevantes em um curto período. Os desafios de um aplicativo de entrada manual de dados agora são resolvidos por um aplicativo baseado em visão computacional, conforme listado abaixo.
- Como o usuário tem que capturar um conjunto de imagens na prateleira ao invés de contar os produtos, conferir os preços, etc., economiza muito tempo.
- Como o processo de coleta de dados envolve processamento manual limitado, ele reduz em grande medida os erros manuais.
- Elimina a possibilidade de manipulação durante a captura de dados e o aplicativo executa automaticamente o cálculo de KPI.
- O aplicativo baseado em visão computacional também ajuda a capturar dados em um nível muito mais granular (rastreando o nível de visão e a posição dos SKUs, rastreando KPIs no nível de SKU vs. nível de submarca/marca e rastreando várias atividades do concorrente) com o mesmo esforço de captura de dados.
Ivy Eye – Reconhecimento de imagem para execução no varejo
Trabalhamos no setor de bens de consumo há mais de 15 anos e vimos essas mudanças tecnológicas impactando a indústria. Tão longe quanto execução de varejo No que diz respeito, temos trabalhado com várias das 100 maiores empresas de bens de consumo em todo o mundo nos últimos anos. Passamos pela jornada mencionada acima e desempenhamos um papel ativo nesses avanços tecnológicos. Inicialmente, tínhamos um aplicativo de entrada de dados que ajudava os comerciantes (auditores de varejo) a capturar dados de prateleira manualmente. Agora automatizamos isso por meio de um Reconhecimento de imagemaplicativo baseado em Ivy Eye.
Vimos uma tremenda melhoria nas atividades de execução de varejo usando o Solução Ivy Eye, e os CPGs podem obter economias de 5%-60% no tempo necessário para a execução de auditorias de varejo. Ajuda as empresas de bens de consumo a utilizar este tempo adicional para aumentar a cobertura dos seus pontos de venda. Também ajudará o comerciante a ter discussões produtivas com os gerentes dos pontos de venda e a executar efetivamente ações corretivas com base nas recomendações do sistema. Também vimos, em média, uma precisão de 97% nos dados relatados por Olho de hera e uma redução nos erros manuais em cerca de 15%. O aplicativo utiliza o poder da visão computacional para rastrear os dados em um nível granular. Um exemplo é relatar a presença de SKU por nível de prateleira e calcular a parcela de nível de olho da prateleira.
Futuro da tecnologia de execução de varejo
O aprendizado de máquina, especialmente a visão computacional, tem avançado rapidamente. Arquiteturas novas e otimizadas têm sido lançadas a cada poucos meses. Mudamos o foco para a detecção de bordas (processamento de imagem no dispositivo). Envolve otimizar os modelos atuais de visão computacional e implantá-los no dispositivo. Ajuda a processar as imagens no próprio dispositivo móvel, eliminando assim a necessidade de conectividade para processar as imagens. Outra área de foco é o reconhecimento baseado em vídeo, que ajuda os comerciantes a capturar a prateleira por meio de vídeo, em vez de múltiplas imagens, tornando esse processo mais contínuo. Também vemos isso Realidade Aumentada (AR) / A Realidade Virtual (VR), em conjunto com o aprendizado de máquina e a visão computacional, pode trazer muitos avanços tecnológicos na Execução do Varejo nos próximos dias. Um exemplo é usar a geração de imagens Synthetic Shelf por meio de um aplicativo de realidade virtual.
Você está interessado em explorar e fazer parte desta emocionante Jornada da Tecnologia de Execução de Varejo? Por favor conecte-se conosco.