Um dos segundos maiores fabricantes de vinho e bebidas espirituosas do mundo, com presença em mais de 150 países, continua a expandir para novas geografias a cada poucos anos, aumentando a participação de mercado nos mercados existentes.
Em 2022, as vendas da empresa cresceram 17%, mas a visibilidade da marca e o Share of Shelf em novos mercados foram baixos. A solução de Execução de Varejo existente da empresa para rastrear atividades de vendas e merchandising era desajeitada e demorada, com problemas de conectividade em áreas remotas.
A empresa precisava de uma solução para simplificar as atividades de merchandising em lojas de varejo e acompanhar os KPIs de perto em tempo real. Foi quando fizemos uma parceria com a gigante do álcool para implementar nossa solução de Reconhecimento de Imagem, Ivy Eye, para automatizar as atividades de merchandising na loja para a empresa.
Necessidade de Rastreamento e Visibilidade Granular de KPI
A empresa de bebidas alcoólicas rastreou o execução de varejo KPIs usando uma solução de entrada de dados baseada em smartphone e terminando a cobertura do ponto de venda com a força de campo de merchandising existente levaram tempo. Com a expansão da empresa para novos mercados, contratar e treinar agentes de campo foi um grande desafio.
Para merchandising na loja, a força de campo estava rastreando apenas a disponibilidade de prateleira no nível da marca e a participação de uma prateleira de produtos. Com largura de banda de força de campo limitada, era difícil rastrear KPIs granulares, como nível de SKU OSA, adesão ao planograma e presença de produto no nível do olho.
A empresa precisava de um sistema que se integrasse perfeitamente com suas atividades de merchandising atuais, automatizando todas as etapas necessárias para atingir produtividade e cobertura máximas.
Automação e monitoramento em tempo real com Ivy Eye
Ivy Eye, um integrado solução de reconhecimento de imagem para execução no varejo de bens de consumo, foi implementado para a empresa líder em bebidas alcoólicas. O canal de varejo moderno na Índia é um dos mercados emergentes mais rápidos para a empresa, e foi aí que começamos a implementar o Ivy Eye.
- A tecnologia de reconhecimento de imagem da Ivy Eye geração automatizada de KPI por meio de captura de imagem, o que significava que uma única foto da prateleira capturada era suficiente para rastrear KPIs como disponibilidade de prateleira e conformidade com planograma.
- A Automação com Ivy Eye os ajudou a reduzir o tempo gasto pelos comerciantes nos pontos de venda. Reduzimos o tempo gasto pelos merchandisers de 45 minutos para menos de 20 minutos nas lojas.
- A solução forneceu KPIs quase em tempo real para os usuários de campo, para que eles pudessem tomar ações corretivas se houvesse lacunas nos KPI reais versus alvo.
Os seguintes KPIs foram ativados automaticamente para captura por meio de um sistema de reconhecimento de imagem especificamente treinado para identificar vários tamanhos e variedades de garrafas de bebidas.
- OSA (disponibilidade de prateleira)
- OOS (fora de estoque) no nível SKU
- Faces no nível SKU
- Compartilhamento de Prateleira
- Aderência ao Planograma
- Presença de SKU ao nível dos olhos
- Rastreamento de preços
- Rastreamento POSM
O rastreamento de KPI também foi feito para um conjunto seleto de concorrentes. Dessa forma, a marca poderia comparar preços, variantes e vendas dos concorrentes para desenvolver campanhas e estratégias de marketing.
Desafios da Implementação do Reconhecimento de Imagem
Como acontece com qualquer tecnologia de visão computacional, a implementação de um solução de reconhecimento de imagem no terreno é sempre desafiador. Os desafios começam na infraestrutura, processos e regulamentos, indo até a adoção pela força de campo acostumada a fazer as coisas manualmente. Aqui estão alguns problemas técnicos que enfrentamos com a implementação do Ivy Eye para esta empresa líder de bebidas alcoólicas.
Vários tamanhos de produtos
- O sistema de reconhecimento de imagem inicialmente não conseguia identificar produtos idênticos com pequenas diferenças de tamanho. Para resolver isso, a Ivy desenvolveu modificações tecnológicas simples, como o uso de proporção e recursos relacionados ao tamanho do produto como parte do treinamento da máquina e pós-processamento para distinguir esses produtos perfeitamente. O loop de feedback garante que, com cada imagem capturada, o sistema treine sozinho.
Condições de Iluminação da Loja
- Sistemas de reconhecimento de imagem sempre lute com condições de pouca iluminação nas tomadas. No entanto, nossa solução possui um detector de iluminação embutido para habilitar o Flash Feature quando a condição de iluminação estiver abaixo do valor limite.
Alinhamento da Câmera
- O sistema encontrou dificuldades para processar imagens capturadas em um ângulo. Para evitar imagens de baixa qualidade com base no ângulo de captura e nas bordas, desenvolvemos um recurso para garantir que o telefone fique paralelo à prateleira durante a captura das imagens. As bordas tiveram que se alinhar com o foco da câmera, o que melhorou a qualidade da imagem.
Distância de imagem
- Inicialmente, o Ivy Eye não funcionou bem em imagens capturadas a longa distância. O sistema precisava de imagens capturadas de 2 a 3 pés da prateleira. Eliminamos esse problema treinando os comerciantes e representantes de campo e fornecendo diretrizes rígidas para capturar as imagens de maneira uniforme.
Medindo o impacto real
95% Precisão
2,8 minutos de tempo de processamento de imagem
55% de economia de tempo
Melhoria 5% na AOS
A implementação do Ivy eye melhorou a visibilidade dos negócios rastreando KPIs adicionais e aumentando a granularidade do rastreamento de KPI. A melhora na execução resultou em uma melhora de 5% na OSA em 4 meses de execução.
Portuguese 
English (United States) 
English (UK) 
Arabic 
French 
Spanish