{"id":9171,"date":"2022-10-31T08:07:00","date_gmt":"2022-10-31T08:07:00","guid":{"rendered":"https:\/\/ivymobility.com\/?post_type=blog&p=9171"},"modified":"2024-09-13T05:04:54","modified_gmt":"2024-09-13T05:04:54","slug":"the-evolution-of-retail-execution-from-pen-paper-to-image-recognition-technology","status":"publish","type":"blog","link":"https:\/\/ivymobility.com\/pt\/blog\/the-evolution-of-retail-execution-from-pen-paper-to-image-recognition-technology\/","title":{"rendered":"A evolu\u00e7\u00e3o da execu\u00e7\u00e3o no varejo: da caneta e do papel \u00e0 tecnologia de reconhecimento de imagem"},"content":{"rendered":"

Blogue por Deepak P.<\/a>, vice-presidente de tecnologia da Ivy Mobility<\/p>\n\n\n\n

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, est\u00e3o relacionados \u00e0 disponibilidade dos produtos certos nos pontos de venda, \u00e0 visibilidade dos produtos, aos pre\u00e7os e \u00e0 execu\u00e7\u00e3o da promo\u00e7\u00e3o. Podemos dividir esses elementos da estrat\u00e9gia da marca em v\u00e1rios 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 execu\u00e7\u00e3o destes termos comerciais nos pontos de venda. Uma forma de execu\u00e7\u00e3o dos termos comerciais \u00e9 por meio de auditorias peri\u00f3dicas nos pontos de venda, e esse processo \u00e9 chamado de Execu\u00e7\u00e3o no Varejo.<\/p>\n\n\n\n

\n
\n

Tecnologia para Execu\u00e7\u00e3o de Varejo<\/b><\/h4>\n

Durante a era pr\u00e9-smartphone, os agentes de campo realizavam auditorias de varejo manualmente. Auditores de varejo (merchandisers) nomeados por fabricantes de bens de consumo<\/a><\/strong> visite os pontos de venda periodicamente. Eles contam as faces do SKU, verificam os pre\u00e7os dos produtos, a execu\u00e7\u00e3o promocional, as promo\u00e7\u00f5es dos concorrentes e as atividades de precifica\u00e7\u00e3o usando papel e caneta. Depois de cobrir todos os pontos de venda do dia, eles retornariam ao escrit\u00f3rio e inseririam manualmente os dados em um desktop ou aplicativo da web. Este processo tem muitos desafios, \u00e9 demorado, sujeito a erros e n\u00e3o fornece relat\u00f3rios em tempo real. A falta de granularidade nos dados torna as possibilidades de valida\u00e7\u00e3o e an\u00e1lise quase nulas. Alguns KPIs tamb\u00e9m s\u00e3o dif\u00edceis de calcular usando papel e caneta, o que dificulta a tomada de a\u00e7\u00f5es corretivas no ponto de venda.<\/p>\n<\/div>\n

\"Realidade<\/figure>
<\/div>\n<\/div>\n\n\n\n

Com o lan\u00e7amento dos smartphones, as empresas come\u00e7aram a construir aplicativos baseados em smartphones para execu\u00e7\u00e3o de varejo<\/a><\/strong>. Assim, em vez de capturar dados em papel, os auditores podem inserir os n\u00fameros em um aplicativo m\u00f3vel, e o aplicativo calcular\u00e1 automaticamente todos os KPIs relevantes. Ajudou os comerciantes a realizar a\u00e7\u00f5es em tempo real nos pontos de venda. As aplica\u00e7\u00f5es baseadas em smartphones tamb\u00e9m ajudaram a acelerar a elabora\u00e7\u00e3o de relat\u00f3rios, uma vez que os dados podiam ser sincronizados periodicamente com a base de dados back-end, reduzindo assim o tempo de elabora\u00e7\u00e3o de relat\u00f3rios. 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 manipula\u00e7\u00e3o dos dados permaneceram.<\/p>\n\n\n\n

\n
\"Sistema<\/figure>
<\/div>\n
\n

A Intelig\u00eancia Artificial e o Aprendizado de M\u00e1quina t\u00eam progredido nos \u00faltimos 5-6 anos e vemos seu uso em diversas aplica\u00e7\u00f5es pr\u00e1ticas. A vis\u00e3o computacional, um ramo do aprendizado de m\u00e1quina, n\u00e3o foi exce\u00e7\u00e3o. A vis\u00e3o computacional encontrou aplica\u00e7\u00f5es em detec\u00e7\u00e3o de rosto, an\u00e1lise de fluxo de tr\u00e1fego, detec\u00e7\u00e3o de defeitos e diagn\u00f3stico assistido por m\u00e1quina s\u00e3o alguns exemplos. Uma dessas aplica\u00e7\u00f5es est\u00e1 na \u00e1rea de execu\u00e7\u00e3o de varejo. Em vez de coletar dados de prateleira de varejo<\/a><\/strong> manualmente, podemos fazer isso por meio de um aplicativo baseado em vis\u00e3o computacional com muito mais precis\u00e3o e velocidade. Os auditores capturam um conjunto de imagens de prateleira e o aplicativo baseado em vis\u00e3o computacional processa essas imagens e produz todos os KPIs relevantes em um curto per\u00edodo. Os desafios de um aplicativo de entrada manual de dados agora s\u00e3o resolvidos por um aplicativo baseado em vis\u00e3o computacional, conforme listado abaixo.<\/p>\n<\/div>\n<\/div>\n\n\n\n