Technologia rozpoznawania obrazu (image recognition) odgrywa coraz większą rolę w handlu detalicznym. Według analityków z Research and Markets, do końca 2023 roku wartość wdrożeń tej technologii na skalę globalną ma wynieść 1,98 mld USD. To znaczący wzrost w porównaniu z wynikiem z roku 2022 – 1,63 mld USD (21,6 proc.). Co więcej, prognozy sugerują że w ciągu najbliższych 4 lat ten sektor będzie się rozwijał średnio o 20,4 proc. rocznie.
Kontrola, która nie jest łatwa
Aby klient zakupił określony towar, sprzedawca musi przeprowadzić szereg procesów, takich jak utrzymanie odpowiedniej ilości produktów na półkach, wdrożenie standardów ekspozycji, skuteczne pozycjonowanie materiałów promocyjnych czy oferowanie konsumentom atrakcyjnych cen w różnych kategoriach. Osiągnięcie określonego poziomu sprzedaży jest możliwe pod warunkiem prawidłowego wykonania wszystkich tych elementów. Dlatego konieczne są częste kontrole sytuacji w sklepach.
Niestety kontrole przeprowadzane w sposób tradycyjny rozwiązują problem tylko częściowo. To czasochłonny i kosztowny proces, który w dodatku bywa nieprecyzyjny. Dane zebrane przez pracowników sklepu, merchandiserów czy audytorów, z powodu błędów mogą nie być w 100 proc. dokładne. W monitorowaniu tego, co dzieje się w punktach sprzedaży, może dziś pomagać technologia rozpoznawania obrazu.
Konkretne korzyści
Rozpoznawanie obrazu w kontekście sprzedaży sprowadza się do identyfikacji produktów na zdjęciach sklepowych półek. Sztuczna inteligencja potrafi rozpoznać, jakie produkty i w jakich ilościach znajdują się na półkach, dzięki czemu system wsparcia sprzedaży może automatycznie przeanalizować, czy rzeczywistość jest zgodna z wytycznymi. Już dziś ta technologia z powodzeniem jest wykorzystywana do kontroli merchandisingu, sprawdzania udziałów półkowych czy monitorowania konkurencji.
– Zastosowanie technologii rozpoznawania obrazu w handlu detalicznym może znacząco poprawić efektywność zarządzania sprzedażą. Dzięki analizie obrazów handlowcy mogą szybciej reagować na zmiany na półkach, zoptymalizować dostępność produktów i zadbać o standardy merchandisingowe, co w efekcie pozwoli zwiększyć konkurencyjność i zyski – tłumaczy Adam Sienkiewicz, head of Sales z Sagra Technology, firmy specjalizującej się w systemach IT dla sektora handlowego. – Przykładowo technologia rozpoznawania obrazu zastosowana do merchandisingu umożliwia szybką weryfikację realizacji standardów. W ten sposób producent może nie tylko szybko reagować na sytuację i dbać o ekspozycję, ale też zyskuje dane do rzetelnego rozliczenia wykonania umowy przez punkt sprzedaży. Warto wspomnieć, że ta technologia jest naprawdę skuteczna, bo algorytmy potrafią rozpoznawać produkty z aż 98-procentową dokładnością – dodaje.
Szybkie i efektywne kontrole
Sektor handlu, w zależności od rynku, rośnie rocznie o kilka procent. Zwiększa się zwłaszcza liczba punktów sprzedaży. Jednocześnie koszty produkcji, logistyki oraz duża konkurencja nie pozwalają na zwiększanie budżetów na merchandising i przedstawicieli handlowych. Efektem mogą być problemy z utrzymaniem odpowiedniego standardu zaopatrzenia oraz ekspozycji towarów na sklepowych regałach. Rozpoznawanie obrazu pozwala zautomatyzować monitorowanie regałów w punktach sprzedaży, wszelkie kontrole, a także gromadzenie danych na temat konkurencji.
– Co istotne, automatyczna kontrola regałów w sklepie umożliwia precyzyjne sprawdzenie w każdym momencie nie jednego, ale wielu parametrów: dostępności produktu, zgodności z ustalonym standardem merchandisingowym, zgodności cen, również podczas trwania promocji czy wielkości udziału w półce – mówi Adam Sienkiewicz.
Te korzyści mają również wymierny skutek, który przekłada się na efektywność. Przykład? Pewna brytyjska firma IT, która wprowadziła do swoich usług rozpoznawanie obrazu na potrzeby audytów sklepów detalicznych, mówi o skróceniu audytu nawet o 70 proc. oraz zapewnieniu handlowcom precyzyjnego wglądu w sytuację w sklepie w mniej niż 20 sekund. To znaczne zwiększenie wydajności i możliwości działania zespołów sprzedażowych.
Według raportu Research and Markets, głównymi czynnikami przyspieszającymi wzrost wykorzystania rozpoznawania obrazu w handlu są znaczące postępy w dziedzinie uczenia maszynowego i sztucznej inteligencji oraz wzrost liczby sklepów. Sytuację poprawia też zwiększona automatyzacja zadań związanych z zarządzaniem zapasami, zatowarowaniem oraz transakcjami.
