Wsparcie Sztucznej Inteligencji w walce o przewagę na sklepowej półce

Producenci z różnych branż od dawna wykorzystują informacje pozyskane poprzez audyt półki w punkcie sprzedaży detalicznej. Obecnie możemy zauważyć intensyfikację tych działań, m.in. dzięki nowej technologii, która oferuje dużo większe możliwości zautomatyzowania procesu pozyskania, jak i przetworzenia danych z półki. Jesteśmy świadkami swego rodzaju „wyścigu zbrojeń”. Firmy konkurują ze sobą tym, kto szybciej pozyska informacje, sprawniej je przeanalizuje i wyciągnie właściwe wnioski, na bazie których podejmie trafne decyzje – najlepiej od razu, podczas wizyty handlowej w sklepie.

Punkty sprzedaży, a w szczególności tytułowa półka, stały się pierwszą linią frontu w walce o konsumenta. Jak wygrać tą rywalizację?

W ostatnich latach „droga do konsumenta” stała się znacznie bardziej wyboista dla producentów i pełna wyzwań. Dodatkowo firmy muszą radzić sobie również z konsekwencjami pandemii, która dotknęła praktycznie (w mniejszym lub większym stopniu) wszystkie branże w Polsce i na świecie. Mimo stopniowego powrotu do tzw. „normalności”, nowa rzeczywistość nie jest wcale taka sama. Dotyczy to zarówno sklepów detalicznych, jak i konsumentów – zdobycie ich uwagi oraz akceptacji wymaga więcej pracy oraz pomysłowości.

Perfect Store, czyli skuteczna metoda w walce o sklepową półkę

Zaangażowani muszą być w to wszyscy uczestnicy procesu sprzedaży: producent oferujący dobry produkt, dystrybutorzy sprawnie obsługujący sklepy, a przede wszystkim przedstawiciele handlowi, którzy bezpośrednio zarządzają sklepową półką. Od ich działań ostatecznie zależy, czy konsument sięgnie po nasz produkt, czy wybierze bardziej atrakcyjnie wyeksponowaną ofertę konkurencji. Kierunek ten potwierdza badanie firmy in-Store Media*, według którego aż 78 % klientów podejmuje decyzję o zakupie konkretnego produktu dopiero w punkcie sprzedaży, w większości przy sklepowej półce. Jest zatem o co walczyć!

Co daje producentowi badanie półki?

Rzetelne i systematyczne pozyskiwane danych pochodzących z półki sklepowej oraz ich analiza są jednym z głównych warunków uzyskania przewagi konkurencyjnej. Dlaczego? Pozwalają zobaczyć, jak faktycznie wygląda nasza sytuacja w sklepie oraz pomagają podjąć decyzję – co zmienić, co poprawić, a co wzmocnić.

Na jakie czynniki należy zwrócić uwagę? Na pewno są to:

  • dostępność odpowiednich produktów w odpowiedniej ilości i miejscu, według ustalonych reguł półkowych dla poszczególnych formatów punktów sprzedaży,
  • dostępność materiałów wspierających oraz elementów promocyjnych,
  • właściwa polityka cenowa,
  • udziały półkowe (w tym pozycjonowanie względem konkurencji),
  • odpowiednia ekspozycja standardowa i tzw. dodatkowa, w różnych strefach punktu sprzedaży (efekty działań merchandisingowych czy standardów tzw. Perfect Store).

Dzięki analizie powyższych czynników jesteśmy w stanie lepiej zarządzać dostępnością produktów, optymalizować ekspozycję i standardy, monitorować egzekucję promocji, rozliczać kontrakty, zwiększać udziały rynkowe, a przede wszystkim szybko reagować na zmieniające się oczekiwania konsumentów. I w konsekwencji skuteczniej „zachęcać” ich do zakupu.

Audyt ręczny a jakość danych

Dla większości producentów audyt punktu sprzedaży od dawna jest już standardem. Dane „półkowe” pozyskują przedstawiciele terenowi podczas wizyt handlowych, realizując w systemie SFA odpowiednie badania i gromadząc dane, w oparciu o które wyliczane są kluczowe parametry oceny (KPI). Dane zbierane ręcznie przesyłane są do centrali firmy i tam poddawane obróbce oraz łączeniu z innymi, a następnie analizowane. Wnioski pojawiają się po dłuższym czasie, niestety już po wizycie handlowca w sklepie.

Brak automatyzacji w procesie gromadzenia i przetwarzania danych ma wiele ograniczeń, szczególnie jeśli chodzi o jakość informacji. Dlaczego można mieć do niej zastrzeżenia? Ponieważ takie badanie ma charakter subiektywny – opiera się na ocenie sytuacji przez człowieka (przedstawiciela handlowego). Czynników wpływających na taką ocenę może być bardzo wiele, np. aktualny poziom percepcji, samopoczucie przedstawiciela, ilość konsumentów w pobliżu półki, pośpiech itd. Dodatkowo audyt prowadzony ręcznie zajmuje dużo czasu, ograniczając możliwość realizacji innych czynności równolegle. Z tego powodu handlowiec ma mniejszą szansę na efektywną pracę z personelem sklepu – znaczną część wizyty przeznacza na „wklepywanie” danych do aplikacji.

Obecne ograniczenia

Głównym celem audytu półki jest pozyskanie jak najszerszej, aktualnej i rzetelnej informacji na temat efektów prowadzonych przez nas działań. Jednym z kluczowych parametrów jest jakość danych/ informacji – uzyskanie jej na odpowiednim, stałym poziomie jest bardzo trudne przy subiektywnych badaniach wykonywanych ręcznie przez przedstawicieli. Wiąże się to z ryzykiem wystąpienia rozbieżności względem rzeczywistej sytuacji. Ponadto, niedostępne „od ręki” wnioski to brak możliwości szybkiej poprawy naszej obecności na półce. A przecież podczas kolejnej wizyty sytuacja może się jeszcze bardziej zmienić – niekoniecznie na lepsze, jeśli nie zareagujemy w odpowiednim momencie. Pojawiają się zatem pytania:

Jak sprawniej pozyskać odpowiedniej jakości dane, a następnie przetworzyć je na wartościowe informacje – konkretną wiedzę biznesową?
Jak udostępniać pracownikom (zwłaszcza w terenie) sugestie działań naprawczych w krótszym czasie, najlepiej ad-hoc podczas wizyty w sklepie?

Kto szybciej i lepiej wykorzysta technologię, ten wygra na półce

Z powyższych powodów na rynku można zauważyć wspomniany „wyścig zbrojeń”. Producenci sięgają po coraz bardziej nowoczesną broń (czyli technologię), która pomaga przyspieszyć gromadzenie informacji oraz eliminować związane z tym błędy, a przede wszystkim pozwala na wykorzystanie potencjału pozyskanych danych – aby na ich bazie w szybki sposób budować użyteczne insighty dla zespołów sprzedażowych.

Do tego celu mogą zostać wykorzystane elementy tzw. sztucznej inteligencji, a w szczególności elementy computer vision (do automatycznego rozpoznawania obrazu – IR) oraz deep learning i data science (do realizacji zaawansowanych analiz danych). Połączenie tych obszarów sztucznej inteligencji i wykorzystanie ich w rozwiązaniach wspierających pracę sił terenowych np. Mobile Touch by Asseco (SFA), a także np. pracowników punktów sprzedaży – Direct Portal by Asseco (Platforma dla Sklepów), może zmienić reguły gry.

Image Recognition w procesie badania półki

Technologia Image Recognition pozwala na wykorzystanie zdjęć produktów na  półkach oraz zdjęć innych lokalizacji w sklepie, w których eksponowane są nasze produkty (i/lub towary konkurencji). Pozyskanie wysokiej jakości danych w sposób tak zautomatyzowany odciąża przedstawiciela od żmudnego procesu rejestracji danych. Co ważne samo przetworzenie obrazu na dane to dopiero początek drogi i właściwie minimum efektu. Image Recognition powinno być częścią większego ekosystemu rozwiązań wsparcia sprzedaży, w skład którego wchodzą także systemy: SFA, ERP czy wymiany danych z dystrybutorami. Wówczas Image Recognition stanowi doskonałe źródło danych do generowania (w krótkim czasie) wartościowych sugestii działań dla sił sprzedaży (na bazie insightów), adekwatnych do sytuacji. Pomaga w tym Sztuczna Inteligencja, odkrywając zależności, których tradycyjne narzędzia analityczne nie byłyby w stanie wyłapać.

Aby uzyskać jak najlepsze efekty, podczas badania półki za pomocą Image Recognition powinny zostać uwzględnione m.in. takie parametry jak jakość i wiarygodność danych, czyli odpowiedni poziom prawidłowości rozpoznania, a także kompleksowość, integralność i komplementarność z pozostałymi systemami wsparcia sprzedaży. Duże znaczenie ma również bezpieczeństwo użytkowania, perspektywa rozwoju oraz wsparcie ze strony dostawcy, nie tylko na etapie przygotowania i wdrożenia, ale również na etapie komercyjnego wykorzystania.

Dobrze wykorzystany potencjał danych

W porównaniu do tradycyjnego (ręcznego) audytu sklepu, badanie półki za pomocą Image Recognition jest znacznie szybsze, bardziej precyzyjne (jeśli obarczone błędem, to znanym i powtarzalnym), tańsze i pozwala na pozyskanie większej ilości dobrej jakości danych – własnych oraz konkurencji. Są one ponadto bardziej obiektywne – wolne od subiektywnej oceny człowieka. Sam proces ich gromadzenia wymaga znacznie mniejszego zaangażowania i kontroli, a uzyskany efekt z pewnością jest znacznie lepszy od tego, który do tej pory uzyskiwaliśmy za pomocą bardziej tradycyjnych metod.

Jeśli chcesz dowiedzieć się więcej na temat koncepcji wykorzystania rozwiązania Image Recognition w procesie audytu półki – w systemie SFA (np. Mobile Touch by Asseco) czy Platformie dla Sklepów (np. Direct Portal by Asseco), skontaktuj się z nami i sprawdź wersję DEMO!

Image Recognition

Umów się prezentację online rozwiązania Image Recognition

Wypełnij formularz

* Źródło: Firma in-Store Media Badania prowadzi badania sprzedażowe we współpracy z sieciami handlowymi. Dadania marketingowe są realizowane na zlecenie i według metodologii in-Store Media przez firmę Nielsen.

Artykuł Wsparcie Sztucznej Inteligencji w walce o przewagę na sklepowej półce pochodzi z serwisu Blog Asseco BS.

Zapytaj o szczegóły

Jeśli jesteś zainteresowany naszą ofertą albo chcesz uzyskać więcej informacji, wypełnij formularz lub zadzwoń. Nasz konsultant skontaktuje się z Tobą i po rozpoznaniu sytuacji będzie mógł podać szacunkowy koszt wdrożenia

Zapytania ofertowe

Hotline dla Klientów






    Przewiń do góry