Каталог курсов
Демо-курс по цифровизации ритейла
Автоматизация оценки качества работы мерчандайзеров с помощью компьютерного зрения
кейс6
Источник изображения: PxHere, CC0 Public Domain
Общая информация
- Компания/Заказчик: Ферреро Руссия
- Консалтер/Интегратор: "Системные Технологии", SmartMerch
- География: РФ
- Период проекта: Проект начат в августе 2020 года
- Отрасли: Торговля
- Области управления бизнеса: маркетинг, продажи
- Решаемые бизнес-задачи: Мерчандайзинг, Оценка сотрудников
- Идеологические платформы и тренды: Искусственный интеллект, Машинное обучение, Мобильные приложения
Исходная проблема, вызов, идея
Размещением продукции Ferrero непосредственно в магазинах занимаются сотрудники мерчандайзинговых агентств. Контроль их работы осуществляют супервайзеры Ferrero и аудиторы отдельного агентства. Отмечается, что бюджет на проверочную деятельность составляет "десятки миллионов рублей в год".
Чтобы отказаться от подобных затрат на проведение ритейл-аудитов и проверку качества работы персонала было решено использовать методы распознавания изображений для автоматической проверки правильности планограмм по фотографиям полок с товарами.
Дополнительно компания преследовала цели улучшить потребительскую упаковку с точки зрения возможности определения товара на полке, объективно оценивать качество выполнения работы сотрудников в магазинах, создать хранилище данных с возможностью привязки фотоматериалов к конкретным KPI.
Принцип решения
Использование машинного обучения для распознавания фото
Описание кейса
В Ферреро Руссия с конца 2020 года внедряется решение по контролю работы мерчандайзеров с помощью автоматического распознавания снимков полок с выставленными товарами.
После размещения товаров сотрудник-супервайзер фотографирует полку с помощью мобильного телефона и отправляет снимки для анализа на сервер, где нейросеть распознает правильность размещения и одобряет/рекомендует внести изменения. Отмечается, что точность распознавания товаров превышает 95%, а снимки нельзя подделать. Данные по всем визитам собираются в отчеты.
Проект проходил в несколько этапов. На первом, с августа по октябрь 2020 года, были изучены возможности автоматического распознавания товаров Ferrero. Далее, в ноябре — декабре, состоялся выход на промышленные показатели (точность распознавания товаров составила составила 95-98%) и защита полученных результатов.
С января по июль 2021 происходило масштабирование бизнес-процессов и ИТ-систем: были отключены дублирующие системы и прекращено сотрудничество с аудиторскими агентствами, все супервайзеры Ferrero (160 человек) переведены на работу с решением.
Принято решение о подключении к проекту всей структуры продаж компании, включая сотрудников дистрибьюторов и мерчандайзинговых агентств - всего порядка 1600 человек.
Среди сложностей проекта разработчики отмечают сложную структуру товарных позиций и необходимость сбора большого количества обучающих фотографий, сложности с распознаванием мелких товаров типа Kinder, отсутствие методологий распознавания диагональной выкладки и прикассовой зоны.
Результат
Точность распознавания товаров превышает 95%.
