Sztuczna inteligencja pomoże zarządzać ekspozycją towarów na półkach. Odciąży handlowców, którzy zajmą się doradztwem i obsługą klienta.
Współczesny klient ma rosnące oczekiwania. Większość z nich wynika z możliwości, jakie zapewniają mu innowacyjne rozwiązania technologiczne i usługi online. Gdy jednak z wirtualnego świata konsument trafia do tego rzeczywistego, często staje przed przysłowiową ścianą. Chodzi m.in. o brak możliwości personalizowania produktu czy niewystarczającą ilość ulubionych towarów. Dla współczesnych detalistów oznacza to jedno – aby utrzymać klienta, muszą zmienić swój sposób myślenia oraz zastosować technologie, które zwiększą jego satysfakcję. Jednym z takich rozwiązań jest system do analizy ułożenia towarów na półkach sklepowych, wykorzystujący sztuczną inteligencje (AI).
70% – taki odsetek decyzji o zakupie jest podejmowanych przed półką w tradycyjnym sklepie.
AI przeanalizuje ekspozycję półki sklepowej
Ekspozycja towarów w sklepie to element strategii sprzedażowej, który jest szczególnie niedoskonały ze względu na ludzką omylność czy zaniedbania – twierdzą eksperci z eLeader. Według ich analizy, trudność w znalezieniu wybranego towaru aż w 40% przypadków prowadzi wprost do rezygnacji z zakupu. Z tego względu kluczowe jest gromadzenie informacji na temat stanu ekspozycji. Do niedawna podstawowym sposobem weryfikacji tego, jak prezentuje się półka sklepowa, było jej oglądanie przez pracownika sklepu, zarówno pod kątem rozmieszczenia towarów, jak i udziału poszczególnych kategorii produktowych. Współcześnie działania związane z odpowiednią ekspozycją towarów na półce sklepowej wspomagane są innowacyjnymi narzędziami. Jedną z nich jest polska aplikacja – eLeader Shelf Recognition AI, która działa w oparciu o sieć neuronową – Ala.

„Analiza obrazu dostarczana przez Alę służy zarówno kadrze menedżerskiej w podejmowaniu kluczowych decyzji dotyczących rozmieszczenia produktów na sklepowej półce (np. wpływ sąsiedztwa z innymi markami na sprzedaż danego produktu), jak i przedstawicielom handlowym w analizie obecnego stanu ekspozycji. Dzięki temu pracownicy terenowi jeszcze w trakcie trwania wizyty mogą podjąć odpowiednie kroki zgodne z założonymi KPI (ang. Key Performance Indicators – kluczowe wskaźniki efektywności)” – mówi Bartłomiej Łaciński, specjalista ds. marketingu w eLeader.
Przykładowo, jeśli podczas wizyty w jednym z punktów handlowych okaże się, że obecność produktów na półce zajmuje 30% jej powierzchni, a powinna – 40%, pracownik może natychmiast podjąć proponowane przez system działanie. Akcje sugerowane przedstawicielom handlowym przez aplikację wpisują się w procesy guided selling (z ang. sprzedaż ze wsparciem). System, zbierając informacje (m.in. poprzez analizę zdjęcia), podpowiada, co zrobić, aby wizyta handlowa była jak najbardziej efektywna.
„Zastosowaliśmy w niej technologię uczenia nadzorowanego (ang. supervised learning) i konwolucyjne sieci neuronowe (ang. Convolutional Neural Network – CNN) do rozpoznawania obrazu. Aby działała poprawnie, musi przejść tzw. trening sieci. W tym celu należy dostarczyć jej odpowiednią ilość danych treningowych w postaci wzorców produktów, które ma identyfikować. Dane powinny przejść proces etykietowania, który polega m.in. na przyporządkowaniu danych elementów obrazu właściwym SKU (ang. stock keeping unit– identyfikator służący do zarządzania danym towarem)” – tłumaczy Paweł Majsiej, specjalista ds. marketingu w eLeader.
Czy warto zainwestować w automatyczną analizę półki sklepowej?
Jednak zanim sprzedawca zdecyduje się na wdrożenie narzędzia przeprowadzającego automatyczną analizę półki sklepowej, powinien sprawdzić, czy w jego przypadku warto podjąć taką inwestycję. Poniżej prezentujemy pytania pomocne przy tego typu analizie:
Czy wszystkie produkty mają opakowania?
Czy opakowania mają kształt pozwalający na wyodrębnienie ich z otoczenia?
Czy etykiety danych opakowań można łatwo odróżnić od tych konkurencyjnych?
Czy produkty są umieszczane na regałach np. zgodnie z listingiem (czyli kontraktem na półkę)?
Czy sprzedaż produktów w kanale tradycyjnym jest oparta na standardach merchandisingowych lub planogramach?
Jeśli odpowiedź na większość powyższych pytań jest twierdząca, oznacza to, że podstawowe warunki do wprowadzenia automatyzacji analizy półki zostały spełnione. Jeśli nie – warto rozważyć pozostanie przy tradycyjnych metodach, takich jak strategia perfect store (która zakłada, że osiągany poziom sprzedaży zależy od stopnia realizacji wyznaczonych wcześniej działań) pozostająca w obrębie łatwo mierzalnych KPI. Zdaniem ekspertów z eLeader, pozwoli to nie tylko na skuteczną realizację strategii, ale również da mocne podstawy do wiarygodnej analizy za pomocą narzędzi klasy business intelligence, które są w stanie operować na dużych ilości danych napływających cyklicznie i z wielu źródeł. Kiedy zatem skuteczniejszy okazuje się tradycyjny przegląd półki? Gdy produkty nie mają opakowań (np. pieczywo) albo jeśli produkty są sprzedawane w małych ilościach (np. samochód w salonie) lub w nietypowym otoczeniu.
Robot, który zadba o sklepową półkę
Ciekawe rozwiązanie, wykorzystujące technologię rozpoznawania obrazu, zastosowała sieć sklepów Walmart. Detalista zastosował computer vision w swoich autonomicznych robotach, które m.in. sortują produkty do konkretnych działów na przenośniki taśmowe; jeżdżą od półki do półki, skanując je i sprawdzając w ten sposób, w którym miejscu jest niedobór jakiegoś towaru; wykonują inne podstawowe prace inwentaryzacyjne (również w celu zarządzania kosztami); ale i wykonują prace porządkowe.
„Stacjonarny kanał sprzedażowy, o ile konsekwentnie się automatyzuje, trzyma się mocno. Producenci wciąż chcą być w nim obecni” – podkreśla Paweł Majsiej z eLeader.
Zdaniem przedstawicieli Walmartu, dzięki inteligentnym robotom pracownicy zostali znacznie odciążeni i nie muszą wykonywać zadań tzw. niższego poziomu. Mogą natomiast zająć się tym, czego oczekują od nich klienci – czyli doradztwem. Według najnowszych trendów consultative selling (z ang. sprzedaż konsultacyjna), czyli filozofii opartej na budowaniu relacji między sprzedawcą a potencjalnym klientem, współcześni przedstawiciele handlowi powinni łączyć kompetencje doradców klienta, ekspertów od merchandisingu, zarządzającego kategoriami produktów (ang. category management) i analityka biznesowego. Chodzi o zrozumienie potrzeb kupujących w celu ich zaspokojenia za pomocą niestandardowych rozwiązań.

„Warto podkreślić, że mocnym trendem wciąż pozostaje omnichanel, który pozwala na uspójnienie doświadczenia klienta w różnych kanałach sprzedaży. Kluczowy jest tu fakt, że dane o kliencie są zintegrowane dzięki jego analizie zarówno online, jaki i offline” – podsumowuje Paweł Majsiej.