Алвиса. Бесшовная замена системы контроля выкладки

3 минуты на чтение —

О компании

«Алвиса» — один из крупнейших алкогольных холдингов России. Хотя компания работает в смежном с пищевой отраслью сегменте, её подход к цифровизации полевых операций актуален для любого FMCG-игрока: от производителей продуктов до напитков.
Работа компании характеризуется высокой сезонностью: в декабре нагрузка на полевые команды увеличивается более чем в два раза.

Ключевые результаты

>95%

точность распознавания SKU

100%

автоматизированный расчёт KPI полевых команд


Лина Малыгина
Руководитель отдела автоматизации и аналитики, «Алвиса»
«Мерчандайзеры — это наши глаза в торговых точках. Чем точнее и полнее собранные данные, тем эффективнее работа всей команды. Поэтому мониторинг выкладки на базе Image Recognition (IR) — критически важный процесс. Система распознавания нужна нам для контроля исполнения матрицы, оценки доли полки, отслеживания активности конкурентов и расчёта заработной платы полевых сотрудников».

Вызовы и цели проекта

Разрозненные системы и риск сбоя в высокий сезон

IR-система контроля выкладки и SFA-система работали у клиента от разных поставщиков. Это создавало ряд операционных и технических проблем:

  • любые доработки требовали сложных изменений интеграции;
  • ответственность между подрядчиками была размыта;
  • исправление ошибок занимало значительное время;
  • росла стоимость поддержки ИТ-ландшафта.

Дополнительным риском было то, что замена системы приходилась на высокий сезон, когда нагрузка на полевые команды увеличивается почти в два раза.

Цели проекта:

  • Заменить стороннее IR-решение на единую платформу с SFA;
  • Сохранить непрерывность бизнес-процессов в период высокого сезона;
  • Обеспечить автоматическое распознавание SKU и ценников;
  • Интегрировать IR-данные с BI-аналитикой и расчётом мотивации.

Решения и используемые продукты

Для проекта было внедрено IR-решение ST Magic Vision, интегрированное с существующей SFA-системой и BI-аналитикой. Система позволяет автоматически распознавать товары и ценники на фотографиях выкладки, проверять соответствие матрицам и передавать результаты в аналитические системы компании.

Решение обеспечило:

  • автоматическую проверку выкладки;
  • точное распознавание SKU и ценников;
  • защиту от фальсификации полевых данных;
  • единый контур данных для продаж, маркетинга и аудита.

Этапы реализации

  1. Пилот. Запуск на 20 мерчандайзерах, сбор обратной связи, доработка UX и логики распознавания.
  2. Масштабирование. Подключение регионов в 4 волны с учётом региональной специфики, параллельная работа старого и нового IR-решения.
  3. Отключение предыдущего решения. С 1 августа поэтапное отключение старой IR-системы, переключение команд без остановки процессов.
  4. Стабилизация системы. Доработка портала, оптимизация сервиса распознавания, адаптация BI-дашбордов.
  5. Интеграция аналитики. Автоматическая передача данных в BI, отчёты по выкладке, ценам, матрице и KPI, автоматический расчёт мотивации полевой команды на следующий день после обмена данными.
  6. Обучение пользователей работе с новым инструментом, сопровождение внедрения.

Результаты

После внедрения решения компания получила:

  • >95% точности распознавания SKU;
  • полностью автоматизированный расчёт KPI полевых команд;
  • аналитические дашборды для продаж, маркетинга и аудита;
  • повышение точности идентификации SKU конкурентов;
  • снижение стоимости владения IR-контуром;
  • прозрачность и достоверность полевых данных.

Главный результат проекта — бесшовная замена IR-системы без остановки бизнеса и без влияния на работу полевых сотрудников.

Лина Малыгина
Руководитель отдела автоматизации и аналитики, «Алвиса»
«Переход на единое IR-решение позволил нам повысить управляемость данных и снизить операционные риски. При этом для полевой команды процессы работы остались привычными».