Т2. Автоматизация аудита POSM на базе AI

2 минуты на чтение —

О компании

Т2 — российский оператор мобильной связи с федеральной розничной сетью.
Компания регулярно проводит фотоаудиты более 6500 торговых точек, где размещается 50+ видов POSM: плакаты, тейблтенты, стойки, карманы, навигация.

Фотоаудит является ключевым инструментом контроля оформления розницы и одним из самых трудоёмких процессов трейд-маркетинга.

Ключевые результаты

х10

снижение затрат на обработку POSM

-30%

расходов на производство и размещение POSM за счет аналитики покрытий

1,5 часа

вместо 1,5 недель на полный цикл фотоаудита

Марта Цветкова
Руководитель направления по продвижению бренда Т2
«ИИ помогает нам формировать продуманную матрицу POSM, оптимизировать закупки и снижать издержки. Теперь мы опираемся на данные, а не на гипотезы».

Вызовы и цели проекта

Ручная обработка тысяч фотографий по всей федеральной сети

До внедрения решения обработка фотоаудитов выполнялась вручную внешним подрядчиком. Тысячи фотографий проверялись специалистами, сопоставлялись с каталогом POSM и заносились в паспорта торговых точек.
Это приводило к ряду проблем:

  • обработка занимала до 1,5 недель;
  • процесс был дорогим;
  • возникали ошибки из-за человеческого фактора;
  • отсутствовал единый стандарт данных по всей сети.

 

Цели проекта:

  • Автоматизировать формирование паспортов торговых точек
  • Сократить сроки и стоимость фотоаудита
  • Исключить вариативность данных
  • Обеспечить единый стандарт POSM по всей федеральной сети

Решения и используемые продукты

Для проекта был разработан AI-контур автоматического распознавания POSM. Система анализирует фотографии торговых точек, определяет размещённые материалы, распознаёт текстовые элементы и автоматически формирует паспорт торговой точки. Решение позволяет полностью автоматизировать процесс фотоаудита и обеспечить единый стандарт данных по всей сети.

Стек технологий

  • компьютерное зрение для детекции POSM;
  • алгоритмы классификации материалов;
  • OCR для распознавания текстовых элементов;
  • автоматическое формирование паспорта точки.

ST Cortex

ST Cortex

Диалоговый AI-эксперт по корпоративным знаниям на базе технологии RAG
Изучить

Этапы реализации

  1. Подготовка обучающих данных. Сформирована обучающая выборка по 80+ POSM, собраны 80–100 фотографий каждого материала с учётом различных условий съёмки: освещение, ракурсы, расстояние.
  2. Разработка логики распознавания.Настроен AI-пайплайн: детекция → классификация → OCR → формирование паспорта точки. Проведён пилот на 200–300 магазинах, проанализированы ошибки и улучшена модель.
  3. Обучение моделей. Достигнута точность 90–97%, улучшено распознавание похожих POSM, оптимизирован OCR для сложных поверхностей.
  4. Масштабирование решения. Система развёрнута на 6500 торговых точек, фотоаудит переведён в полностью автоматический режим, паспорта торговых точек стандартизированы по всей сети.

Результаты

  • ×10 снижение затрат на обработку POSM;
  • −90% трудозатрат команды;
  • -30% расходов на производство и размещение POSM за счёт аналитики покрытий;
  • единый стандарт паспортов торговых точек по всей сети.

Проект позволил перевести управление POSM в data-driven модель и создать масштабируемый AI-контур для трейд-маркетинга.