Якобс Россия. Цифровой контроль полки и объективные KPI для роста продаж

5 минут на чтение —
JDE: цифровой контроль полки

О компании

«Якобс Россия» осуществляет продажи через сеть более 60 дистрибьюторов, полевые команды обслуживают ~ 195 000 торговых точек, в работе с представленностью участвуют свыше 1000 мерчандайзеров на стороне агентств.

Ключевые результаты

1000 рабочих мест

Автоматизировано в течение 2 месяцев

На 6%

Сократилось среднее время визита

До 97%

Выросла точность распознавания по собственным брендам

До 94%.

Выросла точность распознавания по всей категории

Вызовы проекта

До апреля 2026 года продажи и мастер-данные велись в «ST Чикаго», мерчандайзинг – в «ST Мобильная Торговля», а распознавание полки выполнял внешний сервис, который открывался из «ST Мобильная Торговля» отдельным приложением.
Сбор данных о ценах, промо, выкладке и дополнительных местах продажи оставался ручным и субъективным: не было единого проверяемого факта по визиту, качество зависело от конкретного исполнителя. Информация о полке поступала с задержкой и неполной, причины отсутствия товара не подтверждались фото, расхождения разбирались вручную.

Работа в двух приложениях удлиняла визит и усложняла обучение новых сотрудников. Требовались дополнительные ресурсы на разбор расхождений и коммуникации с агентствами. Такая конфигурация блокировала стратегическое развитие структуры продаж.

Андрей Киреев - Head of Sales Operations, JDE Россия
Андрей Киреев
Head of Sales Operations, JDE Россия
«Метрики существовали в разных системах: долю полки мерчандайзер рассчитывал сам и вручную вводил в приложение. Это снижало доверие к KPI и приводило к спорным выплатам агентствам. Ответственность за качество данных размывалась между двумя поставщиками, бизнес зависел от внешнего сервиса и его релизного цикла».

Цели проекта

Ключевая цель внедрения – обеспечить менеджмент компании объективными и проверяемыми данными о представленности товаров в торговых точках за счет внедрения системы распознавания полки.

Задачи проекта

  1. Оцифровать сбор информации о выкладке, ценах и промоакциях.
  2. Повысить точность и полноту данных за счёт роста качества распознавания товаров и прямой интеграции системы распознавания полок с платформой автоматизации полевых сотрудников.
  3. Увеличить эффективность расходования мерч-бюджета и направить высвобожденное время полевых команд на рост покрытия и дополнительные задачи.
  4. Уйти от модели с двумя поставщиками, устранить размытую ответственность за качество данных.
  5. Сократить затраты на сопровождение решений и устранение расхождений в данных.
  6. Сократить сроки онбординга мерчандайзеров и повысить лояльность персонала за счёт единого простого сценария работы.
  7. Создать основу для управления ассортиментом в прикассовых и импульсных зонах.

Уникальность проекта

  • Единый контур: за распознавание выкладки, KPI и причины отсутствия товара на полке отвечает один поставщик.
  • Система автоматически определяет долю полки (в товарных позициях и сантиметрах) и ключевые показатели визита, которые напрямую влияют на вознаграждение мерчандайзинговых агентств.
  • Четыре мерчандайзинговых агентства: ротация исполнителей, разный уровень компетенций и разные часовые пояса.
  • Распознавание на устройстве (on device) встроено в мобильное приложение, предварительные результаты визита доступны сразу в точке даже без интернета.
  • Фокус на ключевых драйверах категории: доля полки против планограммы, брендблоки, «золотые полки», импульсная и прикассовая зоны.

Сложность реализации

• Сжатые сроки: после пилота требовалось за 2 месяца перевести всех полевых сотрудников агентств на новое решение.
• Обширный каталог товаров: потребовалось обучение модели для распознавания всей категории.
• Нестабильный интернет в торговых точках замедлял распознавание и влиял на точность OSA (доступность товара на полке) и OOS (отсутствие товара), поэтому реализовано распознавание на устройстве (on-device), работающее без сети.
• Разные часовые пояса и обезличенный учёт исполнителей по агентствам потребовали корректного расчёта времени визита.
• Товары одного дизайна в разных объёмах (SKU – товарная позиция) и позиции вне матрицы усложняли расчёт OSA/OOS; потребовалась синхронизация матриц с «ST Чикаго».

Изменения после внедрения

Контроль полки стал единым процессом: доля полки рассчитывается автоматически, ключевые показатели эффективности визита формируются без ручных операций, причины отсутствия товара подтверждаются фотографиями. Менеджмент получает объективные данные по каждому визиту и использует их в отчётности, а полевая команда экономит время благодаря отказу от переключения между приложениями и ручного расчёта этой метрики

Андрей Киреев - Head of Sales Operations, JDE Россия
Андрей Киреев
Head of Sales Operations, JDE Россия
«Решения о состоянии выкладки переносятся на систему. От мерчандайзера требуется минимум действий: прийти в торговую точку, выставить товар и сфотографировать полку».

Результаты

• Среднее время визита сократилось на 6%, высвободившиеся ресурсы направлены на сенсус торговых точек, мерчандайзинг прикассовых зон, анализ причин отсутствия товара (OOS) и другие задачи.
• Доля полки и ключевые показатели эффективности (KPI) визита рассчитываются автоматически и напрямую влияют на вознаграждение мерчандайзинговых агентств.
• Точность распознавания выросла: по собственным брендам с 94% до 97%, по всей категории с 89% до 94%. Добавлен мониторинг цен: ценники распознаются и учитываются как метрика.
• Данные (доля полки, причины OOS) выгружаются в систему бизнес-аналитки (BI) с единой атрибутикой и идентификатором визита.

Андрей Киреев - Head of Sales Operations, JDE Россия
Андрей Киреев
Head of Sales Operations, JDE Россия
«Мы перешли от контроля каждого визита к системному управлению: оплата агентствам привязана к достижению целевой доли полки, целевые KPI можно повышать ежемесячно и сопоставлять с данными о продажах».

Что говорят наши партнёры

Beluga Group

+3% OSA

«Мы подключили более 500 мерчандайзеров и теперь оцифровываем 100% визитов, распознаем 9 сейлз-категорий и мониторим 300 SKU конкурентов. Благодаря IR мы точно знаем свою долю полки. Сроки формирования отчетов сократились с двух недель до 1-2 дней, рост OSA составил 3%».

Петр Кузин
Руководитель отдела проектов по развитию продаж Beluga Group
Татспиртпром

+30% розничных продаж

«Полевые команды стали работать более эффективно. Мобильное приложение позволяет сотрудникам видеть свои KPI и получать обратную связь после каждого визита — не ждать конца месяца, а сразу вносить корректировки».

Валерий Антарюк
Руководитель аналитического департамента АО «Татспиртпром»
ST Magic Vision

Хотите узнать, как «ST Magic Vision» решает эти задачи?

Распознавание полки на базе компьютерного зрения (image recognition): доля полки, OSA и KPI мерчандайзинга по фото из торговой точки. Точность распознавания SKU от 95% без ручного дораспознавания.

Узнать больше