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.

«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.
Автоматизировано в течение 2 месяцев
Сократилось среднее время визита
Выросла точность распознавания по собственным брендам
Выросла точность распознавания по всей категории
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.
Ключевая цель внедрения – обеспечить менеджмент компании объективными и проверяемыми данными о представленности товаров в торговых точках за счет внедрения системы распознавания полки.
• 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».
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
• 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.
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.