Image Recognition (IR) в ритейле — это технология распознавания товаров на фото полки: нейросеть по снимку мерчандайзера определяет, какие категории и SKU представлены, сколько места занимает каждый бренд и корректны ли ценники, без ручного пересчета вживую. При этом IR не заменяет мерчандайзера, а работает поверх его труда: если сотрудник не поправил выкладку перед фото, точность распознавания снизится, и компания получит недостоверные данные о доле полки и остатках. Разбираем технологию на примере Beluga Group, где Петр Кузин, руководитель отдела проектов по развитию продаж компании, подробно ответил на вопросы других FMCG-компаний о том, как это работает на практике.
Image Recognition в ритейле: как это работает и что дает бизнесу
Как работает: от фото до отчета
Мерчандайзер фотографирует полку через приложение ST Мобильная Торговля (мобильная часть комплекса «ST Чикаго»). Само распознавание требует интернета, а вот съемка не требует: если сотрудник оказался без сети, фото сохраняются на устройстве и уходят на распознавание, как только он попадает в зону покрытия.
После загрузки нейросеть определяет категории, SKU и цены на фото, а система сопоставляет фактическое наличие с ассортиментной матрицей точки. При наличии интернета обратная связь по сцене приходит в течение 3-5 минут, а по крупному гипермаркету отчет об OSA формируется примерно через 5 минут после отправки последнего фото. Список нераспознанных SKU уходит на устройство мерчандайзера, и он может вручную указать причину отсутствия: товар в блоке, отсутствует в точке или ошибка распознавания.
Что умеет IR
В масштабе Beluga Group технология покрывает больше 500 мерчандайзеров и 100% визитов: система распознает 9 сейлз-категорий и параллельно мониторит 300 SKU конкурентов. Это дает точную картину доли полки по каждой категории алкоголя, от водки и вина до коньяков и настоек.
Точность определения категории превышает 95%, хотя сложные категории вроде вина, где счет SKU идет на 15-20 тысяч, требуют больше вычислительных усилий и все равно обрабатываются корректно. Точность распознавания цен превышает 90%, при условии что ценники находятся под своими позициями, а товары развернуты фейсами к камере. Отдельно нейросеть отслеживает промо-акции по ценникам, что напрямую связано с показателем On-Shelf Availability: мы уже разбирали, почему борьба с OOS и OSA требует и качественной фотофиксации, и совместной работы сети с поставщиком.
Вебинар «IR для оцифровки полей»: Петр Кузин отвечает на вопросы представителей FMCG-компаний
Ограничения технологии
Честно об ограничениях IR говорить не менее важно, чем о возможностях.
Дополнительные места продаж нейросеть не определяет самостоятельно: мерчандайзер заранее отмечает в приложении тип ДМП, который фотографирует, и только после этого нейросеть сопоставляет снимок с ожидаемым ассортиментом. Автоматическое распознавание ДМП без разметки пока не умеет делать ни одно похожее решение на рынке.
Склейка сцен может давать ошибки нахлеста: если стеллаж разбит на несколько фото с некорректным перекрытием кадров, итоговая склейка может получиться неточной. На общую точность это влияет, но не критично.
Само распознавание не работает без интернета: фотографировать можно офлайн, а обработка снимков откладывается до момента, когда мерчандайзер окажется в зоне покрытия сети.
Электронные ценники требуют дополнительного обучения модели: тренд на цифровые ценники меняет способ оформления акций, и нейросеть приходится отдельно дообучать под каждый новый формат.
Полную съемку категории не обязательно повторять на каждом визите: в Beluga сначала фотографировали все полочное пространство при каждом визите, а затем перешли на поквартальную фиксацию, поскольку выкладка на практике меняется не так часто.
Вебинар «IR для оцифровки полей»: Петр Кузин рассказывает о проекте
Экономический эффект
По оценке Beluga Group, цифромерч через IR добавил около 3% к показателю OSA (по 1,5 процентных пункта в крепком алкоголе и в вине). При этом переход от ручной проверки фотографий человеком к автоматическому распознаванию не увеличил бюджет, а по словам компании, наоборот, помог сэкономить.
Похожий эффект от оцифровки полевых визитов через IR виден и в кейсе Mars Petcare: там переход на оценку 100% визитов вместо выборочной проверки фотоотчетов стал одним из элементов более широкой цифровой трансформации отдела продаж.
Как внедрить и мотивировать команду
Технология влияет и на схему мотивации полевой команды. В Beluga Group бонусы привязали к исполнению ассортимента только после того, как точность распознавания достигла 93%, а цели и задачи планируются с учетом ожидаемой погрешности. В июне точность распознавания достигала 95%, при этом бренд определяется корректно в 98-99% случаев, поэтому ошибки в распознавании литража почти не сказываются на итоговом KPI по доле полки.
Дополнительная физическая нагрузка (нужно сфотографировать полку сверху вниз, слева направо и под прямым углом) не сильно отличается от привычной работы мерчандайзера, где и так приходится приседать, наклоняться и переставлять товар. Четкие правила съемки делают процесс понятным и прозрачным для команды.
Отдельная задача: не дать полевым сотрудникам обмануть систему заниженным количеством фейсов. Beluga проводит выборочный аудит по специальному алгоритму: на небольшом расхождении систему можно обмануть, но значительное занижение фейсов обязательно всплывет при проверке. Похожие и другие способы обхода систем контроля мы подробно разбирали в материале «8 уловок полевых сотрудников».
Решение ST для IR
В кейсе Beluga Group роль IR-провайдера играет партнерская технология SmartMerch, встроенная поверх платформы «ST Чикаго» и приложения «ST Мобильная Торговля». У самой «Системных Технологий» есть и собственное решение для распознавания изображений: ST Magic Vision, которое так же способно проверять долю полки, наличие товара и соответствие планограмме по фото, без привязки к какому-то конкретному кейсу выше.
Частые вопросы
Что произойдет, если ценник на месте, а товара на полке нет? Система не сверяет ценник с наименованием позиции, а распознает только цену до копейки и признак акции. Поэтому в такой ситуации система будет считать, что товар в принципе есть в ассортиментной матрице точки, и сравнит это с фактическим наличием на фото.
Как измеряется точность распознавания? Точность замеряется ежемесячно по внутреннему алгоритму компании. Детали расчета точности самой съемки закрыты соглашением о неразглашении с провайдером технологии.
Меняли ли дизайн этикеток, чтобы упростить распознавание? Нет: этикетки разрабатываются для потребителя, а распознавать корректно система должна вне зависимости от дизайна упаковки.
