5 заблуждений при запуске цифрового мерчандайзинга

Паспорт проекта

О компании: «Алкогольная Сибирская Группа» (АСГ) — один из крупнейших в России производителей крепкого алкоголя. Ключевые бренды: «Пять Озер», «Хаски», «Белая Березка» и «Сиббиттер».
Состав проекта: программный комплекс «ST Чикаго», сервис Ailet.
Внедрение SFA-системы: 2013 год.
Внедрение модуля IR: 2020 год.
География проекта: Россия.

Результаты проекта

В 2020 году АСГ автоматизировала торговый аудит на базе нейронных сетей. Автоматизация процесса сбора информации в торговой точке позволила команде продаж:

• сократить длительность визитов на 10-17% (в зависимости от формата магазина);

• повысить качество работы в торговых точках;

• повысить качество полевых данных;

• уменьшить влияние человеческого фактора на получаемые данные;

• получить панель цифрового мониторинга по 2500 SKU и 5 макрокатегориям;

• мониторить новые метрики (наличие ценников на всех SKU, наличие промоценников на промопозиции, номер полки, на которой стоит продукция и другие).

Эти показатели еще раз подтверждают применимость технологии в FMCG и позитивное влияние оцифровки аудита на OSA. Но все ли ожидания команды продаж оправдались? Андрей Климов согласился показать не только парадную, но и внутреннюю сторону проекта:

Схема потоков данных в проекте АСГ SFA+IR

Для начала опишу схему потоков данных в проекте. Взаимодействие происходит между тремя объектами:

• приложение «ST Мобильная Торговля» (МТ), через которое сотрудник фотографирует полку в магазине;

• сервис IR, который принимает и распознает фотографии, возвращает результат в МТ;

• база данных SFA-решения «ST Чикаго», где данные консолидируются, записываются, вычисляются и анализируются.

Цифровой мерчандайзинг встроен в «ST Мобильная Торговля» как шаг визита: сотрудники работают в интерфейсе одного SFA-приложения, им не нужно переключаться, чтобы сфотографировать полку.

ТОП-5 заблуждений при запуске IR

1. Точность достиг — можно расслабиться

   На старте проекта казалось, что достаточно один раз обучить нейросеть и можно пожинать плоды. Ничего подобного. Появляются новинки, меняется упаковка и точность распознавания снижается.

   Например, на пилоте точность распознавания была 82%, а на старте проекта (31 неделя) — упала до 71%. Дело в том, что у нас изменился дизайн бутылок и добавились новинки. К 32-й неделе нейросеть дообучили узнавать новые позиции, и точность выросла до 81%, к 34 неделе — до 94%.

   

2. Нам хватит данных из опросных листов

   Опросный лист — это документ с данными о фейсингах, доле полке и других базовых параметрах выкладки в приложении «ST Мобильная Торговля». Раньше мерчандайзер вносил эту информацию вручную, после подключения IR опросный лист заполняется автоматически. Но в опросном листе содержится не весь ассортимент, который есть в категории, а только ключевые SKU и ключевые метрики по ним. 

   В какой-то момент мы поняли, что хотим собирать максимум информации всем SKU, которые распознает система. В итоге в контур проекта была подключена BI-система. Теперь мы получаем полный пакет данных и строим специфическую отчетность по всей номенклатуре, с аналитикой по ценам, по конкурентам и др.

Заказать демонстрацию
Если вы не являетесь клиентом и хотите ознакомиться с возможностями «ST Мобильная Торговля», заполните форму ниже, мы будем рады провести для вас демонстрацию.
Добавить комментарий
Отправить запрос
Заполняя форму, я принимаю условия передачи информации



3. IR решит проблему с self-assessment

   Замеры показывают, что даже опытный добросовестный сотрудник при аудите полки допускает до 20% ошибок. Неопытный и недобросовестный — больше. При этом мерчандайзеры оказываются в ситуации self-assessment: указанные ими данные влияют на их же KPI. Неудивительно, что у людей возникает соблазн приукрасить ситуацию или выгодно «ошибиться». Благодаря проекту нам удалось сократить влияние self assessment по некоторым показателям, но не полностью. В остальных случаях требуется кабинетный контроль.
   Читайте также:

   «Черкизово»: нестандартная отчетность по HR и OSA

4. Интернет есть везде

   На самом деле нет. Так как распознавание происходит онлайн, могут возникнуть нюансы. Благо, есть решение: фотографии, сделанные во время визита, в любом случае будут обработаны. Когда появится интернет, система отправит снимки на распознавание. Единственный минус — сотрудник не сможет увидеть результат во время визита в торговую точку и поправить ситуацию. Но я был удивлен, что таких случаев довольно много, думал, что их не будет вообще. А скорость интернет-соединения ощутимо влияет на комфорт использования технологии.

5. За месяц все научатся правильно фотографировать

   Точность распознавания критично зависит от соблюдения правил фотографирования. Поэтому очень важно регулярно проводить обучение сотрудников, давать обратную связь по соблюдению правил и вовлекать руководство службы продаж.

   К сожалению, и эти меры не позволят раз и на всегда решить проблему. Нужно быть морально готовым, что часть данных потеряется, даже когда сотрудники постараются соблюдать правила. Например, если над прозрачными бутылками висит лампа, то этикетки бликуют. Ценники часто засвечиваются, перекрываются.

Если вы хотите узнать больше о фотоаудите полки и других инновационных проектах лидеров FMCG — подписывайтесь на рассылку «Точки роста».