Wydruk strony Portalu Spożywczego - www.portalspożywczy.pl

Czy Image Recognition pomaga rozwiązywać problemy producentów w punktach sprzedaży?

O najnowszych rozwiązaniach z zakresu Sztucznej Inteligencji, wspierających sprzedaż w branży spożywczej, opowiada Piotr Łapiński, Image Recognition Product Manager w Asseco Business Solutions

Zastanówmy się chwilę nad tym, czy Image Recognition to jest kolejny technologiczny „gadżet” czy narzędzie, które na stałe powinno wejść do strategii sprzedażowej producentów?

Patrząc z punktu widzenia dostawcy tego rozwiązania oraz znając naprawdę udane przypadki jego wykorzystania przez największych dostawców FMCG, odpowiadam z przekonaniem - Image Recognition stanowi prawdziwą wartość w realizacji celów sprzedażowych producentów. Oczywiście pod kilkoma warunkami. Wiele osób nadal kojarzy Image Recognition wyłącznie jako narzędzie do automatycznego zbierania danych ze sklepów – w oparciu o wykorzystanie zdjęć półek czy ekspozycji. A to rozwiązanie potrafi naprawdę znacznie więcej. Wszystko zależy od tego, jak z niego skorzystamy.

Samo gromadzenie nawet najbardziej wartościowych informacji nie może być „sztuką dla sztuki”. Oczywiście Image Recognition świetnie usprawnia ten proces, pozwalając zbierać lepszej jakości informacje szybciej, rzetelniej i bardziej obiektywnie, przy znacznie mniejszej potrzebie audytu. Jednak, żeby takie przedsięwzięcie miało sens, należy podjąć następne kroki, czyli uzyskać konkretne wnioski wynikające z pozyskanych danych oraz podjąć działania, które mają pomóc zrealizować założony wcześniej cel. To właśnie ten konkretny cel jest tutaj kluczowy. Trzeba go określić znacznie wcześniej, zanim posłużymy się rozwiązaniem Image Recognition. Może to być na przykład zakładany wzrost sprzedaży, poprawa sytuacji na półce, uniknięcie utraconej sprzedaży, utrzymanie lub wzrost udziałów w kategorii względem konkurencji itp. Jeśli Image Recognition pomoże nam skutecznie rozwiązywać powyższe problemy, wówczas to narzędzie jest bezwzględnie konieczne. Nie ma zaś większego sensu z niego korzystać, jeśli następnie zgromadzone za pomocą IR dane „odłożymy na półkę”.

Co zatem należy zrobić, żeby Image Recognition pomagało producentom rozwiązywać problemy mające wpływ na sprzedaż?

Do samego gromadzenia danych Image Recognition wykorzystuje takie obszary Sztucznej Inteligencji jak Machine Learning, a także wiele metod Computer Vision do przetworzenia obrazów na wartościowe dane. I na tym skończyć nie można. Warto pójść dalej, czyli wykorzystać AI bardziej kompleksowo, uwzględniając Machine Learning czy Deep Learning w projektach z zakresu Data Science (z wykorzystaniem m.in. informacji pozyskanych w oparciu o Image Recognition). Będziemy wtedy w stanie „wyłapywać” zależności zawarte w danych, tworzyć clustry i opisywać ich właściwości, a następnie generować insighty i sugestie konkretnych działań dla sieci przedstawicielskich czy menedżerów sprzedaży. Takie, których prawdopodobieństwo zakończenia się sukcesem jest największe.

Dlatego przed uruchomieniem projektu pod hasłem Image Recognition trzeba wziąć pod uwagę to, czy rozwiązanie pokryje w całości wybrany proces biznesowy: od zbierania danych, poprzez agregację form i źródeł, aż po dostarczenie odpowiednich wniosków do odpowiednich osób. Mając takie wsparcie ze strony Sztucznej Inteligencji, jesteśmy w stanie szybciej i precyzyjniej wyłapywać szanse sprzedażowe, poznawać i szybko eliminować zagrożenia czy odkrywać nasze słabe i mocne strony. To największy atut prawidłowego projektu Image Recognition. I w takie rozwiązania warto inwestować pieniądze, ponieważ to się opłaca. W Asseco Business Solutions nazywamy to Dobrym AI.

A jakie konkretnie dane można pozyskać w sklepie za pomocą Image Recognition? Na ile jest to rozwiązane elastyczne pod tym względem?

Gromadzone dane, przełożone na KPI, mogą dotyczyć wielu aspektów sprzedażowych. Technologia Image Recognition oferuje coraz więcej możliwości w tym zakresie. Podstawowe informacje to na przykład obecność produktów w sklepie, liczba facingów, prawidłowość eksponowania asortymentu, widoczność cen czy tzw. udziały półkowe w odniesieniu do produktów konkurencyjnych. Najważniejsze jednak jest określenie, czego moja firma obecnie potrzebuje (dlatego wdrożenie Image Recognition warto podzielić na etapy). Wówczas dostawca takiego rozwiązania może je adaptować do indywidualnych potrzeb. Posłużę się przykładem. Jeśli producent dostarcza na rynek mrożone pizze, które są przechowywane w lodówkach lub zamrażarkach jedne na drugich, wówczas badanie liczby frontów nie jest wykonalne. W takim przypadku należy umożliwić także audyt boków opakowań, żeby pozyskać odpowiednie dane. 

No dobrze, ale czy producenci nie obawiają się tego, że ich przedstawiciele terenowi nie będą potrafili posłużyć się Image Recognition i np. poprawnie wykonywać zdjęć?

Oczywiście, wielu menedżerów sprzedaży obawia się tego. Co więcej, nasze doświadczenia pokazują, że takie wyzwania się pojawiają. Problem ten  jednak można rozwiązać, wspomagając trening sił sprzedaży np. za pomocą elementów gamifikacji. Kombinacja wielu interaktywnych rozwiązań pozwala profilować instrukcje i dostarczać takie wsparcie, jakie jest potrzebne danemu użytkownikowi. My na przykład stosujemy, w kombinacji z edukacją, wiele automatycznych walidatorów, które natychmiast informują o konieczności poprawienia zdjęcia. „Natychmiast” jest tu kluczowym słowem – nie ma nic bardziej frustrującego, niż spędzenie czasu i poświęcenie uwagi na wykonanie badania tylko po to, aby po kilku minutach otrzymać informację o konieczności jego powtórzenia.   

Podsumowując, żeby Image Recognition miało sens, powinno stanowić element kompletnego  procesu biznesowego, w ramach którego wykorzystujemy różne elementy Sztucznej Inteligencji w działaniach sprzedażowych.

Tak, dokładnie. I to jest właśnie „Dobre AI”, o którym wspominałem wcześniej.  Według Asseco Business Solutions „Dobre AI” to takie rozwiązanie, które ma korzystny wpływ na działania organizacji i gwarantuje jak największy zwrot z inwestycji. Tylko wtedy AI ma sens. Oczywiście sama obecność Sztucznej Inteligencji czasami nie wystarczy. Dlatego, umieszczając AI w konkretnych procesach, może wcześniej czy później pojawić się konieczność ich reorganizacji.

 

 



© Portal Spożywczy 2021-09-17 00:54:01