A sua estratégia baseada nas prateleiras só é tão eficaz quanto a exaustividade com que as soluções de Visão por Computador recolhem dados na loja.
Discutimos a importância da precisão nos dados das prateleiras e como uma rigorosa aplicação da qualidade dos dados ajuda a Trax a fornecer uma elevada precisão de reconhecimento de imagem na prateleira do retalho. Mas num cenário de retalho em constante mudança, inundado de novos produtos e redesenhos de embalagens, a precisão é apenas uma parte da história. Se estiver a utilizar soluções baseadas na Visão por Computador (CV) para a execução da venda a retalho ou para a medição de prateleiras, a integralidade dos seus dados é igualmente importante para se manter atualizado e no topo da sua concorrência.
Porque é que a exaustividade é importante
A Coca-Cola realizou uma campanha durante o Campeonato do Mundo de Futebol recentemente concluído, lançando latas de edição limitada com números de 0 a 9 impressos, para os fãs partilharem previsões de resultados nas redes sociais. Um evento global como este é o sonho de qualquer gestor de marca, mas também pode acabar por ser o seu pior pesadelo. Sem um sistema para controlar se os novos produtos chegaram às prateleiras das lojas mais importantes, é difícil para as marcas optimizarem o ROI destas campanhas dispendiosas.
Mesmo com a recolha de dados da loja com recurso à Visão por Computador, o desafio de reconhecer novos artigos nas prateleiras é difícil. Para além de novos produtos, os dados incompletos também podem resultar de uma série de outras anomalias, como má qualidade de imagem, introdução fraudulenta de dados de visitas à loja, imagens duplicadas, etc. Os dados incompletos podem levar a resultados imprecisos durante o processo de reconhecimento e digitalização e, por sua vez, afetar a comunicação das métricas das prateleiras.
Garantir a integridade numa prateleira em constante mudança
- Deteção automatizada de produtos novos ou redesenhados
O lançamento de novos produtos é a força vital de muitas equipas numa empresa de produtos de consumo e é uma forma importante de uma marca se manter relevante. Ao mesmo tempo, são introduzidos novos designs de produtos existentes. Para os fornecedores de soluções, uma base de dados de SKU desactualizada é a principal causa da degeneração do desempenho do motor de reconhecimento, conduzindo a dados inconsistentes e a uma perceção incompleta.
Para evitar que isso aconteça, a Trax desenvolveu um serviço de monitorização contínua baseado num algoritmo bem concebido e executado num motor de aprendizagem ativa. Assim, sempre que um novo produto ou desenho é detectado pelo sistema, a identidade desse produto é inferida utilizando dados de referência, validada e depois actualizada na base de dados.
O resultado? Os utilizadores podem acompanhar os novos designs de embalagens e novos produtos e manter-se a par dos novos lançamentos dos concorrentes no mercado.
- Deteção automática de anomalias
O reconhecimento de imagem simplificou a recolha de dados na loja, mas para serem verdadeiramente eficazes, as soluções de execução de retalho têm de ser imunes a anomalias relacionadas com a captura de imagens. Os utilizadores no terreno podem capturar a mesma secção da prateleira várias vezes ou, por vezes, carregar de forma fraudulenta as imagens erradas como prova visual de ativação. Para evitar tais anomalias e garantir que os dados recolhidos são completos, a Trax desenvolveu um motor de aprendizagem não supervisionado que monitoriza todas as sessões, identifica falhas específicas, detecta capturas incompletas e duplicadas e até cruza o GPS da fotografia com a localização conhecida da loja.
- Realidade aumentada para uma captura abrangente de prateleiras
Com os clientes a passarem, os carrinhos de compras a serem empurrados e outras distracções, pode ser um desafio capturar todos os corredores de ponta a ponta. As auditorias manuais na loja também são propensas a erros humanos, como a dupla contagem. Para resolver estes problemas, o Trax utiliza o poder imersivo de uma funcionalidade de realidade aumentada que assinala as áreas da prateleira que os utilizadores podem não ter captado e orienta-os para retomarem a auditoria a partir do ponto exato em que foram interrompidos.
Uma imagem completa da loja
Para tomar decisões comerciais com confiança, os dados capturados e recolhidos através do reconhecimento de imagem têm de ser limpos, completos e sem anomalias. A aplicação de verificações rigorosas da qualidade dos dados, tendo a exaustividade como pilar fundamental na captura de imagens, é fundamental para o cálculo e a comunicação corretos das métricas das prateleiras, como a disponibilidade nas prateleiras, a quota de prateleiras e muito mais.
Assista a este vídeo para ver como a Trax impõe a qualidade dos dados em nossa plataforma de Visão Computacional.
