A tecnologia de reconhecimento de imagem está a perturbar o sector do retalho. Mas como é que se distingue uma solução de outra? E quais são os atributos essenciais da melhor solução de reconhecimento de imagem do mercado?
Aqui explicamos-lhe tudo o que precisa de saber antes de comprar.
A indústria dos produtos de grande consumo está repleta de soluções móveis destinadas a melhorar a parte transacional das vendas no terreno. A entrada de encomendas e a manutenção dos registos dos clientes é feita em grande parte eletronicamente e em tempo real. Isto reduziu os custos operacionais e melhorou o processo da cadeia de fornecimento, mas os analistas concordam que é apenas a ponta do icebergue. A capacidade de gerir melhor a execução do retalho e de obter informações verdadeiramente impactantes com base na verdade das prateleiras é o que se segue. A Gartner observa que, "à medida que o mercado de execução e monitorização do retalho amadurece, o foco está a mudar das capacidades transaccionais para as que podem ajudar uma força de vendas no terreno a vender mais e a fazê-lo de forma mais consistente".
A revolução que se avizinha é liderada pelo reconhecimento de imagem e pelas tecnologias de IA que não só automatizam ou digitalizam a recolha de dados na loja, como também equipam as empresas para converter dados em vendas. No entanto, uma análise recente da Frost & Sullivan revela que um dos principais desafios para os utilizadores da tecnologia de reconhecimento de imagem é encontrar a solução adequada para as suas aplicações específicas de retalho de bens de consumo.
As empresas de bens de consumo dispostas a efetuar esta mudança radical devem ponderar cuidadosamente vários parâmetros de compra antes de optarem por uma solução de reconhecimento de imagem.
Guia do comprador: Atributos do produto a ter em conta
1. Corresponder às necessidades: A conceção e o posicionamento do produto são diretamente influenciados e inspirados pelas suas necessidades?
Atualmente, existem muitas aplicações de visão computacional no mercado - localização de pessoas, reconhecimento de gestos, assistência ao condutor, imagiologia médica e reconhecimento facial, para citar algumas. No entanto, para observar as condições da loja, a arquitetura subjacente de aprendizagem profunda da solução de reconhecimento de imagem deve ser treinada em grandes volumes de imagens de produtos de retalho. O Trax, por exemplo, foi concebido para retalho e bens de consumo e tem a maior base de dados de SKU de retalho do mundo, processando 40 000 imagens por hora. Além disso, o produto ideal deve ser significativamente mais eficaz do que a recolha manual de dados da loja e ter a flexibilidade de se integrar perfeitamente nos processos existentes, quer se trate de automatização da força de vendas ou de análise de dados.
2. Fiabilidade: O produto corresponde às suas expectativas de desempenho consistente durante todo o seu ciclo de vida?
Deve ser capaz de confiar nos dados gerados pelo reconhecimento de imagem para tomar decisões comerciais com confiança. Aqui, dois factores-chave são a precisão e o desempenho. Verifique a exatidão da captura de imagens, do reconhecimento, do cálculo e da comunicação de métricas vitais como a OSA, a quota de prateleira, a conformidade dos preços, etc. Em seguida, as conclusões da auditoria têm de ser rapidamente postas em prática no ponto de venda. Por exemplo, a partir do momento em que novas fotografias das prateleiras são carregadas para a nuvem Trax, os resultados acionáveis em tempo real são entregues aos representantes de vendas, funcionários da loja, gestores e executivos a cada 5 minutos, em média.
3. Qualidade: O produto oferece a melhor qualidade da sua classe, com um conjunto completo de caraterísticas e funcionalidades?
Escolha soluções que possam reconhecer e distinguir vários produtos com um aspeto quase idêntico. A solução certa deve ultrapassar embalagens obscuras e reflectoras, identificar espaços vazios, produtos em más condições visuais e produtos parcialmente obstruídos. Os algoritmos abrangentes também devem detetar alterações no ciclo de vida do produto, como novas versões de design, ou anomalias, como a captura incompleta na prateleira.
4. Posicionamento: O produto satisfaz a sua necessidade única e não satisfeita de uma forma que é melhor do que outras ofertas no mercado?
Uma luta permanente na indústria de produtos de grande consumo tem sido a capacidade de acompanhar o desempenho da sua marca e da concorrência na prateleira. Para que o reconhecimento de imagem possa realmente resolver este problema, a granularidade é fundamental. A solução ideal deve, no mínimo, identificar dezenas de SKUs de produtos únicos, o seu tamanho, tipo, localização na prateleira e produtos concorrentes adjacentes. A IA por detrás do motor de visão por computador Trax, por exemplo, é composta por vários motores que abrangem o reconhecimento, a costura, a geometria e a pontuação de qualidade - todos concebidos para lhe fornecer detalhes até à última unidade de manutenção de stock.
5. Conceção: O produto baseia-se em princípios de conceção que favorecem a facilidade de utilização e a atração visual?
O panorama informático típico de uma empresa de bens de consumo já é complexo. Por isso, procure uma solução que aceite fotografias de retalho de qualquer fonte digital e que também integre KPIs de prateleira nas ferramentas de Business Intelligence (BI) existentes. Outra importante consideração de design é o fornecimento de painéis de controlo e análises baseados em funções. As métricas das prateleiras podem ser utilizadas por equipas que não se limitam às forças no terreno; por exemplo, como factores causais para ajudar a explicar os resultados das promoções, o que, por sua vez, pode levar a melhores promoções em ciclos comerciais futuros. A Gartner acredita que este benefício, por si só, será suficientemente grande para justificar o investimento em reconhecimento de imagem para muitas marcas altamente promocionais.
