Jak wdrożyć Shelf Recognition, poukładać procesy i wygrać rynek? Rozmawiamy z Sebastianem Zapałą z Nutricia Polska
Nutricia z całą pewnością jest rozpoznawana na polskim rynku, zwłaszcza wśród rodziców. Produkty firmy, marki takiej jak Bebiko 2, Bebilon 2, Bobovita towarzyszą dzieciom we wczesnych latach ich rozwoju. Firma jest częścią grupy spółek Danone, a początki jej współpracy z eLeaderem sięgają przełomu 2015-2016 roku.
W trakcie rozmów z potencjalnymi klientami zwróciliśmy uwagę na to, jak często w trakcie rozmów z naszymi handlowcami powtarzają się pewne pytania czy obawy zainteresowanych naszym rozwiązaniem eLeader Shelf Recognition AI: Jakie wyzwania towarzyszą wdrażaniu systemu Image Recognition? Na co trzeba zwrócić uwagę? Jak się do tego przygotować? Czy faktycznie jest się czego obawiać? Czy sztuczna inteligencja zastąpi w tym wypadku człowieka?
Postanowiliśmy zadać te i wiele innych pytań Sebastianowi Zapale – kierownikowi do spraw efektywności sprzedaży w firmie Nutricia Polska. To jedno z pierwszych wdrożeń naszego systemu, więc perspektywa kogoś, kto w tym wypadku przecierał szlaki, może być pomocna w rozwianiu wielu obaw tych, którzy sięgnięcie po tego typu system dopiero rozważają.
Z Sebastianem Zapałą rozmawiają Paweł Majsiej oraz Rafał Melanowicz.
Paweł Majsiej: Zaczynaliśmy w okolicach 2015-2016 roku. Byliście wtedy absolutnym pionierem na rynku, bo odważyliście się włączyć Shelf Recognition, do swoich procesów sprzedażowych.
Sebastian Zapała: Moja przygoda ze stanowiskiem Menedżera do spraw efektywności sprzedaży zaczęła się właśnie w momencie, kiedy wdrażaliśmy Image Recognition w Nutricia i decydowaliśmy się na eLeadera. Narzędzie Shelf Recognition dopiero debiutowało, niewiele firm było gotowe na wdrożenie automatycznego badania półki do procesów biznesowych. Teraz mogę powiedzieć, że to był jeden z trudniejszych projektów i bardziej wymagających wdrożeń, jakie w swoim życiu prowadziłem.
Chęć odkrywania innowacyjnych rozwiązań, czy realna potrzeba biznesowa?
Nie wierzę w innowacje dla samych innowacji. Potrzeba biznesowa jest i musi być pierwsza. My mierzyliśmy się z pewnym wyzwaniem: chcieliśmy się upewnić, że ekspozycja naszych produktów na półkach jest zawsze zrobiona według naszych standardów. Po drugie, marzył nam się transparentny i rzetelny system informowania chociażby o tym, jaka jest dostępność produktów na półkach. Wówczas powszechnie praktykowaną metodą badania standardów półkowych były ankiety wypełniane przez przedstawicieli handlowych. Ten proces jest sam w sobie obarczony błędem. Paradoks polega na tym, że nikt tego błędu nie mierzy. W przypadku image recognition jest łatwiej. To transparentna forma weryfikacji, bo zawsze mamy do podglądu zdjęcie, które ukazuje, jaki był stan faktyczny.
Czasem nazywamy Shelf Recognition „narzędziem, które zdejmuje z handlowca ciężar bycia sędzią we własnej sprawie” — które, jak niezależny arbiter, ma wspierać handlowca i pilnować, by nie wpędzać nikogo w dylematy moralne przy raportowaniu.
Dokładnie.
A czy przez lata sposób wykorzystania Shelf Recognition w Nutricia uległ zmianie?
Przedstawiciele dostarczali nam dwa wskaźniki. Pierwszym była dostępność produktów na półce. Wskaźnik ten był mierzony przy każdej wizycie. Wyniki otrzymywaliśmy z pewnym opóźnieniem. Drugim był wskaźnik udziałów półkowych. Ten, ze względu na swoją złożoność, był mierzony kwartalnie. I nagle z tych dwóch wskaźników przeskoczyliśmy na dziewięć! Tak właśnie rodził się Perfect Store, z którego teraz korzystamy.
Zmiana zaszła także na gruncie technologii. Naszym celem było to, żeby wyniki przedstawiciel otrzymywał w trakcie wizyty i aby uzyskał odpowiedź na podstawowe pytania: Jaka jest moja dostępność? Jaki jest mój udział w półce? A jakie są pozostałe parametry? Mając te informacje, jeszcze w czasie wizyty mógłby reagować. Paręnaście lat temu, możliwości techniczne nie pozwalały na to. To, że w chwili obecnej faktycznie mamy te wyniki w trakcie wizyty bardzo usprawnia cały proces.
Czy możliwość poprawy ekspozycji podczas wizyty wpływa na jakość tej ekspozycji? Czy to się da zmierzyć i sprawdzić, że ta ekspozycja pracuje lepiej?
Sam fakt, że raportowanie bazuje na zdjęciach sprawiało, że przedstawiciel naprawdę musiał zadbać o ekspozycję. Wiedział, że produkty muszą być ułożone frontem do kupującego, bo to gwarantuje, że system rozpozna produkty. W związku z tym parametry, za które odpowiada, będą prawidłowo zaraportowane i ocenione. To była pierwsza korzyść – konieczność zrobienia zdjęcia, na podstawie którego mierzone są wskaźniki sprawia, że półka jest odpowiednio zadbana. Przedstawiciele bardzo szybko się tego nauczyli.
Początkowo spodziewaliśmy się, że wdrożenie Shelf Recognition dodatkowo spowoduje, że czas wizyt się skróci. Tymczasem początkowo tak się nie działo. Okazało się, że więcej czasu zajmuje merchandising. Zaczęliśmy przypuszczać, że wcześniej ta półka nie zawsze była tak dobrze przygotowana, jak sobie tego życzyliśmy.
Na wiele parametrów musieliśmy długo pracować, bo tu także pojawiają się kwestie umów z partnerami handlowymi. Rzetelne wdrażanie poszczególnych standardów ekspozycyjnych to długi proces, ale efekt jest mierzalny i widoczny.
Nie należy się więc bać tego, że czas wizyty się nie skróci, bo będzie to czas lepiej zarządzony?
Krótko mówiąc, tak. W pierwszej fazie czas wizyty może być ten sam. Natomiast po kilku latach widzimy oszczędność czasu o ponad 20%. System raportowy wyraźnie nam w tym pomógł.
Czas raportowania, skróciliśmy co najmniej o połowę. Z kilkunastu minut badania do kilku. Wcześniej badanie udziałów półkowych metodą ankiety i sprawdzania produktów, które są na półce, liczenia tzw. twarzyczek trwało ponad godzinę. Teraz to tylko kwestia zrobienia zdjęcia i przeliczenia tego przez algorytm i w tym samym czasie mamy zrobioną nie tylko naszą ekspozycję, a całą kategorię! Wszystko to w ramach jednego badania.
Czy w ramach tej zmiany handlowcy odczuli, że zmieniają się ich kompetencje?
Śmiejemy się, że przedstawiciel zmienił się z ankietera w fotografa. To oczywiście żart, ale odpowiednie robienie zdjęć to faktycznie kompetencja, którą przedstawiciele musieli nabyć.
Natomiast handlowcy dysponują teraz dużo większą wiedzą na temat tego, jak wygląda sklep. Dysponują danymi historycznymi na temat wielu parametrów, więc są wyposażeni w informacje o tym, jak się rozwija biznes w ich sklepach. Zaczęliśmy coraz większą wagę przykładać do budowania relacji biznesowych z partnerami, a odchodzić od modelu, w którym przedstawiciel jest głównie dostawcą informacji o tym, co się dzieje w sklepie.
Czy to poszerza zakres raportowania również pod kątem wiedzy biznesowej?
Zdecydowanie tak. Dysponujemy dużo większą liczbą parametrów, które możemy obserwować na przestrzeni miesięcy czy lat. Mamy więcej wskaźników, które mierzymy i na które zwracamy uwagę. Do ilości danych trzeba jednak podchodzić ostrożnie. Trzeba nimi zarządzać w sposób rozważny, żeby nie zgubić się w wielości.
Jednym z najtrudniejszych wyzwań w momencie wdrażania takiego rodzaju systemu, kiedy już jesteśmy zachłyśnięci tym, co możemy mierzyć, jest realna ocena tego, czego tak naprawdę potrzebujemy. Łatwo to wszystko przegrzać. I to był nasz pierwszy błąd.
Gdybym drugi raz był odpowiedzialny za takie wdrożenie, to podzieliłbym je na etapy. Potrzebna jest wizja do ilu wskaźników chce się dojść i systematyczne, ale stopniowe dążenie do tego celu. To bardzo duża, wymagająca zmiana dla całej organizacji.
Rafał Melanowicz: Jaki wpływ na wielkość sprzedaży ma lepsza ekspozycja towarowa baby food?
Patrzymy na półkę tak, jak patrzy na nią kupujący. Jeżeli coś nie jest widoczne na zdjęciu, to znaczy, że klient tego nie widzi. Nawet jeżeli produkt jest na półce, ale jest odwrócony tyłem, dla kupującego go po prostu nie ma. W procesie zakupowym jest tak zwany moment prawdy: chwila, kiedy kupujący staje przy półce i dokonuje wyboru, po który produkt sięgnąć i wrzucić do koszyka. Ten moment prawdy wygramy, jeżeli produkt jest dobrze wyeksponowany. U klientów, u których mamy dane dotyczące sprzedaży per sklep razem ze wskaźnikami Perfect Store, widzimy korelację i wiemy, że im lepsze parametry półkowe tym, mówiąc wprost, lepsza sprzedaż. Ma to potwierdzenie w liczbach.
Czy na przestrzeni 6 lat wykorzystywania Shelf Recognition zmienił się udział waszych produktów w kategorii Baby Food? Czy jest zgodny ze strategią?
Udział półkowy urósł i jest zgodny ze strategią. Jako lider rynkowy musimy podchodzić fair do planogramów czy innego rodzaju ustaleń z naszymi partnerami biznesowymi i nasz udział w półce odzwierciedla naszą pozycję rynkową.
Warto wspomnieć, że analizując udział półkowy widzimy każdą zmianę na rynku. Jeżeli dostrzegamy spadek udziału, to bardzo szybko jesteśmy w stanie przeanalizować, dlaczego: czy to konsekwencja braku dostępności? Może pojawił się nowy gracz na rynku? Może nasza konkurencja zwiększyła udziały wprowadzając nowe produkty? Mamy dostęp do informacji o tym, co się dzieje na półce i na podstawie tego możemy podejmować szybkie i świadome decyzje biznesowe.
Ciekawe do poczytania:
Czyli jako eLeader możemy stwierdzić, że nasze rozwiązanie pomogło Nutricii, w zrealizowaniu celów, które przed wami stały?
Tak jest. Wspólnie wypracowaliśmy to rozwiązanie. Gdyby nie to rozwiązanie, gdyby nie możliwości, które oferuje, nie byłoby to możliwe. To elastyczna i intuicyjna aplikacja, która pomaga ludziom w sprawny sposób realizować swoje zadania na poziomie sklepu.
Paweł Majsiej: Myślę, że warto podkreślić, że implementacja takiego rozwiązania, bez świadomego i zaangażowanego klienta – partnera, który wie, co chce zrobić, nie rozwiąże problemów.
Możemy pójść dalej: technologia dostarcza pewne informacje i konieczna jest decyzja biznesowa, co z tą informacją zrobić. Przedstawiciel zrobi zdjęcie. Okazuje się, że wynik dostępności jest kiepski. Pierwszy wniosek? Technologia nie działa, bo nie rozpoznaje produktów. Ale jak zaczynasz się przyglądać zdjęciu, widzisz, że produkty są poodwracane, niewidoczne, pozasłaniane. Ktoś powie, że to nie działa, bo produkty przecież są na półce. Ale czy ja chcę, żeby moje produkty tak były eksponowane? Skoro na zdjęciu widzę, że produkty tak wyglądają, to w taki sam sposób widzi je konsument. Czy w takim wypadku sięgnie po mój produkt, który jest niewidoczny czy niechlujnie ułożony na półce?
Spróbujmy połączyć te wątki. Czy nie kusi was, żeby pójść dalej i przeanalizować etykiety produktów od strony ich identyfikacji na poziomie konsumenta przed wprowadzeniem produktu na rynek?
Pewnie, że kusi. Przyglądamy się temu i z doświadczenia powiem, że często o zmianie opakowania na rynku – czy naszego, czy też konkurencji – dowiadujemy się właśnie z Shelf Recognition bo coś nowego trafiło do analizy. Nawet niewielka zmiana może spowodować, że produkt przestaje być rozpoznawalny. Zdarza się w branży, że handel nie zawsze jest informowany o zmianach etykiet. W takich przypadkach, rozwiązanie do rozpoznawania obrazem może być pomocne w usprawnianiu na przykład procesu wprowadzania nowych produktów.
Nie mamy jeszcze takich doświadczeń, żeby budować wizualizację produktu czy strukturę jego opakowania tak, by była idealna dla rozpoznania przez Shelf Recognition. Ale może to kolejny krok?
Wspominałeś, że na początku wprowadzenia rozwiązania Shelf Recognition dla waszych pracowników zmiana była zjawiskiem wywołującym lekki opór. Czy odnotowujesz, że tak jak w XVIII wieku, podczas rewolucji przemysłowej luddyści niszczyli maszyny tkackie, bo czuli, że to będzie zagrożenie dla ich zatrudnienia, tak tutaj występują obawy, że maszyna zastępuje pracę ludzką, a to w konsekwencji prowadzić może do zwolnień?
Teraz, po latach przedstawiciele handlowi na pewno doceniają zmianę narzędzia. Poszliśmy w kierunku rozszerzania kompetencji przedstawicieli handlowych. Technologia nigdy nie zastąpi człowieka w stu procentach. Wychodzę z założenia, że ona służy przedstawicielom handlowym, bo dzięki niej mogą więcej czasu poświęcić na to, żeby zastanowić się, jak rozwijać biznes w placówce handlowej. Mają więcej czasu na działanie, bo raportowanie jest prostsze. Pojawiają się i dodatkowe, istotne korzyści: poprawa efektywności wizyt, poprawa trasówek. I to wszystko może skutkować możliwością dotarcia do większej liczby sklepów.
Czy pracownicy, którzy przychodzą do was z innej firmy, gdzie takich rozwiązań nie mieli, postrzegają automatyczne audyty jako kontrolę czy wsparcie?
Informacje zwrotne, którymi dysponuję, wskazują, że wrażenia są pozytywne i przechylają szalę w stronę wsparcia. Tak też staramy się do tego podchodzić i to komunikować: automatyczny audyt jest dostawcą informacji dla nas – organizacji. Jednym z podmiotów, dla których te informacje zbieramy jest przedstawiciel handlowy. On też korzysta z informacji zwrotnej z analizy zdjęć. Po zrobieniu zdjęcia otrzymuje np. listę braków produktów i ma już gotowca do zamówienia czy też do rozmowy z obsługą sklepu.
Rafał Melanowicz: Załóżmy, że miałem KPI, które były budowane na podstawie manualnych, formularzowych ankiet. Pokazywałem swojemu właścicielowi, zarządowi i radzie nadzorczej informacje o udziałach, dostępności. Pojawia się Shelf Recognition i – strzelam – udziały tąpnęły o 5%. Jak ten menadżer, który przez 5 lat wierzył w te dane manualne, ma wybrnąć z tego kłopotu?
Jest takie angielskie powiedzenie – „Don’t kill the Messenger”. Nie zabijaj tego, który przyniósł ci wiadomość. Albo coś z tą informacją zrobisz i uznasz, że ona jest dla ciebie wartością, albo uciszysz tego, który próbuje ci powiedzieć coś ważnego o twoim biznesie, próbuje cię uświadomić. To, co zrobisz z tą informacją, zleży od Ciebie.
A jeśli jestem firmą giełdową? Załóżmy, że właśnie muszę ogłosić, że w momencie, kiedy wprowadziłem Shelf Recognition mój udział w rynku spadł o 5%. Wiesz, jak reaguje kurs akcji. Co mam zrobić?
Można podejść do tego ostrożnie, procesowo: róbmy dwa badania – badanie ręczne i badanie z wykorzystaniem Shelf Recognition. Potem porównajmy te wyniki. Zobaczmy, który system jest lepszy, który myli się mniej. My robiliśmy porównanie tego typu w kilku projektach i okazywało się, że Shelf Recognition AI rozpoznawał produkty, których nie zaznaczył Przedstawiciel Handlowy. Człowiek się myli. Maszyna też. Pomylić można się w dwie strony: oznaczyć produkt, którego nie ma lub nie oznaczyć tego, który faktycznie się tam znajduje. W przypadku Shelf Recognition, zawsze mogę ocenić system i wycenić, jak powinno być i jaki jest poziom błędu. Przy ankietach manualnych to trudne do sprawdzenia. Margines błędu rozpoznania Shelf Recognition to 2,5%. Jeżeli mam świadomość tego marginesu, mogę z tą informacją pracować. Jaki jest próg błędu w przypadku ankiety? Nie jestem w stanie tego sprawdzić. To, co zrobisz z tą informacją, zależy od Ciebie.
Wiele firm również prosi o to, aby Przedstawiciele Handlowi po wykonaniu raportu ręcznego udokumentowali zdjęciem ten stan zaraportowania. Rozmawiałem naprawdę z kilkoma osobami odpowiedzialnymi za analizy tych zdjęć przez ludzi. Większość z nich przyznawała, że ten proces jest po prostu martwy: gigabajty zdjęć trafiają na dyski, leżą i nikt nie ma czasu do nich zajrzeć.
To mnie właśnie zawsze zastanawiało – po co? Można poświęcić czas i wizualnie sprawdzić losowo wybranych sto zdjęć, aby się upewnić, że ankieta jest zgodna ze stanem faktycznym. Moim zdaniem rzeczywistość jest taka, że nikt tego nie robi, albo szybko z tego rezygnuje. To jest trudna praca – przeglądanie setek, tysięcy zdjęć. To nieefektywny proces i nieproduktywna praca. Po co ma to robić człowiek, skoro jest system, który może to zrobić za niego? Po co wykonywać ankietę i zdjęcia, skoro same zdjęcia mogą wystarczyć?
Chcesz tak jak Nutricia Polska zautomatyzować audyt ekspozycji i zwiększyć wydajność swoich sił terenowych? Porozmawiajmy: