Jak zwiększać efektywność wizyt handlowych z AI

Artykuł, który właśnie czytasz, to skrócona i nieco uproszczona wersja materiału przygotowanego na potrzeby webinaru: Jak zwiększać efektywność wizyt handlowych z AI. Stanowi esencję tego, o czym opowiadaliśmy na spotkaniu. Zebraliśmy więc to, co najistotniejsze, uzupełniliśmy o niezbędne komentarze oraz dodaliśmy kilka nowych elementów – jak choćby odpowiedzi na pytania, które zadali nam uczestnicy w trakcie spotkania online.

Czym jest efektywna wizyta handlowa?

Zanim pomyślimy o zwiększaniu efektywności, musimy zastanowić się, czym charakteryzuje się efektywna wizyta handlowa. Pewnie zgodzisz się, że to taka wizyta, która przynosi mierzalny rezultat sprzedażowy przy minimalnym nakładzie czasu i pracy handlowca. Odbywa się tam, gdzie jest realny potencjał wzrostu, a przedstawiciel handlowy podejmuje decyzje na miejscu, opierając się na pełnym obrazie półki.

1. Oszczędność czasu i odciążenie PH – dane z analizy zdjęć zastępują ręczne wypełnianie formularzy i liczenie półki.

2. Więcej danych do analizy – analiza całej kategorii, a nie tylko wybranego fragmentu ekspozycji.

3. Nowe wskaźniki – złota strefa, blokowanie produktów, czy działania konkurencji.

4. Natychmiastowy feedback – przedstawiciel od raz widzi, co jest do poprawy, i może zareagować od razu, w trakcie trwania wizyty.

5. Zautomatyzowany system nagradzania i coachingu – zrozumiały system premiowy i rozwój przedstawicieli opierający się na mierzalnych, udokumentowanych KPI, a nie intuicji czy uznaniu.

Automatyczny audyt ekspozycji z Perfect Store – Live DEMO

Mam dane… Co dalej?

Kiedy wiesz, jak mogłaby wyglądać wizyta Twojego przedstawiciela handlowego oraz masz świadomość, jakie dane możesz zebrać w jej trakcie, może pojawić się pytanie: „Co zrobić z tymi wszystkimi danymi?”. Rzetelne dane z półek umożliwiają Ci budowanie strategii ekspozycji opartej na faktach, a nie na intuicji – wiesz, które sklepy dobrze eksponują produkty, gdzie listing jest realizowany, jak wygląda udział półkowy w różnych kanałach i jakie są ceny na półce. Umożliwia to świadomie decydowanie, gdzie inwestować czas przedstawicieli handlowych, gdzie ulokować materiały POS czy dodatkowe budżety promocyjne.

Poniżej dzielimy się naszymi ulubionymi, prostymi, strategicznymi raportami budowanymi z danych półkowych:

• Raport dystrybucji numerycznej oparty na danych z Shelf Recognition AI odpowiada na pytanie, gdzie Twoje produkty faktycznie stoją na półce, a nie tylko „są w systemie”. Pozwala zobaczyć, które punkty sprzedaży realizują założony standard obecności, a które wymagają dodatkowej pracy przedstawiciela handlowego lub rozmowy z siecią czy dystrybutorem. Dzięki temu możesz: priorytetyzować wizyty, układać trasówki pod realną dystrybucję i lepiej zarządzać relacjami z klientami.
• Dane z audytów półek pozwalają weryfikować, czy uzgodnione z siecią lub sklepem listingi są faktycznie realizowane. Bardzo pomocna w tym zakresie jest segmentacja obiektów (o naszym nowym pomyśle na tę funkcję przeczytasz za chwilę). Przedstawiciel handlowy w trakcie wizyty nie musi już „na oko” oceniać, czy coś jest nie tak – widzi listę obowiązkowych SKU dla danego sklepu i natychmiast wie, czego brakuje.
• Dokładne audyty półek na całym rynku pomogą Ci ustalić, gdzie ekspozycja Twojego produktu jest silna (pod względem udziału półkowego), a gdzie musisz bardziej się postarać – albo przynajmniej spróbować zrozumieć, dlaczego niektóre sklepy lub sieci detaliczne nie pozycjonują Twoich produktów na swoich półkach.
• Automatyczne rozpoznawania etykiet cenowych pozwala śledzić rzeczywiste ceny produktów – swoich, jak i konkurencji – w sklepach. System pozwala sprawdzić, które ceny są promocyjne, czy sklep stosuje uzgodnione lub sugerowane poziomy cenowe oraz czy konkurent rozpoczyna agresywną politykę cenową. Wszystkie te informacje mogą być automatycznie gromadzone w raportach, takich jak prezentowany na slajdzie, generowany w aplikacji raportowej eLeader.
• Automatyczne zbieranie danych pozwala kontrolować kluczowe, często kosztowne formy prezentacji produktów. System umożliwia sprawdzenie, czy ekspozycje dodatkowe są ustawione zgodnie ze standardami, odpowiednio zatowarowane oraz czy nie pojawiły się na nich produkty innych marek. Dzięki temu można szybko wychwycić nieprawidłowości i podejmować działania korygujące.
• Obecność produktów w czasie promocji wpływa bezpośrednio na widoczność marki i sprzedaż. Dzięki automatycznej analizie zdjęć możesz sprawdzać, czy promowane SKU są dostępne w sklepie oraz czy obowiązują prawidłowe ceny. Pozwala to szybko ocenić, jak skutecznie realizowana jest kampania.
• Shelf Recognition AI pozwala monitorować tempo rebrandingu bezpośrednio na półkach. System rozpoznaje różne warianty etykiet i pokazuje, jak szybko nowe opakowania zastępują stare. Dzięki temu można ocenić, czy proces przebiega zgodnie z planem — ani zbyt wolno, ani zbyt agresywnie. Przykład poniżej dotyczy rebrandingu małych soków warzywnych znanego producenta.

Korzyści od pierwszego dnia pracy

Oprócz wyżej wymienionych wartości, warto uzupełnić katalog korzyści z wdrożenia eLeader Shelf Recognition AI o decyzje w czasie rzeczywistym – analiza pełnej ekspozycji trwa kilkadziesiąt sekund, co pozwala przedstawicielowi handlowemu poprawić półkę podczas tej samej wizyty. Dzięki niezawodnemu działaniu offline + online zdjęcia są zapisywane lokalnie, a rozpoznanie następuje od razu (lub po odzyskaniu zasięgu), bez potrzeby specjalistycznego sprzętu. Narzędzie działa w jednym ekosystemie: SFA, AI, Perfect Store i analityka są zintegrowane w eLeader Mobile Visit, więc planowanie wizyty, badanie półki, zamówienia i raportowanie odbywa się w jednej aplikacji. Każdy klient korzysta z dedykowanego zespołu projektowego, który wspiera wdrożenie i rozwój systemu, a użytkownicy mają zapewniony dostęp do Help Desku. Całość uzupełnia przewidywalny koszt utrzymania – proponujemy model opłat oparty na liczbie badań, a nie zdjęć.

[NOWOŚĆ] DSS, czyli Decision Support System

Decision Support System analizuje duże zbiory danych — m.in. sprzedaż, odsprzedaż, historię wizyt i dane demograficzne — aby tworzyć dynamiczne segmenty sklepów, znacznie precyzyjniejsze niż tradycyjne podziały typu powierzchnia czy kanał. System identyfikuje klastry oparte na realnych zachowaniach, np. sklepy rzadko odwiedzane, ale generujące wysokie zamówienia, punkty silnie reagujące na promocje czy sklepy o dużej rotacji, lecz niskiej lojalności. Segmenty aktualizują się na bieżąco, co pozwala skuteczniej kierować działania PH tam, gdzie przyniosą największy efekt.

SPI (Store Potential Index) to jeden wskaźnik łączący kluczowe dane o sklepie — sprzedaż, dynamikę, wizyty, rotację, promocje i sezonowość.  Połączenie SPI z dynamiczną segmentacją pozwala dać prostą rekomendację JEDŹ / NIE JEDŹ, wskazując punkty o najwyższym potencjale. Dzięki Moduł pomaga znaleźć „ciche” sklepy z dużą szansą na wzrost i ograniczyć czas na wizyty, które nie przyniosą efektu.

DSS pomaga ocenić, czy wizyta w danym sklepie ma realne szanse przynieść efekt. System wskazuje miejsca, w których obecność przedstawiciela handlowego może przełożyć się na wynik, oraz te, gdzie wizyta nie wniesie wartości – podając automatyczną rekomendację, czy warto jechać, czy nie. Dzięki temu można ograniczać wizyty nieefektywne, także te, w których zamówienie i tak zostałoby złożone bez udziału przedstawiciela handlowego i przenieść czas pracy tam, gdzie faktycznie jest potrzebny. DSS nie działa jako autopilot – ostateczna decyzja należy zawsze do przedstawiciela handlowego, który może przyjąć lub odrzucić rekomendację systemu. Decision Support System można rozbudować o kolejne moduły, takie jak:

• rekomendowane zamówienia, sprofilowane pod konkretny sklep,
• rekomendacje promocji w danym sklepie,
• system wczesnego wykrywania anomalii,
• optymalizacja obszarów sprzedażowych.

Extentum AI – bezpieczne środowisko AI od eLeader

Extentum AI to najnowsza technologia Grupy eLeader – platforma do tworzenia agentów AI – wirtualnych pracowników, którzy autonomicznie i automatycznie realizują procesy biznesowe. Łączy możliwości LLM-ów (jak ChatGPT) z analizą firmowych dokumentów, instrukcji i danych, podejmując decyzje zależnie od przebiegu procesu. Agenci budowani są w prostym środowisku low-code, w formie schematów blokowych. Bezpieczeństwo Extentum wzmacniane jest przez mechanizmy automatycznej anonimizacji danych.

Co Extentum AI daje firmie?

• Przyspiesza pracę zespołów i automatyzuje powtarzalne zadania.
• Umożliwia całej organizacji korzystanie z AI w bezpieczny i kontrolowany sposób.
• Oferuje tysiące możliwych scenariuszy i ścieżek działania, zamkniętych w intuicyjnym interfejsie typu drag & drop.
• Narzędzie jest naturalnie zintegrowane z systemem SFA od eLeader, co umożliwi użytkownikom rozmowy z Extentum jak z dowolnym chatbotem, a w przyszłości – dostęp do bardziej zaawansowanych funkcjonalności AI.

Chcesz zobaczyć demo systemu lub poznać ofertę? Zorganizujemy dla Ciebie spotkanie z ekspertem!

Historia dwóch wizyt

Poznaliśmy już wszystkie elementy, które w praktyczny sposób mogą zwiększyć efektywność wizyt handlowych – czas sprawdzić jak funkcjonalności mogłyby zadziałać razem w praktyce. Wcielmy się na chwilę w rolę menedżera sprzedaży, który ma do dyspozycji komplet omawianych modułów eLeader. Pozwoli nam to ułożyć potencjalny scenariusz wizyty, w pełni wspieranej przez AI – od planowania, przez działania w sklepie, po ich podsumowanie. To moment, w którym całość wiedzy z webinaru składa się w jeden spójny proces.

Scenariusz 1.

Scenariusz 2.

Pytania i odpowiedzi

Jakie są minimalne wymagania sprzętowe dla Shelf Recognition AI?

Obecna wersja aplikacji ma bardzo niskie wymagania sprzętowe. Bez problemów działa na większości smartfonów ze średniej półki – zarówno tych z systemem Android, jaki iOS (choć istnieje granica jakości urzadzenia, poniżej której jakość danych zaczyna niepokojąco spadać). Jeśli jednak rozważasz automatyczny audyt półki i zastanawiasz się, czy urządzenia, którymi dysponują Twoje siły terenowe, będą wstanie obsłużyć moduł, sprawdź czy:

• telefony mają aktualny system operacyjny – zgodny z wymogami większości SFA,
• urządzenia są wyposażone w aparat foto,
• umożliwiają stabilną prace aplikacji mobilnych.

W trakcie prezentacji pokazaliśmy Ci kilka funkcji – jak choćby wykorzystanie AR (Augmented Reality) przy badaniu ekspozycji nowym aparatem Shelf Recognition AI czy rozpoznawanie offline. Te funkcjonalności wymagają mocniejszych urządzeń, ponieważ model AI działa lokalnie na telefonie.

Jak aplikacja radzi sobie z produktami o niestandardowych kształtach – takich jak choćby butelki, słoiki, opakowania inne niż kartony?

System bardzo dobrze radzi sobie z różnymi typami opakowań: PET, szkło, puszki, słoiki, opakowania nieregularne, produkty częściowo zasłonięte, czy nawet te w lodówkach. W trakcie webinaru podaliśmy przykład produktu jednego z naszych klientów z branży makaronowej – firmy PolMak S.A. Firma z powodzeniem korzysta z automatycznego rozpoznania ekspozycji pomimo nieregularnego kształtu opakowań swoich produktów. Więcej o tej współpracy możesz obejrzeć w tym miejscu. Wykrywanie jest możliwe także przy gorszym oświetleniu czy częściowym odwróceniu etykiety. Oczywiście jakość fotografii wpływa na skuteczność, ale w praktyce rozpoznanie jest stabilne.

Czy w drugim wariancie scenariusza, przedstawiciel handlowy musi ponownie robić zdjęcia?

Nie musi. To sytuacja czysto hipotetyczna. Ostateczny scenariusz wizyty przedstawiciela handlowego zależy od samej organizacji, jej celów, potrzeb, oraz wewnętrznych ustaleń. Jeżeli firma wymaga dowodu zdjęciowego, użytkownik robi zdjęcie ponownie. Oczywiście może także dokonać ręcznej korekty wyników. Przedstawiciel handlowy może oznaczyć zmiany ręcznie, np. zmienić dostępność SKU, poprawić facingi itp. To, po którą metodę w tym momencie sięgnie, zależy od polityki firmy i poziomu zaufania do zespołu terenowego.

Jak wygląda kwestia rozpoznawania produktów w tradycyjnych ladach chłodniczych – oferujących np. wędliny krojone?

Aktualnie Shelf Recognition AI nie oferuje gotowego i w pełni rekomendowanego rozwiązania dla lad tradycyjnych. Wynika to z dużej zmienności wizualnej produktów – stopnia skrojenia, samego oświetlenia, czy nieregularnego, często unikatowego kształtu samego produktu, …

… ale lubimy wyzwania. W eLeader bardzo często wspólnie z naszymi klientami realizujemy eksperymenty, w których poddajemy nasze rozwiązanie próbom i sprawdzianom. Chętnie przygotujemy analizę wykonalności funkcjonalności ( tzw. „proof of concept”) a nasz dział R&D może ocenić, czy dla danego portfolio produktowego można przygotować odpowiedni detektor. Dla kategorii sypkich (słodycze, pieczywo, warzywa) także rozważane są nowe podejścia, różne od standardowych detektorów. Zapraszam do rozmów.

Oceń nas na G2!

W rozwoju i dotarciu do nowych użytkowników może nam pomóc szczera opinia na temat produktu, o którą jak zawsze przy takiej okazji bardzo gorąco prosimy.