eLeader Shelf Recognition AI – Funkcjonalność nie do pobicia

Niezależnie od tego, w jakiej formie zapisane są standardy merchandisingowe, eLeader Shelf Recognition AI będzie w stanie je odczytać i zanalizować, w którym miejscu ekspozycja wymaga poprawek. Przykładowe parametry to ilość face’ów, sąsiedztwo, numer półki.

Jeśli dla danego sklepu opracowany został planogram (np. stworzony w JDA Space Planning), eLeader Shelf Recognition AI jest w stanie porównać stan ekspozycji z obowiązującym wzorem i wskazać, które produkty na półce należy dołożyć lub przestawić, aby uzyskać pełną zgodność.

Własne ekspozytory to idealne miejsce do sprzedaży produktów i promocji marki. Źle się dzieje, gdy znajdują się w nich produkty konkurencji. Rozwiązanie jest w stanie wykryć i poinformować użytkownika, że w np. w lodówce znajduje się niepożądany produkt.

Przyczyny braku produktów na półce lub innych niepokojących (lub interesujących) zjawisk można zdiagnozować wywołując ankietę w odpowiednim momencie wizyty. Ta w pełni zautomatyzowana funkcjonalność pozwoli na lepsze zrozumienie sytuacji na rynku.

Oczekiwania wobec konkretnej ekspozycji w konkretnym sklepie można ująć w KPI. Zastosowanie do ich realizacji metodologii Perfect Store znacznie zwiększa efektywność wizyt. eLeader Shelf Recognition AI przyspiesza i automatyzuje etap gromadzenia danych o ekspozycji dla potrzeb zmierzenia i poprawienia KPI sklepu oraz konkretnego pracownika, czy wizyty.
 
WIĘCEJ O PERFECT STORE

Sygnałem do zamówienia produktu jest najczęściej jego nieobecność na półce. Wykrycie braku produktu może być zaprojektowanym warunkiem jego automatycznego dodania do koszyka zamówienia (również w postaci predefiniowanej, obliczanej np. na podstawie historii zamówień własnych i bezpośrednio od dystrybutorów).

Przykładem zastosowania eLeader Shelf Recognition AI w szerszym kontekście jest funkcjonalność sprawdzania możliwości nagrodzenia sklepu w ramach wewnętrznej akcji promocyjnej, czy programu lojalnościowego. Wystarczy zasilić moduł odpowiednimi danymi na temat ekspozycji, a system na bazie wykonanego zdjęcia przeliczy produkty i określi możliwość przekazania nagrody kierownikowi sklepu.

Dobra wiadomość dla audytorów i kierowników! eLeader Shelf Recognition AI eliminuje praktycznie do zera konieczność przeprowadzania audytów w sklepach. Dzięki dokumentacji fotograficznej oraz przepływowi zadań wymuszającemu takie działania sprawdzające i naprawcze jak ankiety, czy negocjacje, kontrole można ograniczyć tylko do wypadków szczególnych i często bez konieczności wizyty w sklepie.

Kontrola realizacji akcji promocyjnych daje się automatyzować. System weryfikuje produkty, które biorące udział w obowiązującej na danym sklepie promocji. Dodatkowo aplikacja sprawdzi zgodność materiałów POS (POSM) – również za pomocą analizy zdjęć.

Harmonogramy odwiedzin poszczególnych punktów to gra, w której wygrywa ten, kto najlepiej oceni potencjał sprzedażowy na swoim terenie. eLeader Shelf Recognition AI dostarcza informacje o obecności produktów, udziale półkowym, ilości face’ów czy spełnianiu standardów merchandisingowych. Informacje te to doskonały wsad merytoryczny do tworzenia firmowego rankingu punktów, które należy odwiedzać jak najczęściej, ponieważ przynoszą największe zyski.

Dobry handlowiec podczas wizyty zawsze powinien wiedzieć jak zareagować na nieprawidłowości lub sprawić aby dobre wyniki sprzedaży stawały się jeszcze lepsze. eLeader Shelf Recognition AI dostarcza danych liczbowych porównawczych np. z trzema poprzednimi wizytami, wykrywa nierealizowanie kontraktów, czy braki produktowe. Rozwiązanie pozwala na takie projektowanie scenariuszy wizyt, aby sugerowane działania naprawcze i kontekstowe materiały merytoryczne podsuwane były handlowcowi w momencie, w którym ich potrzebuje.

Przykład: brak produktu podczas trzeciej z kolei wizyty na określonej półce oznacza, że należy przeprowadzić z kierownikiem sklepu rozmowę mającą na celu egzekucję zobowiązań lub zmianę warunków kontraktu na takie, które sklep będzie w stanie spełnić.