Нейросеть в помощь мерчандайзерам. Как белорусы научили облачный сервис расставлять продукты на полках
Идея: мерчандайзинг можно и нужно автоматизировать
Каждый день в любом современном магазине еще задолго до открытия кипит работа: множество людей занимается раскладкой товара, применяя для этого специальные схемы и используя для отчета фотографии полок. Правильное размещение товара на полках — значимая часть маркетинговых стратегий производителей.
Создатели Goods Checker заметили, что в процессе контроля раскладки товара очень много ручного труда, и увидели в этом возможности для автоматизации. Затем придумали, как всю рутину переложить на машину, а принятие решений — на человека, чтобы процесс работы стал быстрым и легким.
Какие технологии лежат в основе продукта?
Goods Checker — облачный сервис, разработка на основе искусственного интеллекта, которая анализирует расстановку товаров на полках магазинов. Решение использует модели машинного обучения, в том числе нейронные сети и большие данные, что, по словам Александры Гончаровой, дало фантастические по скорости получения и точности результаты:
— Для обработки фотографий мы задействуем облачные технологии. После попадания в дата-центр фотография анализируется по заданному алгоритму. На анализ одного снимка уходит всего несколько секунд — поэтому мы можем обрабатывать большое количество фотографий в сжатые сроки. Например, для одной из категорий удалось достигнуть точности детекции 98%, точности классификации 93%, а скорость распознавания составила 5-15 секунд.
Как Goods Checker помогает производителям и мерчандайзерам?
Благодаря Goods Checker мерчандайзер сразу видит, что он сделал не так. Приложение показывает, какие товары стоят на своих местах, а какие необходимо переставить.
Goods Checker автоматизирует текущий процесс работы с выкладкой товаров, который завязан на большое количество механических операций нескольких людей: мерчандайзеров, торговых представителей, маркетологов.
Александра Гончарова:
— Сервис минимизирует человеческий фактор, сокращает время обработки фотографий и повышает точность предоставляемой информации от полевых сотрудников. Внедрение решения увеличивает количество продаж и сокращает время аудита торговых точек за счет актуальной и своевременной статистики.
После окончания работы в магазине мерчандайзер уверен, что выполнил свою работу качественно, а размеченная приложением фотография служит доказательством правильной выкладки. Приложение сводит к минимуму недопонимание между сотрудниками, помогает мерчандайзерам сохранить качество работы и получить бонусы.
Специалисты со стороны производителя получают подробную аналитику о действиях сотрудника, о том, насколько хорошо и качественно товары представлены на полках, какой результат дает дистрибуция в магазинах. Создатели сервиса убедились, что он распознает товары по всей стране, в любом городе и магазине, где продается нужная продукция.
С какими сложностями столкнулись при разработке?
Самой трудоемкой частью создания сервиса оказалась подготовка к обучению нейросети. Например, на первых этапах нам пришлось в течение 45 дней разметить вручную около 90 тыс. товаров. Это было необходимо для точности распознавания каждой товарной позиции.
Александра Гончарова рассказала, что еще одним вызовом оказалось качество фотографий, которые делают мерчандайзеры:
— Довольно часто у мерчандайзеров получаются настолько некачественные снимки полок, что даже глазу человека сложно различить на ней товары, не говоря уже о распознавании машиной. И в большинстве случаев не всегда есть возможность сделать фотографию качественно: где-то освещение не позволяет, проход узкий настолько, что не отойдешь, чтобы сделать общий снимок. Поэтому мы научили систему анализировать снимки с множеством дефектов — она сама создаст общий снимок из нескольких фото с фрагментами полок, выровняет перспективу.
Еще один вызов — быстрая смена ассортимента товаров у производителей. Пока нейросеть научится распознавать одни товары, производитель может поставить на полки магазинов уже совершенно другие. Поэтому мы научили нейросеть адаптироваться к постоянной смене ассортимента.
Какие категории товаров лучше всего поддаются анализу?
Оказалось, что товары в твердой упаковке машине легче распознавать: бутылки, коробки, банки и т. д. Товары в мягкой упаковке распознавать сложнее, так как на фотографиях они обычно выглядят по-разному. Например, чипсы могут быть расставлены на полке, а могут лежать вместе с другими товарами.
Александра Гончарова:
— Goods Checker можно обучить распознавать любую категорию товаров. Приложение уже умеет распознавать алкогольные и безалкогольные напитки, табачные изделия и молочную продукцию: молоко, кефир, творожки, йогурты. В ближайшее время мы планируем начать распознавать товары из прикассовой зоны.
Какие еще процессы можно автоматизировать в ретейле?
Цифровые технологии меняют ретейл на глазах. В магазинах с кассами самообслуживания теперь используют «умные» тележки. Это вариант обычной тележки для покупок, только оснащенной датчиками и сканерами. «Умная» тележка помогает сформировать чек в процессе покупки, на кассе остается его только оплатить.
Видеоаналитика. В магазинах камеры интегрируются с серверами для сбора дополнительной информации о покупателях и анализа. «Умная» камера вовремя подаст сигнал, что у касс появились очереди и пора выводить еще одного кассира. Она же соберет данные, какого возраста и пола и в какое время покупатели бывают в магазине. Аналитические системы с помощью обычных камер способны контролировать пустоты на полках.
Готов ли белорусский ретейл к автоматизации?
Александра Гончарова считает, что белорусский ретейл в последние годы совершил большой скачок вперед. Многие крупные игроки уже сделали первый шаг к автоматизации, внедрив CRM-системы. Следом подтягиваются и остальные.
Пользу автоматизации уже никому не нужно объяснять, в некоторых крупных сетях активно идет цифровизация процессов и торгового зала, внедрены кассы самообслуживания, RFID-метки. Поэтому отечественный ретейл готов сделать следующий шаг и внедрить передовые ИТ-решения.
Александра Гончарова:
— Goods Checker — следующий шаг, чтобы автоматизировать процессы, и мы видим большой спрос со стороны сильных игроков к таким разработкам.
