5 conceptos erróneos al lanzar un proyecto de merchandising digital
Hablemos de la automatización de la auditoría comercial basada en redes neuronales. Según los datos, abiertos para el mercado de FMCG (bienes de consumo), la introducción de la tecnología permite a los equipos de ventas obtener, por ejemplo, tales efectos:
- Reducir la duración de las visitas en un 10-17%.
- Mejorar la calidad del trabajo en los puntos de venta.
- Mejorar la calidad de los datos de campo.
- Reducir el impacto del factor humano en los datos.
- Obtener un panel de monitoreo digital para 2500 SKU y 5 macro categorías
- Monitorear nuevas métricas (la presencia de etiquetas de precios en todos los SKU, la presencia de etiquetas promocionales en artículos promocionales, el número de estanterías en el que se muestran los productos, entre otros)
Estos indicadores confirman una vez más la aplicabilidad de la tecnología en FMCG y el impacto positivo de la digitalización de auditoría en OSA. Pero hay dos caras en cualquier moneda, y hoy hablaremos sobre los conceptos erróneos más populares al lanzar la tecnología.
TOP 5 Conceptos erróneos al iniciar el reconocimiento de imágenes
1.Si logra precisión, puede relajarse
Al inicio del proyecto, puede parecer que es suficiente entrenar una red neuronal solo una vez y puede obtener resultados. Pero no funciona así. Aparecen nuevos productos, cambia el empaque y
disminuye la precisión del reconocimiento.
Usando el ejemplo de uno de los actores del mercado de FMCG, la precisión del reconocimiento alcanzó el 82 % durante el piloto, y al comienzo del proyecto (31 semanas) cayó al 71 %. El caso es que el diseño de uno de los productos ha cambiado y se han añadido nuevos elementos. En la semana 32, la red neuronal se entrenó para reconocer nuevas posiciones y la precisión aumentó al 81 %; en la semana 34, al 94 %.
Usando el ejemplo de uno de los actores del mercado de FMCG, la precisión del reconocimiento alcanzó el 82 % durante el piloto, y al comienzo del proyecto (31 semanas) cayó al 71 %. El caso es que el diseño de uno de los productos ha cambiado y se han añadido nuevos elementos. En la semana 32, la red neuronal se entrenó para reconocer nuevas posiciones y la precisión aumentó al 81 %; en la semana 34, al 94 %.
2. Tenemos suficientes datos de los cuestionarios
El cuestionario es un documento con datos sobre la disposción, la distribución en estanterías y otros parámetros básicos en la aplicación TECHNOPEAK/Agent. Anteriormente, el merchandiser ingresaba esta información manualmente, ahora, después de conectar el Reconocimiento de Imágenes, el cuestionario se llena
automáticamente. El cuestionario no contiene todo el surtido que hay en la categoría, sino solo los SKU clave y las métricas clave para ellos. En algún momento, nos dimos cuenta de que queríamos recopilar la mayor cantidad de información posible sobre todos los
SKU que reconoce el sistema. Como resultado, se conectó un sistema de BI al esquema del proyecto. Ahora el cliente recibe un paquete de datos completo y construye informes específicos con análisis sobre precios, competidores, etc. para toda la nomenclatura.
3. IR prácticamente resolverá el problema con la autoevaluación
Las mediciones muestran que incluso un empleado concienzudo con experiencia comete hasta un 20 % de errores al auditar los estanterías. Inexperto y sin escrúpulos, más.
Al mismo tiempo, los merchandisers se encuentran en una situación de autoevaluación: los datos que brindan afectan sus propios KPI. No es sorprendente que las personas se sientan tentadas a embellecer la situación o, a "cometer un error" de manera rentable. La introducción de tecnología permite reducir el impacto de la autoevaluación en algunos indicadores, pero no del todo. En algunos casos, se seguirá requiriendo del control por parte de la oficina.
4. Internet está en todas partes
No siempre. Dado que el reconocimiento se realiza en línea, pueden surgir matices. Afortunadamente, hay una solución: las fotos tomadas durante la visita serán igualmente procesadas. Cuando Internet esté disponible, el sistema enviará las imágenes para su reconocimiento. La única desventaja es que el empleado no podrá ver el resultado durante una visita al punto de venta y corregir la situación. La velocidad de la conexión a Internet afecta significativamente la comodidad de usar la tecnología.
5. En un mes, todos aprenderán a tomar fotografías correctamente
La precisión del reconocimiento depende críticamente del cumplimiento de las reglas en la toma de fotografías. Por lo tanto, es muy importante capacitar periódicamente a los empleados, dar retroalimentación sobre el cumplimiento de las normas e involucrar a la gestión del servicio de ventas.
Desafortunadamente, estas medidas no permitirán resolver el problema del todo. Debe estar listos para que algunos de los datos se pierdan, incluso cuando los empleados intentan cumplir con las reglas. Por ejemplo, si una lámpara cuelga sobre botellas transparentes, las etiquetas parpadean. Las etiquetas de precio a menudo están resaltadas, superpuestas
Desafortunadamente, estas medidas no permitirán resolver el problema del todo. Debe estar listos para que algunos de los datos se pierdan, incluso cuando los empleados intentan cumplir con las reglas. Por ejemplo, si una lámpara cuelga sobre botellas transparentes, las etiquetas parpadean. Las etiquetas de precio a menudo están resaltadas, superpuestas
En Resumen
La digitalización del merchandising mediante el reconocimiento de imágenes es una práctica eficaz y, tal como lo vemos, imprescindible para el mercado de bienes de consumo masivo en un futuro muy previsible. Pero debe comprender que después de la etapa piloto, seguirá la implementación, en cuya etapa es importante y necesario monitorear los matices y encontrar formas de resolverlos.
¿Tienes preguntas?
Estamos aquí para ayudarte
Deja tus datos de contacto y te contactaremos de inmediato.