Регистрация прошла успешно

Регистрация прошла успешно

На ваш e-mail пришло письмо с подтверждением

На вашу почту отправлена ссылка для восстановления пароля

Восстановление пароля
Все новости
18:14, 19 Октября
Собянин уточнил, кого следует переводить на удаленку
16:28, 19 Октября
Онлайн спецразрешения на рейсы создают проблемы для грузоперевозки
15:14, 19 Октября
АКИТ рассказал об этапах создания торгового арбитража
14:39, 19 Октября
Пятерочка, Лента и Магнит возглавили топ приложений продуктового ритейла
14:00, 19 Октября
Сервисы такси и доставки еды вводят сборы с пользователей
13:19, 19 Октября
Эксперт: «Магазины-витрины» идут на смену классическим торговым пространствам
11:29, 19 Октября
Больше 1 млрд рублей составил объем платежей через СБП в Wildberries
10:52, 19 Октября
Илья Кретов покидает пост гендиректора eBay и переходит в Тинькофф
10:18, 19 Октября
«Тинькофф» запустит новое направление для выхода клиентов на маркетплейсы
09:38, 19 Октября
С ноября в Санкт-Петербурге введут систему QR-кодов для посещения общественных мест
27 Сентября 2021, 10:10

Магнит тестирует распознавание товаров на полке

magnit.jpg

Компания запустила пилотный проект в 20 магазинах у дома. Система на основе нейросетей контролирует соответствие выкладки продукции на стеллажах заявленному плану-схеме (планограмме). Точность проверки доходит до 98%.

По предварительным оценкам розничной сети, система может улучшить доступность товаров для покупателей до 5% в зависимости от категорий продукции и увеличить продажи. В случае успешного пилотирования технологию могут тиражировать на более чем 20 тысяч магазинов компании.

Администраторы торговых точек в мобильном приложении в смартфоне фотографируют полки и через несколько секунд получают отчет о корректности выполнения планограмм. В дальнейшем такой функционал станет доступен в терминалах сбора данных. Система анализирует наличие необходимых товаров и их остаток на складе магазина, последовательность выкладки, расположение позиций на первой линии и другие показатели. Если все они соответствуют выкладке, то задача снимается, если нет, то будут даны подсказки и задача вернется в работу. При этом ошибки указываются в виде понятной графической схемы.

Раньше сотрудники самостоятельно сравнивали схемы с произведенной выкладкой, на что уходило большое количество времени, а точность была недостаточно высокой. Самообучающаяся система позволяет выявлять соответствие выкладки даже в сложных пространствах, исключить человеческий фактор, существенно повысить уровень контроля, сократить время проверки и избежать «виртуальных» стоков.      

Руслан Исмаилов, заместитель генерального директора, директор по управлению розничной сетью «Магнит»

«Мы работаем с комплексом проектов для повышения доступности товаров на полке и применяем их в зависимости от формата магазина, трафика, сезонности и других параметров. Мы смотрим на технологию фотораспознавания как на один из оптимальных инструментов для того, чтобы разгрузить персонал и при этом не снизить, а существенно повысить качество выкладки. Тестирование продлится три месяца, за это время оценим эффективность его работы и влияние на бизнес-показатели. Также на одном из этапов планируется применить распознавание для контроля корректности ценников».

Читайте также:

Источник: Retail-Loyalty.org


Понравился материал? Поделись.
Подписывайтесь на наши группы,
чтобы быть в курсе событий отрасли.
Станьте нашим автором.
Увеличьте лояльность своих читателей