Применение IR для распознавания полки стало прорывом в отрасли. Аудит выглядит совсем просто: едешь в магазин, делаешь 10 снимков, отправляешь на распознавание. Но реальность, конечно, вносит коррективы. 

Интернет в точках часто тормозит, из-за этого файлы пересылаются слишком долго или не грузятся вовсе. Надо тратить время на выбор ракурса и угла съемки, искать и настраивать освещение. В итоге процесс сильно затягивается.

К решению проблемы можно подойти по-разному. 

Одни компании маркируют не самые удачные кадры, снижают порог ошибок и соглашаются получать менее релевантные данные, но побыстрее. 

Другие просят мерчей «забыть» о времени и фотографировать, пока не получится качественно. 

В первом случае страдает бизнес, во втором — полевые сотрудники, которые быстро выгорают.

Учитывая кадровый голод в отрасли, скорее всего, мы с вами будем решать эту проблему другим путем. Технологическим.

Тут есть два жизнеспособных варианта.

1. Система офлайн-распознавания. Решение, к которому нам предстоит прийти через пару лет. Нам понадобятся: 
➡️отработанный стандарт вычислений для AI-сопроцессоров; 
➡️качественная адаптация под мобильную версию; 
➡️телефон с AI-сопроцессором у каждого полевого. 

Все это пока сложно реализовать в больших масштабах, но за офлайн-распознаванием будущее. Так что ждем технологического рывка.

2. Новое поколение IR-приложений, которое повысит эффективность аудитов за счет:
➡️умной камеры, которая есть на устройствах большинства производителей смартфонов. Она будет проверять качество снимков, свет и углы обзора; 
➡️склеивания кадров для контроля целостности категории; 
➡️быстрой проверки склейки непосредственно на смартфоне.

Спойлер: над таким приложением мы сейчас работаем, и это как раз то будущее, которое вот-вот наступит. 

❗️ Более того, это первый серьезный шаг к созданию полноценной системы офлайн-распознавания. У нас есть разработки, которые мы тестируем во внутренней лаборатории, и уже сейчас они показывают хорошие результаты по скорости и по точности. Но только на устройствах с AI-сопроцессорами. Мы готовы к запуску распознавания офлайн — осталась дождаться, когда флагманские модели смартфонов опустятся в средний ценовой сегмент. 

Что в итоге: бизнес получает валидные данные в хорошем качестве и видит, что происходит в торговой точке. Мерч не проводит там полжизни со смартфоном в руках. Win-Win.

Все дело в инструментах

Для проведения проекта такого плана существует несколько решений. Ручной расчет в Excel, субъективная оценка, основанная на данных аудитов, или ИТ-инструменты для управления бизнес-процессами дистрибуции.

А как дела у конкурентов?
Если выяснится, что доля на полках меньше, цены на похожие товарные позиции выше, по ДМП серьезное отставание, то потребуется корректировка: увеличить, снизить, добавить.

Понятное дело, что супервайзерам проще скинуть балласт, чем удерживать сотрудника в команде или передавать бережно другому руководителю. 

❗️ Необходимо отбирать торговые точки, которые полевые сотрудники посещают не реже одного раза в неделю.

По завершении проекта снимаются данные по продажам. В случае успеха — PSS масштабируется на оставшиеся точки, с учетом категоризации по форматам. И после план-факт анализа можно подсчитывать прибыли и начислять премии.