Распознавание SKU: как ИИ повышает эффективность мерчендайзинга

В современном ритейле успешный мерчендайзинг невозможен без точного контроля выкладки товаров. Традиционные методы — ручные аудиты полок, еженедельные отчёты мерчандайзеров — страдают медлительностью и неполнотой. Менеджеры зачастую видят картину на полке с большим запозданием, а охват проверок ограничен: выборочная проверка вручную охватывает менее 2% всех взаимодействий с полкой.

Это приводит к «слепым зонам»: просроченные out-of-stock, несоответствие планограмм и упущенные возможности продаж остаются незамеченными до визита ревизора. Сравнение ручного контроля полок (слева) и мониторинга с ИИ (справа): компьютерное зрение обеспечивает ~95% точность распознавания товаров и снижает случаи отсутствия товара на полке примерно на 90%. AI-система анализирует изображение стеллажа и мгновенно выделяет позиции, требующие пополнения, предотвращая потери продаж. 

Такой подход значительно повышает оперативность и точность работы мерчандайзеров. 

Что даёт распознавание SKU с помощью AI. 

Технологии компьютерного зрения и глубоких нейросетей позволяют автоматически распознавать SKU – конкретные товары и их характеристики – по фотографиям полок. Снимки могут делать мобильные приложения торговых агентов либо стационарные камеры. Модель на основе нейросети анализирует изображение и идентифицирует каждый продукт с высокой точностью. Например, современные системы способны достигать более 95% точности при определении SKU даже в сложных условиях (загромождённые или тускло освещённые полки). 

Nestlé отмечает, что внедрение такой системы обеспечило точность свыше 95% и полный контроль прозрачности процесса сбора данных. 

Оперативные проверки и отсутствие «слепых зон». 

AI-решения проводят аудит выкладки не выборочно, а сплошным потоком в реальном времени. Каждое отклонение фиксируется незамедлительно. Алгоритмы выявляют пустующие места (gap-и), неправильно повернутые товары, отсутствующие ценники или POS-материалы и мгновенно создают оповещения для персонала.

Благодаря этому торговая команда может исправить проблему до того, как она обернётся упущенными продажами. Кроме того, такой подход гарантирует единые стандарты аудита: во всех торговых точках анализируются одни и те же показатели, устраняя разброс качества проверок между разными магазинами. 

Данные с полок поступают централизованно, давая полную картину по сотням и тысячам точек одновременно. 

Ключевые метрики, которые контролирует система. 

Автоматическое распознавание товаров на полке позволяет постоянно измерять важнейшие KPI мерчендайзинга: долю полки (share of shelf), наличие товара на полке (OSA, on-shelf availability), соответствие планограмме, соблюдение промо-выкладки. Например, система ShelfWatch от ParallelDots в режиме реального времени отслеживает показатели OSA, планограммы, наличие POS-материалов и долю полки, сразу сигнализируя о отклонениях.

На основе этих данных бренд-менеджеры и отдел продаж могут вести предметный диалог с ритейлерами, опираясь на факты о выкладке, а не на приблизительные отчёты. В результате улучшается выполнение соглашений по выкладке и эффективность промо-акций. 

Влияние на продажи и эффективность. 

Главная ценность AI-мониторинга полок – он напрямую влияет на финансовые показатели. Когда товары всегда размещены правильно и своевременно пополняются, сокращаются потери продаж из-за пустых полок. По данным внедрений, рост выручки может составлять 5–10% благодаря улучшению представленности товара. 

Одновременно уменьшаются трудозатраты: автоматизация полочного аудита сокращает время обхода и проверки на 40–60%. Полный охват и точность данных позволяют оптимизировать работу полевого персонала – вместо рутинных осмотров магазинов они концентрируются на проблемных точках и стратегических задачах. В кейсе одного глобального производителя снеков AI-мониторинг повысил соблюдение планограмм на 30% всего за два месяца, что привело к экономии затрат и сокращению ручных проверок.

Таким образом, инвестиции в компьютерное зрение окупаются сторицей: компании получают двузначный ROI за счёт предотвращённых потерь и оптимизации процессов.

Пример решения — SM Visor. Одним из инструментов на базе AI для розницы является платформа SM Visor от SmartMerch. Она осуществляет автоматизированный контроль полочного пространства с помощью сверточных нейросетей, достигая более 95% точности распознавания товаров. SM Visor формирует реалограмму – единое панорамное изображение всей полки, – и отмечает на нём проблемные зоны флажками (например, отсутствующий товар или ошибку агента) в режиме реального времени. Система генерирует аналитические отчёты буквально за минуты, переводя фото полок в конкретные метрики и рекомендации. 

В итоге ритейлеры и производители получают прозрачные данные о выкладке и ценниках, могут мгновенно реагировать на отклонения и принимать обоснованные решения. По сути, SM Visor и подобные ему решения позволяют «видеть» ситуацию на полке непрерывно и точно, выводя управление мерчендайзингом на новый уровень эффективности.