Goods Checker
Екосистема за автоматизиране на мърчандайзинг процеси
- Анализ на данни за търговски обекти, SKU, мърчандайзери
- Създаване, копиране и редактиране на планограми
- Персонализирани дашбордове и подробни анализи
Какво е Goods Checker?
Goods Checker е SaaS решение за производители на FMCG, което автоматизира всички етапи на мърчандайзинг. С Goods Checker ръководителите по всяко време получават актуални и достоверни аналитични данни, което им помага бързо да вземат правилните управленски решения.
Goods Checker дава възможност за увеличаване на продажбите до 7%.
Обективни KPI
Обективни KPI
Ръководителите определят реални KPI и обективно оценяват мърчандайзерите.
Причини за неспазване на планограмите
Причини за неспазване на планограмите
Мениджърите проследяват причините, поради които плнограмите не се спазват – липса на наличности, повредено оборудване и т.н.
Оценка на реалната ситуация на рафтовете
Оценка на реалната ситуация на рафтовете
Ръководителите получават информация за реалната ситуация в магазините и по рафтовете: какъв дял от рафта заема вашият продукт и този на конкурентите, колко добре се справят служителите.
Програмата за разпознаване на продукти Goods Cheker помага:
- за оптимизиране на бизнес процесите на мърчандайзинг и за обработка на посещенията на мърчандайзери на търговски обекти за по-малко от 60 секунди
- за получаване на данни за излагане на стоки според планограмата, за сравняване на реалограми и планограми в реално време и бързо извършване на промени за сметка на високата скорост и качество на обработката на данни
- за увеличаване на продажбите за сметка на анализите в ритейла, бързо получаване на данни от търговски обекти за излагането на своите стоки и стоки на конкурентите, както и увеличаване на участието на мърчандайзерите в процеса
- за минимизиране на влиянието на човешкия фактор при обработката на данни
- за интегриране на всички системни модули по искане на клиента с всички необходими вътрешни системи
- за спестяване от оборудване и поддръжката му, използвайки капацитета на центъра за данни на IBA Group, за получаване на техническа поддръжка от програмисти и специалисти по данни без наемане на допълнителен персонал
- мониторинг на POS материали: собствени и на конкуренти
- да сте една крачка пред конкурентите чрез анализиране на SKU на конкурентите и техния дял на рафта, анализируя SKU конкурентов и их долю полки
От какво се състои Goods Checker?
- Автоматично сравнение на оформление с планограма в реално време
- Точност на разпознаване на SKU над 95%
- Анализ на SKU след пускането му в продажба
- Слепване на няколко снимки на рафт
- Откриване на проблеми по рафтовете и бързо докладване на причините (out-of-stock, повреда на оборудването и др.)
- ИИ обработва снимки и генерира отчети
- Не е необходимо мениджърите да прекарват часове в ръчна проверка и анализ на изображенията.
- Създаване, копиране и редактиране на планограми
- Създаване на планограми за SKU с всякакъв размер
- Високоскоростно създаване на планограми (100 SKU за 1 минута)
- Запазване на планограми в MS Excel или PDF
- Ясен и удобен за потребителя интерфейс
- Анализ на данни за мърчандайзинг по търговски обекти, SKU, мърчандайзери
- Анализ на дела на рафтовете по категория, марка, регион
- Потребителите могат да получат достъп до аналитични отчети чрез уеб браузър
- Анализите се създават в статика и динамика (сравнение с минал период).
Как работи Goods Checker?
1/ Мърчандайзерът снима подреждането на SKU на рафтовете
2/ Снимките се качват в центъра за данни на IBA Group
3/ Модул с изкуствен интелект анализира снимки, търси и класифицира SKU, след което ги оценява според даден сценарий
4/ Goods Checker подготвя данни и генерира отчети на сървъра
5/ Потребителите получават достъп до отчети и анализи чрез уеб браузър веднага след качване на снимка
Нашата експертиза
КЛЮЧОВИ ТЕХНОЛОГИИ
Python, Tensorflow, OpenCV, Pytorch, R
ИНСТРУМЕНТИ
Python, Tensorflow, OpenCV, Pytorch, R, Pillow, albumentations, scikit-image, numpy, pandas, scikit-learn, DLib, PostgreSQL, MongoDB, sqlalchemy, ZeroMQ, Kafka, pyexecerate, pyopenssl, contextlib2, flask, Docker, Apache Airflow, git, DVC, AngularJS, REST API