Lokalnie czy w chmurze: jaka technologia rozpoznawania produktów sprawdzi się w Twojej firmie FMCG?

Firmy FMCG zwracają szczególną uwagę na kontrolę merchandisingu, zwłaszcza sprawdzanie ekspozycji towarów. Żeby przyspieszyć proces i uniknąć błędów, biznes przechodzi na automatyzację. Dziś specjaliści terenowi często używają aplikacji mobilnych, które analizują ekspozycję na zdjęciach, porównują ją z planogramem i pokazują niezgodności bezpośrednio w punkcie sprzedaży. Sama analiza zdjęć może jednak przebiegać na dwa sposoby: lokalnie na urządzeniu mobilnym lub zdalnie na serwerze w chmurze.

W artykule przyjrzymy się tym technologiom dokładniej, omówimy ich zalety i ograniczenia oraz przedyskutujemy, w jakich przypadkach przydatna jest każda z nich.

Najważniejsze wnioski:

• Rozpoznawanie lokalne działa bez internetu i daje szybki wynik na miejscu, ale dane docierają do kierownictwa dopiero po synchronizacji.
• Rozpoznawanie w chmurze przekazuje informacje menedżerom w czasie rzeczywistym i obsługuje duże katalogi, ale wymaga stabilnego internetu.
• Wybór zależy od wielkości asortymentu, jakości zasięgu w punktach sprzedaży i tego, jak szybko kierownictwo potrzebuje danych.

Rozpoznawanie produktów: dwa kluczowe podejścia dla firm FMCG

Aplikacje do rozpoznawania produktów działają na różne sposoby. Jedne analizują zdjęcia bezpośrednio na smartfonie użytkownika i nie wymagają połączenia z internetem w momencie rozpoznawania. Inne wysyłają obrazy na zdalne serwery, gdzie następuje przetwarzanie.

Od wyboru technologii zależy szybkość otrzymywania wyników, wymagania dotyczące połączenia internetowego i sprawność przekazywania danych kierownictwu. Każde podejście ma swoje zastosowania i nadaje się do różnych warunków pracy zespołów handlowych.

Rozpoznawanie lokalne: jak działa i co daje biznesowi

Rozpoznawanie lokalne, czyli Edge Computing, działa bezpośrednio na smartfonie pracownika bez połączenia z internetem. Przed pracą specjalista pobiera do aplikacji bazę danych z informacjami o produktach. Gdy robi zdjęcie półki, system porównuje obraz z tymi danymi i od razu pokazuje wynik: które produkty są na półce, które stoją prawidłowo, a które naruszają planogram.

Wszystkie zebrane dane wysyłane są na serwer firmy dopiero wtedy, gdy użytkownik połączy się z internetem. Aktualizacja bazy produktów następuje w razie potrzeby — gdy w asortymencie pojawiają się nowe produkty, zmienia się opakowanie lub model zostaje douczony. 

Zalety rozpoznawania lokalnego

Niezależność od jakości internetu. Pracownicy mogą działać w centrach handlowych ze słabym zasięgiem, w odległych punktach czy regionach z kiepskim pokryciem sieci. Jakość i prędkość internetu nie wpływają na proces. Szybki internet potrzebny jest tylko przed rozpoczęciem pracy i po jej zakończeniu.

Błyskawiczna szybkość działania. Wynik przetwarzania zdjęcia pojawia się natychmiast i nie ma żadnych zawieszek czy błędów połączenia. To szczególnie ważne dla nowych pracowników, którzy potrzebują szybkiego feedback, żeby zrozumieć, czy prawidłowo wykonują zadania.

Specjalistyczne zastosowania rozszerzają możliwości technologii. Rozpoznawanie lokalne świetnie współpracuje ze stacjonarnymi kamerami, które pilnują pustych miejsc na półkach lub kontrolują określone towary. Technologia sprawdza się też przy pracy z niewielkim asortymentem, gdy lista produktów jest stabilna i rzadko się zmienia. 

Wady rozpoznawania lokalnego

Ograniczone możliwości urządzeń nie pozwalają przetwarzać dużych katalogów produktów z taką samą dokładnością co serwery. Stare telefony działają wolniej od nowych lub mogą w ogóle nie obsługiwać rozpoznawania, a rozmiar bazy produktów ogranicza pamięć i wydajność urządzenia.

Opóźniona analityka oznacza, że kierownictwo nie widzi sytuacji w czasie rzeczywistym. Dane wpływają dopiero po synchronizacji, co wyklucza możliwość szybkiego reagowania na problemy w punktach sprzedaży.

Ryzyko błędnej kontroli planogramu pojawia się, gdy pracownik zapomniał zaktualizować bazę lub system nie mógł pobrać aktualnej wersji. Praca ze starymi danymi może prowadzić do błędów w rozpoznawaniu nowych produktów czy zmienionego opakowania oraz nieprawidłowej kontroli planogramu.

Długi lub drogi start projektu. Konieczność opracowania wersji aplikacji, którą obsługują różne urządzenia. Albo zakup drogiego sprzętu. 

Kiedy wybierać rozpoznawanie lokalne

Rozpoznawanie lokalne staje się optymalnym wyborem dla firm, których punkty sprzedaży znajdują się w regionach z niestabilnym internetem lub pracują z wąskim asortymentem produktów.

Firmy z aktywnie rozrastającymi się zespołami też zyskują na rozpoznawaniu lokalnym, ponieważ nowi pracownicy otrzymują natychmiastowy feedback podczas szkolenia. Jednak operacyjne zarządzanie sprzedażą będzie ograniczone, bo dane do analityki wpływają dopiero po synchronizacji systemów. 

Rozpoznawanie w chmurze: jak działa i co daje biznesowi

W rozpoznawaniu chmurowym (Cloud Computing) przetwarzanie obrazów odbywa się na serwerze firmy. Gdy pracownik fotografuje półkę, obraz wysyłany jest do chmury, gdzie algorytmy sieci neuronowych go analizują. Wynik szybko wraca do aplikacji zaraz po przetworzeniu na serwerze.

Po przetworzeniu zdjęcia wszystkie dane zapisują się na serwerze, a menedżerowie mogą widzieć rezultaty pracy w czasie rzeczywistym. Gdy pojawiają się nowe towary lub zmienia się opakowanie, aktualizacje następują natychmiast dla wszystkich użytkowników bez konieczności pobierania czegokolwiek do smartfonów.

W ten sposób funkcjonuje Goods Checker.

Zalety rozpoznawania w chmurze

Natychmiastowa analityka. Menedżerowie otrzymują dane z punktów sprzedaży w czasie rzeczywistym. Od razu widzą, gdzie są problemy z ekspozycją, które zadania wykonano, a gdzie potrzebna jest interwencja. Pozwala to szybko reagować na krytyczne sytuacje, skutecznie zarządzać zespołem w terenie i asortymentem w punktach sprzedaży. Pomoże to na czas zamawiać towary i unikać sytuacji out-of-stock.

Szybkie skalowanie. Serwery przetwarzają bazy danych z tysiącami produktów i używają nowoczesnych algorytmów rozpoznawania. Taki system łatwo skalować przy wzroście liczby użytkowników i zdjęć, a jego dokładność i prędkość działania nie zależy od modelu telefonu.

Prostota zarządzania. Nowe produkty dodawane są do rozpoznawania natychmiast dla wszystkich użytkowników, nie trzeba pilnować aktualizacji aplikacji, a ustawienia algorytmów można zmieniać centralnie pod specyfikę każdego klienta.

Tańsze urządzenia. Rozpoznawanie w chmurze nie zależy od mocy urządzenia, więc biznes nie musi kupować drogich smartfonów czy tabletów. W tym przypadku wystarczą budżetowe modele lub nawet chatboty.

Różne źródła danych. Systemy chmurowe mogą przetwarzać zdjęcia do rozpoznawania z różnych źródeł: magazyn plików, smartfony, kamery stacjonarne, chatboty i inne. Nie ma konieczności instalowania osobnej aplikacji z rozpoznawaniem. Takie podejście pozwala przetworzyć już zgromadzone fotografie i otrzymać analitykę za poprzednie okresy. 

Wady rozpoznawania w chmurze

Zależność od internetu ogranicza możliwości pracy. W strefach ze słabym zasięgiem lub przy braku internetu system zapisuje zdjęcia na urządzeniu i wysyła obrazy dopiero po połączeniu z siecią.

Dłuższa kontrola ekspozycji w punkcie sprzedaży. Z powodu konieczności przesyłania dużych ilości danych i możliwych problemów z siecią specjalista może dłużej czekać na wyniki przetwarzania zdjęcia. To oznacza, że czas na poprawkę ekspozycji wydłuża się w porównaniu z technologią rozpoznawania lokalnego. 

Kiedy wybierać rozpoznawanie w chmurze

Technologia chmurowa nadaje się firmom, które potrzebują terminowej analityki i kontroli zespołu w czasie rzeczywistym. Poza tym jest niezastąpiona przy pracy z dużą liczbą SKU, gdy urządzenia mobilne już nie radzą sobie z przetwarzaniem wielkich ilości danych.

Technologia sprawdza się też przy częstych zmianach asortymentu i konieczności szybkiego dodawania nowych produktów. Rozpoznawanie w chmurze zapewnia jednakową jakość pracy na dowolnych smartfonach i nadaje się firmom, którym zależy na scentralizowanym systemie zarządzania z maksymalną dokładnością rozpoznawania. 

Jaką technologię wybrać dla Twojego biznesu

Wybór między lokalnym a chmurowym rozpoznawaniem produktów zależy od specyfiki Twojego biznesu. Firmy z ograniczonym asortymentem i potrzebą szybkiego reagowania pracownika na miejscu skorzystają z Edge Computing, natomiast organizacjom z dużymi katalogami i potrzebą scentralizowanego zarządzania pasuje rozwiązanie chmurowe.

Właściwa technologia to nie ta najnowocześniejsza, ale ta, która rozwiązuje konkretne problemy Twojej firmy. Kierownicy muszą uwzględnić warunki pracy zespołu, wymagania dotyczące analityki i specyfikę asortymentu. Żeby uniknąć błędów przy wyborze technologii, napisz do nas, a pomożemy wybrać optymalne rozwiązanie.