Su estrategia basada en los lineales es tan eficaz como la exhaustividad con la que las soluciones de visión computerizada recopilan los datos en la tienda.
Hablamos de la importancia de la precisión en los datos de los lineales y de cómo una rigurosa aplicación de la calidad de los datos ayuda a Trax a proporcionar una alta precisión en el reconocimiento de imágenes en el lineal de venta. Pero en un panorama minorista en constante cambio e inundado de nuevos productos y rediseños de envases, la precisión es solo una parte de la historia. Si utiliza soluciones basadas en visión por ordenador (CV) para la ejecución en el punto de venta o la medición en el lineal, la integridad de los datos es igual de importante para mantenerse al día y por encima de la competencia.
Por qué es importante la exhaustividad
Coca-Cola llevó a cabo una campaña durante la recién concluida Copa Mundial de la FIFA, lanzando latas de edición limitada con los números del 0 al 9 impresos en ellas, para que los aficionados compartieran sus predicciones de resultados en las redes sociales. Un acontecimiento mundial de estas características es el sueño de cualquier director de marca, pero también puede convertirse en su peor pesadilla. Sin un sistema que rastree si los nuevos productos han llegado a las estanterías de las tiendas más importantes, es difícil que las marcas consigan un ROI óptimo en estas costosas campañas.
Incluso con la recopilación de datos de tiendas basada en visión computerizada, el reto de reconocer nuevos artículos en las estanterías es difícil. Además de los nuevos productos, los datos incompletos también pueden ser el resultado de una serie de anomalías, como la mala calidad de las imágenes, la introducción fraudulenta de datos de visitas a la tienda, imágenes duplicadas, etc. Los datos incompletos pueden dar lugar a resultados inexactos durante el proceso de reconocimiento y digitalización y, a su vez, afectar a los informes de métricas de los lineales.
Garantizar la integridad en una estantería en constante cambio
- Detección automática de productos nuevos o rediseñados
El lanzamiento de nuevos productos es el alma de muchos equipos de empresas de bienes de consumo y una forma importante de que una marca siga siendo relevante. Al mismo tiempo, se introducen nuevos diseños de productos ya existentes. Para los proveedores de soluciones, una base de datos de SKU obsoleta es la principal causa de degeneración en el rendimiento del motor de reconocimiento, lo que provoca datos incoherentes y una visión incompleta.
Para evitarlo, Trax ha desarrollado un servicio de seguimiento continuo basado en un algoritmo bien diseñado y que funciona con un motor de aprendizaje activo. Así, cada vez que el sistema detecta un nuevo producto o diseño, su identidad se deduce utilizando datos de referencia, se valida y se actualiza en la base de datos.
¿Cuál es el resultado? Los usuarios pueden estar al tanto de los nuevos diseños de envases y los nuevos productos, así como de los nuevos lanzamientos de la competencia en el mercado.
- Detección automática de anomalías
El reconocimiento de imágenes ha simplificado la recopilación de datos en la tienda, pero para ser realmente eficaces, las soluciones de ejecución para minoristas deben ser inmunes a las anomalías relacionadas con la captura de imágenes. Los usuarios de campo pueden capturar la misma sección del lineal varias veces o, a veces, cargar fraudulentamente imágenes erróneas como prueba visual de la activación. Para evitar estas anomalías y garantizar que los datos recopilados son completos, Trax ha desarrollado un motor de aprendizaje no supervisado que supervisa cada sesión, identifica fallos específicos, detecta capturas incompletas y duplicadas e incluso coteja el GPS de la foto con la ubicación conocida de la tienda.
- Realidad aumentada para una captura exhaustiva de las estanterías
Con los compradores paseando, los carros de la compra empujados y otras distracciones, puede resultar difícil registrar todos los pasillos de punta a punta. Las auditorías manuales en la tienda también son propensas a errores humanos como el doble recuento. Para resolver estos problemas, Trax aprovecha el poder de inmersión de una función de realidad aumentada que señala las zonas de la estantería que los usuarios pueden no haber capturado y les guía para reanudar la auditoría desde el punto exacto en que fueron interrumpidos.
Una imagen completa de la tienda
Para tomar decisiones empresariales con confianza, los datos capturados y recopilados mediante el reconocimiento de imágenes tienen que estar limpios, completos y libres de anomalías. La aplicación de controles rigurosos de la calidad de los datos, con la integridad como pilar clave en la captura de imágenes, es fundamental para el cálculo y la elaboración de informes adecuados de las métricas de estantería, como la disponibilidad en estantería, la cuota de estantería, etc.
Vea este vídeo para comprobar cómo Trax refuerza la calidad de los datos en nuestra plataforma de visión por ordenador.
