據統計，全世界大部分的大型超市網絡面臨兩個問題。補貨問題是造成缺貨的最常見原因。在近三分之二的情況下，客戶看空的貨架而不是要購買的產品時，這些產品在商店中，而不在貨架上。問題的關鍵部分是檢查缺口和補貨之間的延遲。做法是每天手動檢查一次貨架庫存，然后在第二天補貨。到那時，銷售已經損失了。從一天的+1補貨轉移到當天的補貨非常重要。其次，保持準確的貨架價格非常重要，但手動操作很耗時。每天只能檢查一個過道，這意味著檢查整個商店要花一個月的時間。由于存在許多SKU，而且價格變化很大，因此該工作是重復性的，而且常常是不準確的。結賬時解決問題所花費的額外時間以及對客戶滿意度的影響還產生間接成本。鑒于歐尚對貨架上的價格與耕作間的價格差異有退款的承諾，因此正確進行成本和購物者體驗是必要的

當前客戶的痛點：傳統零售行業的貨架檢查主要還依靠人力，采集數據并做分析檢查，缺乏實時性的數據分析和填補，供應鏈效率低，勞動率和生產力低，消費者的隱私也面臨一定程度的泄露。

新方案簡述及亮點：

1.多個SKU的視圖，從各個角度查看貨架

因為每個客戶都有不同的數據收集功能，并且每個零售環境都是唯一的，所以我們的零售貨架智能識別技術開發了一套圖像捕獲解決方案來，捕獲每個商店中的每種產品。我們的零售貨架智能識別技術通過我們的移動應用程序，架子攝像機，半球形攝像機以及巡回機器人的數字眼睛來收集圖像。我們的混合方法使我們能夠在從藥店到雜貨店再到便利店的任何零售環境中蓬勃發展。深度學習技術以像素精確的細節分析圖像，從而識別出SKU之間的最小差異。強大的識別引擎可以克服光線不足，背景混亂和障礙物的問題。

2.確保數據質量，獲取值得信賴的高質量數據

我們的零售貨架智能識別技術致力于最高的數據準確性標準。我們嚴格的質量保證體系可提供有關我們績效的透明信息，使您可以充滿信心地做出戰略決策。了解我們的數據質量實施框架如何確保您數據的可信度。一旦將圖像上傳到我們的云服務器，就會對每個像素進行分析，并根據廣泛的SKU數據庫來識別產品。系統檢查項目的放置和安排，將執行情況與貨架圖和KPI進行比較。強大的AI和人工驗證系統可確保我們的圖像識別數據的質量。借助機器學習，我們的準確性每天每天都在不斷提高。

3.人與機器

我們的計算機視覺技術在人眼的幫助下不斷得到改進。照片被發送給領域專家進行“投票”，該過程將驗證產品標識并訓練我們的主動學習算法。

4.有意義的指標，將數據轉化為見解

我們的零售貨架智能識別技術不僅僅是一個圖像識別平臺。我們將貨架數據轉換為用于監控性能的指標，用于擊敗競爭對手的情報以及啟發性的戰略見解。我們的零售貨架智能識別技術平臺使用貨架數據來衡量執行，商店合規性，市場份額，人員和SKU績效等等。可以圍繞客戶的KPI定制儀表板，并與其他數據源（例如EPOS）結合使用。詳細的報告顯示類別，品牌和SKU在一段時間內以及在不同地區的趨勢，從而使您能夠做出明智的大決策。

5.強大的過濾篩選機制

過濾掉噪音并專注于重要的數據。我們的計算機視覺技術可以測量貨架健康狀況的各個方面。然后，報告工具基于KPI提供從產品可用性到貨架圖合規性的可行見解。

fqj