Lokálně nebo v cloudu: Jaká technologie rozpoznávání produktů vyhovuje vaší FMCG společnosti?

FMCG společnosti věnují zvláštní pozornost kontrole merchandisingu, zejména kontrole vystavení zboží. Aby proces zrychlily a předešly chybám, přechází podniky k automatizaci. Dnes merchandiseři často používají mobilní aplikace, které analyzují vystavení na fotografiích, porovnávají ho s planogramem a ukazují nesoulad přímo v místě prodeje. Samotný proces analýzy fotografií může přitom probíhat dvěma způsoby: lokálně na mobilním zařízení nebo vzdáleně na serveru v cloudu.

V článku se podíváme na tyto technologie podrobněji, rozebereme jejich výhody a omezení a probereme, v jakých případech je užitečná každá technologie.

Hlavní závěry:

• Lokální rozpoznávání funguje bez internetu a poskytuje rychlý výsledek na místě, ale data se k vedení dostanou až po synchronizaci.
• Cloudové rozpoznávání předává informace manažerům v reálném čase a zpracovává velké katalogy, ale vyžaduje stabilní internet.
• Volba závisí na velikosti sortimentu, kvalitě spojení v obchodních místech a na tom, jak rychle vedení potřebuje data.

Rozpoznávání produktů: dva klíčové přístupy pro FMCG společnosti

Mobilní aplikace pro rozpoznávání produktů fungují rozdílně. Některé analyzují fotografie přímo na smartphonu merchandisera a nevyžadují připojení k internetu v momentě rozpoznávání. Jiné posílají snímky na vzdálené servery, kde probíhá zpracování obrazu.

Od volby technologie závisí rychlost získání výsledků, požadavky na internetové připojení a operativnost předávání dat vedení. Každý přístup řeší své úkoly a hodí se pro různé podmínky práce obchodních týmů.

Lokální rozpoznávání: jak funguje a co přináší podnikání

Lokální rozpoznávání, neboli Edge Computing, funguje přímo na smartphonu merchandisera bez připojení k internetu. Před prací merchandiser nahraje do aplikace databázi s údaji o produktech. Když vyfotí regál, systém porovná snímek s těmito daty a okamžitě ukáže výsledek: které produkty jsou na regále přítomny, které stojí správně a které porušují planogram.

Všechna sebraná data se na server společnosti odesílají až v momentě, kdy se zaměstnanec připojí k internetu. Aktualizace databáze produktů probíhá podle potřeby — když se do sortimentu přidávají nové položky, mění se obal nebo dochází k dotrénování modelu.

Výhody lokálního rozpoznávání

Nezávislost na rychlosti internetu. Zaměstnanci mohou pracovat v obchodních centrech se špatným spojením, ve vzdálených místech nebo regionech se slabým pokrytím. Kvalita a rychlost internetu neovlivňuje proces. Rychlý internet je potřeba jen před začátkem práce a po dokončení.

Okamžitá rychlost práce. Výsledek zpracování fotografie se objeví rychle a nejsou žádná zaseknutí nebo chyby spojení. To je obzvláště důležité pro nové zaměstnance, kteří potřebují rychlou zpětnou vazbu pro pochopení správnosti plnění úkolů.

Specializované aplikace rozšiřují možnosti technologie. Lokální rozpoznávání skvěle funguje se stacionárními kamerami, které sledují mezery na regálech nebo kontrolují určité produkty. Technologie je také efektivní při práci s malým sortimentem, kdy je seznam produktů stabilní a zřídka se aktualizuje. 

Nevýhody lokálního rozpoznávání

Omezené výkony zařízení neumožňují zpracovávat velké katalogy produktů se stejnou přesností jako servery. Starší telefony fungují pomaleji než nové nebo nemusí vůbec podporovat rozpoznávání, a velikost databáze produktů je omezená pamětí a výkonností zařízení.

Zpoždění analytiky znamená, že vedení nevidí situaci v reálném čase. Data přicházejí až po synchronizaci, což vylučuje možnost operativní reakce na problémy v obchodních místech.

Rizika nesprávné kontroly planogramu vznikají, pokud zaměstnanec zapomněl aktualizovat databázi nebo systém nemohl nahrát aktuální verzi. Práce se zastaralými daty může vést k chybám při rozpoznávání nových produktů nebo změněného obalu, a také k nesprávnosti kontroly planogramu.

Dlouhý nebo drahý start projektu. Nutnost vývoje verze aplikace, kterou budou podporovat zařízení. Nebo nákup drahého vybavení. 

Kdy zvolit lokální rozpoznávání

Lokální rozpoznávání se stává optimální volbou pro společnosti, jejichž obchodní místa se nacházejí v regionech s nestabilním internetem nebo pracují s úzkým sortimentem produktů.

Společnosti s aktivně rostoucími týmy také těží z lokálního rozpoznávání, protože noví zaměstnanci dostávají okamžitou zpětnou vazbu během školení. Operativní řízení prodejů však bude omezené, protože data do analytiky přicházejí až po synchronizaci systémů. 

Cloudové rozpoznávání: jak funguje a co přináší podnikání

V cloudovém rozpoznávání (Cloud Computing) probíhá zpracování obrazu na serveru společnosti. Když zaměstnanec vyfotí regál, obraz se odešle do cloudu, kde ho analyzují algoritmy neuronových sítí. Výsledek operativně přijde zpět do aplikace hned po zpracování na serveru.

Po zpracování snímku se všechna data uloží na server a manažeři mohou vidět výsledky práce v reálném čase. Při přidávání nových produktů nebo změně obalu probíhají aktualizace okamžitě pro všechny uživatele bez nutnosti cokoliv nahrávat do smartphonů.

Takto funguje Goods Checker. 

Výhody cloudového rozpoznávání

Okamžitá analytika. Manažeři dostávají data z obchodních míst v reálném čase. Hned vidí, kde jsou problémy s vystavením, které úkoly jsou splněné a kde je potřeba zásah. To umožňuje operativně reagovat na kritické situace, efektivně řídit tým v terénu a sortiment v obchodních místech. Pomůže to včas objednávat zboží a vyhnout se situacím out-of-stock.

Rychlé škálování. Servery zpracovávají databáze s tisíci produktů a používají moderní algoritmy rozpoznávání. Takový systém se snadno škáluje při růstu počtu uživatelů a fotografií, a jeho přesnost a rychlost práce nezávisí na modelu telefonu.

Jednoduchost správy. Nové produkty se přidávají do rozpoznávání okamžitě pro všechny uživatele, není třeba sledovat aktualizace aplikací a nastavení algoritmů lze měnit centrálně podle specifik každého klienta.

Rozpočtová zařízení. Cloudové rozpoznávání nezávisí na zařízení, proto podnikání nepotřebuje nakupovat výkonné drahé smartphony nebo tablety. V tomto případě stačí rozpočtové modely nebo dokonce chatboti.

Různé zdroje dat. Cloudové systémy mohou zpracovávat fotografie pro rozpoznávání z různých zdrojů: úložiště souborů, smartphony, stacionární kamery, chatboti a další. K tomu není nutné instalovat samostatnou aplikaci s rozpoznáváním. Takový přístup umožňuje zpracovat již nahromaděné fotografie a získat analytiku za předchozí období. 

Nevýhody cloudového rozpoznávání

Závislost na internetu omezuje možnosti práce. V zónách se slabým spojením nebo při absenci internetu systém ukládá fotografie na zařízení a odesílá snímky až po připojení k internetu.

Delší kontrola vystavení v obchodním místě. Kvůli nutnosti přenosu velkých objemů dat a možným problémům se spojením může merchandiser déle čekat na výsledky zpracování fotografie. To znamená, že čas na opravu vystavení se zvyšuje ve srovnání s technologií lokálního rozpoznávání. 

Kdy zvolit cloudové rozpoznávání

Cloudová technologie vyhovuje společnostem, které potřebují včasnou analytiku a kontrolu týmu v reálném čase. Kromě toho je nenahraditelná při práci s velkým množstvím SKU, kdy mobilní zařízení už nezvládají zpracování velkých objemů dat.

Technologie je také efektivní při častých změnách sortimentu a nutnosti rychle přidávat nové produkty. Cloudové rozpoznávání zajišťuje stejnou kvalitu práce na jakýchkoliv smartphonech a hodí se společnostem, kterým záleží na centralizovaném systému správy s maximální přesností rozpoznávání. 

Jakou technologii zvolit pro váš podnik

Volba mezi lokálním a cloudovým rozpoznáváním produktů závisí na specifikách vašeho podnikání. Společnosti s omezeným sortimentem a potřebou rychlé reakce merchandisera na místě mají prospěch z Edge Computing, zatímco organizacím s velkými katalogy a potřebou centralizovaného řízení vyhovuje cloudové řešení.

Správná technologie není ta nejmodernější, ale ta, která řeší konkrétní úkoly vaší společnosti. Vedoucí pracovníci musí zohlednit podmínky práce týmu, požadavky na analytiku a zvláštnosti sortimentu. Abyste se vyhnuli chybám při volbě technologie, napište nám a my vám pomůžeme vybrat optimální řešení.