你是否了解货架数据的完整真相?
我们讨论了货架数据准确性的重要性,以及严格的数据质量控制如何帮助Trax提供高准确率的货架识别图像。但是,零售业瞬息万变,新产品和新包装充斥着货架,准确性只是故事的一部分。如果你正在使用计算机视觉解决方案进行零售管理或是货架监测,那么数据的完整性将至关重要,它可以帮助你掌握产品最新动态,并在竞争中占得先机。
为什么数据完整性很重要
可口可乐在最近结束的FIFA世界杯期间举办了一场营销活动,他们发布了印有数字 0 到 9 的限量版包装,粉丝可以在社交媒体上利用可乐罐分享比分预测。这类全球性话题是每个品牌经理的梦想,但也可能成为他们最糟糕的噩梦。如果没有相应的系统跟踪新产品是否在主要门店上架,那么品牌很难在这些昂贵的营销活动中实现最佳回报。
即使利用计算机视觉进行数据收集,在货架上识别新产品也是相当大的挑战。除了新产品的挑战,许多其他异常情况也将导致数据的不完整,例如图像质量差,门店访问数据不正常录入,重复图像等问题。在图像识别和数字化过程中,不完整的数据可能会导致不准确的结果,进而影响货架指标报告的准确性。
在瞬息万变的货架上确保数据完整性
1. 自动检测新产品或产品新包装
发布新产品是许多消费品公司团队的生命线,是品牌保持市场活力的重要途径。同时,品牌也常常引入现有产品的全新包装。对于解决方案提供商而言,过时的SKU数据库是识别引擎性能退化的主要原因,进而导致数据不稳定和分析结果不完整。
为了避免这种情况的发生,基于精心设计的算法,Trax开发了一种持续监控服务,并在主动学习引擎上运行。因此,每次系统检测到新产品或新设计时,都会使用参考数据推断出这是哪一款产品,然后进行验证,并在数据库中更新。
结果?用户可以跟踪新产品和新的包装设计,并掌握竞争对手的新产品 。
2. 自动异常检测
图像识别简化了店内数据收集的过程,但零售执行解决方案要真正发挥作用,就必须避免图像获取方面的异常。可能多次拍摄用户获取的都是货架上同一部分的图像,或者有时现场人员恶意上传错误图像作为任务激活的证明。为了避免此类异常并确保收集的数据完整,Trax开发了一种无监督学习引擎,可监控每次操作,识别特定问题,检测不完整数据和重复图像,甚至利用已知的商店位置交叉检查照片的GPS定位。
3. 增强现实技术,实现货架全面捕捉
在消费者路过,购物车被推来推去,或者受到其他外界因素干扰时,从头到尾完整捕捉货架信息依然是一个不小的挑战。店内的人工审核也容易出现重复计算等人为错误。为了解决这些问题,Trax运用增强现实的沉浸式功能,首先标记用户可能遗漏了的货架,然后再引导用户从受到干扰的部分开始重新进行审核。
门店的完整画像
为了提供可靠的商业决策,通过图像识别获取和收集的数据必须准确、完整且没有异常。强制执行数据质量检查,且将完整性作为图像捕捉的关键,这是进行合理计算并提供正确货架指标报告(如分销、货架占有率等)的基础。
一起观看视频吧,了解Trax计算机视觉技术上的独到之处。