El valor real de la visión por computadora en la ejecución minorista reside en la traducción de las imágenes capturadas en información procesable.
Anteriormente, abordamos factores como la precisión y la exhaustividad como elementos fundamentales para la calidad de los datos en lo que respecta a los datos en tienda generados por soluciones de visión por computadora.
¿Pero cómo convierte la visión por computadora las imágenes en tienda en datos cuantitativos significativos para la industria minorista y de bienes de consumo? ¿Cuáles son las herramientas y técnicas empleadas al utilizar imágenes para comprender las condiciones reales de la tienda?
Digitalización de una tienda física
La ventaja clave de utilizar la visión por computadora para la ejecución minorista reside en su capacidad para generar una representación de las condiciones reales en tienda con una precisión muy superior a la de las auditorías manuales. Dado que este enfoque se orienta hacia el lineal y las exhibiciones, proporciona más datos sobre métricas como la disponibilidad en lineal y la cuota de lineal de lo que pueden ofrecer los datos de escáner.
Para que esto funcione, se requiere una representación digitalizada holística de la tienda para convertir las imágenes capturadas en información procesable y cálculos de KPI capaces de impulsar decisiones. Una plataforma de visión por computadora de vanguardia puede aprovechar técnicas avanzadas de unión de imágenes y geométricas para digitalizar el comercio minorista físico.
Si alguna vez necesita realizar paseos virtuales, explorar puntos de referencia o encontrar tiendas, restaurantes y hoteles en cualquier calle del mundo, estaría utilizando la función Google Street View en Google Maps. Esta es una característica que proporciona vistas panorámicas desde diversas ubicaciones a lo largo de muchas calles del mundo. La mayoría de las fotografías se realizan en coche, pero lo que se muestra es un panorama de imágenes unidas.
La comprensión de las condiciones en tienda mediante la visión por computadora implica la captura de numerosas imágenes a lo largo de cientos de pasillos, cada uno conteniendo múltiples productos. Una de las formas más convincentes de visualizar datos de este tipo es a través de panoramas multiperspectiva.
En términos sencillos, este proceso consiste en extraer imágenes individuales tomadas desde diferentes puntos de vista y dispositivos, y luego alinearlas para generar el panorama final. Este proceso de mosaico —o unión— implica una mayor complejidad computacional en el sector minorista que en otros ámbitos.
En un entorno no minorista, por ejemplo, el seguimiento de rostros en una multitud es ligeramente más sencillo, ya que no hay rostros repetidos. Pero en el contexto de una tienda minorista, donde productos idénticos suelen colocarse uno al lado del otro, el proceso de reconstrucción visual del lineal, asegurando que no haya superposiciones ni duplicados, requiere un motor de unión basado en algoritmos avanzados.
Las últimas innovaciones en la captura de datos en tienda también aprovechan la tecnología de realidad aumentada que informa a los auditores exactamente qué porciones del lineal fueron capturadas, acelerando así drásticamente el proceso de unión.
Con frecuencia, los fabricantes de bienes de consumo se basan en un conjunto de métricas o KPI para comprender la visibilidad de su marca, por ejemplo, la cuota lineal de lineal. Esta métrica se refiere al porcentaje de la longitud física del lineal ocupada por una marca en una categoría, respecto a la longitud total del lineal en pulgadas o metros.
El sistema Trax utiliza técnicas geométricas avanzadas para tener en cuenta el ángulo y la distancia desde el lineal desde donde se tomó la foto. Esto ayuda a revelar la ubicación exacta de cada producto en el lineal, incluso considerando los artículos apilados. Por ejemplo, puede identificar una Coca-Cola de 600 mL en la bahía 4, lineal 2, como el cuarto artículo desde la derecha, en la parte superior de la pila.
Pero para calcular métricas como la cuota lineal de lineal, conocer el tamaño individual del producto es tan importante como su ubicación. Se crean máscaras rectangulares ajustadas alrededor de cada producto, y la cantidad exacta de espacio en lineal ocupado se calcula utilizando algoritmos de aprendizaje profundo que se entrenan con dimensiones conocidas de una pequeña muestra de productos.
Los motores de unión de imágenes y de geometría recrean digitalmente el lineal completo, pero los datos aún deben traducirse en información significativa.
Un motor de cálculo de KPI flexible y ágil opera sobre puntos de datos multidimensionales agregados para ofrecer información procesable sobre diversos parámetros de la tienda, como la presencia de productos, su posición, el planograma, las promociones y los precios.
Las métricas calculadas proporcionan respuestas a preguntas críticas que las marcas y los minoristas pueden tener, tales como: ¿Estoy obteniendo mi cuota justa de lineal? ¿Están mis SKU clave en la tienda? ¿Tengo las exhibiciones correctas? y ¿qué tan efectivas son mis exhibiciones y promociones? Esta información se entrega luego a través de paneles de control adaptados a roles de usuario que van desde representantes de ventas en campo hasta supervisores y gerentes de oficina central.
Algoritmos avanzados que realizan la unión panorámica de imágenes y cálculos geométricos son esenciales para capturar las condiciones de la tienda con precisión y traducirlas en información procesable.
Contáctenos para obtener más información sobre nuestras Soluciones.
Facilítenos algunos datos para que la persona adecuada pueda ponerse en contacto con usted.
