Neben der Frage „Wie gewinne ich die Aufmerksamkeit der Kunden und erreiche, dass sie bei mir statt bei meinen Wettbewerbern kaufen?“ stehen Manager, Marketer, Merchandiser und Vertriebsmitarbeiter jeden Tag vor einer Vielzahl weiterer Fragen – zur Warenplatzierung in den Regalen von Geschäften:

• Sind meine Produkte in mehreren Geschäften gemäß dem Planogramm einheitlich und stimmig in den Regalen platziert?
• Sind die Produkte in der im Planogramm dargestellten Reihenfolge platziert?
• Sind alle Artikel (SKUs) im Regal vorhanden?
• Sind die Produktetiketten zum Verbraucher ausgerichtet?
• Sind die Produkte von ergänzenden Artikeln umgeben, um Cross-Selling zu fördern?
• Wie sieht mein Wettbewerbsumfeld aus?
• Sind alle meine Waren mit Preisschildern versehen?
• Hat der Händler Werberegalschilder eingesetzt?
• Sind Schilder, Banner und Regaltrenner ausreichend sichtbar?

Und so weiter.

Zeitnahe und präzise Antworten auf die oben genannten Fragen sind äußerst wichtig, um den Lagerumschlag zu verbessern, das Verkaufsvolumen zu steigern, Artikel mit unregelmäßiger Nachfrage (z. B. Saisonprodukte) geschickt zu steuern und die Einhaltung vertraglicher Verpflichtungen wirksam zu verwalten.

Können Sie bitte die Anzahl der SKUs auf dem obigen Foto innerhalb weniger Sekunden mit bloßem Auge zählen? Und wie wäre es damit, den Regalanteil für jede Produktkategorie zu bestimmen und die Daten mit einem Planogramm zu vergleichen – ja, mit Ihren eigenen Augen, aber präzise und schnell?

Hier kann Artificial Intelligence Ihnen helfen!

In 2,5 Sekunden erkennt und zählt AI die Anzahl der SKUs, bestimmt den Regalanteil, prüft die Planogrammkonformität und erkennt Abweichungen bei Produktplatzierungen. Ein automatisiertes Bestandsmanagementsystem kann Unternehmen außerdem dabei helfen, ihre Lagerbestände mit minimalem menschlichen Eingriff automatisch nachzuverfolgen. Wie lange würde Ihr Vertriebsmitarbeiter benötigen, um diese Kennzahlen manuell zu berechnen?

Computer Vision in AI ist die Entwicklung automatisierter Systeme, die Bilder auf dieselbe Weise interpretieren wie Menschen. Computer-Vision-Technologien sind äußerst komplex und entwickeln sich schnell. Sie können Aufgaben der Merchandising-Prüfung (Retail Execution) nicht nur viel schneller als das menschliche Auge, sondern auch genauer als das menschliche Gehirn bewältigen.

Artificial Intelligence und Retail-Bilderkennung halten Einzug in die Regale von Geschäften. Sie ermöglichen nahezu sofortigen Zugriff auf die von Außendienstmitarbeitern erfassten Daten und helfen Stakeholdern, intelligente, wichtige Erkenntnisse darüber zu gewinnen, was sich in ihren Regalen befindet, und fundiertere Entscheidungen fast im Handumdrehen zu treffen. 

Fortsetzung folgt.

Moderne digitale Systeme entwickeln sich sehr schnell, und es gibt praktisch keinen Bereich, in dem keine „intelligenten“ Lösungen entstanden sind. Der Einzelhandel bildet dabei keine Ausnahme.

Die Zeit für Regalprüfungen reduzieren, Fehler vermeiden, Echtzeitberichte erhalten, Kosten optimieren – dies sind Aufgaben, die viele Unternehmen regelmäßig lösen. Da digitale Systeme ihre Wirksamkeit schnell unter Beweis stellen, steigt die Nachfrage nach ihnen.

AI für Merchandising ist nicht aus dem Nichts entstanden: Vor 10-15 Jahren erschienen mehrere große Unternehmen auf dem Markt, die Lösungen im Bereich des digitalen Merchandising auf Basis von Erkennungsalgorithmen anboten. Es zeigte sich jedoch schnell, dass selbst bei Einsatz solcher Systeme Mitarbeiter benötigt wurden, die die Ergebnisse bestätigen, die Objekte identifizieren, mit denen das System nicht zurechtkam, und allgemein in den Prozess eingebunden waren. Solche Systeme sind seit 2-3 Jahren aktiv am Markt im Einsatz, doch eine Weiterentwicklung war erforderlich.

So entstand AI für digitales Merchandising. Die Aufgabe der Produkterkennung wurde nicht mehr mithilfe von Algorithmen, sondern durch Bildbewertung gelöst. Im Gegensatz zu Menschen kann AI ein Bild zugleich detaillierter und – was wichtig ist – schnell erkennen. Die AI „lernt“ anhand einer bestimmten Anzahl von Fotos eines Objekts und beginnt, es im Regal zu erkennen. Die Zahl der erkannten Produkte kann unbegrenzt erweitert werden – die Netze werden im Arbeitsprozess immer wieder neu trainiert. Bei hochwertigem Training der Netze liegt das Erkennungsergebnis im Bereich von 92-95%.

Merchandising mit AI ist sowohl für Hersteller als auch für Einzelhändler eine gut zugängliche Option. Die Technologien werden ständig verbessert, und für ihre Nutzung benötigen Sie keine zusätzlichen Geräte außer einem Smartphone mit Kamera. Da immer mehr Marktteilnehmer erkennen, dass der Einsatz von AI eine objektivere Kontrolle des Regals ermöglicht, die Auditzeit verkürzt und objektive Daten zum Regalanteil liefert, führen sie AI in ihrem Unternehmen ein.

Im vergangenen Jahrzehnt ist der stationäre Einzelhandel zunehmend dynamischer geworden. Angesichts des intensiven Wettbewerbs und des Drucks durch den Online-Handel entstand die Notwendigkeit, Daten in Echtzeit zu erhalten; zudem wurden neue Werkzeuge für die Arbeit mit Daten aus Verkaufsstellen benötigt.
Der FMCG-Einzelhandel strebt danach, das Konzept des perfekten Geschäfts möglichst effizient umzusetzen, indem er Aufgaben wie den Aufbau einer hochwertigen Logistik, die Einhaltung von Platzierungsstandards und die Schaffung eines positiven Kundenerlebnisses löst.

Für die Lösung dieser Aufgaben werden Werkzeuge zur effektiven Platzierung und Kontrolle von Waren in den Regalen benötigt.

Shelfmath hat eine hocheffiziente Lösung entwickelt, die den Anforderungen des Einzelhandels entspricht. Der Shelfmatch-Service erkennt Produkte im Regal zuverlässig. Durch den Einsatz von Machine Learning und AI erhalten Sie fertige Berichte, können die Logistik planen, den Lohnfonds modernisieren, die Dynamik des Umsatzwachstums verfolgen sowie eigene Rahmenbedingungen festlegen und die erforderlichen Analysen erhalten.

Der Shelfmatch-Service eröffnet Einzelhandelsunternehmen neue Möglichkeiten. Der Service liefert wertvolle und hochwertige Daten in Echtzeit, hilft dabei, die Effizienz des Produktmanagements zu verbessern, und spart Ressourcen.

Software as a Service (SaaS) bezeichnet die Nutzung von Software als Dienstleistung. Die Technologie ist seit der zweiten Hälfte des 20. Jahrhunderts bekannt, wird jedoch erst in den letzten Jahren intensiv eingesetzt. Bei diesem Modell erhalten Nutzer Zugriff auf fertige Software, ohne zusätzliche Geräte einsetzen zu müssen – die gesamte erforderliche Infrastruktur befindet sich im Cloud-Service.

Bei der Nutzung von SaaS ist der Zugriff auf die Anwendungsfunktionen über einen Internetbrowser oder eine mobile Anwendung möglich. Alle Arbeiten zur Qualitätsverbesserung, zum Support und weitere damit verbundene Aufgaben werden vom Anbieter übernommen. SaaS mag kompliziert wirken und den Eindruck erwecken, dass es lange dauert, sich damit vertraut zu machen. Tatsächlich sind jedoch viele jedem Nutzer bekannte Dienste – E-Mail, google docs, sogar MMORPG-Spiele – Beispiele für den Einsatz von SaaS im Alltag.

Das SaaS-Modell spart Unternehmen erhebliche Mittel – im Vergleich zu Standard-SaaS-Software ist es 15-20% günstiger. Auch das Sicherheitsniveau ist im Vergleich zu Standardsoftware höher, da alle Daten auf Servern spezieller Rechenzentren gehostet werden. Der Zugriff auf SaaS-Dienste erfolgt von allen verbundenen Geräten aus und erfordert kein zusätzliches Laden von Daten. Durch die Nutzung von Cloud-Technologien kann eine solche Lösung unabhängig vom Standort eingesetzt werden. Bei der Wahl von SaaS-Diensten zahlt der Kunde für ein Abonnement bestimmter Funktionen. Die Kosten können entweder für einen bestimmten Zeitraum festgelegt oder abhängig von der Anzahl der genutzten Dienste berechnet werden. SaaS kann in nahezu jedem Tätigkeitsbereich genutzt werden – alles hängt von der Wahl des Dienstes selbst und dem Funktionsumfang ab. IT-Spezialisten prognostizieren die weitere Entwicklung von SaaS als bewährtes Modell für die Arbeit mit Daten.