تدقيق الأرفف بالذكاء الاصطناعي: عد مخزون التجزئة بصورة، لا بحافظة ورقية

المنتج في المستودع. وهو في النظام. لكنه ليس على الرف. و30% من عملائك خرجوا للتو من المتجر.

تكلف المنتجات غير المتوفرة صناعة التجزئة العالمية ما يقدر بـ 634 مليار دولار من المبيعات المفقودة سنويا، ويصل إجمالي تشوه المخزون إلى 1.1 تريليون دولار. يبلغ متوسط معدل نفاد المخزون عند نقطة الشراء حوالي 8%، و91% من المتسوقين الذين يواجهون رفا فارغا لن ينتظروا إعادة التخزين، بل يذهبون إلى منافس. التدقيق بالصور المدعوم بالذكاء الاصطناعي يكتشف حالات نفاد المخزون في ثوان بدلا من ساعات، ويلتقط المشكلات التي تفوتها الجولات اليدوية وأنظمة تخطيط الموارد باستمرار.

لماذا يقصر التدقيق اليدوي للأرفف

لا يزال معظم تجار التجزئة يفحصون الأرفف بعملية بدائية: يمشي مدير المنطقة أو موظف المتجر في كل ممر، ويفحص الأرفف بصريا، ويسجل ما يبدو فارغا. يحصل المتجر العادي على 1 إلى 3 جولات أرفف يوميا، مع فجوات مدتها 3 ساعات بين الفحوصات. خلال تلك الفجوات، تتراكم حالات نفاد المخزون دون اكتشاف.

يكتشف التدقيق اليدوي 60 إلى 70% من أحداث نفاد المخزون في الظروف المثالية. والباقي يمر دون ملاحظة: منتجات مدفوعة إلى خلف الرف، أو وحدة واحدة متبقية تبدو ممتلئة من بعيد، أو منتجات موضوعة في الممر الخطأ. المدققون البشريون سريعون في اكتشاف الواجهات الفارغة تماما لكنهم ضعفاء في اكتشاف النفاد الجزئي وانتهاكات مخطط الرف.

ثم هناك المخزون الوهمي، المشكلة الصامتة. المخزون الوهمي هو مخزون يقول النظام إنه متوفر لكنه في الواقع ليس على الرف. قد يكون في المخزن الخلفي، أو موضوعا في ممر آخر بالخطأ، أو تم عده بشكل خاطئ. تشير الأبحاث إلى أن المخزون الوهمي يمكن أن يتسبب في ما يصل إلى 80% من حوادث نفاد المخزون، وأن متوسط دقة سجلات المخزون يبلغ حوالي 60% فقط. لن يصلح أي قدر من الجولات اليدوية مشكلة تكمن في البيانات.

كيف يعمل تدقيق الأرفف بالصور

سير العمل بسيط: يوجه موظف المتجر هاتفه نحو قسم من الرف ويلتقط صورة. يعالج الذكاء الاصطناعي الصورة، ويحدد المنتجات الفردية، ويضع علامة على الواجهات الفارغة، ويتحقق من الامتثال لتخطيط الرف المخطط (مخطط الرف). تظهر النتائج في ثوان.

حقق نظام امتثال مخطط الرف المنتشر في أكثر من 7,000 متجر في تايوان دقة 99.23% واسترجاع 98.93% لاكتشاف الأرفف، بينما وصل اكتشاف المنتجات إلى دقة 94.61% واسترجاع 93.02%. هذا تحسن كبير مقارنة بمعدل اكتشاف التدقيق اليدوي البالغ 60 إلى 70%.

تأخذ كاميرات الذكاء الاصطناعي على الحافة هذا إلى أبعد من ذلك من خلال تشغيل الاكتشاف على الجهاز في أقل من 100 مللي ثانية، مما يلغي الحاجة إلى تحميل الصور على خادم سحابي. توفر هذه الكاميرات المثبتة فوق أقسام الأرفف مراقبة مستمرة بدلا من لقطات دورية، وتضع علامة على حالات النفاد لحظة حدوثها.

ما يكتشفه الذكاء الاصطناعي ويفوته البشر

العائد على الاستثمار من الاكتشاف الأسرع

السرعة هي ما يغير المعادلة. تستغرق الجولات التقليدية للأرفف ساعات لتغطية متجر كامل، وبحلول الوقت الذي يتم فيه توثيق نفاد المخزون والإبلاغ عنه واتخاذ إجراء، يكون العملاء قد غادروا بالفعل. يقلص الذكاء الاصطناعي دورة الاكتشاف إلى العمل من ساعات إلى ثوان.

التأثير المالي مباشر. تظهر الدراسات أن تحسين توفر المنتجات على الرف ولو بنقاط مئوية قليلة يترجم إلى مكاسب إيرادات قابلة للقياس. سلسلة بقالة متوسطة الحجم تضم 200 متجر تستعيد 2% فقط من المبيعات المفقودة بفضل اكتشاف أفضل لنفاد المخزون تضيف ملايين الدولارات للإيرادات السنوية، دون بيع منتج جديد واحد.

البيانات السلوكية مثيرة للقلق بنفس القدر: 43% من المتسوقين الذين يواجهون نفاد المخزون يتحولون إلى علامة تجارية منافسة، و20% يتخلون عن سلة التسوق بالكامل، و9% يغيرون تاجر التجزئة نهائيا بعد حادثة نفاد واحدة. كل ساعة يبقى فيها الرف فارغا تضاعف الخسارة.

البدء بتدقيق الأرفف بالصور

الخلاصة

كان تدقيق الأرفف عملا ورقيا لعقود لأنه لم يكن هناك بديل قابل للتوسع. الذكاء الاصطناعي القائم على الصور يغير هذه المعادلة: دقة اكتشاف 95 إلى 99%، ونتائج في ثوان، والقدرة على اكتشاف المخزون الوهمي الذي لن تكشفه أي جولة يدوية أو تقرير من نظام تخطيط الموارد.

في المرة القادمة التي يزور فيها مدير المنطقة متجرا ويتساءل لماذا المنتج الأكثر مبيعا غائب عن الرف، يجب أن تكون الإجابة موجودة بالفعل على هاتفه.