Produk ada di gudang. Ia ada dalam sistem. Ia tiada di rak. Dan 30% pelanggan anda baru sahaja keluar dari pintu.
Barangan yang kehabisan stok merugikan industri runcit global dianggarkan 634 bilion dolar dalam jualan yang hilang setiap tahun, dan jumlah keseluruhan herotan inventori mencecah 1.1 trilion dolar. Purata kadar kehabisan stok di titik pembelian adalah sekitar 8%, dan 91% pembeli yang menemui rak kosong tidak akan menunggu pengisian semula - mereka pergi ke pesaing. Audit foto berkuasa AI mengesan kehabisan stok dalam beberapa saat berbanding berjam-jam, menangkap masalah yang terus-menerus terlepas daripada pemeriksaan rak manual dan sistem ERP.
Mengapa audit rak manual tidak mencukupi
Kebanyakan peruncit masih memeriksa rak dengan proses mudah: pengurus wilayah atau pekerja kedai berjalan di setiap lorong, mengimbas rak secara visual, dan mencatat apa yang kelihatan kosong. Kedai biasa mendapat 1 hingga 3 pemeriksaan rak sehari, dengan jurang 3 jam antara semakan. Semasa jurang tersebut, kehabisan stok terkumpul tanpa dikesan.
Audit manual menangkap 60 hingga 70% kejadian kehabisan stok dalam keadaan ideal. Selebihnya tidak dikesan: barangan ditolak ke belakang rak, satu unit yang tinggal kelihatan penuh dari jauh, atau produk dipindahkan ke lorong yang salah. Pemeriksa manusia pantas mengenal pasti facing yang benar-benar kosong tetapi lemah dalam mengesan kehabisan stok separa dan pelanggaran planogram.
Kemudian ada inventori hantu - masalah senyap. Inventori hantu ialah stok yang sistem katakan tersedia tetapi sebenarnya tiada di rak. Ia mungkin di bilik stor, tersalah letak di lorong lain, atau sekadar tersalah kira. Kajian menunjukkan inventori hantu boleh menyebabkan sehingga 80% insiden kehabisan stok, dan purata rekod inventori hanya kira-kira 60% tepat. Tiada jumlah pemeriksaan rak manual yang boleh membetulkan masalah yang wujud dalam data.
Bagaimana audit rak berasaskan foto berfungsi
Aliran kerja adalah mudah: pekerja kedai menghalakan telefon ke bahagian rak dan mengambil foto. AI memproses imej, mengenal pasti produk individu, menanda facing kosong, dan menyemak pematuhan terhadap susun atur rak yang dirancang (planogram). Keputusan muncul dalam beberapa saat.
Sistem pematuhan planogram yang digunakan di lebih daripada 7,000 kedai di Taiwan mencapai ketepatan 99.23% dan recall 98.93% untuk pengesanan rak, dengan pengesanan peringkat produk mencapai ketepatan 94.61% dan recall 93.02%. Itu merupakan peningkatan besar berbanding kadar pengesanan 60 hingga 70% daripada audit manual.
Kamera Edge AI melangkah lebih jauh dengan menjalankan pengesanan pada peranti dalam masa kurang daripada 100 milisaat, menghapuskan keperluan memuat naik imej ke pelayan awan. Dipasang di atas bahagian rak, kamera ini menyediakan pemantauan berterusan berbanding tangkapan berkala, menandakan kehabisan stok sebaik sahaja ia berlaku.
Apa yang AI tangkap tetapi manusia terlepas
Satu unit yang tinggal di facing rak kelihatan baik dari jarak 3 meter. AI mengira jumlah tepat dan menanda facing di bawah ambang.
Produk diletakkan di slot yang salah, menghalang barangan yang betul daripada diisi semula. AI memadankan setiap facing dengan susun atur yang dirancang.
Sistem menunjukkan 24 unit dalam stok, tetapi rak hanya ada 3. AI memberikan kebenaran sebenar daripada rak sebenar, mendedahkan data yang sistem ERP tidak dapat lihat.
Label harga yang salah atau tag yang hilang yang menghakis keyakinan pembeli. AI menanda ketidakkonsistenan semasa imbasan rak yang sama.
ROI daripada pengesanan yang lebih pantas
Kepantasan adalah yang mengubah kiraan. Pemeriksaan rak tradisional mengambil masa berjam-jam untuk meliputi keseluruhan kedai, dan apabila kehabisan stok didokumenkan, dilaporkan, dan ditindaki, pelanggan sudah pergi. AI mengurangkan kitaran pengesanan-ke-tindakan daripada jam kepada saat.
Kesan kewangan adalah langsung. Kajian menunjukkan bahawa meningkatkan ketersediaan di rak walaupun beberapa mata peratusan diterjemahkan kepada keuntungan hasil yang boleh diukur. Rangkaian pasar raya sederhana dengan 200 kedai yang memulihkan hanya 2% daripada jualan yang hilang melalui pengesanan kehabisan stok yang lebih baik menambah jutaan dalam hasil tahunan - tanpa menjual satu pun produk baharu.
Data tingkah laku juga sama ketara: 43% pembeli yang menemui kehabisan stok bertukar kepada jenama pesaing, 20% meninggalkan keseluruhan troli mereka, dan 9% secara kekal bertukar peruncit selepas satu kejadian kehabisan stok. Setiap jam rak kekal kosong menggandakan kerugian.
Bermula dengan audit rak berasaskan foto
- Mulakan dengan kategori bernilai tinggi: fokuskan audit AI pada rak jualan tertinggi atau margin tinggi terlebih dahulu
- Gunakan sudut foto yang konsisten: terus dari hadapan, pencahayaan baik, menangkap keseluruhan bahagian rak
- Bandingkan dengan planogram: muat naik susun atur yang dirancang supaya AI boleh menanda penyimpangan, bukan hanya facing kosong
- Jejaki trend dari masa ke masa: audit foto harian membina set data yang mendedahkan masalah berulang dan jurang sistemik
- Integrasikan dengan pengisian semula: sambungkan amaran kehabisan stok kepada aliran kerja bilik stor supaya pembaikan mengikut amaran
Kesimpulan
Audit rak telah menjadi kerja clipboard selama berdekad-dekad kerana tiada alternatif yang boleh diskala. AI berasaskan foto mengubah persamaan itu: ketepatan pengesanan 95 hingga 99%, keputusan dalam beberapa saat, dan keupayaan menangkap inventori hantu yang tiada pemeriksaan manual atau laporan ERP yang akan pernah mendedahkan.
Pada kali seterusnya pengurus wilayah melawat kedai dan tertanya-tanya mengapa produk terlaris tiada di rak, jawapannya sepatutnya sudah ada di telefon mereka.