Товар на складе. Он в системе. Его нет на полке. И 30% ваших покупателей просто ушли.
Отсутствие товаров на полках обходится мировой розничной торговле примерно в 634 миллиарда долларов упущенных продаж ежегодно, а общие потери от искажений в учете запасов достигают 1,1 триллиона долларов. Средний уровень отсутствия товара в точке продажи составляет около 8%, и 91% покупателей, столкнувшихся с пустой полкой, не станут ждать пополнения - они уходят к конкуренту. ИИ-аудит по фотографиям обнаруживает пустые полки за секунды вместо часов, выявляя проблемы, которые ручные обходы и ERP-системы стабильно пропускают.
Почему ручной аудит полок не справляется
Большинство ритейлеров по-прежнему проверяют полки простым способом: региональный менеджер или сотрудник магазина проходит по каждому ряду, визуально осматривает полки и отмечает, что выглядит пустым. Типичный магазин получает от 1 до 3 обходов в день с перерывами в 3 часа между проверками. За это время пустые полки накапливаются незамеченными.
Ручные проверки выявляют от 60 до 70% случаев отсутствия товара в идеальных условиях. Остальное остается незамеченным: товары, сдвинутые в глубину полки, единичные экземпляры, которые издалека выглядят как полная выкладка, или продукция, перемещенная в другой ряд. Сотрудники быстро замечают полностью пустые фейсинги, но плохо выявляют частичное отсутствие товара и нарушения планограммы.
Еще есть фантомные запасы - скрытая проблема. Фантомные запасы - это товар, который система показывает как имеющийся, но которого на полке на самом деле нет. Он может быть в подсобке, ошибочно размещен в другом ряду или просто неправильно подсчитан. Исследования показывают, что фантомные запасы могут быть причиной до 80% случаев отсутствия товара, а средняя точность учета запасов составляет лишь около 60%. Никакое количество ручных обходов не исправит проблему, которая живет в данных.
Как работает аудит полок по фотографиям
Процесс прост: сотрудник магазина направляет телефон на секцию полки и делает фото. ИИ обрабатывает изображение, распознает отдельные товары, отмечает пустые фейсинги и проверяет соответствие планированной выкладке (планограмме). Результаты появляются за секунды.
Система контроля планограмм, развернутая более чем в 7 000 магазинов на Тайване, достигла точности 99,23% и полноты 98,93% для распознавания полок, а на уровне отдельных товаров - 94,61% точности и 93,02% полноты. Это существенное улучшение по сравнению с 60-70% выявления при ручных проверках.
Камеры с Edge AI идут еще дальше, выполняя распознавание прямо на устройстве менее чем за 100 миллисекунд, без необходимости загружать изображения на облачный сервер. Установленные над секциями полок, эти камеры обеспечивают непрерывный мониторинг вместо периодических снимков, фиксируя отсутствие товара в момент его появления.
Что ИИ замечает, а люди пропускают
Одна единица товара на полке выглядит нормально с расстояния 3 метра. ИИ подсчитывает точное количество и отмечает фейсинги ниже порогового значения.
Товары размещены в неправильном месте, блокируя пополнение нужного продукта. ИИ сверяет каждый фейсинг с запланированной выкладкой.
Система показывает 24 единицы на складе, а на полке - 3. ИИ предоставляет реальные данные с полки, выявляя информацию, которую ERP-системы не видят.
Неправильные ценники или отсутствующие этикетки подрывают доверие покупателей. ИИ фиксирует несоответствия при том же сканировании полки.
Окупаемость быстрого обнаружения
Скорость меняет всю математику. Традиционные обходы полок занимают часы на весь магазин, и к моменту, когда пустая полка зафиксирована, сообщена и обработана, покупатели уже ушли. ИИ сокращает цикл от обнаружения до действия с часов до секунд.
Финансовый эффект прямой. Исследования показывают, что повышение доступности товара на полке даже на несколько процентных пунктов приводит к измеримому росту выручки. Средняя сеть продуктовых магазинов из 200 точек, вернувшая всего 2% упущенных продаж за счет лучшего обнаружения пустых полок, получает миллионы дополнительной годовой выручки - не продавая ни одного нового продукта.
Поведенческие данные не менее показательны: 43% покупателей, столкнувшихся с пустой полкой, переключаются на конкурирующий бренд, 20% бросают всю корзину, а 9% навсегда уходят к другому ритейлеру после единственного случая отсутствия товара. Каждый час, пока полка пустует, потери нарастают.
С чего начать фотоаудит полок
- Начните с высокоценных категорий: сосредоточьте ИИ-аудит на самых продаваемых или высокомаржинальных полках
- Используйте единый ракурс съемки: прямо, с хорошим освещением, захватывая всю секцию полки
- Сравнивайте с планограммами: загрузите запланированную выкладку, чтобы ИИ отмечал отклонения, а не только пустые фейсинги
- Отслеживайте тенденции: ежедневные фотоаудиты формируют массив данных, выявляющий повторяющиеся проблемы и системные пробелы
- Интегрируйте с пополнением: соедините оповещения о пустых полках с рабочими процессами подсобки, чтобы решение следовало за сигналом
Итог
Аудит полок десятилетиями оставался работой с планшетом, потому что масштабируемой альтернативы не было. ИИ на основе фотографий меняет это уравнение: точность обнаружения от 95 до 99%, результаты за секунды и способность выявить фантомные запасы, которые ни один ручной обход и ни один отчет ERP никогда не покажет.
Когда в следующий раз региональный менеджер приедет в магазин и задастся вопросом, почему бестселлер отсутствует на полке, ответ уже должен быть у него в телефоне.