Bidhaa iko ghalani. Iko kwenye mfumo. Haiko kwenye rafu. Na 30% ya wateja wako wametoka mlangoni.
Bidhaa zilizokwisha zinagharimu sekta ya rejareja ya kimataifa takriban dola bilioni 634 kwa mauzo yaliyopotea kwa mwaka, na upotoshaji wa jumla wa bidhaa unajumlishwa hadi dola trilioni 1.1. Kiwango cha wastani cha bidhaa zilizokwisha kwenye hatua ya ununuzi ni takriban 8%, na 91% ya wanunuzi wanaokutana na rafu tupu hawatasubiri kujazwa tena - wanaenda kwa mshindani. Ukaguzi wa picha unaotumia AI unatambua ukosefu wa bidhaa kwa sekunde badala ya masaa, ukikamata matatizo ambayo matembezi ya rafu ya mkono na mifumo ya ERP inakosa kwa uthabiti.
Kwa nini ukaguzi wa rafu wa mkono haufikii
Wauzaji wengi wa rejareja bado wanakagua rafu kwa mchakato wa teknolojia duni: meneja wa mkoa au mhudumu wa duka anatembea kila njia, anachunguza rafu kwa macho, na kuandika kinachoonekana kuwa tupu. Duka la kawaida linapata matembezi 1 hadi 3 ya rafu kwa siku, na mapengo ya masaa 3 kati ya ukaguzi. Katika mapengo hayo, ukosefu wa bidhaa unajilimbikiza bila kutambuliwa.
Ukaguzi wa mkono unakamata 60 hadi 70% ya matukio ya ukosefu wa bidhaa chini ya hali bora. Mengine yanakosekana: bidhaa zilizosukumwa nyuma ya rafu, kitengo kimoja kilichobaki ambacho kinaonekana kamili kutoka mbali, au bidhaa zilizowekwa kwenye njia isiyo sahihi. Wakaguzi wa binadamu ni haraka kutambua uso tupu kabisa lakini ni duni katika kutambua ukosefu wa sehemu na ukiukaji wa planogram.
Kisha kuna bidhaa za phantom - tatizo la kimya. Bidhaa za phantom ni hisa ambazo mfumo unasema zinapatikana lakini hazipo kweli kwenye rafu. Zinaweza kuwa katika chumba cha nyuma, zimewekwa vibaya katika njia nyingine, au tu zimehesabiwa vibaya. Utafiti unaonyesha bidhaa za phantom zinaweza kusababisha hadi 80% ya matukio ya ukosefu wa bidhaa, na rekodi za wastani za bidhaa zina usahihi wa takriban 60% tu. Hakuna kiasi cha matembezi ya rafu ya mkono kitakachosuluhisha tatizo linaloishi kwenye data.
Jinsi ukaguzi wa rafu unaotegemea picha unavyofanya kazi
Mtiririko wa kazi ni rahisi: mhudumu wa duka anaelekeza simu kwenye sehemu ya rafu na kupiga picha. AI inachakata picha, inatambua bidhaa binafsi, inaashiria uso tupu, na kukagua ufuataji dhidi ya mpangilio wa rafu uliopangwa (planogram). Matokeo yanaonekana kwa sekunde.
Mfumo wa ufuataji wa planogram uliowekwa katika maduka zaidi ya 7,000 nchini Taiwan ulifikia usahihi wa 99.23% na urejeshaji wa 98.93% kwa utambuzi wa rafu, na utambuzi wa kiwango cha bidhaa ukifikia usahihi wa 94.61% na urejeshaji wa 93.02%. Hiyo ni uboreshaji mkubwa zaidi ya kiwango cha utambuzi wa 60 hadi 70% wa ukaguzi wa mkono.
Kamera za Edge AI zinasogeza zaidi kwa kuendesha utambuzi kwenye kifaa kwa chini ya millisekunde 100, kuondoa haja ya kupakia picha kwenye seva ya wingu. Zikiwekwa juu ya sehemu za rafu, kamera hizi zinatoa ufuatiliaji wa kuendelea badala ya picha za mara kwa mara, zikiashiria ukosefu wa bidhaa wakati unapoonekana.
AI inakamata nini ambacho binadamu wanakosa
Kitengo kimoja kilichobaki kwenye uso wa rafu kinaonekana sawa kutoka mita 3 mbali. AI inahesabu kiasi halisi na kuashiria uso ulio chini ya kiwango.
Bidhaa zilizowekwa kwenye nafasi isiyo sahihi, ikizuia bidhaa sahihi kujazwa tena. AI inalinganisha kila uso na mpangilio uliopangwa.
Mfumo unaonyesha vitengo 24 vilivyo kwenye hisa, lakini rafu ina 3. AI inatoa ukweli kutoka rafu halisi, ikitoa data ambayo mifumo ya ERP haiwezi kuona.
Lebo za bei zisizo sahihi au zinazokosekana ambazo zinapunguza uaminifu wa wanunuzi. AI inaashiria kutokulingana wakati wa uskani huo huo wa rafu.
ROI ya utambuzi wa haraka
Kasi ndipo hesabu inabadilika. Matembezi ya jadi ya rafu yanachukua masaa kufunika duka zima, na wakati ukosefu wa bidhaa umerekodiwa, umearibiwa, na kutendewa, wateja tayari wameondoka. AI inapunguza mzunguko huo wa utambuzi-hadi-hatua kutoka masaa hadi sekunde.
Athari ya kifedha ni ya moja kwa moja. Tafiti zinaonyesha kuwa kuboresha upatikanaji kwenye rafu kwa hata pointi chache za asilimia kunatafsiri kuwa mapato yanayoweza kupimwa. Mlolongo wa wastani wa duka la vyakula wenye maduka 200 unaopata 2% tu ya mauzo yaliyopotea kutoka utambuzi bora wa ukosefu unaongeza mamilioni katika mapato ya mwaka - bila kuuza bidhaa mpya hata moja.
Data ya tabia ni kali pia: 43% ya wanunuzi wanaokutana na ukosefu wanabadilika kwenda bidhaa ya mshindani, 20% wanaachana na mkokoteni wao wote, na 9% wanabadilisha muuzaji kabisa baada ya tukio moja la ukosefu wa bidhaa. Kila saa rafu inabaki tupu inaongeza hasara.
Kuanza na ukaguzi wa rafu kwa picha
- Anza na kategoria zenye thamani kubwa: weka ukaguzi wa AI kwenye rafu zinazouza zaidi au zenye faida kubwa kwanza
- Tumia pembe ya picha thabiti: moja kwa moja, yenye mwanga mzuri, ikipiga sehemu nzima ya rafu
- Linganisha na planogram: pakia mpangilio wako uliopangwa ili AI iweze kuashiria mkengeuko, si tu uso tupu
- Fuatilia mwelekeo kwa muda: ukaguzi wa picha wa kila siku unajenga seti ya data inayoonyesha wakosaji wa mara kwa mara na mapengo ya mfumo
- Unganisha na kujaza upya: unganisha tahadhari za ukosefu na mtiririko wa kazi wa chumba cha nyuma ili suluhisho lifuate bendera
Hitimisho
Ukaguzi wa rafu umekuwa kazi ya bodi kwa miongo kadhaa kwa sababu hakukuwa na njia mbadala ya kupanuka. AI ya picha inabadilisha equation hiyo: usahihi wa utambuzi wa 95 hadi 99%, matokeo kwa sekunde, na uwezo wa kukamata bidhaa za phantom ambayo hakuna matembezi ya mkono au ripoti ya ERP itakayoifichua kamwe.
Wakati mwingine meneja wa mkoa atakapozuru duka na kushangaa kwa nini bidhaa inayouza zaidi haiko kwenye rafu, jibu linapaswa kuwa tayari kwenye simu yake.