ఉత్పత్తి గోదాంలో ఉంది. ఇది సిస్టమ్లో ఉంది. ఇది షెల్ఫ్పై లేదు. మరియు మీ 30% కస్టమర్లు తలుపు గుండా బయటకు వెళ్ళిపోయారు.
ఆఊట్-ఆఫ్-స్టాక్ వస్తువులు ప్రపంచ రిటైల్ పరిశ్రమకు సంవత్సరానికి అంచనా ప్రకారం 634 బిలియన్ డాలర్ల కోల్పోయిన అమ్మకాల ఖర్చును కలిగిస్తాయి, మరియు మొత్తం ఇన్వెంటరీ వక్రీకరణ 1.1 ట్రిలియన్ డాలర్లకు చేరుకుంటుంది. కొనుగోలు స్థానంలో సగటు ఆఊట్-ఆఫ్-స్టాక్ రేటు దాదాపు 8% ఉంటుంది, మరియు ఖాళీ షెల్ఫ్ను ఎదుర్కొనే 91% కొనుగోలుదారులు రీస్టాక్ కోసం వేచి ఉండరు - వారు పోటీదారు వద్దకు వెళ్తారు. AI-ఆధారిత ఫోటో ఆడిట్లు గంటల బదులు సెకన్లలో స్టాక్ఔట్లను గుర్తిస్తాయి, మాన్యువల్ షెల్ఫ్ వాక్లు మరియు ERP సిస్టమ్లు నిరంతరం మిస్ చేసే సమస్యలను పట్టుకుంటాయి.
మాన్యువల్ షెల్ఫ్ ఆడిట్లు ఎందుకు తక్కువగా ఉంటాయి
చాలా రిటైలర్లు ఇప్పటికీ లో-టెక్ ప్రక్రియతో షెల్ఫ్లను తనిఖీ చేస్తారు: ప్రాంతీయ మేనేజర్ లేదా స్టోర్ అసోసియేట్ ప్రతి ఐల్ గుండా నడిచి, షెల్ఫ్లను దృశ్యపరంగా స్కాన్ చేసి, ఖాళీగా కనిపించేదాన్ని నోట్ చేస్తారు. సాధారణ స్టోర్కు రోజుకు 1 నుండి 3 షెల్ఫ్ వాక్లు లభిస్తాయి, తనిఖీల మధ్య 3-గంటల అంతరంతో. ఆ అంతరాల సమయంలో, స్టాక్ఔట్లు గుర్తించబడకుండా పేరుకుపోతాయి.
మాన్యువల్ ఆడిట్లు ఆదర్శ పరిస్థితుల్లో 60 నుండి 70% స్టాక్ఔట్ సంఘటనలను పట్టుకుంటాయి. మిగిలినవి గమనించబడవు: షెల్ఫ్ వెనుకకు నెట్టబడిన వస్తువులు, దూరం నుండి నిండుగా కనిపించే ఒకే యూనిట్, లేదా తప్పు ఐల్కు తరలించబడిన ఉత్పత్తులు. మానవ తనిఖీదారులు పూర్తిగా ఖాళీ ఫేసింగ్లను గుర్తించడంలో వేగంగా ఉంటారు కానీ పాక్షిక స్టాక్ఔట్లు మరియు ప్లానోగ్రామ్ ఉల్లంఘనలను గుర్తించడంలో బలహీనంగా ఉంటారు.
తర్వాత ఫాంటమ్ ఇన్వెంటరీ ఉంది - నిశ్శబ్ద సమస్య. ఫాంటమ్ ఇన్వెంటరీ అంటే సిస్టమ్ అందుబాటులో ఉందని చెప్పే స్టాక్ కానీ వాస్తవానికి షెల్ఫ్పై లేదు. ఇది బ్యాక్రూమ్లో ఉండవచ్చు, మరొక ఐల్లో తప్పుగా ఉంచబడవచ్చు లేదా కేవలం తప్పుగా లెక్కించబడవచ్చు. ఫాంటమ్ ఇన్వెంటరీ ఆఊట్-ఆఫ్-స్టాక్ సంఘటనలలో 80% వరకు కారణమవుతుందని మరియు సగటు ఇన్వెంటరీ రికార్డ్లు కేవలం 60% ఖచ్చితమైనవని పరిశోధన సూచిస్తుంది. డేటాలో ఉండే సమస్యను ఎంత మాన్యువల్ షెల్ఫ్ వాక్లు చేసినా పరిష్కరించలేవు.
ఫోటో-ఆధారిత షెల్ఫ్ ఆడిట్లు ఎలా పనిచేస్తాయి
వర్క్ఫ్లో సరళమైనది: స్టోర్ అసోసియేట్ షెల్ఫ్ విభాగం వైపు ఫోన్ చూపించి ఫోటో తీస్తారు. AI ఇమేజ్ను ప్రాసెస్ చేస్తుంది, వ్యక్తిగత ఉత్పత్తులను గుర్తిస్తుంది, ఖాళీ ఫేసింగ్లను ఫ్లాగ్ చేస్తుంది మరియు ప్లాన్ చేసిన షెల్ఫ్ లేఔట్ (ప్లానోగ్రామ్) కు వ్యతిరేకంగా సమ్మతిని తనిఖీ చేస్తుంది. ఫలితాలు సెకన్లలో కనిపిస్తాయి.
తైవాన్లో 7,000 కంటే ఎక్కువ స్టోర్లలో విస్తరించిన ప్లానోగ్రామ్ సమ్మతి వ్యవస్థ షెల్ఫ్ డిటెక్షన్ కోసం 99.23% ప్రెసిషన్ మరియు 98.93% రీకాల్ను సాధించింది, ఉత్పత్తి-స్థాయి డిటెక్షన్ 94.61% ప్రెసిషన్ మరియు 93.02% రీకాల్కు చేరుకుంది. మాన్యువల్ ఆడిట్ల 60 నుండి 70% డిటెక్షన్ రేటు కంటే ఇది గణనీయమైన మెరుగుదల.
ఎడ్జ్ AI కెమెరాలు 100 మిల్లీసెకన్ల కంటే తక్కువలో ఆన్-డివైస్ డిటెక్షన్ అమలు చేయడం ద్వారా దీన్ని మరింత ముందుకు తీసుకెళ్తాయి, క్లౌడ్ సర్వర్కు ఇమేజ్లను అప్లోడ్ చేయాల్సిన అవసరాన్ని తొలగిస్తాయి. షెల్ఫ్ విభాగాల పైన అమర్చబడిన ఈ కెమెరాలు ఆవర్తన స్నాప్షాట్ల కంటే నిరంతర పర్యవేక్షణను అందిస్తాయి, స్టాక్ఔట్లు కనిపించిన క్షణంలో ఫ్లాగ్ చేస్తాయి.
AI ఏమి పట్టుకుంటుంది, మానవులు ఏమి మిస్ చేస్తారు
షెల్ఫ్ ఫేసింగ్పై మిగిలిన ఒకే యూనిట్ 3 మీటర్ల దూరం నుండి బాగానే కనిపిస్తుంది. AI ఖచ్చితమైన పరిమాణాలను లెక్కిస్తుంది మరియు థ్రెషోల్డ్ కంటే తక్కువగా ఉన్న ఫేసింగ్లను ఫ్లాగ్ చేస్తుంది.
తప్పు స్లాట్లో ఉంచబడిన ఉత్పత్తులు, సరైన వస్తువును రీస్టాక్ చేయకుండా అడ్డుకుంటాయి. AI ప్రతి ఫేసింగ్ను ప్లాన్ చేసిన లేఔట్తో సరిపోల్చుతుంది.
సిస్టమ్ 24 యూనిట్లు స్టాక్లో ఉన్నట్లు చూపిస్తుంది, కానీ షెల్ఫ్పై 3 ఉన్నాయి. AI వాస్తవ షెల్ఫ్ నుండి గ్రౌండ్ ట్రూత్ను అందిస్తుంది, ERP సిస్టమ్లు చూడలేని డేటాను వెలికితీస్తుంది.
తప్పు ధర లేబుల్లు లేదా లేని ట్యాగ్లు కొనుగోలుదారుల నమ్మకాన్ని తగ్గిస్తాయి. AI అదే షెల్ఫ్ స్కాన్ సమయంలో అసమతుల్యతలను ఫ్లాగ్ చేస్తుంది.
వేగవంతమైన గుర్తింపు ROI
వేగం అనేది గణితం మారే చోటు. సాంప్రదాయ షెల్ఫ్ వాక్లు పూర్తి స్టోర్ను కవర్ చేయడానికి గంటలు తీసుకుంటాయి, మరియు స్టాక్ఔట్ డాక్యుమెంట్ చేయబడి, నివేదించబడి, చర్య తీసుకునే సమయానికి, కస్టమర్లు ఇప్పటికే వెళ్ళిపోయారు. AI ఆ గుర్తింపు-నుండి-చర్య చక్రాన్ని గంటల నుండి సెకన్లకు తగ్గిస్తుంది.
ఆర్థిక ప్రభావం నేరుగా ఉంటుంది. ఆన్-షెల్ఫ్ అందుబాటును కొన్ని శాతం పాయింట్లు మెరుగుపరిచినా కొలవగల ఆదాయ లాభాలకు అనువదిస్తుందని అధ్యయనాలు చూపిస్తాయి. 200 స్టోర్లతో మధ్యస్థ పరిమాణ గ్రోసరీ చెయిన్ మెరుగైన స్టాక్ఔట్ గుర్తింపు నుండి కోల్పోయిన అమ్మకాలలో కేవలం 2% తిరిగి పొందితే ఒక్క కొత్త ఉత్పత్తిని అమ్మకుండానే వార్షిక ఆదాయంలో మిలియన్లు జోడిస్తుంది.
ప్రవర్తనా డేటా అంతే స్పష్టంగా ఉంది: స్టాక్ఔట్ను ఎదుర్కొనే 43% కొనుగోలుదారులు పోటీ బ్రాండ్కు మారుతారు, 20% తమ మొత్తం కార్ట్ను వదిలేస్తారు మరియు 9% ఒకే ఆఊట్-ఆఫ్-స్టాక్ సంఘటన తర్వాత శాశ్వతంగా రిటైలర్ను మారుస్తారు. షెల్ఫ్ ఖాళీగా ఉండే ప్రతి గంట నష్టాన్ని పెంచుతుంది.
ఫోటో షెల్ఫ్ ఆడిట్లతో ప్రారంభించడం
- అధిక-విలువ వర్గాలతో ప్రారంభించండి: ముందుగా అత్యధిక అమ్మకాలు లేదా అధిక-మార్జిన్ షెల్ఫ్లపై AI ఆడిట్లను కేంద్రీకరించండి
- స్థిరమైన ఫోటో కోణాన్ని ఉపయోగించండి: నేరుగా, బాగా వెలుతురు ఉన్న, పూర్తి షెల్ఫ్ విభాగాన్ని క్యాప్చర్ చేసే
- ప్లానోగ్రామ్లతో పోల్చండి: AI కేవలం ఖాళీ ఫేసింగ్లనే కాకుండా వ్యత్యాసాలను ఫ్లాగ్ చేయగలిగేలా మీ ప్లాన్ చేసిన లేఔట్ను అప్లోడ్ చేయండి
- కాలక్రమేణా ట్రెండ్లను ట్రాక్ చేయండి: రోజువారీ ఫోటో ఆడిట్లు పునరావృత అపరాధులు మరియు వ్యవస్థాగత అంతరాలను వెల్లడి చేసే డేటాసెట్ను నిర్మిస్తాయి
- రీప్లనిష్మెంట్తో ఇంటిగ్రేట్ చేయండి: ఫ్లాగ్ తర్వాత ఫిక్స్ వచ్చేలా స్టాక్ఔట్ అలర్ట్లను బ్యాక్రూమ్ వర్క్ఫ్లోలకు కనెక్ట్ చేయండి
ముగింపు
షెల్ఫ్ ఆడిట్లు దశాబ్దాలుగా క్లిప్బోర్డ్ పని, ఎందుకంటే స్కేలబుల్ ప్రత్యామ్నాయం లేదు. ఫోటో-ఆధారిత AI ఆ సమీకరణాన్ని మారుస్తుంది: 95 నుండి 99% డిటెక్షన్ ఖచ్చితత్వం, సెకన్లలో ఫలితాలు, మరియు ఏ మాన్యువల్ వాక్ లేదా ERP రిపోర్ట్ ఎప్పటికీ బయటకు తీయని ఫాంటమ్ ఇన్వెంటరీని పట్టుకునే సామర్థ్యం.
తదుపరిసారి ప్రాంతీయ మేనేజర్ స్టోర్ను సందర్శించి బెస్ట్-సెల్లర్ షెల్ఫ్పై ఎందుకు లేదో ఆశ్చర్యపోయినప్పుడు, సమాధానం ఇప్పటికే వారి ఫోన్లో ఉండాలి.