產品在倉庫裡。在系統中。但不在貨架上。而你30%的顧客剛走出了門。
缺貨商品每年給全球零售業造成估計6,340億美元的銷售損失,庫存偏差總計高達1.1兆美元。銷售點的平均缺貨率約為8%,91%遇到空貨架的消費者不會等待補貨,他們會去競爭對手那裡。AI驅動的照片稽核在幾秒而非幾小時內偵測缺貨,捕捉人工巡檢和ERP系統一直遺漏的問題。
為什麼人工貨架稽核不夠好
大多數零售商仍然用低技術流程檢查貨架:區域經理或店員走過每條通道,目視掃描貨架,記下看起來空的位置。典型的商店每天進行1到3次巡檢,兩次檢查之間有3小時的間隔。在這些間隔期間,缺貨不斷累積而未被察覺。
在理想條件下,人工稽核能捕捉60%到70%的缺貨事件。其餘的被忽略:被推到貨架後方的商品、遠看像滿架但只剩一件的單品,或被錯放到其他通道的產品。人工檢查者善於發現完全空的陳列面,但不善於偵測部分缺貨和陳列圖違規。
然後是幻影庫存,這個無聲的問題。幻影庫存是系統顯示有貨但實際上不在貨架上的庫存。它可能在後倉、被錯放到其他通道,或只是被錯誤計數。研究表明,幻影庫存可能導致高達80%的缺貨事件,平均庫存記錄的準確率僅約60%。再多的人工巡檢也無法解決存在於數據中的問題。
照片貨架稽核的工作原理
工作流程很簡單:店員將手機對準一個貨架區域拍照。AI處理影像,識別個別產品,標記空的陳列面,並檢查是否符合計劃的貨架佈局(陳列圖)。結果在幾秒內顯示。
一個在台灣超過7,000家門店部署的陳列圖合規系統,貨架偵測達到99.23%的精確率和98.93%的召回率,產品級偵測達到94.61%的精確率和93.02%的召回率。這比人工稽核60%到70%的偵測率有了大幅提升。
邊緣AI攝影機更進一步,在設備上以不到100毫秒的速度執行偵測,無需將影像上傳到雲端伺服器。安裝在貨架區域上方,這些攝影機提供持續監測而非定期快照,在缺貨出現的那一刻就發出標記。
AI捕捉到人類遺漏的內容
貨架上只剩一件的陳列面從3公尺外看起來沒問題。AI計算精確數量並標記低於閾值的陳列面。
產品放在錯誤的位置,阻礙正確商品被補貨。AI將每個陳列面與計劃佈局進行比對。
系統顯示有24件庫存,但貨架上只有3件。AI從實際貨架提供真實數據,揭示ERP系統看不到的資訊。
錯誤的價格標籤或缺少標籤會削弱消費者信心。AI在同一次貨架掃描中標記不一致之處。
更快偵測的投資回報
速度是數學改變的地方。傳統的巡檢需要數小時才能覆蓋整間店,等到缺貨被記錄、報告和處理時,顧客已經離開了。AI將偵測到行動的週期從數小時縮短到幾秒。
財務影響是直接的。研究表明,即使提高幾個百分點的貨架可得性也能轉化為可衡量的收入增長。一家擁有200家門店的中型超市連鎖,僅通過更好的缺貨偵測挽回2%的損失銷售,就能增加數百萬的年收入,而無需銷售任何新產品。
行為數據同樣驚人:43%遇到缺貨的消費者會轉向競爭品牌,20%放棄整個購物車,9%在一次缺貨事件後永久更換零售商。貨架每空一小時,損失就在累積。
開始使用照片貨架稽核
- 從高價值品類開始:首先將AI稽核聚焦在暢銷或高利潤貨架上
- 使用一致的拍攝角度:正面、光線充足、拍攝完整的貨架區域
- 與陳列圖比對:上傳你計劃的佈局,讓AI標記偏差,而不僅僅是空的陳列面
- 追蹤長期趨勢:每日照片稽核建立數據集,揭示反覆出問題的位置和系統性缺口
- 與補貨流程整合:將缺貨警報連接到後倉工作流程,讓修正跟隨標記
總結
幾十年來,貨架稽核一直是剪貼板的工作,因為沒有可擴展的替代方案。照片AI改變了這個局面:95%到99%的偵測準確度,幾秒鐘出結果,以及捕捉任何人工巡檢或ERP報告永遠無法揭示的幻影庫存的能力。
下次區域經理到店巡視,想知道為什麼暢銷品不在貨架上時,答案應該已經在他們的手機上了。