产品在仓库里，在系统中，但不在货架上。然后你30%的顾客直接走出了店门。
缺货商品每年给全球零售业造成约6,340亿美元的销售损失，而库存偏差总额高达1.1万亿美元。购买点的平均缺货率约为8%，遇到空货架的购物者中有91%不会等待补货，而是转向竞争对手。AI驱动的照片审计能在几秒而非几小时内检测到缺货，捕捉到人工货架巡查和ERP系统持续遗漏的问题。
为什么人工货架审计力不从心
大多数零售商仍然用低技术流程检查货架: 区域经理或店员走过每条过道，目视扫描货架，记录看起来空的位置。一般门店每天进行1到3次货架巡查，检查之间有3小时的间隔。在这些间隔中，缺货在未被发现的情况下不断累积。
人工审计在理想条件下能检测到60%到70%的缺货事件。其余的则被忽略: 被推到货架后面的商品、远看似乎还满的仅剩一件的商品，或被放错过道的商品。人工检查员在发现完全空的陈列面方面很快，但在检测部分缺货和陈列图违规方面表现不佳。
还有一个无声的问题，就是幽灵库存。幽灵库存是指系统显示有货但实际上不在货架上的库存。它可能在后仓、被错放在另一条过道，或者只是被错误计数。研究表明，幽灵库存可导致高达80%的缺货事件，而平均库存记录的准确率仅约60%。再多的人工货架巡查也无法解决存在于数据中的问题。
基于照片的货架审计如何运作
工作流程很简单: 店员将手机对准货架区域并拍照。AI处理图像，识别各个产品，标记空的陈列面，并检查是否符合规划的货架布局(陈列图)。结果在几秒内显示。
在台湾超过7,000家门店部署的陈列图合规系统，货架检测精确率达到99.23%，召回率达到98.93%，产品级别检测精确率达到94.61%，召回率达到93.02%。与人工审计60%到70%的检测率相比，这是一项重大改进。
边缘AI摄像头通过在设备端100毫秒内运行检测，无需将图像上传到云服务器，进一步推进了这一技术。安装在货架区域上方的这些摄像头提供连续监控而非定期快照，在缺货出现的瞬间即刻标记。
AI能发现人类遗漏的问题
货架陈列面上仅剩一件商品，从3米外看起来没问题。AI精确计数并标记低于阈值的陈列面。
商品被放在错误的位置，阻碍了正确商品的补货。AI将每个陈列面与规划布局进行匹配。
系统显示有24件库存，但货架上只有3件。AI提供来自实际货架的真实数据，揭示ERP系统看不到的信息。
错误的价格标签或缺失的标签会降低购物者的信心。AI在同一次货架扫描中标记不一致之处。
更快检测带来的投资回报
速度是改变计算结果的关键。传统的货架巡查需要数小时才能覆盖整个门店，而当缺货被记录、上报并采取行动时，顾客早已离开。AI将从检测到行动的周期从数小时缩短到数秒。
财务影响是直接的。研究表明，即使将货架可用率提高几个百分点，也能转化为可衡量的收入增长。一家拥有200家门店的中型连锁超市，仅通过更好的缺货检测恢复2%的销售损失，每年就能增加数百万美元的收入，而无需多卖一件新商品。
行为数据同样令人警醒: 遇到缺货的购物者中，43%转向竞争品牌，20%放弃整个购物车，9%在一次缺货经历后永久更换零售商。货架每空一小时，损失就会复合增长。
如何开始照片货架审计
- 从高价值品类开始: 首先将AI审计聚焦于畅销或高利润货架
- 使用一致的拍照角度: 正面拍摄、光线充足、捕捉完整的货架区域
- 与陈列图对比: 上传规划布局，使AI不仅能标记空陈列面，还能标记偏差
- 跟踪时间趋势: 每日照片审计构建数据集，揭示反复出现的问题和系统性缺口
- 与补货流程整合: 将缺货警报连接到后仓工作流程，使修复紧跟标记之后
总结
几十年来，货架审计一直是纸板上的工作，因为没有可扩展的替代方案。基于照片的AI改变了这一格局: 95%到99%的检测准确率，几秒内出结果，以及捕捉人工巡查或ERP报告永远无法揭示的幽灵库存的能力。
下次区域经理访问门店，想知道为什么畅销品不在货架上时，答案应该已经在他们的手机上了。