Best Practice

AI Store Check: regalerhebung am point of sale mit nur einem klick

Szenario

Sich ein Bild davon zu machen, wie es in den Regalen seiner Outlets aussieht, gehört zu den wichtigsten Aufgaben der Außendienstmitarbeiter bei Markenartiklern. Wichtige Informationen zur Distribution von Produkten, ihrer Platzierung im Regal, eventuelle Out-of-Stock-Situationen oder Informationen zu Wettbewerbsprodukten erfasst der Mitarbeiter bei seinen Outlet-Besuchen – beispielsweise in einem Supermarkt – über seinen Laptop. Diese Informationen werden zu Analyse- und Optimierungszwecken an das Backend übertragen und gehen anschließend an das Key Account sowie Category Management. In den aktuell eingesetzten Systemen für die Außendienststeuerung verwendet der Mitarbeiter eine Matrix mit einer vom Innendienst festgelegten Sortierreihenfolge, die die Artikel und Ergebnisse der letzten Erhebung zeigt. Dazu stellt das Category Management ein Planogramm zur Verfügung, sprich eine visuelle Darstellung wie die Artikel im Regal platziert sein sollen. Der Außendienstmitarbeiter läuft am Regal entlang, überprüft die aktuelle Situation im Regal und erfasst manuell Veränderungen, die seit seinem letzten Besuch entstanden sind.

Die Herausforderungen, vor denen die Außendienstmitarbeiter stehen, klingen zunächst banal, behindern jedoch eine effiziente Datenerfassung und nehmen meistens mehr Zeit in Anspruch, als für den Besuch eines Outlets eingeplant ist: Die eingestellte Sortierreihenfolge der Produkte durch das Category Management entspricht in den seltensten Fällen der Laufrichtung, so dass die Erhebung durch häufiges Scrollen und Suchen im Planogramm unterbrochen wird. Auch Eingaben über die Laptoptastatur stellen ohne geeignete Ablagefläche ein Problem dar. Zudem ist keine direkte Auswertung über festgestellte Veränderungen vor Ort möglich. Da der Mitarbeiter wenig Zeit für die Regalerhebung während seines Besuchs im Supermarkt zur Verfügung hat, wäre eine effizientere Erfassung eine deutliche Erleichterung. Wie sähe die Situation also aus, wenn eine KI den Außendienstmitarbeiter bei der Regalerhebung unterstützen würde?

Die lösung: AI Store Check

Mithilfe der von 4brands Reply und Go Reply entwickelten Applikation „AI Store Check“ kann der Außendienstmitarbeiter die Erhebung automatisiert durchführen lassen – hierfür müssen einzig Fotos der Regale durch den Mitarbeiter mit der App erstellt und hochgeladen werden. Das komplizierte Handling der Hardware entfällt ebenso wie umständliches Scrollen zum Auffinden der Produkte in der Software.

Die Erhebungsergebnisse werden in Echtzeit mit hinterlegten Sollwerten gemäß den Vertragskonditionen für das entsprechende Outlet abgeglichen. Die App zeigt anschließend dem Außendienstmitarbeiter eine vollständige Bestandsaufnahme und mögliche Abweichungen vom Soll an.

Auswertung mithilfe von Google AI

Durch ein übersichtliches Frontend kann der Mitarbeiter mit wenigen Klicks eine Neuerhebung erzeugen. Um dann eine Regalanalyse durchzuführen muss lediglich ein Foto aufgenommen werden. Die Auswertung findet im Folgenden vollständig in der Google Cloud Platform statt, bevor dem Mitarbeiter die fertige Analyse präsentiert wird. Die Fotos enthalten alle detektierten Objekte mit farblichen Markern.
Eine Verarbeitung in der Cloud ermöglicht es extrem leistungsstarke Machine-Learning-Modelle für die Analyse zu verwenden. Die vom Außendienstmitarbeiter aufgenommenen Fotos werden automatisiert durch Image Detection und Optical Character Recognition (OCR) verarbeitet. Im ersten Schritt, der Image Detection, geht es darum, dass alle Objekte wie Produkte, Marken und Preisschilder auf einem Foto erkannt werden. In einem zweiten Schritt werden die Preisschilder via OCR ausgelesen. Die Analyse erlaubt es festzustellen an welcher Stelle im Regal sich welches Produkt befindet, diese Information mit den Preisschildern (anhand von Markennamen und Preis) zu vergleichen und schließlich die Gesamtsituation mit den Sollwerten abzugleichen und auf Korrektheit zu überprüfen.

Direkt verfügbare analyse übersicht

Nach abgeschlossener Erhebung erhält der Mitarbeiter direkt eine umfassende Analyseübersicht, produktspezifische Detailanalysen und die ausgewerteten Bilder auf sein Tablet. Abweichungen gegenüber den Sollwerten sind dadurch sofort sichtbar, was es dem Außendienstmitarbeiter ermöglicht den Marktleiter gegebenenfalls auf Auffälligkeiten anzusprechen und diesen zu kurzfristigen Optimierungsmaßnahmen zu beraten.

Datenhistorie in der cloud

Alle Erhebungsdaten werden auf der Google Cloud Platform bereitgestellt und stehen für weitere Analysen zur Verfügung. Die übliche Verwendung von SAP Cloud for Customer kann mit der App verbunden werden, um Besuche bequem im bestehenden System zu dokumentieren. Das langfristige Sammeln der Erhebungsdaten in der Cloud ermöglicht einen einfachen dezentralen Zugriff, die Erhebungshistorie besser zu bewerten und gleichzeitig die Prognosen weiter zu verfeinern.

Die regale erhebung via foto und ki optimieren

Für eine effiziente Regalanalyse wird damit lediglich eine Fotoaufnahme benötigt, die entsprechende Analyse wird einfach verständlich visualisiert und steht anderen Mitarbeitern in der Cloud direkt zur Verfügung. Die erhobenen Informationen sind darüber hinaus zuverlässiger als bei den klassischen, heute häufig angewandten Prozessen. Das führt gleichzeitig zu verlässlicheren Analysen im Backend, die die Key Account und Category Manager auf Basis der erfassten Daten durchführen. Mehrumsatz im Outlet und in der Produktkategorie entsteht durch kurzfristig vom Außendienstmitarbeiter eingeleitete Maßnahmen als auch durch verlässlichere Zahlen im Category Management.