Как машинное зрение увеличило оборот торговой точки на 45%

Клиент — крупная розничная сеть — столкнулся с классической, но дорогостоящей проблемой торгового зала. Мерчандайзеры посещали точки по заранее утверждённому графику, раз в один-два дня. Но покупательский спрос не подчинялся расписанию: популярные позиции расходились за несколько часов, оставляя полки пустыми до следующего планового визита.

Пустые полки приводили к прямой потере продаж — покупатель, не обнаружив нужный товар, просто уходил в другую торговую точку. Со временем это подрывало лояльность, формируя у клиентов устойчивое впечатление о неработающем магазине. При этом работа мерчандайзеров оставалась неэффективной: они выезжали на точки по расписанию, а не тогда, когда это было действительно нужно, и не решали главную задачу — быстрое восполнение дефицита. Наконец, из-за отсутствия данных о реальной скорости продаж невозможно было грамотно планировать логистику и корректировать ассортимент.

Проект начался с аудита наиболее проблемных точек сети и выявления категорий товаров с самым нестабильным наличием. На основе этих данных было разработано и внедрено решение за шесть месяцев.

Работа велась в три ключевых этапа.

1. Система была подключена к уже установленным в торговом зале камерам видеонаблюдения. Это дало возможность без серьёзных дополнительных затрат получить видеопоток для анализа.
2. Специальные модели ИИ были обучены распознавать конкретные товарные секции и оценивать уровень их заполненности. Основной метрикой стал процент свободного места на полке. Системе не нужно было распознавать каждую позицию в ассортименте, благодаря чему внедрение стало дешевле и прошло быстрее.
3. Были прописаны чёткие бизнес-правила. Если заполненность определённой зоны падала ниже установленного порога (например, 30%), система без участия человека отправляла моментальное уведомление в Telegram-чат ответственного мерчандайзера с указанием конкретной полки.

Внедрение системы привело не только к устранению пустых полок, но и к качественному скачку в управлении розничной точкой.

Частота пополнения ключевых полок увеличилась на 30%. Мерчандайзеры стали работать не по графику, а по факту необходимости, что радикально повысило их эффективность.

Товарная доступность достигла 100%. Покупатель всегда находил нужную позицию на своём месте, что напрямую повлияло на удовлетворённость.

Оборот на пилотных торговых точках вырос на 45% по сравнению с аналогичным периодом до внедрения системы. Это прямой результат отсутствия упущенных продаж.

Появилась ценная аналитика. Система начала накапливать данные о скорости продаж и пиках покупательской активности. Эти отчёты помогли оптимизировать графики поставок, выкладку товара и планирование промоакций.

Чтобы автоматизировать контроль наличия товара в вашем магазине, используйте следующий план:

1. Начните с аудита боли. Определите, какие конкретно товарные категории или точки продаж приносят наибольшие убытки из-за дефицита. Начните внедрение именно с них.
2. Используйте уже имеющиеся камеры. Проанализируйте, можно ли задействовать текущую систему видеонаблюдения для анализа. Это сэкономит бюджет и время.
3. Настройте простые и понятные правила для ИИ. Не пытайтесь сразу научить систему распознавать тысячи артикулов. Достаточно, чтобы она оценивала «пусто» или «не пусто» в определённых зонах.
4. Интегрируйте уведомления в рабочие чаты. Оповещения о проблеме должны приходить туда, где их мгновенно увидят ответственные — в мессенджеры или корпоративную CRM.
5. Превращайте данные в решения. Собранную статистику по дефициту используйте для переговоров с поставщиками, корректировки графиков завоза и управления ассортиментом