Trax יודעת מה קורה על מדפי הרשתות הקמעונאיות – המקום שבו מתקבלות החלטות הקניה

למרות שרשתות קמעונאיות והיצרניות משקיעות הון עתק להבאת אנשים אל החנות באמצעות פעילות שיווק כגון פרסום ויחסי ציבור, המקום שבסופו של דבר תתקבל החלטת הקניה של הצרכן הוא מול המדף. אך הקמעונאים והיצרנים אינם יודעים מה באמת קורה על המדף – האם חסרים מוצרים? האם כל מוצר במקומו? האם המחירים הנקובים נכונים ועוד. טכנולוגיות זיהוי תמונה, בינה מלאכותית ו- Deep Learning בהן משתמשת Trax Image Recognition הישראלית-סינגפורית, מבשרות את השינוי ביכולות לצפות בזמן אמת במאות ואלפי מדפים ולקבל החלטות

כבר שנים רבות מדברים על כך שכניסתן של חנויות מקוונות תפגע קשה בחנויות הפיזיות. עם זאת, העומס הרב בקניונים, בחנויות הכלבו ובסופרמרקטים, וכן מחקרים רבים, מוכיחים כי עדיין רוב הצרכנים מעדיפים דווקא לקנות בחנות ממשית, ולא באינטרנט. לכן האתגר המרכזי של החנות כיום הוא למשוך נתח גדול יותר של צרכנים בהשוואה לחנות הסמוכה, ולהבטיח שהלקוחות ישהו זמן רב יותר בחנות ומול המדף. יש כיום מגוון רחב של אסטרטגיות בהן קמעונאים משתמשים להגדלת נתח הלקוחות, החל ממלחמות מחירים, דרך יצירת חוויה שונה בנקודות המכירה ועד לחנויות המיועדות לקהלים ספציפיים.

למרות שרשתות קמעונאיות והיצרניות משקיעות הון עתק להבאת אנשים אל החנות באמצעות פעילות שיווק כגון פרסום ויחסי ציבור, המקום שבסופו של דבר תתקבל החלטת הקניה של הצרכן הוא מול המדף. אך הקמעונאים לא ממש יודעים בזמן אמת מה קורה שם על המדף בזמן אמת. רובם לא רואים ויזואלית מה קורה על המדף – האם המוצר שהלקוח רוצה נמצא על המדף או חסר, האם המתחרים לא השתלטו על שטח מדף שלי? האם מחירי המבצע מעודכנים וכדומה. 

 

חוסר היכולת לצפות בנעשה על המדף, מונע מהקמעונאי את היכולת לקבל תמונה ברורה של אופן מימוש אסטרטגיות חוויית הלקוח שלו. זה גם מצמצם את יכולתו לבודד את הרכיבים השונים, כגון זמינות, תמחור, מיקום או מבצעי קידום מכירות, ואת יכולתו לדעת לאיזה מהם יש השפעה חיובית על ביצועי המדף, הקטגוריה והחנות. בעקבות מגבלות אלה מצטמצמת יכולת קבלת ההחלטות של הקמעונאי בכל הנוגע לאופטימיזציה של המדף, ותכנון עתידי בתחום זה.

ב- 70 אחוז מהמקרים שהמוצר חסר על המדף, הלקוח יקנה מוצר מתחרה
דוגמא לכך היא הנושא של פריטים שאזלו מהמלאי. בדרך כלל, אם צרכן מחפש מוצר שאזל מהמלאי ולא נמצא על המדף, ב- 70 אחוז מהמקרים הוא צפוי לקנות במקומו פריט אחר מתחרה. בפעם השנייה שלא ימצא את המוצר המבוקש, הלקוח יחפש תחליף, יוותר על המוצר, או ילך לחנות אחרת. אם זה יקרה פעם שלישית, 70 אחוז מהקונים פשוט ינטשו את החנות לטובת חנות אחרת. יכולתו של הקמעונאי להגיב במהירות על מנת למנוע חוסר של מוצר, עשויה למנוע הפסד מכירה. כאשר המרווח הקמעונאי כל כך מצומצם, קמעונאים לא יכולים להרשות לעצמם להפסיד לקוחות מפני שאינם יודעים מה קורה על מדפי החנויות שלהם.

עם טכנולוגיית זיהוי תמונה בשילוב טכנולוגית בינה מלאכותית (AI) המנתחת את מה שקורה על מאות או אלפי מדפים ברשתות קמעונאיות, זוכים קמעונאים או יצרנים למקור מידע מהימן על מה שקורה בזמן אמת בחנות. השימוש הגובר בטכנולוגיה זו משפר יעילות ומביא לגידול במכירות. 

 

הדבר מתבצע בפועל באמצעות זיהוי תמונה (Image Recognition), המאפשר להשתמש בתמונות המדפים בחנויות, כדי להפיק בתוך דקות נתונים על ביצועי כל מותג על המדף. כך ניתן לזהות במהירות מצבים הזקוקים למענה, כגון מוצרים שאזלו מהמלאי, רמת ביצוע נמוכה של פעילות קידום מכירות, תמחור שגוי ועוד.

טכנולוגיית זיהוי התמונה מאפשרת לפעול על בסיס נתונים מהשטח ולא לפי תחושות בטן, ולהעריך במהירות את הצלחתן של אסטרטגיות קיימות.


טכנולוגיה נוספת שאומצה לתחום הקמעונאות, היא למידה עמוקה (Deep Learning), בה נעשה בדרך כלל שימוש בסביבות מתקדמות של מדע, הנדסה ומחקר. למידה עמוקה מאפשרת כיום לקמעונאים להפיק מתוך נתונים תובנות עסקיות רחבות יותר ולחזות מגמות על דרכים חדשות לשיפור חוויית לקוח.

חוסר ההתאמה בין תכנון אסטרטגיית המכירה לבין המצב על המדפים, עלול לפגוע בהכנסות הקמעונאי ורווחיו. עד עתה לא הייתה כל דרך לראות את ההשפעה של האסטרטגיות בהן נעשה שימוש ברמת המדף כדי לתת מענה למגמה זו, וקמעונאים הסתמכו בעיקר על נתונים מהקופות ביציאה מהחנות. עתה באמצעות טכנולוגיות חדשות הם יכולים לאסוף מידית נתונים על מה שקורה על המדפים, וכך להעלות הכנסות ולהעצים את חווית הלקוח.

יואל בר-אל (בתמונה העליונה) הוא מייסד-משותף ומנכ"ל Trax Image Recognition, אשר פיתחה טכנולוגיה לזיהוי תמונה במדפי רשתות קמעונאיות, המשמשת לניתוח וקבלת החלטות.

כדי לדעת יותר בקרו באתר

כתיבת תגובה

האימייל לא יוצג באתר. שדות החובה מסומנים *

מאמרים קשורים

הרשמה לניוזלטר

הרשמה לניוזלטר