Мониторинг цен конкурентов в ритейле является важным инструментом для поддержания конкурентной позиции на рынке и регулирования цен на товары. Использование компьютерного зрения (CV) позволяет автоматизировать процесс мониторинга, увеличивая точность и скорость сбора данных.
Риски и проблемы для бизнеса ритейла
Если в 2021 году основная угроза, по мнению ритейлеров, заключалась в снижении трафика в магазинах и проблемах с поставками, и лишь пятая часть отмечали снижение расходов потребителей, то сегодня последняя статья — на первом месте как в среднесрочной, так и в долгосрочной перспективе.
Потенциальные риски вытекают в реальные проблемы ритейлеров:
- Отсутствие актуальных данных по ценам конкурентов
- Потеря трафика и выручки из-за слишком долгой реакции на меняющийся рынок
- Трудоемкость и стоимость внешних исследований
- Отсутствие инструментов быстрого анализа данных для принятия решений по ценовой оптимизации
Важным инструментом для поддержания конкурентной позиции на рынке и регулирования цен на товары в настоящее время является мониторинг цен конкурентов в ритейле.
Что из себя представляет мониторинг цен в 2023 году
Многие розничные компании завоевывают потребителей, устанавливая самые конкурентные цены на популярные у покупателей товары. По данным NielsenIQ за 2022 год, более 89% покупателей в РФ считают цену наиболее важным фактором при выборе магазина, т.к. товары практически идентичны во всех розничных сетях.
Такая стратегия предполагает постоянный анализ предложений конкурентов и обработку больших объемов данных. И если технологии онлайн-парсинга цен конкурентов существуют уже давно, то в оффлайне предложения конкурентов до недавнего времени собирались в основном вручную с ценников в конкурирующих магазинах. Информация заносилась в Excel-таблицу и на основе этих данных формировались ценовые предложения. Но ручной сбор данных — это дорогостоящее и медленное мероприятие с большим количеством ошибок.
При ручном сборе данных существует 3 главных риска:
- Фрод. Сотрудник может не ходить в магазин конкурента самостоятельно, а придумать цены и загрузить их в систему.
- Неточность данных. При большом количестве сбора данных можно допустить ошибку в наименовании товара или переписывании цены в силу человеческого фактора.
- Медленная реакция на изменения рынка. Слишком долгий процесс мониторинга из-за ручного ввода данных. Тратиться слишком много рабочего времени, данные теряют актуальность уже в процессе сбора — это самый серьезный удар по качеству.
Компания Napoleon IT разработала собственный сервис Core+, позволяющий с помощью компьютерного зрения, снизить ошибку человеческого фактора и верифицировать данные: дату, место и время где собрали цены, а также повысить точность, предоставив корректное наименование и цену товара.
Как мы решаем проблему мониторинга цен
Чтобы нивелировать эти риски, снизить ошибки и вероятность человеческого фактора и верифицировать данные Napoleon IT в рамках собственного продукта Core+ разработал специальное решение для ритейлеров.
Core+ — ядро обработки видеопотоков под индивидуальные процессы заказчика. Система представляет собой готовые модули детекции и распознавания для различных бизнес задач. Предобученные модели дообучаются на данных заказчика и интегрируются в Core+ с выводом результатов работы в веб-интерфейс.
Система компьютерного зрения автоматизирует процесс оффлайн мониторинга путем обработки фотографий товаров и цен с минимальным участием человека и может:
- распознавать цены
- распознавать товары
- считывать информацию с ценников
При сборе фотографий мониторингов в систему производится запись геоданных, время сбора и указывается магазин конкурент, в котором производится сбор данных. Тем самым происходит верификация, когда и где данные были собраны.
После фотографирования система компьютерного зрения производит распознавание товаров и цен на фото и возвращает наименования и цену товара.
Точность распознавания достигает более 95% и снижает количество ошибочных позиций до 0,3% от всего объема мониторингов. Это значительно улучшает качество данных, предотвращает проблемы потери данных или их искажения.
Как работает мониторинг цен
Описание процесса обработки фотографии. Процесс обработки состоит из набора моделей CV :
- product classifier — классификатор продукта на фотографии. На вход подается изображение, в центре которого находится один товар и один ценник. На выходе модель возвращает вероятности принадлежности товара к тому или иному классу из модели.
- price segmentator — детектор ценника и цены на всем изображении. На вход подается изображение, в центре которого находится один товар и один ценник. На выходе модель возвращает контур ценника и контур цены. Контур представляет собой массив из 4‑х чисел - [x, y, w, h].
- pricetag classifier — классификатор ценника по его изображению. На вход подается изображение ценника, на выходе модель возвращает вероятности принадлежности ценника к классам из модели (эти классы совпадают с классами из product_classifier) OCR - модель, распознающая текст. На вход подается изображение цены, на выходе модель возвращает распознанную цену в виде текстовой строки.
После, идет постобработка результатов, полученных от моделей CV:
- Производится сопоставление товара на фотографии с товаром в базе номенклатуры заказчика.
- Применяются логические отсечки.
Для того, чтобы выдерживать высокие нагрузки, используются облачные сервера с автомасштабированием. Это позволяет экономить деньги и максимально оперативно реагировать на нагрузку.
Преимущества использования
- Скорость обработки данных — 0,43 сек/фото
- Автоматическое сопоставление номенклатурной базы с распознанным товаром — реализованная система позволяет сопоставлять товары в режимах:
- 1 к 1 — Товару оригиналу соответствует один товар конкурента
- 1 ко многим — Товару оригиналу может соответствовать множество товаров конкурентов
- Возможность работы с новыми товарами — модели компьютерного зрения находят ценник и считывают сырой текст распознавания, по полученному тексту система может определять категорию товара, для последующего принятия решения о включении данного SKU в ценообразование.
- Сокращение времени для сбора данных в 4-6 раз.
- Точность распознавания/чистота данных до 95%
Что нужно для внедрения в ритейл?
Типовой состав команды:
- Бизнес-заказчик
- Руководитель проекта
- ИТ-специалист
- Аналитик
Ресурсы:
- Список номенклатуры для распознавания
- 100+ примеров фото каждого распознаваемого товара
- Список торговых сетей для мониторинга
Какой результат получают наши клиенты от использования технологии
- В 4-6 раз сокращает время, которое проводит категорийный менеджер за обработкой данных, обеспечивая 100% реакцию на изменение рынка.
- Средняя точность распознавания составляет 95%
- Количество ошибок в данных снизилось с 60% до 0,3%
- Более 4000 уникальных SKU в модели
- 14 000 уникальных пользователей в день
- Модели CV распознают цены на ценниках для более 600 уникальных торговых сетей
.png)