Компьютерное зрение помогает ритейлу повышать производительность за счёт контроля полок
Внедрения компьютерного зрения повышают производительность в розничной торговле, поскольку операторы автоматизируют контроль физических полок, чтобы защитить сжимающиеся маржи.
Это аппаратное внедрение напрямую решает постоянные сбои в исполнении на уровне магазина, которые сегодня обходятся отрасли в миллиарды. Исследование, подготовленное Coresight Research совместно с технологическими поставщиками Simbe и RELEX Solutions, рассчитывает точную стоимость этих операционных потерь.
Неэффективность съедает 6,4% валовых продаж по всему сектору. На категории hardware, mass merchandise и grocery в 2026 году придётся $196,4 млрд потерь из-за этих операционных сбоев. Денежный объём этих потерь растёт на 21% по сравнению с прошлым годом. Этот дефицит намного опережает прогнозируемый рост продаж сектора на 3%.
Девять из десяти ритейлеров сообщают о реальных трудностях в управлении торговыми залами. Пустые полки и неточные ценники напрямую снижают операционную маржу. У 89% компаний операционная маржа проседает более чем на 5%.
Полномасштабные внедрения платформ store intelligence работают уже на 60% корпоративных площадок. Этот уровень принятия означает рост на 18 процентных пунктов по сравнению с прошлым годом.
Пилотные программы занимают лишь 18% текущей рыночной активности. Кривая внедрения заметно смещена в сторону крупнейших компаний. 73% ритейлеров с годовой выручкой выше $5 млрд используют полностью масштабированные внедрения.
Компании среднего сегмента отстают: только 42% операторов с выручкой ниже $1 млрд достигли сопоставимой зрелости внедрения. Если физические магазины рассматривать отдельно от цифровых каналов, снижается customer lifetime value. Капитальные затраты напрямую направляются на контроль out-of-stock, автоматизацию ценообразования, проверку planogram и планирование ассортимента.
Промышленные внедрения в hardware и grocery
BJ’s Wholesale Club даёт документированный пример прикладной оцифровки полок. Оператор развернул роботизированные платформы Simbe для контроля запасов и точности цен в своих точках.
На этой аппаратной базе руководство создало digital twins отдельных warehouse club. Это решение обеспечило системы видимости в реальном времени, которых раньше не хватало физическим операциям компании.
BJ’s использовала эти цифровые модели для планирования маршрутов по онлайн-заказам и curbside fulfillment. Инженерная команда зафиксировала рост эффективности отбора на 40% в годовом выражении благодаря этому применению данных. CEO Bob Eddy сообщил, что технология позволила компании повысить стандарты качества в категориях fresh merchandise.
Ритейлер продуктовой розницы Albertsons применяет ИИ для автоматизации сложных розничных операций. Компания нацелена на $1,5 млрд прироста производительности в течение трёх финансовых лет. CEO Susan Morris пояснила: «Мы будем оснащать наших мерчандайзеров аналитикой на базе ИИ и автоматизированным исполнением, чтобы оптимизировать решения по ценообразованию, промо и ассортименту, трансформировать управление категориями и повышать маржу.
«Наше видение — будущее, в котором интеллектуальная автоматизация направляет эти решения, освобождая людей для стратегии и инноваций».
Ошибки в последовательности внедрения
Многие организации в первую очередь внедряют ПО для ценообразования, игнорируя базовую сенсорную инфраструктуру. 43% опрошенных технологических руководителей направляют капитал на software для оптимизации цен.
Платформы для collaboration с поставщиками занимают второе место по приоритету и привлекают инвестиции 36% операторов. Только 33% этих организаций инвестируют в hardware для оцифровки полок, необходимое для подачи точных данных в такие модели ценообразования.
В эту аппаратную основу входят сенсоры и камеры, нужные для проверки фактического наличия товара. Развёртывание store intelligence требует строгой последовательности, чтобы работать корректно. Ритейлеры должны сначала оцифровать полку, затем внедрить data analytics, установить ПО для контроля запасов и только после этого запускать автоматизацию цен.
Такое переворачивание технологического стека создаёт последующие сбои в данных. Алгоритмы markdown обрабатывают устаревшие остатки, если отсутствуют сенсоры физического отслеживания. Уровень ошибок в ценообразовании в 2026 году достиг 13%, увеличившись на 4 пункта с 2024 года.
Исполнение цен и промо доминирует в списке приоритетов и остаётся активной проблемой для 92% операторов. Kim Anderson, VP of Store Operations в Schnucks Markets, говорит, что данные с полок должны предшествовать всем остальным внедрениям. Без точного мониторинга физического запаса downstream-приложения не достигают целевых показателей.
Ситуации out-of-stock по-прежнему сильно мешают работе: 52% операторов считают доступность товара одной из самых сложных задач. Компании пытаются решать сразу несколько проблем одновременно: 40% направляют капитал на три и более операционных узких места.
Перераспределение труда и показатели эффективности
Lowe’s показывает финансовый эффект автоматизации workflow сотрудников через инициативу «Perpetual Productivity Improvement». Executive VP of Stores Joseph McFarland руководил внедрением инструментов управления персоналом и решений по запасам, чтобы убрать дублирующие задачи сотрудников.
Это инженерное внедрение сэкономило по 80 непродуктивных часов труда на магазин в неделю. Затем Lowe’s развила инициативу, развернув технологии полного пополнения полок на базе ИИ для отслеживания снижения запасов в реальном времени.
Руководство распределило финансовые бонусы среди сотрудников на основе зафиксированного роста производительности. Компания выплатила $5 000 менеджерам магазинов и назначила разные выплаты почасовым сотрудникам.
Широкие отраслевые данные подтверждают показатели, зафиксированные Lowe’s. Внедрение интеллектуальных приложений в среднем снижает время на ручные магазинные задачи на 14%. 86% организаций сообщают о чётко выраженном сокращении часов ручного распределения задач.
Ритейлеры демонстрируют разные результаты в зависимости от выручки. 56% операторов с выручкой выше $5 млрд сообщают о более заметном сокращении времени выполнения задач по сравнению с 36% компаний среднего сегмента.
Организации называют операционную эффективность главным инвестиционным приоритетом, а следом — объединение данных магазина. Ритейлеры ожидают, что эти инструменты помогут создавать новый капитал, при этом 40% руководителей стремятся запустить альтернативные потоки дохода, например retail media networks.
Как сохранить конкурентоспособность
Технологии store intelligence работают как взаимосвязанная экосистема, а не как набор отдельных исправлений для изолированных проблем. Внедрение таких систем без чёткого плана последовательности заставляет операторов строить решения на нестабильном фундаменте.
Сначала необходимо обеспечить видимость на уровне полки в реальном времени, и только потом масштабировать downstream-программное обеспечение. Автоматизация цен, платформы collaboration с поставщиками и приложения для прогнозирования запасов требуют подтверждённых физических данных, чтобы выдавать точные результаты.
Поведение клиентов напрямую реагирует на корректные операционные улучшения. Правильные внедрения повышают customer lifetime value на 11% по сектору, а conversion rates растут у 50% операторов, внедряющих frameworks физической автоматизации.
48% компаний фиксируют рост участия в loyalty programmes после интеграции систем. Точное ценообразование и стабильное наличие товара повышают показатели онлайн-отзывов у 47% опрошенных операторов.
Ритейлеры, которые наращивают ценность за счёт интегрированных и правильно выстроенных аппаратно-программных возможностей, получают заметное рыночное преимущество перед конкурентами, накапливающими разрозненные приложения.
Материал — перевод статьи с английского.
Оригинал: Computer vision deployments drive retail productivity gains