Las promesas de perfección son uno de los principales enemigos de la tecnología. Quedan tan idealizadas que genera una gran frustración cuando terminas viviendo la realidad.  

Es mejor ser consciente de entrada de las limitaciones, tiempos y escenarios de utilidad real.  

La tecnología de reconocimiento de imagen es una de esas soluciones que se anunciaron como milagrosas en el cuidado del punto de venta.  

Nosotros la desarrollamos, la tenemos y la usamos. Es una de nuestras últimas incorporaciones a la oficina con la que llevamos batallando unos cuantos meses.  

Una breve presentación para quienes no estén tan cerca de ella: 

Esta tecnología permite analizar la información mediante imágenes, de forma que el proceso de análisis es inmediato. Partiendo de una foto se identifican patrones en base a formas y colores que previamente le hemos enseñado al sistema. 

Las principales ventajas que aporta están claras: análisis de competencia, ahorros de tiempo y veracidad del dato 

Cómo funciona

Es una tecnología de Machine Learning o Aprendizaje Automatizado – que permite que la máquina aprenda sin intervención humana. Gracias a una serie de algoritmos, se inicia un proceso de mejora continua en el aprendizaje del sistema que va aumentando en efectividad y disminuyendo el margen de error según aumenta el volumen de datos que procesa. Por eso es importante que, en esta fase de entrenamiento, el banco de imágenes vaya creciendo y enriqueciéndose para que la solución sea lo más inteligente posible.  

Es un proceso continuo, en el que el entrenamiento del algoritmo se realiza mediante la repetición del proceso.

Como expertos en Activación de Ventas y con las tensiones que van en aumento en la batalla del Gran Consumo, no puede quedar en el ángulo muerto de ningún actor de Trade, una propuesta para transformar la información en datos de forma automática. Pero es importante no quedarnos en las obviedades y en las promesas y hacerlo dese un plano crítico y abierto que aporte valor. 

La proyección del resultado ideal la tenemos clara. Equivale a tener ojos en la tienda de forma permanente para chequear el cumplimiento promocional, alertar de las roturas de stock y tener una vigilancia permanente de los productos de la competencia. Y todo con una simple foto. 

Estamos hablando de tiendas monitorizadas de forma automática. Perfección en la recogida de información. Sistema rápido y sin errores humanos.  

¿Hay alguien que no se pida uno?

Es evidente que el Reconocimiento de imagen supone un factor diferencial que nos permite recoger mayor volumen de información. Mejorar tiempos. Optimizar recursos.  

Estas son las 3 variables que la elevan a los altares. Y como promesa, no está nada mal. 

Navegando un poco por las profundidades, las preguntas de funcionamiento afloran rápido: ¿De qué depende el % de éxito del reconocimiento? ¿Qué ocurre cuando hay un cambio de etiquetado? ¿Hay que comenzar de nuevo? ¿El tamaño o dimensiones del producto hacen que esta tecnología resulte más o menos válida, útil o aplicable? ¿El packaging o retractilado entorpece? 

En lo relativo a costes, ¿Cuáles son los costes ocultos? ¿Lo que disminuimos por un lado en tiempos de conteo y en mejora de control, lo perdemos por el otro? 

Y sin olvidar los tiempos: ¿Es el momento? ¿Está la tecnología lo suficientemente madura o nos están empujando las ansias por automatizar un proceso tan rutinario y manual? 

Le hemos preguntado a los miembros de nuestro equipo que han estado más cercanos al proyecto y nos han dado todos los matices que necesitábamos.

Además de lo contado, Gerard Rodríguez , Key Account Manager de nuestro equipo que convive con estas retos a diario, nos da su opinión. 

Comienza dándonos su parecer sobre el orden de las ventajas conseguidas con estas soluciones, siendo veracidad del dato la primera, agilidad la segunda y por último, competencia. 

A estas tres, Gerard añade una ventaja adicional.  

h

Gerard Rodríguez , Key Account Manager

“Existe una gran ventaja de esta tecnología orientada no solo a optimizar el tiempo de recogida de datos, sino también a agilizar y estandarizar la toma de decisiones en el PDV. 

 Por ejemplo permitiendo comparar el SOS de tus referencias en el lineal vs tu Market Share en la categoría, a fin de ofrecer recomendaciones al gestor del punto de venta a la hora de abordar las negociaciones con los responsables de la categoría en el PDV” 

El reconocimiento de imágenes automático nos permite optimizar los tiempos de auditoría en visita pudiendo desviar ese coste de oportunidad hacia un mayor foco en ejecución en el propio punto de venta, o bien a maximizar el número de visitas a puntos de venta; pero se generarán unos nuevos costes en el departamento de tecnología invertidos en: 
"

la gobernanza de los datos e imágenes para asegurar la veracidad del dato

Entendida como % de éxito en el reconocimiento de referencias preexistente y sus atributos recogidos (Presencia, OOS, SOS, SOA, PVP).
"

la actualización de la herramienta en la introducción de nuevos lanzamientos y actualizaciones de campaña

Es frecuente contar con nuevas unidades visuales a reconocer tanto propias como de la competencia.
"

almacenamiento visual de las fotografías

Entendido como todo el historial de imágenes que se deberán almacenar en Servidores Cloud ya que a mayor base de datos mayor éxito de la aplicación; además de requerirse de un mayor número de imágenes que deberán ser realizadas por módulo de lineal. 
Miguel Mercadé , Key Account Manager del sector Food y Belleza afirma que “no todo es tan sencillo y hay inconvenientes ocultos que descubres en la fase de aprendizaje que son muy importantes a tener en cuenta:
h

Miguel Mercadé , Key Account Manager del sector Food y Belleza

“La herramienta necesita un aprendizaje sobre los productos en lo que se refiere a formatos, colores, formas… eso lleva un tiempo de aproximadamente 6 meses para conseguir llegar al 95% de efectividad. Esto lleva a que se limite su aplicación a proyectos estables y permanentes. Para proyectos con una duración inferior a 6 meses, se puede usar, pero con menos fiabilidad. El aprendizaje se da por parte del usuario rectificando los productos que no detecta bien 

Otro insight muy interesante que nos señala Miguel tiene que ver con los costes ocultos
h
“Es una herramienta muy potente y automatizada, pero eso conlleva unos costes elevados por foto.

Es cierto que esta tecnología permite a nuestros clientes tener acceso a los datos de manera muy rápida y veraz, lo que aporta una importante ventaja competitiva. Adicionalmente nos permite poder llevar acciones muy específicas de forma muy eficiente como Samppling effectiveness, auditorías muy detalladas del estado de sus productos en el mercado y de su competencia, detectar movimientos de espacios o share en sus lineales de manera muy concreta y poder tener todos los KPIs de sus lineales en tiempo real y con una veracidad del 95%. 

Pero es importante aterrizar bien el escenario de uso y evaluar estos tiempos reales y costes ocultos.”  

Sin duda, son este tipo de opiniones las válidas al venir de las personas que a nivel comercial gestionan los proyectos de Trade en Grupo Caher y son por tanto los usuarios más expertos y confiables para hablarnos de realidad frente a expectativas 
Es sin duda de gran valor igualmente, contar con la perspectiva más técnica de Sergio Hermosín (CTO Grupo Caher). El punto de vista del responsable de levantarla, de entrenarla y batallar con ella durante este año.

Sergio reconoce tres dificultades principales a la hora de desarrollarla:

h

Sergio Hermosín (CTO Grupo Caher)

“Sin duda, los principales escollos que hemos tenido que salvar han sido, por un lado conseguir un nivel aceptable de precisión en el reconocimiento de  referencias y por otro, conseguir salvar el reto que suponen los grandes lineales que superan con creces el tamaño estándar de una foto; Tuvimos que trabajar en diferentes vías de unión de imagen para conseguir procesar este tipo de lineales» 

Sobre las limitaciones de uso, Sergio tiene algo interesante que decirnos.
h

“La solución funciona cuando se trata de objetos claramente definidos y que sean diferenciales con otras referencias de la marca: colores, logos, texto… objetos de un tamaño mediano/grande. Los objetos muy pequeños como pintalabios o referencias muy similares como una caja de tinte de varias tonalidades que únicamente se diferencia por un número que indica el tono del color, o televisores con una estructura muy similar suele dar muchos más problemas. 

En Grupo Caher hemos optado por un desarrollo propio y nos ha llevado un año; estamos ahora con las pruebas de campo. Los costes del procesamiento del motor del reconocimiento de imagen, es muy bajo respecto a las aplicaciones del mercado» 

Nuestra Conclusión

Nuestra experiencia en el desarrollo de soluciones de reconocimiento de imágenes aplicadas al lineal representa un claro ejemplo de que en la teoría todo lo encaja, pero que es importante alejarlo de la Teoría Universal y analizarlo desde la aplicación a cada negocio. Ninguna tecnología es buena en si misma si no es útil en el escenario de uso particular.   

En el caso concreto del reconocimiento de imágenes hay una gran variedad de situaciones y escenarios de uso en los que este escenario ideal de uso no se cumple y este es el motivo por el que esta tecnología aún no haya explotado. 

En definitiva,  

Si los resultados fuesen los contados como bondades, la conveniencia de implantar una solución RI sería incuestionable. Nos permite sustituir tareas manuales de escaso valor añadido como es la recogida de datos del lineal (Visual Searching). Menores errores, rapidez para gestionar grandes volúmenes. Podemos inducir que disminuye las roturas de stock, optimizar los fondos de marketing por seguimiento del cumplimiento promocional y elevar los pedidos al detectar lineales vacíos. 

Pero la realidad es que su efectividad es muy sensbile a variables como las dimensiones, la estabilidad de la categoría, el nivel de cambios de SKU’s o del packaging. Puedes encontrarte que cuando haya aprendido haya que cambiar. O que requiera tanto refuerzo de análisis y auditoria de backoffice que se coma los ahorros de tiempos en el front. Por otro lado, el tiempo de aprendizaje es elevado y es imprescindible contar con un banco de imágenes tan extenso como se pueda. 

Llegando al final, ¿En cuánto valoro el tiempo que dedica mi equipo en lineales  haciendo Human Counting? Pero por otro lado… ¿en cuánto valoro el tiempo que mi equipo de oficina dedica a hacer limpieza y auditoria de imágenes? 

Llega una última pregunta…   

¿Qué hace a una tecnología buena?   

Fundamentalmente, que sea buena para ti y te aporte valor 

En Grupo Caher podrás encontrar siempre un partner que lejos de idealizarla, te contará las verdades. “No siempre renta” y en ocasiones puede llegar a tu vida para complicártela. 

No te dejes deslumbrar por promesas de un funcionamiento idealizado y deja que evaluemos tu caso desde la experiencia y la sinceridad. 

Close Bitnami banner
Bitnami