Цифровой контроль полки: объективные KPI для роста продаж

Цель проекта — обеспечить менеджмент ООО «ЯКОБС ДАУ ЭГБЕРТС РУС» («Якобс Роccия») объективными и проверяемыми данными о представленности товаров в торговых точках за счет внедрения системы распознавания полки.

Задачи проекта

• Оцифровать сбор информации о выкладке, ценах и промоакциях.

• Повысить точность и полноту данных за счёт роста качества распознавания товаров и прямой интеграции системы распознавания полок с платформой автоматизации полевых сотрудников.

• Увеличить эффективность расходования мерч-бюджета и направить высвобожденное время полевых команд на рост покрытия и дополнительные задачи.

• Уйти от модели с двумя поставщиками, устранить размытую ответственность за качество данных.

• Сократить затраты на сопровождение решений и устранение расхождений в данных.

• Сократить сроки онбординга мерчандайзеров и повысить лояльность персонала за счёт единого простого сценария работы.

• Создать основу для управления ассортиментом в прикассовых и импульсных зонах.

2026

1. Среднее время визита сократилось на 6%, высвободившиеся ресурсы направлены на сенсус торговых точек, мерчандайзинг прикассовых зон, анализ причин отсутствия товара (OOS) и другие задачи.

2. Доля полки и ключевые показатели эффективности (KPI) визита рассчитываются автоматически и напрямую влияют на вознаграждение мерчандайзинговых агентств.

3. Точность распознавания выросла: по собственным брендам с 94% до 97%, по всей категории с 89% до 94%. Добавлен мониторинг цен: ценники распознаются и учитываются как метрика.

4. Данные (доля полки, причины OOS) выгружаются в систему бизнес-аналитики (BI) с единой атрибутикой и идентификатором визита.

5. Перешли от контроля каждого визита к системному управлению: оплата агентствам привязана к достижению целевой доли полки, целевые KPI можно повышать ежемесячно и сопоставлять с данными о продажах.

1. «ST Чикаго» — система автоматизации полевых сотрудников (SFA), система управления дистрибуцией (DMS), мастер-данные, договоры и матрицы торговых точек.

2. ST Data Quality Engine — дедубликация и нормализация данных.

3. «ST Мобильная Торговля» — мобильное приложение для мерчандайзеров.

4. «ST Magic Vision» — распознавание полки на базе Image Recognition (IR).

В проекте не используются решения из каталога Global CIO

1. Сжатые сроки: после пилота требовалось за 2 месяца перевести всех полевых сотрудников агентств на новое решение.

2. Обширный каталог товаров: потребовалось обучение модели для распознавания всей категории.

3. Нестабильный интернет в торговых точках замедлял распознавание и влиял на точность OSA (доступность товара на полке) и OOS (отсутствие товара), поэтому реализовано распознавание на устройстве (on-device), работающее без сети.

4. Разные часовые пояса и обезличенный учёт исполнителей по агентствам потребовали корректного расчёта времени визита.

5. Товары одного дизайна в разных объёмах (SKU — товарная позиция) и позиции вне матрицы усложняли расчёт OSA/OOS; потребовалась синхронизация матриц с «ST Чикаго».

Компания «Якобс Россия» осуществляет продажи через сеть более 60 дистрибьюторов, полевые команды обслуживают ~ 195 000 торговых точек, в работе с представленностью участвуют свыше 1000 мерчандайзеров на стороне агентств.

До проекта продажи и мастер-данные велись в «ST Чикаго», мерчандайзинг — в «ST Мобильная Торговля», а распознавание полки выполнял внешний сервис, который открывался из «ST Мобильная Торговля» отдельным приложением. Сбор данных о ценах, промо, выкладке и дополнительных местах продажи оставался ручным и субъективным: не было единого проверяемого факта по визиту, качество зависело от конкретного исполнителя. Информация о полке поступала с задержкой и неполной, причины отсутствия товара не подтверждались фото, расхождения разбирались вручную.

Метрики существовали в разных системах: долю полки мерчандайзер рассчитывал сам и вручную вводил в приложение. Это снижало доверие к KPI и приводило к спорным выплатам агентствам. Ответственность за качество данных размывалась между двумя поставщиками, бизнес зависел от внешнего сервиса и его релизного цикла. Работа в двух приложениях удлиняла визит и усложняла обучение новых сотрудников. Требовались дополнительные ресурсы на разбор расхождений и коммуникации с агентствами. Такая конфигурация блокировала стратегическое развитие структуры продаж.

Реализованное решение: внедрён единый контур для управления структурой продаж на базе «ST Чикаго», «ST Мобильная Торговля» и «ST Magic Vision».

Изменения после внедрения

Контроль полки стал единым процессом: доля полки рассчитывается автоматически, ключевые показатели эффективности визита формируются без ручных операций, причины отсутствия товара подтверждаются фотографиями. Менеджмент получает объективные данные по каждому визиту и использует их в отчётности, а полевая команда экономит время благодаря отказу от переключения между приложениями и ручного расчёта этой метрики.

Решения о состоянии выкладки переносятся на систему. От мерчандайзера требуется минимум действий: прийти в торговую точку, выставить товар и сфотографировать полку.

Россия