-
331
Опубликовано проектов
-
171
Оставлено комментариев
Image Recognition: прорыв в распознавании меню
-
Руководитель проекта со стороны заказчика
Вероника Снитко
АО АБ ИнБев Эфес
Руководитель направления по цифровой трансформации продаж
-
Категория
-
Номинация
-
Цели
Создать объективный и масштабируемый способ проверки присутствия напитков в меню баров, ресторанов и других точек on-trade. Научить систему Image Recognition (IR) распознавать SKU, цену и категорию даже при нестандартных написаниях названий, сокращениях и опечатках. Передавать результаты в действующие аналитические процессы и KPI полевой команды, чтобы своевременно выявлять несоблюдение стандартов представленности, повышать результативность визитов и сокращать ручную проверку. Распространить единый подход к оценке торговых точек на on-trade канал, где до проекта IR не использовалась для расчета KPI.
-
Сроки выполнения
сентябрь, 2025 — октябрь, 2026 -
Год завершения проекта
2026
-
Масштаб проекта
620 человеко-часов -
Результаты
Точность распознавания меню увеличилась с 60% в январе до 96% к концу октября (+36 п. п.). Выявление точек с нарушениями стандартов позволило увеличить представленность ассортимента в канале on-trade на один SKU (база расчета показателя уточняется).
Оценочная экономия за январь–октябрь — около 21 млн рублей благодаря более эффективной работе сотрудников, посещающих торговые точки (финансовая методика требует согласования). Результаты IR впервые включены в KPI on-trade. 90% покрытия канала on-trade. Показатели ROI >300%, OOS −2 п. п. и +2 позиции средней линии относятся к IR-платформе в целом; они не включены в результаты данного этапа.
-
Уникальность проекта
В on-trade товар представлен не полкой, а свободным текстом меню: один SKU встречается под десятками названий, на разных языках, с ошибками и сокращениями. Команда SmartMerch предложила не ограничиваться OCR. Сначала алгоритм извлекает текст с фотографии, затем лингвистическая нормализация и семантическое сопоставление связывают его с эталонным SKU; отдельный слой определяет относящуюся к позиции цену и категорию подачи. Система распознает несколько товаров в одной строке, не приписывает неизвестные позиции товарам из справочника, а новые варианты написания может учитывать без повторного обучения модели и ручной разметки. Решение встроено в ранее развернутую IR-платформу через существующий API. Это позволяет собирать сопоставимые данные о представленности в on-trade и off-trade и использовать распознавание меню в KPI продаж. Заявление о первенстве на рынке требует независимого подтверждения.
-
Использованное ПО
Компьютерное зрение и нейросетевое распознавание изображений; OCR для извлечения текста из фотографии; лингвистическая нормализация написаний; семантическое сопоставление с эталонным реестром SKU; контекстно-зависимая привязка цены; категоризация по разделам меню; API-интеграция с действующей платформой IR. Входные справочники — реестр SKU и перечень конкурентов.
-
Решение из каталога Global CIO
В проекте не используются решения из каталога Global CIO
-
Сложность реализации
Главная сложность — отсутствие единых правил написания товаров в меню: вариативные шрифты, транслитерация, опечатки, сокращения, смешение языков, несколько SKU в строке. OCR считывал символы, но не устанавливал, какой именно товар указан. Требовалось одновременно обеспечить правильную идентификацию позиции, привязку цены и категории подачи, исключить ложные совпадения с неизвестными SKU и быстро учитывать новые варианты названий без повторного обучения модели. При этом новая функциональность должна была работать в существующем API-контуре IR и не усложнять процесс посещения торговой точки.
Дополнительный вызов — обеспечить качество данных, достаточное для включения показателей в регулярные KPI on-trade.
-
Описание
Исходная ситуация. Image Recognition (IR) применялась в компании «Напитки Вместе» для анализа фотографий торговых точек: в 2021 году технология была запущена в канале key accounts (КА), в 2023-м — в off-trade. В 2025 году началось расширение на on-trade; в презентации заявлено 90% покрытия этого канала. Но в барах и ресторанах продукт представлен главным образом в меню, а не на полке. В разных заведениях одно название может быть написано латиницей или кириллицей, сокращено или содержать ошибку. Обычное распознавание текста не позволяет надежно определить товар, его цену и форму подачи. Из-за этого было сложно регулярно оценивать выполнение стандартов ассортимента, а KPI on-trade ранее не рассчитывались через IR.
Реализованное решение. Команда SmartMerch построила многоступенчатую обработку фотографии меню. На первом уровне OCR извлекает символы и строки. На втором лингвистический модуль нормализует разные написания и связывает их с эталонным реестром SKU; при наличии нескольких товаров в строке выделяет каждый отдельно. На третьем уровне смысловое сопоставление связывает позицию с ценой и распознает категорию по заголовкам меню («разливное», «бутылочное» и др.). На вход также подается перечень конкурентов; позиции вне известного реестра не должны ошибочно классифицироваться. Результат в формате «SKU — цена — категория» передается через API в существующие бизнес-процессы без изменения привычного сценария работы полевого сотрудника.
Изменения после внедрения. Распознавание меню стало источником регулярной аналитики on-trade и вошло в систему KPI канала. Команды получили возможность обнаруживать торговые точки, где фактический ассортимент не соответствует стандартам, и точнее направлять визиты. Точность распознавания выросла с 60% в январе до 96% к концу октября, а экономия за январь–октябрь оценивается примерно в 21 млн рублей.
Дальнейшее развитие предполагает сопоставление товара с ценником, повышение точности и расширение интеграции с коммерческими метриками.
-
География проекта
По всей стране, где есть точки HoReCa, охват более 50 тысяч торговых точек on-trade, 995 пользователей.
-
Заказчик
АО АБ ИнБев Эфес
-
ИТ-поставщик
SmartMerch
Комментировать могут только авторизованные пользователи.
Предлагаем Вам войти в систему или зарегистрироваться.