-
331
Опубликовано проектов
-
171
Оставлено комментариев
Автоматическая проверка соответствия ценника и товара
-
Руководитель проекта со стороны заказчика
Вероника Снитко
АО АБ ИнБев Эфес
Руководитель направления по цифровой трансформации продаж
-
Категория
-
Номинация
-
Цели
Автоматизировать проверку: соответствует ли ценник конкретному SKU товара в торговой точке, и сократить риски штрафов со стороны ключевых клиентов.
На фоне регулярного мониторинга цен в розничных сетях бизнесу важно выявлять ошибки оформления максимально быстро и реагировать в день посещения точки. Для этого решение должно сопоставлять идентификатор товара, распознанного на фотографии, с идентификатором SKU, извлеченным из текста ценника, включая отличия по формату упаковки. Результат проверки должен быть доступен в отчетности и встроен в KPI команды продаж, чтобы корректное размещение ценников контролировалось системно, а не только после отдельного обращения.
-
Сроки выполнения
июль, 2026 — октябрь, 2026 -
Год завершения проекта
2026
-
Масштаб проекта
3498 автоматизированных рабочих мест -
Результаты
За время использования решения штрафы со стороны крупнейших торговых клиентов, связанные с некорректным размещением ценников, снизились приблизительно на 30%.
Проверка выполняется по фотографиям, ее результат виден в день посещения торговой точки; несоответствие автоматически отражается в KPI команды продаж. Помимо оперативных исправлений, это создает постоянный стимул соблюдать правила оформления ценников, поэтому потребность в отдельных поручениях по отчетам сокращается.
Эффект подтвержден на 74 тысячах торговых точек.
-
Уникальность проекта
Ключевая особенность проекта — проверка привязки ценника к товару двумя способами на основе одного фотодокумента. Классическое распознавание определяет SKU товара и связанный с ним ценник, а OCR считывает полный текст каждого ценника, в том числе повторяющегося. Далее система по справочнику присваивает тексту SKU и сравнивает два идентификатора. Совпадение фиксируется как price_match = true, расхождение — как false. Если один из результатов не получен, система не делает неподтвержденный вывод: сверка не выполняется. Так выявляется, например, ценник банки Red Finch, установленный под стеклянной бутылкой того же бренда, — ошибка, которую нельзя обнаружить проверкой только числовой цены. Сигнал о несоответствии поступает в существующие отчеты и KPI команды продаж в день визита.
-
Использованное ПО
SmartMerch / Image Recognition (IR);
OCR для распознавания текста ценников;
справочник SKU;
мобильное приложение для фотосъемки в сцене «Цены»;
портал SmartMerch с вкладкой «Ценники» и колонкой «Соответствие»;
передача результата в JSON с полями price_match, smid, id_dscr, raw_text
-
Решение из каталога Global CIO
В проекте не используются решения из каталога Global CIO
-
Сложность реализации
Главная сложность — корректно сопоставить товар на фотографии с текстом расположенного рядом ценника: похожие SKU могут различаться упаковкой, а идентичный бренд не гарантирует совпадения товарной позиции. Решение потребовало объединить классическое распознавание объекта и цены с OCR всего текста, нормализовать результат через справочник SKU и сравнивать идентификаторы по четкой логике. Отдельно важно не смешивать доказанное несовпадение с отсутствием распознавания: в последнем случае штрафующий KPI-сигнал не должен формироваться как факт ошибки. Сама система сопоставления и сама механика, которая заложена в системе и есть сложность. SmartMerch сделал для нас разработку, которая применима в последствии будет не только для нас но и для рынка в целом полезна. Разработка составила 2 месяца. В нее были вовлечены команды разработки SmartMerch и команда бизнеса (которая отвечает за бизнес процессы) компании "Напитки Вместе".
-
Описание
Исходная ситуация.
Для производителя напитков критически важно своевременно отслеживать корректность ценников в торговых точках, особенно на фоне мониторингов розничных сетей. В точке продаж товар может стоять над ценником другой позиции или другого типа упаковки: например, стеклянная бутылка Red Finch — над ценником банки Red Finch. Обычного распознавания цены недостаточно, чтобы установить, действительно ли ценник относится к представленному SKU. Ошибка может остаться незамеченной до проверки клиента и повлечь штраф; ручное выявление не дает оперативного и единообразного контроля.
Реализованное решение.
Совместно с командой SmartMerch создана дополнительная проверка в действующем контуре Image Recognition. На портале настраивается сцена «Цены», в которую сотрудник при визите загружает фотографии. Первый алгоритм распознает товар (SKU) и связанный с ним ценник, извлекая цену; второй — с помощью OCR считывает весь текст внутри каждого ценника, включая повторяющиеся. По распознанному тексту и справочнику товаров определяется второй SKU. Система сравнивает два идентификатора: совпадение дает price_match = true, несовпадение — false; если один метод не распознал данные, сверка не проводится. В JSON-результат включаются price_match, smid, id_dscr и raw_text. На вкладке «Ценники» портала появляется поле «Соответствие» со значением «Да» или «Нет» для проверенных ценников.
Изменения после внедрения.
Результаты проверки доступны в день визита и встроены в систему KPI команды продаж. Некорректный ценник автоматически подсвечивается и влияет на оценку работы сотрудника, в том числе потенциальное премирование. Руководители также видят отклонения в отчетах и могут направить команду исправить выкладку. По наблюдениям бизнеса, таких дополнительных поручений требуется все меньше по мере действия KPI-механизма. Проверка решает задачу соответствия товара и текста ценника; автоматическая проверка числовой цены относительно прайс-листа в исходном описании не заявлена.
-
География проекта
Были вовлечены все регионы и 74 тысяч торговых точек. Данная механика внедрена только в нашей компании, но она сильно улучшила взаимодействие между нами и клиентами.
-
Заказчик
АО АБ ИнБев Эфес
-
ИТ-поставщик
SmartMerch
Комментировать могут только авторизованные пользователи.
Предлагаем Вам войти в систему или зарегистрироваться.