• 331

    Опубликовано проектов

  • 171

    Оставлено комментариев

Рейтинг рассчитывает взвешенные оценки. Система динамически пересчитывает показатели при каждом новом голосе, учитывая весовые коэффициенты и мультикритериальную оценку. В ближайшие две недели еще будут публиковаться новые проекты, которые сейчас заканчивают верификацию. Текущее значение рейтинга может демонстрировать нелинейную динамику.

← Вернуться к списку

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.

Комментировать

Комментировать могут только авторизованные пользователи.
Предлагаем Вам в систему или зарегистрироваться.

  • Заказчик

    АО АБ ИнБев Эфес

  • ИТ-поставщик

    SmartMerch

Мы используем файлы cookie в аналитических целях и для того, чтобы обеспечить вам наилучшие впечатления от работы с нашим сайтом. Заходя на сайт, вы соглашаетесь с Политикой использования файлов cookie.