Ein perfektes Geschäft ist eines, das den Verbrauchern ein nahtloses Einkaufserlebnis bietet. Es wird mit Hilfe von Einzelhändlern und Vertriebsmitarbeitern umgesetzt und trägt zum Aufbau eines positiven Markenimages bei, was wiederum zu Rentabilität sowohl für den Einzelhändler als auch für den CPG-Hersteller führt. Dieses Konzept wurde in der Welt der CPG-Unternehmen geboren und wird offiziell als“Perfekter Laden“ von Unilever,“Goldenes Outlet“ von P&G,“ROT — Richtige Ausführung täglich“ von Coca-Cola und“Einwandfreie Ausführung“ von PepsiCo.
In den letzten Monaten haben wir ausführlich über die Feinheiten geschrieben, die mit der Einrichtung eines perfekten Geschäfts verbunden sind — warum das Bedürfnis nach dem perfekten Ladenkonzept empfunden wurde, wie dessen Effektivität umgesetzt und gemessen werden kann und welche KPIs damit verbunden sind. Wir haben auch erwähnt, dass eine der besten Möglichkeiten, das Ziel eines schwer fassbaren perfekten Geschäfts zu erreichen, die Bilderkennungstechnologie oder „Computer Vision“ -Technologie ist.
Aber es gibt eine Frage, die oft gestellt wird, und das zu Recht: Bringt Bilderkennung für eine perfekte Ladenabwicklung eine signifikante Investitionsrendite für Konsumgüter- und Einzelhandelsmarken? In diesem Blog gehen wir auf diese Skepsis ein und erläutern, wie die Bilderkennungstechnologie Ihre Umsetzung im Einzelhandel optimiert und so Ihr Wachstum langfristig verbessert.
PROBLEME, MIT DENEN CPG-MARKEN WÄHREND DES EINZELHANDELSAUDITS KONFRONTIERT WAREN -
Es reicht nicht aus, nur Richtlinien für eine perfekte Umsetzung im Einzelhandel zu erstellen. Ihre erfolgreiche Einhaltung durch Audits ist notwendig. Konsumgüter- und Einzelhandelsmarken können Einzelhandelsprüfungen auf vier Arten durchführen:

- Sie haben ihre eigenen Vertriebsmitarbeiter, die regelmäßig Filialen besuchen, um sicherzustellen, dass die perfekten Ladenrichtlinien eingehalten werden.
- Sie lagern das Audit der Einzelhandelsausführung an externe Prüfer aus
- Sie verwenden die von ihren Einzelhandelspartnern bereitgestellten Point-of-Sale-Daten.
- Sie nutzen KI-basierte Bilderkennungslösungen für die Ausführung im Einzelhandel. Diese Option gewinnt jedoch erst jetzt an Bedeutung.
Meistens wird das Audit jedoch durchgeführt, indem Umfragen ausgefüllt oder Bilder aufgenommen werden, die später von einem Backend-Team manuell analysiert werden. Dieser Prozess ist langsam und oft mit Ungenauigkeiten behaftet, die auf menschliche Fehlern/Vorurteile zurückzuführen sind. Einige eklatante Probleme, mit denen wir konfrontiert sind, sind -

- Eingeschränkte Personalstärke: Konsumgüterhersteller sind nicht in der Lage, sich ein vollständiges Bild von der Umsetzung im Einzelhandel zu machen — ihre Produkte sind in vielen Verkaufsstellen erhältlich, aber die Prüfung im Einzelhandel nimmt Zeit in Anspruch, sodass Marken aufgrund des begrenzten Personalbestands nur in wenigen Verkaufsstellen Prüfungen durchführen können.
- Endliches Skillset: Die Berechnung von KPIs ist möglicherweise nicht die Kernkompetenz der meisten Vertriebsmitarbeiter, insbesondere komplizierte, aber wichtige KPIs wie Brand Blocks, Adjacency und Sequence. Tatsächlich stellten wir bei einem Hersteller von Mundpflegeprodukten fest, dass die Erfassung von Share of Shelf-Daten auf Segmentebene eine große Herausforderung war, als er seine Merchandiser bat, die Zahlen manuell zu berechnen und zu melden.
- Zeitaufwändig: Eine solche intensive Datenerfassung, KPI-Berechnung und Ableitung von Erkenntnissen ist zeitaufwändig. Vertriebsmitarbeiter müssen oft Kompromisse eingehen, wenn es darum geht, Verbesserungen in Echtzeit im Geschäft vorzunehmen, die den Umsatz steigern können.
- Interessenkonflikt — Ein Interessenkonflikt entsteht, wenn die Vertriebsmitarbeiter ihre eigene Leistung messen. Das heißt, wenn die Marken ein Bonus- oder Incentive-Angebot anbieten möchten perfektes Shop-Programm, sie müssen sich mit den unbestätigten Daten begnügen, die ihnen zur Verfügung gestellt werden. Viele Marken beauftragen ein externes Prüfungsteam für den Einzelhandel, um dieses Problem zu lösen. Dies führt jedoch zu zusätzlichen Kosten.
- Fehlende Generierung von Instant Insight - Am wichtigsten ist, dass es Zeit braucht, Daten zu sammeln, zu interpretieren und sie dann zu entwickeln, um eine Vorgehensweise zu finden. Bis Abhilfe geschaffen ist, haben sich die Realitäten vor Ort geändert, sodass die Erkenntnisse überholt sind. Somit wurde praktisch kein Mehrwert geschaffen, um das Outlet gemäß den Richtlinien für perfekte Filialen zu verbessern.
Das Ausfüllen von Umfragen, ausschließlich mit SFA-Apps und das Aufnehmen von Bildern, die später analysiert werden sollen, lösen das eigentliche Kernproblem nicht - Wie kann sichergestellt werden, dass die Perfect Store Guidelines bei jedem Ladenbesuch befolgt werden?
BILDERKENNUNG — BEHEBUNG VON LÜCKEN BEI DER PERFEKTEN FILIALAUSFÜHRUNG
Das oben erwähnte Kernproblem spricht für eine Technologielösung, die es Außendienstmitarbeitern ermöglicht, Regale im Vergleich zu den Perfect Store-Richtlinien schnell zu scannen und Lücken darin zu erkennen.
Innovative Technologien wie Computer Vision können dieses Problem lösen. indem wir die Regale digitalisieren und den Mitarbeitern in Echtzeit Feedback zu Lücken in der Merchandising-Ausführung geben.
In diesem Blog werden wir die Investitionsrendite (ROI) erörtern, die durch die Bilderkennungslösungen zur Optimierung der Einzelhandelsgeschäfte erzielt wird.
Der ROI variiert von Marke zu Marke und von der Region, in der sie ihre Produkte verkaufen. Während die eingesparten Arbeitsstunden in Regionen mit hohen Löhnen ein wichtiger Faktor sind, wird die Genauigkeit der Daten in anderen Regionen, in denen es schwierig ist, zuverlässige Daten von den Außendienstmitarbeitern zu erhalten, ein wichtiger Faktor sein.
Boosten Produktivität des Vertriebspersonals
Ein unmittelbarer Vorteil des Einsatzes einer Bilderkennungslösung zur Nachverfolgung der Ausführung von Perfect Store liegt in der Anzahl der Arbeitsstunden, die Außendienstmitarbeitern eingespart werden können, die sonst viel Zeit mit der manuellen Überprüfung der Regalbedingungen verbringen würden.
Zum Beispiel - In einem unserer Projekte mit einem weltweit führenden Getränkeunternehmen lieferte ShelfWatch sofortige Bilderkennungsberichte für über 1000 traditionelle Verkaufsstellen, indem die Bilder auf den Geräten der Mitarbeiter verarbeitet wurden (Erkennung auf dem Gerät). Nicht vorrätig und Fehler in Ausführung eines Planogramms wurden von den Außendienstmitarbeitern im Geschäft angesprochen. Die Erkenntnisse wurden mit einer Bearbeitungszeit von weniger als einer Minute generiert, wodurch die Prüfungszeit um 50% reduziert wurde.
Bessere Genauigkeit der gesammelten Daten
In bestimmten Märkten sind Audits im Einzelhandel durch die Einschränkungen beeinträchtigt, die manuelle Prüfungen mit sich bringen — Vorurteile, mangelnde Fähigkeiten und menschliches Versagen. Der Außendienstmitarbeiter ist möglicherweise nicht in der Lage, komplexe Perfect Store-KPIs wie Markenblöcke, Augenhöhe oder Kundennähe zu messen und zu berechnen. An dieser Stelle kommt die Bilderkennung ins Spiel. Sie identifiziert die SKU und ihre vielen Varianten korrekt, berechnet die KPIs und überprüft die Konformität — alles anhand eines einzigen Fotos des Regals.
Zum Beispiel - Ein marktführender Hersteller von Mundpflegeprodukten hatte Mühe, sicherzustellen, dass seine Perfect Store-KPIs von den Merchandisern korrekt eingehalten wurden. Sie baten die Merchandiser, nach ihrer Arbeit Fotos vom Regal als Beweis einzureichen, aber Aufgrund des Fehlens einer automatischen Technologie zur Überprüfung der Einhaltung der Vorschriften anhand der Fotos waren sie nicht in der Lage, die Compliance-Lücken bei der Merchandising-Ausführung zu identifizieren und zu beheben.
Dies, zusammen mit der Tatsache, dass es im Merchandising-Bereich eine hohe Fluktuation im Außendienst gibt, bedeutete, dass der Kunde seine Außendienstmitarbeiter umschulen musste keine Garantie, dass ihre perfekten Ladenrichtlinien von jedem Merchandiser befolgt wurden.
Nach der Implementierung von ShelfWatch waren sie überrascht, wie effektiv die Technologie war, da sie es den Merchandisern ermöglichte, die Compliance-Lücken durch Warnmeldungen in Echtzeit und Erhöhung der Rechenschaftspflicht der gesamten Einsatzkräfte. Sie konnten mit den Auszahlungen an das Merchandising-Team, das den Geschäftsszenario für die Investition in eine Bilderkennungslösung wie ShelfWatch ausarbeitete, bessere Ergebnisse erzielen.
ROI der Gebühren für Regalflächen im Einzelhandel
CPG-Unternehmen zahlen den Einzelhändlern erhebliche Gebühren, um ihre Produkte im Geschäft zu platzieren, Werbeaktionen durchzuführen oder ihre Produkte in Verkaufszentren zu platzieren.
Durch die Digitalisierung ihrer Regale mithilfe der Bilderkennung können CPG-Unternehmen Erzielen Sie einen ROI ihrer Kosten und führen Sie ein datengestütztes Gespräch mit Einzelhändlern.
Dies wurde von einer Teemarke erreicht, als sie eine ShelfWatch-Lösung einsetzte, um die Ausführung der von ihnen für ihr neues Kräuterteesortiment verwendeten Point-of-Sale-Materialien (POSMs) im Geschäft zu verfolgen. Durch die Korrelation der von ShelfWatch bereitgestellten Daten mit den EPOS-Daten war der Kunde in der Lage, den zusätzlichen Umsatz zu messen, der durch ein perfekt ausgeführtes POSM im Vergleich zu einem nicht richtlinienkonformen POSM erzielt wurde, und es wurde ein Fallbeispiel für die Implementierung von ShelfWatch für regelmäßige Kontrollen erstellt.
Eliminierung von Prüfungen durch Dritte
In vielen Märkten ist es üblich, ein externes Prüfungsteam einzustellen, das die Arbeit des Merchandisers nach seinem Besuch überprüft, um den Anreiz der Merchandiser mit ihrer Leistung zu verknüpfen. Diese Methode ist zwar eine effektive Methode, um das beste Preis-Leistungs-Verhältnis für Ihren Incentive-Betrag zu erzielen, dies wird jedoch teuer und kann nur für eine Auswahl von Geschäften durchgeführt werden.
Moderne Tools zur Digitalisierung von Regalen wie ShelfWatch können die Notwendigkeit eines externen Prüfungsteams überflüssig machen, da die Merchandiser so ihre Arbeit selbst überprüfen können, indem sie die von ihnen aufgenommenen Fotos automatisch analysieren. In einigen Fällen ist es vielleicht nicht möglich, das Auditteam zu eliminieren, aber selbst in diesen Fällen kann das Auditteam effizienter werden, indem die Auditoren gebeten werden, Fotos zu machen, anstatt die Regale manuell zu überprüfen und so mehr Geschäfte pro Tag abzudecken.
In beiden Fällen können die eingesparten Kosten durch ein teures Außendienstteam vor Ort die Investition in IR-Lösungen rechtfertigen. Moderne IR-Lösungen wie ShelfWatch sind im Vergleich zu manuellen Auditteams im großen Maßstab schnell und kostengünstig.
Präzise Bewertung der Treue- und Incentive-Programme -
Da wir festgestellt haben, dass Bilderkennungslösungen zuverlässige und genaue Einblicke bieten, können sie sich darauf verlassen, dass sie den prozentualen Bonus für Einzelhandelspartner und Vertriebsmitarbeiter berechnen. Dies hilft bei der Erstellung eines auf Anreizen beruhenden Perfect-Store-Programms. Das bedeutet, dass sowohl der Einzelhändler als auch die Vertriebsmitarbeiter nun in die Gesundheit der Marke investieren.
Bilderkennungstechnologien können CPG-Unternehmen objektive Daten liefern, anhand derer sie wirklich wissen, welche Einzelhändler und Außendienstteams ihre Perfect Store-Standards einhalten und wer nicht.
Mit relevanten und genauen Daten können CPGs bessere Platzierungen aushandeln, einen höheren ROI für ihre Displays erzielen und ihr Außendienstteam zielgerichtet motivieren. Wenn diese Vorteile kombiniert werden, wird der ROI von digitalen Tools wie ShelfWatch deutlich. Tatsächlich ist es ein unverzichtbares Tool für moderne CPG-Führungskräfte, um eine datengesteuerte Kultur aufzubauen.
Möchten Sie mehr über andere Shelf-KPIs erfahren? Lesen Sie unsere nächster Blog um es herauszufinden.
Um zu sehen, wie Ihre eigene Marke in den Regalen abschneidet, klicken Sie hier um eine kostenlose Demo von ShelfWatch zu vereinbaren.

.jpg)