Goods Checker
Ökosystem für automatisierte Merchandising-Vorgänge
- Datenanalyse nach Verkaufsstellen, SKUs, Merchandisern
- Erstellen, Kopieren und Editieren von Planogrammen
- Anpassbare Dashboards und detaillierte Analytik

Was ist Goods Checker?
Die Goods Checker ist eine SaaS-Lösung für die FMCG-Hersteller, die alle Stufen des Merchandisings automatisiert. Mit Goods Checker stehen den Leitern jederzeit aktuelle und zuverlässige Analysedaten zur Verfügung, die ihnen helfen, schnell die richtigen Managemententscheidungen zu treffen.
Die Goods Checker bietet die Möglichkeit, den Umsatz um bis zu 7 % zu steigern.
Objektive KPIs
Objektive KPIs
Die Geschäftsleitung setzt reale KPIs ein und bewertet Merchandiser objektiv.
Ursachen der Nichteinhaltung von Planogrammen
Ursachen der Nichteinhaltung von Planogrammen
Die Manager verfolgen die Ursachen, warum die Planogramme nicht eingehalten werden — Die Ware ist aus, die Ausrüstung ist kaputt usw.
Einschätzung der tatsächlichen Situation in den Regalen
Einschätzung der tatsächlichen Situation in den Regalen
Die Geschäftsleitung erhält Informationen über die tatsächliche Situation in Geschäften und Regalen: Welchen Anteil des Regals wird von Ihrem Produkt und Produkten Ihrer Wettbewerber eingenommen, wie qualitativ arbeiten die Mitarbeiter.
Die Anwendung zur Produkterkennung Goods Checker hilft bei:
- Optimierung der Merchandising-Geschäftsprozesse und Bearbeitung von Merchandiser-Besuchen in den Verkaufsstellen innerhalb von weniger als 60 Sekunden
- Erhaltung der Angaben über Warenpräsentation nach dem Planogramm, beim Vergleich vom Reallogramme und Planogramme in Echtzeit und schnelle Änderungen dank der hohen Geschwindigkeit und Qualität der Datenverarbeitung
- Steigerung des Umsatzes durch die Analytik im Einzelhandel, durch rechtzeitige Erhebung von Daten aus den Verkaufsstellen über die Präsentation der eigenen Produkte und der Produkte der Konkurrenz sowie durch die Zunahme der Einbeziehung der Merchandiser in den Prozess
- Minimierung des Einflusses von menschlichen Fehlern bei der Datenverarbeitung
- Integration aller Systemmodule mit allen erforderlichen internen Systemen auf Wunsch des Kunden
- Einsparung bei der Ausrüstung und Support durch die Nutzung der Kapazität einer zentralisierten Datenverarbeitung der IBA Group, technische Unterstützung von Programmierern und Datenspezialisten, ohne zusätzliches Personal einzustellen
- POS-Materialien – eigene und von Wettbewerbern – kontrollieren
- der Konkurrenz einen Schritt voraus zu sein, durch eine Analyse der SKUs der Konkurrenz und ihres Regalanteils
Woraus besteht die Goods Checker?
- Der automatische Vergleich der Auslage und des Planogramms in Echtzeit
- Die SKU-Erkennungsgenauigkeit beträgt mehr als 95%
- SKU-Analyse seit der SKU-Markteinführung
- Kleben von mehreren Fotos der Regale
- Ermittlung von Regalproblemen und operativer Ursachenbericht (Out-of-stock, Ausrüstungsschaden usw.)
- KI verarbeitet die Fotos und erstellt die Berichte
- Die Manager müssen nicht die Fotos stundenlang manuell überprüfen und analysieren.
- Analyse von Merchandisingdaten nach Verkaufsstellen, SKUs, Merchandisern
- Analyse des Regalanteils nach Kategorie, Handelsmarke, Region
- Die Benutzer können über einen Webbrowser auf Analyseberichte zugreifen
- Die Analytik wird in Statik und Dynamik erstellt (Vergleich mit einem vorherigen Zeitraum)
Wie funktioniert die Goods Checker?

1/ Der Merchandiser macht Fotos von der Position der SKU in den Regalen.

2/ Die Fotos werden in das Rechenzentrum der IBA Group hochgeladen.

3/ Das Modul mit künstlicher Intelligenz analysiert das Foto, sucht und klassifiziert die SKU und bewertet es nach einem vorgegebenen Szenario.

4/ Die Goods Checker bereitet Daten auf und erstellt Berichte auf dem Server.

5/ Die Benutzer können sofort nach dem Hochladen des Fotos über einen Webbrowser auf Berichte und Analytik zugreifen.
Unsere Begutachtung
SCHLÜSSELTECHNOLOGIE
Python, Tensorflow, OpenCV, Pytorch, R
TOOLS
Python, Tensorflow, OpenCV, Pytorch, R, Pillow, albumentations, scikit-image, numpy, pandas, scikit-learn, DLib, PostgreSQL, MongoDB, sqlalchemy, ZeroMQ, Kafka, pyexecerate, pyopenssl, contextlib2, flask, Docker, Apache Airflow, git, DVC, AngularJS, REST API