Планограма AI: чому викладка розходиться з макетом
Викладка розходиться із затвердженим макетом не тому, що хтось працює абияк, а тому що макет і полиця живуть у різних часових шкалах.
Планограма фіксує ревізію на дату погодження, а полиця змінюється щодня: закінчується товар, надходить партія в новому пакуванні, працівник збирає викладку з пам'яті в години пік.
Планограма AI закриває не питання «хто винен», а контроль викладки з регулярністю, недосяжною для ручного обходу.
Джерела розбіжності з макетом повторюються від точки до точки. Товари-двійники схожі зовні — сусідній смак або інша вага потрапляє на чуже місце в ряду. Зміна постачальника або редизайн пакування ламає розрахунок ширини, і в макеті залишається позиція, якої на полиці вже немає.
Після розпродажу залишаються «дірки», які закривають випадковим товаром замість правила підстановки. Плюс сезонні перестановки — і частина залу працює за застарілою ревізією, про яку ніхто не пам'ятає.
Ручний обхід коштує дорожче, ніж здається. Прохід по одній категорії — десятки хвилин, повний обхід точки — половина зміни, тому перевірку роблять раз на тиждень або за скаргою.
Між перевірками розбіжність залишається непоміченою: структура полиці роз'їжджається, імпульсні зони втрачають продажі, а звіт фіксує враження перевіряльника, а не факт. Порівняти стан полиці з тим, що було місяць тому, немає чим.
Детекція викладки за знімками знімає цю дискретність: алгоритм зіставляє кадр з макетом за геометрією полиць і позиціями, а автоматизація перевірки полиці перетворює разовий обхід на регулярний звіт із доказом. Розбираємо, як це влаштовано.
Планограма AI: вимірюваний ефект для роздрібної мережі
Ефект контролю викладки вимірюється не фактом впровадження, а трьома числами: часом обходу залу, часткою знайдених розбіжностей і розкидом цих показників між точками.
Ручний обхід однієї торгової точки займає 40–60 хвилин, і до кінця зміни перевіряльник дивиться на полиці помітно менш уважно — частина помилок залишається непоміченою.
AI-система проходить той самий зал за 5–7 хвилин: працівник знімає полиці на камеру, решту рахує модель, а швидкість перевірки залу перестає залежати від кількості категорій у матриці.
Детекція побудована на відкритій моделі сімейства YOLO, донавченій на знімках конкретної мережі та її товарних груп: розпізнається продукт, кількість позицій у ряду, порядок на полиці та наявність цінника.
Модель не вгадує бренд за кольором пакування — вона порівнює геометрію викладки з еталоном і повертає список розбіжностей із прив'язкою до полиці.
Тому зниження помилок викладки йде за рахунок повноти, а не строгості: частка виявлених відхилень зростає приблизно на третину проти ручного обходу, спірні випадки йдуть на підтвердження людині, а не в автоматичний штраф.
Основний ефект — повторюваність. Один і той самий набір правил застосовується в усіх точках, і порівняння мережі перестає залежати від того, хто саме проводив аудит мерчандайзингу.
Коли планограма й AI-контроль вбудовані в щоденний регламент, розбіжність фіксується в день появи, а не на щомісячній перевірці: виправлення коштує правки на полиці, а не повторного візиту супервайзера.
Режими контролю викладки: зйомка, камери залу, гібрид
Режим контролю визначає не лише джерело кадру, а й усю подальшу обробку: зйомка викладки під час обходу, постійні камери в залі або комбінація обох джерел.
Від цього залежить частота звірки з планограмою, стійкість розпізнавання до ракурсу та перекриттів і те, наскільки знімок годиться як доказ для постачальника.
Вибір упирається в три обмеження — площа залу та кількість товарних точок, потрібну періодичність перевірки та умови зйомки: світло, кут, люди в кадрі.
| Режим | Коли підходить | Обмеження |
|---|---|---|
| Зйомка викладки під час обходу | Магазини з рідкою звіркою, часті перестановки, потрібна прив'язка до працівника й часу | Людський фактор: пропущені зони, різний ракурс, інтервал між перевірками |
| Камери в залі | Великі зали, де важлива реакція протягом дня, а не за фактом обходу | Мертві зони, перекриття покупцями, витрати на монтаж і трасування полиць |
| Гібридна схема | Змішаний асортимент: топові полиці під наглядом, решта — обходом | Складніше звести два джерела та розмітити еталон для кожного ракурсу |
Відрізняється й обробка. Під час обходу розрахунок на пристрої дає результат одразу на місці, але обмежений якістю кадру; за стаціонарних камер обробка йде на сервер, де можна тримати історію та порівнювати кадри між собою.
Гібридна схема бере від обох режимів: постійний фон за ключовими зонами плюс періодична зйомка викладки цілком — і саме її ми найчастіше проєктуємо як основний режим контролю полиці.
Впровадження контролю викладки: етапи інженерної роботи
Впровадження контролю викладки розбито на етапи, і кожен закривається артефактом, який можна перевірити: описом процесу, розміченим набором кадрів, звітом пілота. Такий порядок знімає ризик, що система впевнено працює на демонстрації та розвалюється в магазині.
Етапи проєкту: від аудиту процесу до пілота
- Аудит процесу. Дивимося, як зараз звіряють викладку з планограмою: хто знімає полиці, як часто, де фіксуються розбіжності, які категорії дають більше відхилень.
- Еталонні дані. Збираємо та розмічаємо знімки: правильно зібрана полиця й типові порушення — зсув, пустота, чужий товар.
- Налаштування під ваші планограми. Розпізнавання навчається на ваших категоріях і форматі полиць, а не на абстрактному наборі.
- Пілот на категорії. Запуск в обмеженій кількості точок, порівняння з ручною перевіркою, підрахунок частки правильних спрацьовувань.
- Приймання результату. Погоджуємо поріг якості та правила ескалації: що йде в завдання працівнику, що вважається допустимим.
- Передача в експлуатацію. Регламент, інструкції для персоналу, моніторинг якості та навчання команди.
Далі рішення працює без нашої постійної участі: нові планограми завантажуються штатно, якість відслідковується за метриками, а при зміні категорії модель донавчається на нових кадрах замість перезапуску проєкту.
Артефакти проєкту: розмітка, модель детекції, регламенти
Демонстрація впевнено працює на підготовлених кадрах, тому цінність проєкту визначається тим, що фізично залишається в контурі замовника після здачі.
Ми передаємо не закриту систему «як є», а набір артефактів, за яким ваша команда може змінювати правила, донавчати модель на нових даних і розбирати спірні спрацьовування без нашої участі.
- Розмітка даних. Еталонні кадри за типами обладнання та ракурсами, словник класів дефектів, правила розмітки спірних випадків — де відхилення вважається порушенням, а де допуском.
- Модель детекції. Навчені ваги, скрипт запуску та звіт за метриками: точність і повнота окремо за кожним класом, частка хибних спрацьовувань на контрольній вибірці.
- Правила зіставлення. Прив'язка знайдених об'єктів до позицій планограми, поріг впевненості для автоматичного виправлення та для ручної перевірки оператором.
- Регламент реакції. Кому й у якому вигляді надходить зауваження, за який строк його закривають, за яких умов підключається ескалація та як фіксується результат.
- База для донавчання. Вимоги до зйомки нових кадрів і порядок додавання складних прикладів у навчальну вибірку — щоб якість зростала на ваших даних.
- Документація. Опис схеми роботи, інструкція із запуску та оновлення моделі, карта зон відповідальності між вашою командою та супроводжувальним підрядником.
- Передавальний комплект. Доступи, конфігурації, журнал спрацьовувань і розбір інцидентів за період дослідної експлуатації.
Приймання йде за кожним пунктом окремо: поки артефакт не відтворюється на вашій стороні без нашої участі, етап не вважається закритим.
Як змінився контроль викладки в мережі: метрики до та після
Як було до впровадження
Пілот запускали в роздрібній мережі одного формату — кілька десятків точок з однаковим плануванням, щоб порівняння йшло на зіставних даних. Контроль тримався на ручних обходах: працівник проходив зал із планограмою та відзначав відхилення очима — близько 40 хвилин на точку.
Між фіксацією порушення та повторною перевіркою минало два-три тижні, тому частина відхилень зникала сама, частина з'являлася знову.
Що стало після автоматизації
Автоматичну перевірку вбудували в той самий процес: працівник фотографує полицю за регламентом, система зіставляє знімок із планограмою та повертає список відхилень із прив'язкою до товарних позицій. Усередині мережі контур назвали Смарт-викладка.
- Розбіжності з планограмою: ручний обхід знаходив 18% порушень, автоматична перевірка — 34% на тих самих полицях. Різниця — переставлені блоки, не той розмір пакування, недовикладка за глибиною.
- Час перевірки точки: 40 хвилин → 7-10 хвилин, включно із зйомкою після виправлення.
- Цикл повторної перевірки: два-три тижні → дві-три доби.
- Частка розбіжностей, що залишалися незакритими під час повторної перевірки: 45% → 12%.
Зростання знахідок — не погіршення викладки, а зміна чутливості контролю. Порівнювали на тих самих точках і одному регламенті зйомки: спочатку місяць ручних обходів, потім зіставний період автоматичної перевірки.
Чим відрізняється контроль викладки за фото від відеоаналітики?
Обидва підходи починаються з кадру з полиці, але далі розходяться. Фотоаналітика отримує дискретний набір знімків за заданим маршрутом обходу, відеоаналітика — безперервний потік із закріплених камер. Звідси різні вимоги до залу, точність розпізнавання та ціна зміни схеми викладки.
На статичному знімку геометрія повторювана: та сама точка зйомки, відомий ракурс, передбачувана експозиція. Детектори сімейства YOLO на таких кадрах дають стійкий результат, спірну зону можна переперевірити повторним прогоном і віддати оператору лише розбіжності.
Відео бере іншим — воно ловить момент: підміну цінника, спорожніле місце на полиці, переміщення товару між зонами.
Обмеження зйомки у відео жорсткіші. Камери висять під кутом, частину полиць перекривають покупці, дальні ряди втрачають деталізацію, а вечірнє освітлення змінює колір пакування.
Потокова обробка частково це згладжує — рішення ухвалюється за накопиченими спостереженнями, — але потребує дедуплікації: без неї та сама порожня полиця дає лавину спрацьовувань.
На практиці вибір такий: фото — для аудиту відповідності планограмі та товарного обліку, відео — для подій у залі та реакції за фактом.
Коли потрібно і те, і інше, збираємо зв'язку: камери піднімають тривогу, а планові обходи зі знімками дають еталон і доказову базу для спірних випадків.
Часті технічні сумніви перед запуском системи
Сумніви перед запуском зазвичай інженерні: чи вистачить даних, що робити зі схожими пакуваннями, як часто перезнімати еталони та чи не потребуватиме зал заміни обладнання.
Перевіряємо це на пілотній зоні — кілька стелажів і один формат викладки, де поведінка системи видно за реального світла й реального потоку покупців.
Який обсяг даних потрібен на старті?
Не потрібно розмічати весь асортимент. Достатньо еталонних знімків за кожним блоком викладки та кількох сотень кадрів реального залу — далі модель донавчається на розбіжностях, які знаходить сама. Чим вужча пілотна зона, тим швидше зрозуміло, чи вистачає якості зйомки.
Як система розрізняє схожі пакування?
Дивимося не на силует, а на набір ознак: профіль пакування, порядок сусідніх одиниць, кольорові зони етикетки, положення щодо роздільників і цінників. Об'єктивно нерозрізнені в кадрі позиції йдуть у список «потребує підтвердження», а не в хибне спрацьовування. Такі категорії позначаємо як складні та налаштовуємо під них окремий поріг чутливості.
Що відбувається при оновленні макетів і в сезон?
Макет зберігається як версія з датою дії, а не як один файл. Нова планограма завантажується окремою версією, попередня зберігається — розбіжності можна порівняти й повернутися назад.
Сезонні розширення — палетна викладка, промо-зони, тимчасові вставки — описуються правилами допуску, щоб не читалися як порушення.
Яке обладнання потрібне в залі?
Зазвичай достатньо камер, які вже стоять у залі, плюс зйомки за маршрутом обходу. Важлива не стільки оптика, скільки перекриття зон і стабільна точка зйомки: рахуємо, скільки полиць покриває один прохід. За нерівномірного світла або глибокої полиці додаємо точку зйомки — це і з'ясовується на пілоті.
Обговоримо задачу: з чого почнемо і що потрібно
Оцінка та план з'являються не з анкети, а з розбору поточного процесу: як сьогодні перевіряють викладку, хто фіксує порушення, що вже намагалися автоматизувати. Тому перший крок — обговорити задачу та зібрати вхідні дані, від яких залежать і обсяг робіт, і строки впровадження.
Що потрібно від вас: планограми в робочому форматі — таблиці, PDF або вивантаження із системи мерчандайзингу — з позначкою обов'язкових і варіативних позицій.
Плюс зйомка залу з тих ракурсів, де працюватиме система, та історія реальних порушень: за нею видно, які помилки викладки критичні, і налаштування йде точніше.
Далі робота йде за кроками:
- Розбір вхідних даних і межі задачі: категорії, типи полиць, що система має робити і чого робити не повинна.
- Аудит даних: чи вистачає зйомки та розмітки, щоб детекція працювала стійко, а не вгадувала за одним вдалим прикладом.
- Критерії приймання: яка частка знайдених порушень і яка частота хибних спрацьовувань вважаються нормою для вашої мережі.
- Пілот на одній категорії або групі точок: заміряємо точність на реальних обходах і показуємо, що система пропускає і чому.
- Донавчання під мережу: закриваємо розбіжності, що спливли на пілоті, додаємо нові типи полиць і умов зйомки.
- Передача рішення: документація, регламент роботи із сигналами, навчання команди, доступи та розмежування прав.
- Супровід після запуску: розбираємо спірні спрацьовування та оновлюємо модель у міру зміни викладки.
Строки впровадження на всю мережу називаємо після пілота — вони залежать від кількості категорій і точок, а не від обсягу моделі. Опишіть задачу та поточний процес контролю викладки — повернемося з оцінкою, планом і межами пілота.
