资源描述
0 目 录 第一章 中国 零售 行业 的发展 综 述 .1 1.1 零时 差消 费 .1 1.2 货架 数字 化 .1 第二章 OSA 问题 带来 的挑战 .3 2.1 OSA 及其 研究 意义 .3 2.2 OSA 问题 的负 面影 响 .6 2.2.1 企业 收入 损失 .6 2.2.2 企业 供求 计划 打乱 .7 2.2.3 消费 者忠 诚度 下降 .7 2.3 OSA 问题 的产 生原 因 .7 2.3.1 零 售商 的虚 库存 产生 .7 2.3.2 品牌 商的 供货 延迟 .7 2.3.3 消 费者 的需 求量 提升 .8 第三章 OSA 问题 的 AI 解 决方案 .9 3.1 试点 方案 综述 .9 3.2 方案 试点 项目 一 人工拍 照 . 11 3.2.1 项目 背景 . 11 3.2.2 技术 方案 与可 行性 研究 . 11 3.2.3 技 术方 案的 实施 过程 . 11 3.2.4 技 术方 案的 实施 结果 . 12 3.2.5 相 关供 应链 后续 流程 . 13 3.3 方案 试点 项目 二 过道摄 像头+电子 价签 . 13 3.3.1 项目 背景 . 13 3.3.2 技术 方案 与可 行性 研究 . 14 3.3.3 技 术方 案的 实施 过程 . 17 3.3.4 技 术方 案的 实施 结果 . 18 3.4 方案 试点 项目 三 货架摄 像头+电子 价签 . 18 3.4.1 项目 背景 . 18 3.4.2 技术 方案 与可 行性 研究 . 20 3.4.3 技 术方 案的 实施 过程 . 20 3.4.4 方案 实施 业务 流程 . 22 3.4.5 技 术方 案的 实施 结果 . 22 3.5 方案 试点 项目 四 机器人 . 25 3.5.1 项目 背景 . 25 3.5.2 技术 方案 与可 行性 研究 . 25 3.5.3 技 术方 案的 实施 过程 . 26 3.5.4 技 术方 案的 实施 结果 . 27 第四章 建议 和展 望 . 28 4.1 改进 门店 货架 管理 方式. 28 4.1.1 利用 AI 技术 识别 货 架缺货 . 281 4.1.2 明确 门店 货架 缺货 原因 . 28 4.1.3 全面 优化 门店 管理 . 28 4.1.4 保持 全链 路高 效信 息传递 . 29 4.1.5 技术 改进 建议 . 29 4.2 基于 OSA 的扩 展应 用 . 29 4.2.1 门店 货架 陈列 数字 化转型 . 30 4.2.2 基于 单一 门店 的品 类管理 . 30 4.2.3 零 供协 同与 履约 . 30 4.3 建立 长远 的企业 AI 发 展计划 . 30 4.3.1 强 化企业 AI 战 略思维 . 30 4.3.2 培 养企业 AI 人 才队伍 . 31 4.3.3 完 善企业 AI 成 本管控 . 321 第 一 章 实 体零 售 即 时 满 足 消 费 者 需 求 1.1 零 时 差 消 费 随着改革开放 的进程， 中国零售业在市场规模和商业模式方面都经历了突飞 猛进的跨越式发展。市场规模方面，在 2000 年到 2020 年这 20 年期 间，中国的 零售总额翻了近 10 倍 ，从 3.9 万亿增长到了 39.2 万亿。 商业模式方面， 中国的 零售业经历了一开始的 实体零售模式到之后的线上零售模式， 以及发展到现阶段 实体零售和线上零售相互交融的 零时差 消费商业模式。 图1.1 零时差消费战略逻 辑框架 图 由于人均可支配收入不断提高， 随之而来的是消费升级， 除了对商品高品质 的要求， 人们对商品个性化需求、 获取商品的便利性需求日益增长， 难以被满足。 旨在实现以消费者为中心， 运用人工智能 和大数据等技术 ， 实现线上线下一体化 的零时差消费， 已经成为行业发展的关 键。 1.2 货 架 数 字 化 零时差消费中非常重要的一个内容就是 推动数字化转型，建 立 科技驱动、 不2 设边界、 适应零时差消费时代的组织结构与文化 。 在机器学习和 深度学习的帮助 下，消费 者 标签 不再需 要人工生 成， 标签 特征 刻画精细 性、深 度得到 大大提升。 通过对消费者行为的数据分析， 准确定位消费者消费水平、 获取消费偏好等重要 信息。 通过线上商城、 移动端 应用向顾客推送满足其喜好的商品， 将线下体验与 线上消费完全融合， 实现精准营销， 大大提升零售的效率。 从顾客和商品到 交易 和管理， 达到自动化 、 信息化、 数字化 以及智能化， 提升顾客体验的同时， 也能 推动企业自身价值的挖掘。 零售门店货架数字化 便是其中的典型代表， 通过 运用手机 应用、 货架摄像头 和巡店机器人等 媒介以及机器视觉、 图像识别算法 和物联网等技术 ， 主动抓取货 架上的商品信息 并进行记录， 将图像数据数字化， 实时掌握商品动态。同 时 ，在 货架数字化的基础上， 使用机器学习 模型对数据进行整合 处理和分析， 为零售商 提供销量预测、 缺货预测 等数据洞察服务 ， 帮助零售商了解整体消费需求， 通过 零供协同促进供应商和零售商的 共同业务 发展。 从资源角度来看， 机 器自动化识 别、 统计和分析数据 正在逐渐取代人工 作业， 可以让员工腾出时间从事更有价值 的工作。零时差 消费和货架数字化为零售 行业创造了无限 的可能。3 第 二 章 OSA 问 题 带 来 的 挑 战 2.1 OSA 及 其 研究 意 义 OSA 是 On-Shelf-Availability ，即货架有货率。OSA 问题是指 OSA 的数值 低于期待， 表示 产生了一定规模的货架缺货问题。 针对 OSA ， 中国连 锁经营协会 行业创新与发展部主任田芮丰曾 联合 6 家生产 企业（包括：联合利华（中国） 、 高露洁 （中国） 、 强生 （中国） 、 蒙牛、 宝洁 （中国） 、 雀巢 （中国） ） 和 4 家大型 连锁零售企业 （沃尔玛 （中国） 、TESCO （中国） 、 麦德龙 （中国） 、SPAR （中国） ） ， 开展过一次专项调研工作。 其中，6 家生产企业筛选出 180 个热卖的SKU （平均30 个SKU/家） ， 连锁零 售企业提供9 个城市的 178 个门店， 通过第三方调研机构， 实地调研每个 SKU 在 每个门店 的货架 有货情 况，并随 机采访 消费者 ，获得他 们关于 缺货的 行为反馈。 图2.1 商品货架有货率 统 计图 （按生产企业）4 图2.2 商品 货架有货率 统 计图 （按连锁零售企 业） 图2.3 商品货架有货率 统 计图 （按城市）5 图2.4 商品货架有货率 统 计图 （按品类） 图 2.5 消费者对 于缺 货 的 行为反馈 统计图（样 本数 ：288） 调研结果表明 ， 货架缺货问题是真实存在的， 而且 在被调研企业， 尤其是零 售头部企业具有很强的普遍性。 该项调研以大卖场为主， 辅助一些便利店。 近年 来， 随着网络、 移动、 直播、 智能音箱等越来越多的购物渠道如雨后春笋般扑向 消费者， 使消费者应接不暇。 反观连锁零售企业， 一方面， 企业面临着门店客流6 下降的现实问题， 在过去的数年来， 通过各种数字化手段 （大数据、 精 准营销等） ， 努力将消费者拉回到线下、 拉回到门店； 另一方面， 由于想买的商品在货架上缺 货，企业又将已经到店的消费者推到其它的购物渠道。 所以 ，重视 OSA 的提升 ， 设法减少货架缺货问题，是零售企业需要面对的重要课题。 2.2 OSA 问 题 的 负 面 影 响 2.2.1 企 业 收入 损 失 OSA 问题会 造成各个类型企业的收入损失， 包括零售商和 品牌商（ 制造商）。 根据数年前研究 显示， 由于缺货， 零售商损失 率为 55%至 72%， 金额大致为5.64 亿；品牌商损失 率为 14%-31%，金额大致为 2.43 亿。具体原因以及计算公式如 下表所示。 图2.6 不同类型企业 因缺 货造成的损失情况 统 计图 （参考 5 家生产企业、4 家零售企业） OSA 每降低 3%，就会造成 1%的 销售额下降，这种因缺货问题导致的 巨大损 失是所有企业都不愿意看到的。 同时， 空置的货架不能为企业产生任何价值， 空 置货架的增多也 在客观上造成了浪费 。7 2.2.2 企 业 供求 计 划 打乱 对于非物理缺货造成的门店货架缺货，会 延缓缺货商品的销售速度， 影响供 应链末端的销量预测， 甚至降低整个供应链链路的效率。 由于商品间的需求交叉 效应， 除了缺货商品本身， 其他商品也会遭到 供求方面的连带影响。 和缺货商品 具有正交叉效应的其他商品的销量会低于预测值， 和缺货商品具有负交叉效应的 其他商品的销量则会高于预测值。 2.2.3 消 费 者忠 诚 度 下降 OSA 问题意味着有可能消费者无法在零售商门店购买到所需商品。一旦 OSA 因为某些原因继续下降， 那么会 导致 更多的消费者不能顺利购物 ， 降低了更多消 费者的购物体验。 如果缺货商品数量持续增大或者缺货次数越发频繁， 则会让消 费者怀疑 零售商 的经营 能力，降 低消费 者的忠 诚度，甚 至造成 消费者 大量流失。 2.3 OSA 问 题 的 产 生 原 因 2.3.1 零 售 商的 虚 库存 产 生 在很多情况下， 货架缺货并不代表零售商门店缺货。 当一个消费者选购一件 商品， 零售商可以很容易地通过 POS 终端得到商品被购买的信息， 从而更新库存 数据。 然而， 如果消费者在货架拿取商品后， 在结算前 中止购买， 并把商品顺手 放在不正确的位置， 那么原位置上 该 商品少了一件，POS 终端也没有该商品的结 算信息，于是就会产生 虚库存。 虚库存是无法被使用的库存， 一旦虚库存数量达到很高， 并且没有及时清理， 那么就会造成门店明明有货， 却发生缺货问题的情况 。 虚库存是非常普遍的现象， 任何一名消费者都有可能在购买过程中产生若干虚库存。 在门店人流量很大的情 况下，虚库存就会成为引发 OSA 问题 的最大原因。 虚库存问题很难得到及时解决 。 首先， 零售商 不能实时把货架上的商品数量 和系统中的库存数据进行比对， 所以 无法在第一时间识别到虚库存的产生 。 其次， 消费者对于中止购买的商品， 摆放位置是随机的， 对于零售商来说， 即便发现原 位置因为虚库存产生 缺货，也很难于 短时间内在门店的其他位置找到该商品。 2.3.2 品 牌 商的 供 货 延迟 一般情况下， 零售商会把每日 的 销售数据提供到品牌商， 通常是 闭店之后的8 数据。 品牌商基于该数据进行之后的供货计划， 反映时间短、 任务重 。 一旦数据 传送发生阻塞， 那么品牌商便无法按时制定供货计划， 有可能造成零售商因库存 不足而无法对货架商品进行补充。 如果这种延迟供货的情况 经常发生， 那么造成 OSA 一定程度的 向下波动。 2.3.3 消 费 者的 需 求 量提 升 促销是零售商和品牌商最常用的增加销量的方式， 成功的促销会大幅度提升 消费者的需求量。 同样， 节假日的高人流量也会带来巨大的需求量。 由此， 针对 促销、 节假日以及其他各种情况的销量预测就尤为重要， 也是零售商和品牌商制 定库存方 案的基 准点。 如果销量 预测失 准，那 么在高需 求量的 情况下 ，一方面， 零售商门店非常容易断货， 并 且无货可补； 另一方面， 即便门店有库存， 倘若没 有足够的人手，也来不及对货架商品进行补充，造成 间歇性 OSA 下降。9 第 三 章 OSA 问 题 的 AI 解 决 方 案 3.1 试 点 方 案 综述 虽然OSA 问题存在已久， 前期由于技术瓶颈问题无法得到解决。 近年来， 随 着科技的不断发展， 尤其是视觉识别、 人工智能 （AI） 技术、 机器学 习、 大数据、 5G 等技术在零售领域逐渐成熟，确保了本项工作的顺利开展。 有关技术的几点说明 ： 1. 相关技术与零售门店的试点应用在全球范围内处于摸索阶段， 由 CCFA 中 国零售技术创新中心主导的本次专项工作历时 3 年，从早期单一技 术应 用尝试的失败， 到最终多项技术方案 （视觉识别、 人工智能 （AI） 技 术、 机器学习 、 大数据、5G 等） 的顺利结合， 确保 相关技术应用处于国际领 先地位； 2. 随着相关 技术 （视觉 识 别、 人工 智能 （AI） 技 术、 机器 学习 、大数 据 、 5G 等） 在零售行业的不断迭代 与完善， 技术实施成本已经从从早期的天 文数字降 低至 企业可 接 受范围， 同时 ，随着 试 点项目的 不断 迭代以 及 相 关技术的 逐渐 普及， 应 用成本将 持续 降低， 应 用效果以 及准 确性将 持 续 提高，应用延展性将更加可视； 3. 根据前期 对全 球零售 企 业应用 模 式研 究、科 技 企业技术 迭代 趋势研 究 ， 结合我国零售特点，推出如下 4 种方案，供行业企业参考 。 表 1：4 种方案利弊对照表 方 案一： 人工拍照 方 案 二 ： 过 道 摄 像 头+ 电子价签 方 案 三 ： 货 架 摄 像 头+ 电子价签 方 案四：机器人 方案简 述 员工（或众包模 式）通过手机/ 特定软 件，对货架/ 堆头进行 定时/ 不定时拍照，通 过软件 进行 分析 。 过道上方架设摄 像头，对货架进行拍 照，通过软件进行分 析。 商品正对面的货 架上架设摄像头进行 拍 摄， 通过 软件 进行 分 析 通 过 机器 人， 以巡 店模 式 定 时扫 描货 架， 通过 软件进 行分 析 投入 员工培 训 过道上方架设摄像 头 商品正对面货架上 架设摄 像头 购买/ 租赁巡店机器 人 利弊分 析 利 ： 投入 成本 最低 ，对 零售门 店无改 造； 利：投入成本相对较 低 ， 对门 店无 过多 改造 成本； 利：商品识别度非常 高， 开展 基于OSA 的扩 展应用 可能 性较 大 利： 商品 识别 度较 高且 无需门 店人 员协 助10 弊： 1. 时间维度投入提 高； 2. 人力成本投入较 高； 3. 获 取成果 不确定 性 较大； 4. 图 片及数 据质量 不 确定性 较大 。 弊： 1. 商 品识别准确率有 待提高 ； 2. 货 架每一栏 的 商品 纵深识 别度 不足 ； 3. 货 架位置调试时摄 像 头配件和通电点 位需要跟随调整, 维护成 本较 高 。 弊： 1. 由 于 货架 间隔 较近， 每个货 架需 要至 少2 个 摄 像头， 购置 成本 较高； 2. 早期零售门店地面 没 有 预设 插头， 如果 采用有 线摄 像头 ， 需 要 从 房顶 吊线， 影响 美观； 3. 如果采用内嵌电池 摄像头 ， 平均 1-3 个 月需要对摄像头进 行充电 ， 维 护成 本较 高； 4. 货架位置调试时摄 像头配件需要跟随 调整, 维护成本较 高。 弊： 1. 成本 较高 。 研究观 点 适用于大多数零售企 业， 特 别是 初期， 适合 问题考 察验 证。 适用于大多数零售企 业 ，对 于 SKU 识别 精细 度暂时要求不特别高 的企业 。 适 用 于大 多数 企业， 特 别是有 一定 面积 ， 且有 一定预 算的 企业 。 适用于中高端零售企 业 ， 和面 积和 货架 间隔 较大的 企业 。 注： 1. 由于目前 门店 数据分 析工 作不足， 试点 过程中 产生 的数据大 多传 递到技 术支 持方/ 零售企 业总 部进 行远 程分 析， 并通 过结 果进行 定期 优化 。 未 来， 随时 门店 数 据量变 大、数 据分 析需 求变 多， 可考虑 边缘 计算 的模 式进 行 ； 2. 本次试 点过 程中 没有 对拍 摄商品 的频次 进行 专门 研究，但 基于 数据 分析 的投 入产 出 比 ，建 议 基于 每家 门店 闲时 和 忙时 对拍 摄频 次 进行 区别对 待， 如：60-120 分钟/拍 摄一次 （闲 时） 、30 分钟/ 拍摄一 次（ 忙时 ） ； 3. 目前欧 美等 过已 经开 始研 究通过 无人 机对 门店 货架 进行拍 摄的 方案 ， 考虑 到相 关技 术的成 熟度 以及 试点 过程 中可能 出现 的不 定因 素 ， 本 次研究 过程 中没 有开 展有 关无 人机应 用的 试点 研究 。11 3.2 方 案 试 点 项目 一 人 工 拍 照 3.2.1 项 目 背景 试点项目在华东地区某生鲜领域顶尖企业， 是 “小区门口的菜市场” 为其经 营特色， 产品为新鲜可靠， 高性价比的生鲜产品及厨房周边商品。 聚焦消费者厨 房的核心品类， 满足家庭消费者一日三餐需求。 目前该企业拥有超过 100 家门店， 单店面积在 300 800 平方米左右，只售卖和一日三餐有关的商品，但 SKU 数却 达1800 个左右。 试点店面积 380 平方米， 位于合肥高端居民区， 是企业的重点店， 营业时间 为早 7:00 至晚间 21:00 。早间客流以老年人居多，营业高峰为下午至 18:00 左 右，下午人群分布较广泛，涵盖 25-75 岁人群，其中女性占较 高比例。 试点项目在POC 轮， 研究对象是六组货架，包 括 ： 调味品 2 组， 烹调油2 组 ，饮 料2 组。在试点轮 ，研究对象为全店 货架。 3.2.2 技 术 方案 与 可 行性 研究 该试点企业是生鲜业内著名和鲜有的标准化极高和货架管理极佳的业内标 杆企业， 亦不断追求在此道路上的精益求精。 通过数据分析和标准化， 以高动销 率为目标。 在企业信息化和标准化的过程中， 企业高层发现现实情况中， 由于店 内的实际 陈列摆 放无法 及时反馈 ，因此 数据中 心和商品 管理人 员的数 据有滞后， 现实和标准差异无法反映， 设计标准商品摆放和实际摆放有差异， 且缺货无法及 时反映， 导致损失销售和原因分析滞后和误差， 对商品企划和后续供应链都造成 不同程度的影响。 因此， 及时反映店内实际摆放情况报告缺货是精准分析的第一 个重要环节。 该企业人员的文化程度为业内首屈一指， 大量店长为大学以上文化程度， 且 试点门店的店长能力较强， 适合将高科技技术方案推广到全店进行试点， 具体方 式为使用手机拍摄货架照片并上传小程序，实时返回检查结果。 3.2.3 技 术 方案 的 实 施过 程 方案无需安装大型设备， 店长安装手机小程序即可。 在 POC 轮， 调味品货架 最初因为大量自有品牌在数据库中暂无数据， 准确率 在75% 左右。 经过两轮改进 后， 准确率高于 95%。 所有货架均有标准陈列和实际陈列对比记录， 可追溯历史 摆放图像，并和标准陈列对比，实时性和实际情况反应得到大幅度改善。12 3.2.4 技 术 方案 的 实 施结 果 使用方案后， 可及时拍摄实际陈列照片， 辨认 SKU， 并和系统 数据进行对比， 发现摆放 错误并 做出摆 放纠正。 一方面 ，及时 计算实际 摆放占 比，提 高动销率， 提高货架效率， 以实际摆放情况数字为决策基础， 避免数据滞后延迟。 另一方面， 及时发现缺货， 进行补货计划并为优化供应链提供准确的现场第一时间数据。 方 案对于历史摆放有据可查，摆放照片存档对比，形成数据报告。 图 3.17 数 据 报 告 图一 图 3.18 数 据 报 告 图二13 图 3.19 货 架前 后 对比 图 3.2.5 相 关 供应 链 后 续流 程 识别结果缺货的， 识别 SKU 与前置仓存货数量， 若前置仓有存货， 提醒店长 进行店内 排面补 货 。若 前置仓缺 货，识 别区域 中央仓存 货数量 ，若中 央仓有货， 提醒店长从中央仓补货至前置仓和本店， 若中央仓亦缺货， 发送缺货信息至采购 相关担当人员。 系统对缺 货进行 SKU ， 数量，门 店， 区域， 中 央仓，进 行统 计并进 行 分析。 并统计常缺 SKU 的数量 和区域分布，并计算和建议安全库存量和再订货库存量。 为供应链提供高效信息。 3.3 方 案 试 点 项目 二 过 道 摄 像 头+ 电 子 价签 3.3.1 项 目 背景 项目落地 于北京 一大型 超市，该 超市是 业内有 名的创新 型新零 售超市 品牌， 门店善于使用新技术解决问题， 一直走在创新应用的最前端。 门店痛点： 门店在 运营过程中频繁发生促销期间缺货， 以及补货不及时的情况。 货架商品品类和各 个品牌间的表现情况难以用数据做评定， 门店和供应商偶有纠纷。 不仅如此， 缺 货以及无 数据反 哺的情 况还会使 门店的 供应链 周转时间 变长， 影响货 品有货率， 导致销售额和顾客满意度大幅下降。14 试点超市是该超市品牌旗下新业态门店，总面积超过 5000 平米，与 传统门 店相比， 面积更大， 功能更全， 设有超市区和餐饮区， 超市运营时间早上 9：00- 晚上10：00。 试点货架位于超市核心区域， 覆盖货架 6 个， 货架形状为传统柜式 货架，商品品类以速食品及酒水饮料为主 。 3.3.2 技 术 方案 与 可 行性 研究 试点项目中发现， 门店 缺货补货不及时， 店员需全场巡检才能发现缺货商品， 因此补货所需时间长、 频率低， 且没有针对性。 门店周围环境复杂， 货架位置和 产品包装 频繁变 更，对 于图像识 别的要 求高， 背后的算 法成本 高昂且 错误率高。 门店没有 准确的 商品/ 货架表现 数据做 反哺， 门店/零 售商的 决策往 往是片面 的、 不及时的、 或拍脑袋决定的。 缺乏依据也加长了供应链运转周期， 容易与品牌方 产生因缺货或不及时补货而发生的纠纷。 图 3.8 门 店 痛 点 分析 图 从技术角 度来说 ， 现有 的纯计算 机视觉 识别方 案对场景 的识别 常带有 误差， 场景周围环境必须符合识别要求才能做到精确识别， 这往往意味着不能出现遮挡 以及物品过低过偏的情况， 但这在现实情况下较难实现。 同时， 现有的计算机视 觉识别方案精确的背后往往意味着需要大量的摄像头以及成本高昂的算法做支 撑， 对于某些产品而言， 外包装过于相似， 普通的图像识别技术错误率极高， 反 弄巧成拙。15 图 3.9 现 有 CV 方 案 的 挑 战 分 析 图 试点中使用了区别于传统的计算机视觉识别技术， 方案经过 2 年的技术迭代 和思路重 新梳理 ，逐步 从重度依 赖于识 别图像 升级到 了 识别价签 ID。货架上的 价签内置的LED 灯会以可自定义的频率按照专利的二进制形式进行闪烁， 摄像头 捕捉到发出的闪灯信号后， 就能从后台调取此价签背后绑定的商品信息。 再结合 图像识别， 从而输出该货架的棚格图， 还有货架上商品的货架监控报告， 向门店 的运营人员输出货架的表现报告以及缺货预警。 在一段时间的运营后， 还可以生 成商品以及各个品类/区域/时段的ROI 数据， 反哺门店供应链以及品牌端的各个 部门，帮助他们用真实表现数据做更好的预测和改进 。 图 3.10 方 案 设 计 图一16 图 3.11 方 案 设 计 图二 图 3.12 方 案 设 计 图三 图 3.13 方 案 设 计 图四17 方案相较于传统的基于摄像头识别商品的技术来说， 转移识别商品到识别 电 子价签的闪灯， 这种方式可以避免由于商品外包装的摆放位置、 灯光阴影、 商品 遮挡及人为放错带来的识别干扰， 而且大大降低了传统图像识别技术所依赖的计 算量和云储存空间， 减少了大量识别训练的人工成本和时间成本， 是一种易于实 施，精准好用的货架监控识别方案 。 3.3.3 技 术 方案 的 实 施过 程 图 3.14 设 备安 装 图 图 3.15 数 据采 集 图18 3.3.4 技 术 方案 的 实 施结 果 方案得到了该门店的详细缺货时间分布情况。 另外， 对于已安装电子价签的 门店来说， 基本没有过多的硬件投入成本和人员运营成本， 软件已经具有了模块 化、流程化的功能特点，即安即用。 图 3.16 缺 货概 览 分布 图 3.4 方 案 试 点 项 目 三 货 架 摄 像 头+ 电 子 价签 3.4.1 项 目 背景 北京某知名超市 存在货架缺货问题， 希望 通过计算机视觉技术 自动检测货架 纵深的商品数量 。 表 3.1 试 点门 店 基 本 情 况描 述 表 项目 详情 门店面积 1500SQM 日均客流数 2,100 平均客单 59.3 元 全店商品数 10,159 生鲜商品占比 26% 营业时间 8:30-21:00 地点 中国北京19 试点的内容作为 缺货解决方案的第一步， 时间共计 144 天。项 目 主要聚焦在 场景的真实性验证 ， 即仅对门店正常经营过程中的缺货情况进行全天候侦测和记 录， 不对门店进行提示或警示， 以保证数据的客观真实。 试点货架品类选择 包括 以下四类：冷藏 乳品，个人清洁，卫生用品，纸类用品。 图 3.1 冷 藏 乳 品 类 货 架 图 图 3.2 个 人 清 洁 类货 架 图一 图 3.3 个 人 清 洁 类货 架 图二20 图 3.4 卫 生用 品 类 货 架 图 3.4.2 技 术 方案 与 可 行性 研究 目前广泛应用的缺货检测方案存在一个需要前置性大量采集商品图片的问 题， 尤其是商品更新过程中的新增商品， 需要对新增商品进行持续性的数据采样， 这个过程较大程度上阻碍了技术的大规模应用。 试点项目中 采用固定相机结合电子价签的方案 ， 通过识别价签来判断商品的 信息， 从而跳过了商品数据采集的阶段， 极大程度加强了方案可落地性。 方案具 有如下优势： 1. 实际陈列自动检测 ：AI 相机和电子价签的拥有独特的交互机制 ， 商品的 实际陈列可以自动生成 。 2. 支持万级 SKU 检测： 通过价签的辅助， 方案可以支持数万 SKU 数的门店。 3. 极低的运维费用能力 ：相机提供边缘计算能力 ，不仅运算能力强大 ，而 且解决了数据敏感性问题 。 4. 高检测精度 ： 通过价签的辅助, 方案对陈列和缺货的检测精度高于 95% 。 3.4.3 技 术 方案 的 实 施过 程 检测方案设定为在门店营业时间，每 30 分钟检测一次货架 。21 图 3.5 设 备 安 装 图 表 3.2 系 统 检 测 结果 样 例 表 日期 缺货商品名 检测时间 缺货时长 2020-10-24 伊利 QQ 星儿童优酪乳酸牛 奶 120g （原味） 2020-10-24 11:26 2 2020-10-24 伊利风味发酵乳芝士味 180g 2020-10-24 10:06 0.5 2020-10-24 伊利风味红枣味发酵乳 100g*10 2020-10-24 15:48 1.5 2020-10-25 佳洁士锁白致尚技术牙膏（玫瑰矿物盐）120g 2020-10-25 08:04 0.5 2020-10-26 佳洁士锁白致尚技术牙膏（玫瑰矿物盐）120g 2020-10-26 09:45 0.5 2020-10-26 佳洁士锁白致尚技术牙膏（玫瑰矿物盐）120g 2020-10-26 13:46 1.5 2020-10-27 伊利丹麦芝士风味发酵乳原味 215g 2020-10-27 14:26 3.5 2020-10-27 伊利褐色炭烧风味发酵乳 1050g 2020-10-27 19:48 0.5 2020-10-27 佳洁士盐白牙膏 140G 2020-10-27 13:46 0.5 2020-10-28 伊利老酸奶风味发酵乳 138g 2020-10-28 20:29 0.5 2020-10-28 伊利风味原味发酵乳增加 25% 钙原味 100g*10 2020-10-28 14:46 122 3.4.4 方 案实 施业 务流程 方案实施流程可视化示例: 步骤 一 步 骤二 步骤 三 步骤 四 3.4.5 技 术 方案 的 实 施 结 果 缺货在不同品类商品中均有发生。 由于试点门店总客流低于行业均值， 可以 推断在客流更大的门店缺货现象会更为明显。 表 3.3 不 同 品 类 的缺 货 情 况 统 计 表 品类 SKU 数 缺货 总时间 营业 总时间 平均每SKU 缺货率 （按缺货时间） 个人清洁 45 822.5 1800 1.02% 冷藏乳品 37 1379.5 1800 2.07% 卫生用品 13 112.5 1800 0.48% 纸类用品 11 352 1800 1.78% 在次级品类中， 食品类快流转商品货架缺货率更高， 并且食品类商品 （不含 生鲜）通常占快消品零售门店 40%以上的销售额。23 图 3.6 不 同次 级 品 类 的 缺货 情 况 统计 图 如果更加客观地评价缺货对零售门店销售额的影响， 不能按平均缺货时间和 商品平均小时销售额进行简单计算。 因客流变化， 不同时段发生同样时长的缺货， 对销售额的影响不同。 试点 结果表明 ， 货架缺货现象时常发生在客流高峰前或客 流高峰过程中。 因此根据各 品类不同时段的来客数进行加权计算后， 可以得出更 为客观的缺货分析 。 表 3.4 缺 货率 对 比 表 品类 SKU 数 缺货 总时间 营业 总时间 非加权 缺货 率 加权 缺货率 个人清洁 45 822.5 1800 1.02% 0.54% 冷藏乳品 37 1379.5 1800 2.07% 2.11% 卫生用品 13 112.5 1800 0.48% 0.57% 纸类用品 11 352 1800 1.78% 1.14% 以此作为计算销售损失的基础， 根据门店该四个 品类平均销售额进行如下测 算。仅此 4 个品 类，每年因缺货产生的销售额损失约为 77,724 元，占该 4 个品 类年总销售额的 1.35%。以此类推（ 理论推算仅供参考） ，对于日均销售额为 30 万的门店，如生鲜占比为 30%, 前后台毛利率 21%，则全年销售额 （不含生鲜） 为7,665 万，全年销售额损失 为103.5 万元，全年毛利额损失 为21.7 万。 试点过程中， 在现场进行 了4 次货架缺货原因现场抽查 ， 并对抽查商品的实 物库存进行简单查找和盘点 ， 总结了现场货架缺货的原因如下 （按发生的频率从 大到小排序）： 1. 有实物库存，但门店员工未能及时补货到货 ，此原因占多数。 2. 无实物库存，货架缺货是因为门店确实没有库存 。24 3. 货架缺货商品为促销堆头商品 ，该商品恰为档期堆头商品 。 4. 无实物库存，但正在收货中 ， 通常发生在早上开店前后 1 小时。 5. 系统库存有，但商品实物不适合售卖 （商品破损/ 过期）。 货架缺货的主要原因， 并不是传统上我们认为的物理缺货。 相反， 实地调研 的结果反映出来的， 是物理库存没有及时补到货架上。 员工少活多， 由此造成员 工实际补货动作比较随机 ，而导致的货架缺货时间较长。 根据试点门店的特点及自动检测的货架缺货数据 ， 佐证了 以上事实。 门店一 天有两次收货， 时间间隔大约 5 小时， 即上午一次， 下午一次。 可以推断货架缺 货时长于4 小时的商品， 是因为物理缺货造成， 而不是员工未来得及补货。 仅 20% 的缺货情况可以认为是物理缺货。 表 3.5 缺 货 时 长 统计 表 大类 缺货时长 小于4 小时品次 缺货时长 超过4 小时品闪 总 计 超长时间 缺货占比 个人清洁 150 39 189 20.6% 冷藏乳品 355 101 456 22.1% 卫生用品 59 9 68 13.2% 纸类用品 54 17 71 23.9% 合计 618 166 784 21.2% 有效处理 货架缺 货的发 现和补货 ，可以 解决主 要问题。 根据现 场调研 结果， 得到商品从发现缺货到补货完毕所需的时间 。 造成补货时间过长的原因 ， 一方面 是要能够发现缺货 （员工并非时刻巡检 ） ，另一方面是花时间 找货。 表 3.6 补 货 时 长 统计 表 补货时长区间 区间占比 0-1 小时内补货 55.20% 1-2 小时内补货 14.22% 2-3 小时内补货 5.97% 3-4 小时内补货 4.66% 4 小时内补货 19.9525 图 3.7 补 货 时 长 统计 图 3.5 方 案 试 点 项目 四 机 器 人 3.5.1 项 目 背景 试点项目在某著名上市企业旗下超市， 中高端、 数字化、 体验式品质超市为 定位，倡 导品质 、健康 、美味、 高性价 比的价 值主张， 客群定 位中产 阶级家庭， 尤其是有 孩子的 中产阶 层家庭。 目前该 企业在 北京、广 东、福 建、江 西、湖南、 江苏、 浙江、 四川等地 拥有 100 多家中高端门店， 面积 1000-3000 平方米不等， 每店SKU 数量在 10000 左右。 试点门店 位于 深圳重 要 商务区， 中高 端商城 地 下一层， 营业 时间为 早 上 10 点至晚间10 点。 中午营业时间小高峰， 多为附近商务楼白领午间休息时间采购， 下午下班时间至晚间为高峰，商务楼和 附近居民兼有，因位 于购物中心 B1 层周 末高峰。 采集数据包括 饮料、 零食、 调味料、 白酒、 乳制品等区域， 图片共计 约 1600 张，采集耗时 约每次1.5-2 个小时 。 3.5.2 技 术 方案 与 可 行性 研究 该企业在数字化工程方面居于行业领先地位， 其 CRM， 中台等数字化方案都 具有业内领先的实际经验。 企业希望对于门店商品摆放科学化， 对于缺货的监控 可以得以改善， 提高产品摆放的效率， 量化摆放的衡量标准， 减少缺货损失， 和 商品企划和供应链产生良性互动。 方案采用巡店机器人， 按规划路线， 对货架进 行拍摄并上传系统。 由系统辨认后通知相关业务人员结果。 该店场地较宽大， 陈 列设计高端， 使用了机器人进行巡店， 不仅可以科学及时反映陈列状况， 亦符合 企业高端创新的定位和文化。26 3.5.3 技 术 方案 的 实 施过 程 方案实施包括三个方面。 第一， 建图： 控制机 器 人， 在超市进行完整的地图 扫描。 第二， 规划路径 ： 设置运行虚拟轨道。 第三， 拍照点设置： 保 存或设置变 更。 本方案中 的巡店 机器人 采用了英 特尔 酷睿 处 理器，同 时配合 英特尔实感 深度摄 像头， 使机器 人具有了 与人类 视觉准 确度相当 的机器 视觉能 力，来识别 物体， 实现智能导航。 英特尔酷睿 处理器集成了内含处理器 VNNI 指令支持以 及集成图形引擎 DP4A 指令支持的英特尔 深度学习加速技术（英特尔 DL Boost） ， 能够进一步加速人工智能推理。 巡店机器人的软件架构同时基于英特尔 工业边缘洞见平台和英特尔工业边缘控制平台 。 这两个软件平台可提供机器对 机器(M2M)通 信、运 动 控制、时 序分析 、云连 接、工作 负载融 合，并 为实现机器 联网提供 5G 支持。 图 3.20 巡 店机 器 人27 表 3.7 训 练数 据 表 试 点初 版模型 训练 数据详 情 图片总数 类别 总计231 张 识别效果 SKU 饮品 106 张 较好 调味品 53 张 较好 乳制品 72 张 较好 3.5.4 技 术 方案 的 实 施结 果 系统对SKU 进行了识别， 效果较好， 反应 SKU 陈列实际情况， 并给出量化数 据。 图 3.21 数 据报 告 图28 第 四 章 建 议和 展 望 4.1 改 进 门 店 货架 管 理 方 式 4.1.1 利 用AI 技 术 识 别 货 架缺货 在很多情况下零售企业门店并不清楚自身的真实缺货情况， 往往会误认为没 有缺货发生，或者缺货率很低。当引入 AI 技 术去识别货架缺货情况后，才开始 意识到门店内整体 OSA 可能并不高，甚至 OSA 还在继续降低。 通过视觉技术来进行货架盘点， 充分证明了 AI 技术能够非常好地识别货架 缺货情况， 并且对于不同时间段和不同品类都提供了完整的货架缺货数据， 让门 店清晰地了解到缺货发生的 具体位置， 具体 时间点和缺货 频率。 所以， 基于各个 零售企业和门店的实际情况， 选择适合的方式和平台 接入计算机视觉 等AI 技术 ， 是真正能够帮助 识别货架缺货情况的有效手段。
展开阅读全文