Indústria, distribuidoras e varejistas lidam com centenas de dados e o cruzamento dessas informações todos os dias, mas você sabe qual a relevância da qualidade dos dados coletados no PDV em uma operação de trade marketing?
As informações coletadas em campo são essenciais para avaliar se estratégia proposta está surtindo o efeito desejado, se o que foi proposto está sendo cumprido, para analisar o mercado, observar ações dos concorrentes e aprimorar as ações.
Por isso, é cada vez mais comum a solicitação de pesquisas e análises detalhadas da fotografia dos pontos de venda. Porém, esse trabalho é oneroso. Promotores precisam dedicar muito tempo nessa coleta de dados. Uma solução de inteligência artificial com reconhecimento por imagem pode otimizar esse trabalho.
Já comentamos aqui no Involves Clube, o quanto o gasto de tempo nessas tarefas pode influenciar a produtividade da equipe de campo, dependendo da granularidade de informações desejadas. Além disso, nem sempre essas informações coletadas manualmente representam exatamente a realidade do PDV.
Com este conteúdo queremos te apresentar algumas soluções:
- Precisão das informações em relação à coleta manual;
- Padrão de coleta de dados no PDV;
- Aumento das informações coletadas;
- Qualidade e detalhamento dos dados vindos do campo.
A importância da qualidade dos dados coletados no PDV
Constantemente recebemos relatos de situações como esta: o gestor vai ao ponto de venda junto com o promotor e os dois fazem juntos a execução de uma estratégia de Loja Perfeita. Ao final da tarefa os resultados não batem, eles apresentam indicadores diferentes.
Essa situação é mais comum do que deveria ser. A rotina do promotor, e até o que acontece no entorno dele enquanto está na loja, pode influenciar nas informações coletadas. Isso é inerente ao humano. Estamos sujeitos à equívocos, distrações, etc.
Por outro lado, a precisão é muito importante para quem vai utilizar as informações para tomada de decisão, especialmente para a credibilidade dos indicadores. Mas há soluções efetivas como o reconhecimento por imagem do Involves Stage que minimizam esses impactos. A partir de uma fotografia é possível identificar aspectos fora dos padrões e obter dados detalhados do ponto de venda.
A forma que lidamos com os dados, a qualidade desses dados vindos do PDV e o quanto a inteligência artificial pode ajudar nesse processo é tão relevante que foi um dos principais temas da NRF Retail’s Big Show 2020, o maior evento de varejo do mundo que aconteceu em janeiro deste ano em Nova Iorque, EUA.
Nos palcos principais, os palestrantes enfatizaram a relevância da análise de dados na tomada de decisão e destacaram a inteligência artificial e machine learning como um diferencial competitivo, uma oportunidade de expandir os negócios.
“De acordo com os palestrantes, nem sempre é possível saber com clareza qual é a pergunta ideal para cada cenário apresentado dentro de uma empresa ou mesmo no dia a dia de uma pessoa, principalmente por ser muito difícil ao ser humano evitar algum tipo de viés na hora de construir objetivos – ou seja, tratar dados de maneira parcial, quase que indicando a eles o resultado que devem apresentar, o que não é recomendável”, afirma uma publicação do E-Commerce Brasil sobre o evento.
O cientista de dados da Involves, Bruno Ritter, lembrou – durante nosso webinar sobre reconhecimento por imagem – que a inteligência artificial pode ajudar qualquer área de atuação em que você se beneficia de automatizar qualquer tipo de processo e tomar decisões na maneira mais inteligente.
Padronização da leitura do PDV
Outro ponto importante a ser considerado quando falamos da qualidade de dados coletados no ponto de venda é a rotatividade de promotores. Sabemos que o turnover é considerado alto e promotores trocam de empresas com frequência.
Toda vez que esse profissional muda de empresa precisa aprender qual o formato de Loja Perfeita daquela companhia e como reportar a situação do PDV. Se a indústria já usa o padrão a partir de uma foto é muito mais fácil de aprender. Basta ensinar esta pessoa a fazer o registro da imagem dentro do padrão e ela não precisará se preocupar com a forma de fazer esse reporte do campo para o backoffice. Os dados irão da maneira correta, a partir de uma fotografia!
O gerente de produto da área de inteligência artificial para reconhecimento por imagem da Involves, Gabriel Vieira, traz exemplos ainda mais práticos sobre os benefícios dessa tecnologia.
Quando a equipe de campo tira uma foto da gôndola, a solução de reconhecimento por imagem identifica os produtos por SKU e proporciona uma granularidade de informações que não conseguimos com a coleta manual.
Além de reduzir o tempo de coleta de 15 para 2 minutos, ainda possibilita uma análise mais precisa do mercado e dá subsídios ao gestor para entender qual região está mais competitiva, onde é melhor investir mais tempo e negociação. Separamos um trecho, em áudio, de um papo sobre o assunto para você entender um pouco mais como funciona:
Um dos clientes Involves nos trouxe o seguinte relato: Antes do reconhecimento por imagem, o promotor só conseguia trazer informações de duas categorias por visita no PDV por causa do tempo que precisava para fazer essa coleta de informações manualmente. Com o reconhecimento por imagem, o mesmo profissional hoje consegue fazer o monitoramento de todas categorias em uma única visita ao ponto de venda.
Com o Involves Stage, em pouco tempo eles conseguiram solucionar as seguintes dores:
- Tempo investido apenas na coleta de informações
- Erros de preenchimento das pesquisas de campo
- Falta de amplitude e detalhamento das informações coletadas
A solução de reconhecimento por imagem proporciona mais produtividade e otimização do tempo do time de campo e dá mais segurança ao time de gestão que terá dados mais detalhados e precisos. Conheça mais essa ferramenta e veja sua operação alavancar!
