Raf Yönetimi ve FMCG Operasyonlarında Yapay Zeka Nasıl Kullanılır?

Hızlı tüketim ürünleri sektöründe rekabetin büyük bölümü tüketiciyle ürünün buluştuğu raf önünde yaşanır. Bir markanın binlerce satış noktasındaki rafta doğru konumda, yeterli miktarda ve uygun fiyatla bulunması satış performansını yakından etkileyen unsurlardandır. Dolayısıyla rafların etkin yönetimi büyük markalar için stratejik bir öncelik haline gelmiştir.

Ne var ki on binlerce mağazadaki rafı insan gücüyle takip etmek hem yavaş hem de hataya açık bir süreçtir. Bu noktada yapay zeka devreye girerek sahadan toplanan görselleri anlamlı verilere dönüştürür. Söz konusu dönüşümün merkezinde ise görsel ürün tespiti bulunur.

Görsel ürün tespiti saha ekiplerinin çektiği raf fotoğraflarını saniyeler içinde yapısal bilgiye çeviren bir görsel tanıma teknolojisidir. Sistem fotoğraftaki ürünleri tek tek tanıyarak stok miktarı, fiyat etiketi ve raf konumu gibi verileri otomatik olarak çıkarır. Böylelikle merkez ofis sahanın gerçek durumunu uzaktan ve anlık biçimde görebilir.

FMCG Sektöründe Raf Yönetimi ve Yapay Zeka Dönüşümü

Raf yönetimi uzun yıllar boyunca saha ekiplerinin gözlemine ve elle tuttuğu kayıtlara dayanan bir süreç olarak yürütüldü.

Ancak mağaza sayısı ve ürün çeşidi arttıkça bu yöntem markaların ihtiyaç duyduğu hız ve doğruluğu karşılamakta zorlanmaya başladı. Yapay zeka ise sahadan gelen devasa görsel veriyi anlamlandırarak raf yönetimini yeniden tanımlayan bir araç olarak öne çıkıyor.

Geleneksel Raf Kontrolünün Operasyonel Yükü

Geleneksel yöntemde saha temsilcisi tek bir mağaza ziyaretinde yüzlerce ürün konumunu gözle kontrol etmek ve mezurayla raf alanını ölçmek zorunda kalır.

Bu manuel süreç hem zaman alıcıdır hem de temsilciden temsilciye değişen sonuçlar doğurduğu için tutarsızlık barındırır. Nitekim araştırmalar raftaki konum sapmalarında insan gözünün doğruluk oranının %60-70 aralığında kalabildiğini gösteriyor.

Bunun yanında merkez ofiste belirlenen raf stratejisi ile sahadaki uygulama arasında çoğu zaman bir kopukluk oluşur.

Temsilci 15-20 dakikalık kısa ziyaret içinde hem sayım hem fiyat kontrolü hem de fotoğraf çekimini birlikte yürütmeye çalıştığında veriler eksik ve gecikmeli biçimde merkeze ulaşabilir. Dolayısıyla temsilcinin kendi beyanına dayalı raporlama yöntemi hata payını artıran bir unsura dönüşür.

Yapay Zekanın Hızlı Tüketim Mallarındaki Stratejik Rolü

Yapay zeka raftan toplanan görseli işleyerek stok seviyesi, ürünün öne bakan yüz sayısı (facing), fiyat ve planogram uyumu gibi performans göstergelerini tek bir karede okunabilir hale getirir.

Bu sayede saha temsilcisi zamanının önemli bölümünü rutin sayım işleri yerine satış ve müşteri ilişkilerine ayırabilir. Böylelikle hem operasyonel verimlilik artar hem de saha ekibinin katma değeri yükselir.

Sektörde bu yeni teknolojiye duyulan ilgi de giderek güçlenmektedir. Öyle ki hızlı tüketim ürünleri ve perakende alanında hizmet veren yöneticilerin %83'ü yapay zeka teknolojilerini benimsemeye oldukça açık olduğunu belirtmektedir. Verilere göre FMCG yapay zeka çözümleri perakende teknolojileri arasında giderek daha stratejik bir konuma yerleşmektedir.

Yapay Zeka Destekli Görsel Ürün Tespiti Nedir?

Raf yönetiminde yaşanan dönüşümün teknik temelini anlamak için teknolojinin nasıl çalıştığına yakından bakmakta fayda var. Görsel ürün tespiti olarak da anılan görsel tanıma teknolojisi raf fotoğrafını makinenin yorumlayabileceği bir veri setine çevirir.

Görsel Ürün Tespiti Teknolojisinin Temel Mantığı

Bu teknolojinin gücü tek bir fotoğraftan aynı anda birden fazla sinyali okuyabilmesinden gelir.

Sistem etiketteki yazıyı optik karakter tanıma (OCR) yöntemiyle çözer, ambalajın boyut oranlarını hesaplar ve renk paleti ile marka işaretlerini birbirinden ayırır. Tek bir ipucu yeterli olmasa da söz konusu sinyaller birleştiğinde ürünler stok tutma birimi (SKU) düzeyinde doğru biçimde tanınabilir.

Üstelik ürün kısmen kapalı veya açılı çekilmiş olsa bile sistem görsel deseni eşleştirerek ürünü tanıyabilir.

Örneğin sistem rafın o anki gerçek görüntüsünü ürünlerin olması gereken ideal yerleşimini tarif eden planogramla karşılaştırabilir. Rafın gerçek halini yansıtan görüntü realogram olarak adlandırılır ve iki tablo arasındaki fark sistemin tespit ettiği sapmayı ortaya koyar.

Doğruluğun gerçek koşullarda da korunması önemlidir çünkü mağaza ortamı değişken ışık ve açılı çekimler içerebilir. Nitekim gerçek mağaza koşullarında doğruluk oranının %95'in üzerine çıkabildiği aktarılmaktadır.

Saha Temsilcisinin Fotoğraf Çekiminden Veri Analizine Uzanan Süreç

Görsel ürün tespiti üç temel aşamada işler ve her aşama rafla ilgili farklı bir soruyu yanıtlar. Sistem ilk aşamada ürünleri raf kenarından ve boş alandan ayırarak konumlarını belirler. Ardından ambalaj şekli ve etiket bilgisinden hangi ürün olduğunu çözer.

Son aşamada ise sistem fiyat etiketini ve promosyon malzemelerini okuyarak veriyi tamamlar. Böylelikle tek bir kare rafın eksiksiz bir dijital haritasına dönüşür.

Bu süreç saha satış temsilcilerinin işini kökten değiştirir. Zira temsilci artık rafı tek tek sayıp sisteme girmek yerine reyonun bir fotoğrafını çekip uygulamaya yükleyerek yapay zeka ile ürünleri saniyeler içinde analiz edebilir.

Üstelik görsel ürün tespiti ile sağlanan verimlilik kazancı ölçülebilir niteliktedir. Nitekim manuel yöntemle 15-20 dakika süren raf denetimi görsel tanıma desteğiyle birkaç dakikaya inebilir. Örneğin bir çözüm sağlayıcısının farklı müşteri uygulamalarında yıllık 600 bin saatin üzerinde saha tasarrufu raporladığı aktarılıyor.

FMCG Operasyonlarında Planogram Uyumu Neden Önemlidir?

FMCG sektöründe bir ürünün raftaki başarısı için rafa girmiş olması tek başına yeterli değildir. O ürünün nerede ve nasıl konumlandığı da en az bulunurluğu kadar önemlidir.

Planogram uyumu rafın markayla perakendeci arasında kararlaştırılan plana göre düzenlenip düzenlenmediğini ifade eder. Yapay zeka teknolojisi bu aşamada fotoğraflardaki sapmaları mevcut planla karşılaştırarak işletmelere anlık geri bildirim sunabilir.

Planogram Nedir ve Markalar İçin Ne İfade Eder?

Planogram ürünün rafta hangi konumda, hangi yükseklikte ve hangi markaların yanında yer alacağını gösteren görsel bir yerleşim şemasıdır. Perakende uygulamasının temelini ürün, konum, yerleşim ve fiyat olmak üzere dört unsur oluşturur. Doğru kurgulanan bir planogram markanın raftaki görünürlüğünü ve fark edilirliğini güçlendirir.

Marka açısından planogram ödenen bedelin karşılığını veren bir ticari yatırım niteliği taşır. Zira raftaki ayrıcalıklı konum çoğu zaman ticari pazarlama bütçesiyle elde edilir. Dolayısıyla planın sahada uygulanmaması ayrılan bütçenin beklenen getiriyi sağlayamamasına neden olabilir.

Yanlış Ürün Yerleşiminin Satışlara Negatif Etkisi

Yanlış ürün yerleşimi çoğu zaman belirgin bir uyarı vermeden satış rakamlarını aşağı çekebilir. Örneğin üst segment bir ürünün en alt rafa indirilmesi hem ürünün görünürlüğünü düşürebilir hem de markanın kimliğini zedeleyebilir.

Tüketiciler raf önlerinde kararlarını çoğunlukla saniyeler içinde verir. Bu nedenle ürünün göz hizasında konumlanması fark edilirliğini belirgin biçimde artırır. Nitekim rafların 15 derece açıyla eğildiği bir araştırmada ürün görünürlüğünün %27 oranında arttığı ölçülmüştür.

Sahada yaşanan kayıp çoğu zaman fark edilmeden büyür. Örneğin göz hizasındaki öne çıkan ürünün yüz sayısı dörtten ikiye düşebilir veya ürün bir konum yana kayabilir. Buna rağmen sorun iki ziyaret arasında gözden kaçtığında marka sessizce ciro kaybetmeye devam edebilir.

Yapay Zeka ile Anlık Planogram ve Etiket Kontrolü

Yapay zeka fotoğraftaki gerçek görüntüyü onaylı planogramla karşılaştırarak sapmaları işaretler ve düzeltme için sahaya anlık yönlendirme sağlar. Planogram uyumunu görsel tanıma ile takip eden markalarda ürün yerleştirme doğruluğunda %40'a varan iyileşme bildirildiği aktarılmaktadır.

Üstelik sistem aynı kare üzerinden fiyat etiketini ve promosyon malzemelerini de denetlediği için tek bir fotoğraf çok katmanlı bir kontrole dönüşür.

Rafta kalan eski bir promosyon etiketi müşteriye yansıyan fiyat tutarsızlıklarına neden olabilir. Görsel ürün tespiti ise sahip olduğu etiket okuma yeteneği sayesinde mevcut hataları anında yakalar ve hızlı müdahale imkanı tanır.

Raf Payı Optimizasyonunda Yapay Zekanın Rolü

Markalar raftaki başarıyı değerlendirirken kendi ürünlerinin yanında kategorideki toplam tabloya da bakmak durumundadır. Raf payı bir markanın rafta kapladığı alanın kategori genelindeki oranını ifade eder ve çoğu zaman markanın pazar payını yansıtır. Yapay zeka bu alanda markanın ve rakiplerinin raf alanını otomatik olarak hesaplayarak merkez ofise hızlı ve bütünsel bir görünüm sunar.

Raf Payı Kavramı ve Pazar Hakimiyeti

Raf payı satış rakamları yerine fiziksel alan tahsisine dayanan bir tür pazar payı göstergesidir. Bu nedenle uzmanlar İngilizce karşılığıyla share of shelf olarak da bilinen raf payını pazar payının öncü bir göstergesi olarak değerlendirir. Bir markanın raf payı pazar payıyla örtüştüğünde sağlıklı bir denge oluştuğu kabul edilir.

Pazar payının üzerine çıkan bir raf payı markaya görünürlük açısından avantaj kazandırır. Buna karşılık raf payı pazar payının altına düştüğünde çoğu zaman fark edilmeyen bir satış kaybı ortaya çıkar. Zira raftaki yüz sayısı arttıkça tüketicinin o ürünü tercih etme olasılığı da yükselir ve döngü markanın lehine işlemeye başlar.

Rakiplerin Raftaki Durumunu Analiz Etmek

Yapay zekanın bu alandaki en değerli katkılarından biri aynı fotoğraf üzerinden rakip markaların kapladığı alanı da ölçebilmesidir. Böylelikle her saha ziyareti merkez ofise akan bir rekabet istihbaratı kaynağına dönüşür.

Örneğin sistem bir reyonda A markasının 25, B markasının 50 ürün sayısına sahip olduğunu anında tespit edebilir ve net bir oranlama yaparak durumu stratejik bir veriye çevirir.

Veriye Dayalı Merchandising Stratejileri Geliştirmek

Raf payı verisi satış noktası (POS) verisiyle birleştiğinde alan müzakerelerinde perakendeciye sunulacak güçlü bir kanıt ortaya çıkar.

Ürün teşhir ve yerleştirme süreçlerini kapsayan veriye dayalı merchandising yaklaşımı sayesinde hangi mağazada düşük pay alındığı net biçimde görülebilir. Böylelikle saha ekibi yüz sayısı artışını varsayımlara değil somut verilere dayanarak talep edebilir.

Söz konusu yaklaşımın finansal etkisi de küçümsenmeyecek düzeydedir. Yüksek devir hızına sahip bir reyonda tek bir puanlık raf payının yıllık yüz binlerce dolarlık ciroya karşılık gelebildiği belirtilmektedir. Dolayısıyla merchandising uygulamaları veri ışığında önceliklendirildiğinde kaynaklar en yüksek etkiyi yaratacak raflara yönlendirilebilir.

Stoksuz Kalma Riskinin Yapay Zeka İle Önlenmesi

Rafla ilgili tüm operasyonların nihai amacı doğru ürünü doğru anda tüketiciye sunabilmektir. Rafta ürünün tükenmesi anlamına gelen stoksuz kalma bu amacın önündeki en belirgin ve maliyetli engellerden biridir.

Stoksuz Kalmanın Müşteri Deneyimine Zararı

Hızlı tüketim ürünleri perakendesinde küresel ortalama stoksuz kalma oranının %8 civarında seyrettiği aktarılmaktadır. Asıl dikkat çekici nokta ise sorunun kaynağıdır; zira stokların %70-90'ı tedarik zincirinden değil hatalı raf ikmalinden doğar. Dolayısıyla problemin büyük bölümü doğru araçlarla doğrudan rafta çözülebilecek niteliktedir.

Yok satmanın faturası küresel ölçekte oldukça ağırdır. IHL Group verilerine göre stoksuz kalma her yıl perakende cirosunda 1 trilyon dolara varan bir kayba yol açabilmektedir. Üstelik tüketicilerin %76'sı tekrar eden stok yokluğunu markanın güvenilirliğindeki bir zayıflık olarak algıladığını ifade etmektedir.

Aradığı ürünü rafta bulamayan bir müşteri genellikle birkaç tepkiden birini gösterir. Kimi zaman başka bir markaya yönelir, kimi zaman alışverişini başka bir mağazaya taşır, kimi zaman da alımını tümüyle erteler.

Söz konusu tepkilerin her biri marka açısından doğrudan bir kayıp anlamına geldiği için stoksuz kalma sorunu hemen hemen her işletme için kritik bir sorundur.

Raftaki Eksik Ürünlerin Yapay Zeka Tarafından Anında Tespiti

Görsel ürün tespiti fotoğraf sisteme yüklendiği anda raftaki boşlukları algılayabilir. Sistem boş kalan yüz alanını tanıyarak anlık bir uyarı oluşturur ve böylece stok sorunları saniyeler içinde görünür hale gelir. Böylelikle reyondaki temsilci ürünü hemen yerine koyabilir ya da merkez gerekli sevkiyatı zaman kaybetmeden başlatabilir.

Görsel tanıma teknolojisini kullanan markalarda stoksuz kalma oranında %22'ye varan azalma görüldüğü belirtilmektedir. Bununla birlikte tespit edilen her eksiğin değer kazanması için mevcut bilginin depo tarafında hızlı bir aksiyona dönüşmesi gerekir. Zira sahadan gelen sinyal ancak doğru zamanda yapılan bir sevkiyatla anlamını tam olarak bulur.

Octapull AI ile Görsel Ürün Tespitlerini Somut Aksiyonlara Dönüştürün

Şimdiye kadar aktarılan görsel ürün tespiti, planogram kontrolü ve stok takibi yaklaşımlarını tek bir yapay zeka katmanında toplayan Octapull AI, işletmelerin raf yönetiminde görsel ürün tespitini somut aksiyonlara dönüştürmesini sağlar.

OCTAPULL tarafından geliştirilen yerli platform, görsel ürün tespiti özelliği sayesinde sahadan gelen raf verilerini analiz ederek ürünleri tanıyabilir, sınıflandırabilir ve doğrulayabilir. Böylece sahadan gelen tek bir görüntü manuel veri girişine gerek kalmadan yapısal bir veriye dönüşür.

Platformun raf yönetimi açısından öne çıkan özellikleri şu şekildedir.

• Görsel Ürün Tespiti: Raf fotoğrafındaki ürünleri tanıyıp sınıflandırarak elle sayım ihtiyacını azaltır.

• Stok Tahminleme: Talep dalgalanmalarını öngörerek optimum stok seviyesini hesaplar ve fazla stok ile tükenme riskini dengeler.

• İçgörü Çıkarma: Saha verisini analiz ederek satış stratejisi, rota ve kampanya alanlarında öneriler üretir.

• Satış Asistanı: Saha ekibine ürün ve müşteri bilgisine anlık erişim sunarak yerinde karar almayı kolaylaştırır.

• Görev Yönetimi: Yapılacak işleri önceliğine göre sıralar ve otomatik öneriler üretir.

Octapull AI sahip olduğu bu kapsamlı özellikleri sayesinde görsel veriden başlayan raf yönetimi sürecini stratejik aksiyona kadar tek bir akışta ilerler.

Sizler de markanızın bulunduğu rafları hem operasyonel verimliliğe hem de daha isabetli kararlara çevirmek istiyorsanız web sitemizi ziyaret ederek Octapull AI hakkında daha fazla bilgi edinebilir ve ekibimizle iletişime geçerek ücretsiz bir demo görüşmesi planlayabilirsiniz!

Sıkça Sorulan Sorular

Görsel ürün tespiti (image recognition) nedir?

Görsel ürün tespiti saha ekiplerinin çektiği raf fotoğraflarını yapısal veriye dönüştüren bir yapay zeka teknolojisidir. Sistem fotoğraftaki ürünleri tanıyarak stok, fiyat ve konum bilgisini otomatik biçimde çıkarır. Böylelikle saha temsilcisi elle sayım yükünden kurtulurken merkez ofis sahanın güncel durumunu uzaktan görebilir.

FMCG sektöründe raf yönetimi neden önemlidir?

FMCG sektöründe rekabetin önemli bir bölümü raf önünde yaşandığı için raf performansı satışları doğrudan etkiler. Yanlış yerleşim veya stok boşluğu çoğu zaman fark edilmeden ciro kaybına yol açabilir. Dolayısıyla etkin bir raf yönetimi hem ürün görünürlüğünü hem de satışa hazır bulunurluğu korumak açısından kritik bir rol üstlenir.

Planogram uyumu ne anlama gelir?

Planogram uyumu rafın markayla perakendeci arasında kararlaştırılan yerleşim şemasına göre düzenlenmesini ifade eder. Başarılı bir raf yönetimi için ürün, konum, yerleşim ve fiyat unsurlarının tümü öncesinde hazırlanan planogram planına uygun olmalıdır.

Yanlış ürün yerleşimi satışları nasıl etkiler?

Yanlış ürün yerleşimi ürünün görünürlüğünü azaltarak satış performansını olumsuz etkileyebilir. Göz hizasından uzakta veya hatalı konumda kalan bir ürün çoğu zaman fark edilmeden gelir kaybına neden olur. Görsel ürün tespiti ise söz konusu hataları erkenden yakalayarak hızlı müdahale imkanı sunar.

Octapull AI FMCG operasyonlarını nasıl destekler?

Octapull AI saha ekibinden gelen verileri analiz ederek görsel ürün tespiti, planogram kontrolü ve stok takibi süreçlerini otomatikleştirmeye yardımcı olur. Tespit edilen bir eksik veya sapma sistem üzerinden önceliklendirilmiş bir göreve dönüştürülebilir.