Di Gianbattista Schiaffino, Explorer di Grigua
Nel corso degli ultimi 4 anni Grigua in collaborazione con Synesthesia e l’Univeristà di Torino ha sviluppato diversi progetti al fine di capire e integrare nei propri processi elementi di Intelligenza Artificiale che ne migliorino le performance e le potenzialità.
Abbiamo iniziato da Ai4Retail, un sistema che permettesse di trasformare le immagini in informazioni, applicandolo alla rilevazione dello scaffale per proseguire nell’ambito dell’analisi dei dati andando ad esplorare il mondo delle ChatBot.
Il progetto Ai4Retail
Tre sono i presupposti che sottendono allo sviluppo del progetto
- il progetto SalesTools nasce per offrire una soluzione all’attività di presidio del punto di vendita.
Nel corso degli ultimi 15 anni SalesTools si è sviluppato andando a coprire tutte le funzioni che
caratterizzano il Presidio del Punto di Vendita, dalla gestione degli assortimenti concordati alla pianificazione promozionale, alla gestione degli oos e così via trasformandosi in una piattaforma estremamente completa.
Come sappiamo l’attività di vendita non avviene attraverso i fatturati e i pezzi ma intervenendo sugli elementi che li generano ovvero la cura dello scaffale, il rispetto degli accordi la riduzione degli oos la corretta esecuzione delle promozioni e la capacità di intercettare eventuali opportunità che si presentano di volta in volta, non a caso la nostra applicazione si chiama Hunter.
Il tutto si basa sulle informazioni che rileviamo dallo scaffale, che normalmente vengono recuperate attraverso una attività manuale o al limite utilizzando un lettore di codici ean.
Il nostro obiettivo pertanto è quello di creare un sistema che permetta la lettura dei dati attraverso le immagini in modo da sostituire l’attività manuale e ottenere un vantaggio in termini di tempo ma soprattutto di qualità dei dati rilevati.
In seconda battuta ma non meno importante c’era la necessità di poter leggere e riconoscere anche i prezzi esposti al pubblico attraverso la lettura dello slim.
- l’applicazione che è stata sviluppata si chiama Ai4Retail è un progetto di nostra proprietà in quanto è stato sviluppato dal nostro team Grigua-Synesthesia e nell’idea nativa c’era il concetto di renderlo un modello integrabile in più ambiti, in modo da poterlo utilizzare laddove ci fosse la necessità di riconoscere delle immagini e trasformarle in informazioni, pertanto modularità al servizio di Salestools.
Un campo di applicazione alternativo che stiamo testando è quello dell’analisi delle immagini.
Ormai viene fotografata qualunque cosa, abbiamo data base con oltre 80 mila foto all’anno che potremmo utilizzare e pertanto abbiamo iniziato uno sviluppo che utilizzando ai4retail ci permetterà di leggere le immagini e di analizzarle per esempio attraverso la ricerca di un particolare.
Tutto questo lo facciamo con il modello Ai4retail opportunamente programmato per il raggiungimento dell’obiettivo desiderato, lo possiamo fare perché è stato sviluppato internamente, è di nostra proprietà e perché è stato creato con una logica modulare.
- innovazione, in fase preliminare abbiamo studiato e analizzato diverse soluzioni presenti sul mercato con l’obiettivo di individuare quali aspetti potessero essere migliorati oppure non presenti rispetto alle nostre esigenze.
Come primo aspetto è stato individuato quello relativo al riconoscimento dei prodotti che non avveniva direttamente sul tablet ma richiedeva una trasmissione dell’immagine a un server remoto il quale dopo l’elaborazione rispediva il risultato in locale.
Come secondo elemento innovativo è stato individuato la rilevazione del prezzo attraverso la lettura dello slim a scaffale e conseguente collegamento al prodotto esposto.
Il terzo elemento è rappresentato dal fatto che questa soluzione debba essere inserita in forma nativa all’interno di un eco sistema già esistente e che debba rappresentare una alternativa migliorativa rispetto a quanto già esistente.
Il modello si basa su una anagrafica di immagini dei prodotti inserita a sistema, nella fase di learning tali prodotti vengono opportunamente etichettati nelle immagini dello scaffale fino ad aver concluso la prima fase di istruzione. Il modello sviluppato è dotato di un modulo di continual learning che provvede ad una istruzione continua del sistema mantenendolo aggiornato nel tempo.
Il modello Ai4Retail è stato inserito nativamente nell’applicazione Hunter la quale ha mantenuto tutte le funzioni esistenti compreso l’attività di rilevazione manuale che adesso è totalmente complementare alla rilevazione attraverso immagini.
L’obiettivo che ci siamo posti in termini di usability di Hunter è stato quello di offrire la possibilità all’utente di agire per eventuali modifiche direttamente sull’immagine senza dover necessariamente utilizzare una tabella, questa funzione rende la rilevazione molto più lineare e immediata.
Le informazioni ricavate dalle immagini vengono caricate nel data base di Hunter e sono soggette a controlli di qualità e verifiche rispetto ai dati storici caricati, inoltre eventuali informazioni presenti a sistema vengono proposte a supporto di mancate letture da parte di Ai4Retail, per esempio proponendo un prezzo di una rilevazione precedente.
Il sistema è stato arricchito di un modulo innovativo che permette di effettuare il censimento di nuove referenze direttamente dall’operatore di fronte allo scaffale, scattando la foto del prodotto e inserendo i dati necessari al suo riconoscimento. Tale informazione, insieme a tutte le altre fornite dagli altri operatori sul territorio permettono di creare una sorta di censimento e una base di istruzioni per il modello.
Tutte le operazioni sopra descritte vengono eseguite direttamente su Hunter sul tablet dell’operatore.
Risultati ottenuti
Il modello Ai4Retail è stato attivato a sistema nel Luglio del 2023 su una base di 25 operatori sul territorio per conto di una azienda multinazionale che ha integrato il modello sul proprio Hunter.
I risultati ottenuti, misurato dopo circa 6 mesi di azione sono così riassumibili:
in termini di tempo un risparmio indicativo di 5 minuti a visita, su una base di 40 prodotti medi rilevati in termini di riconoscimento prodotti a scaffale superiore al 95%
mentre per ciò che riguarda gli slim prezzi siamo assestati sul 70% per ciò che riguarda slim cartacei e tecnologia e-ink
Oltre a questi indicatori bisogna evidenziare l’aspetto relativo alla qualità del dato rilevato che è migliorato significativamente rispetto all’attività di rilevazione manuale.
Certificazione del dato rilevato
Essendo la rilevazione dei dati effettuata tramite la trasposizione dell’immagine in informazioni, è stato creato un sistema che provvede ad archiviare l’immagine nel data base permettendo in fase di analisi di risalire dal dato tabellare all’immagine che lo ha generato, fornendo di fatto la certificazione del dato stesso.
