對于消費品企業而言，線下渠道大數據是一塊至關重要的“寶藏”。消費品企業需要定期對終端進行核查，了解商品的鋪貨率、陳列位置和貨架份額等，以優化店內執行，獲得對門店現場的洞察，這對企業的營銷費用投放、戰略布局與決策具有重大意義。
品牌商想要了解其商品在門店貨架上的情況，需要安排銷售代表到指定門店對擺放其商品的貨架進行數據統計，并將結果反饋到公司。傳統的做法是現場人工數出、或圖片記錄貨架上所需統計商品的排面、分銷，肉眼觀察本競品情況，這種方式除了花費了大量的人力且效率低下，還有質量難以把控的問題。通過AI圖像識別技術來實現貨架信息及商品特征的識別，則可以快速節省人工上報以及后臺審核的工作量，幫助企業提升線下銷售效率。
在該場景中，銷售代表通過手機APP，即可對終端陳列進行拍照。不過，由于受客觀條件限制，如貨架的長度、高度、過道空間及手機拍攝角度等，無法實現一次拍攝完整獲取整個場景，實際的做法是拍攝不同場景的分組圖片，并通過圖片拼接的方式來完美還原貨架整體情況。因此，圖片拼接便成為了AI圖像識別技術應用中的一大關鍵難點。
Trax持續不斷攻克圖片拼接去重算法難題，通過前端優化Trax APP拼接校驗算法，和后端提升完美拼接成功率，從而大幅優化客戶體驗，提升KPI準確率，為業務相關人員帶來一體化圖片拼接全新體驗。
優化前端拍攝校驗算法，降低銷售代表拍照難度，為訪店提供便利性
適配場景：
﹒大超市貨架太高、小超市離貨架太近，使用縱軸拼接功能
﹒大超市長排貨架，使用橫軸拼接功能
﹒品牌商使用第三方SFA拍攝，不受拍攝設備的限制，Trax可提供SDK，支持無序拼接
拼接算法優化提升KPI準確率
通過算法優化，降低在拼接過程中由于商品錯位、誤識別帶來的影響，去除重復或多余商品，大幅提升完美拼接成功率，與此同時提高拼接和識別速度，使得AI圖像識別結果更接近于真實值，從而輸出更精準的貨架KPI(分銷、排面、貨架占有率等)。
實力賦能品牌商掌控全品類貨架份額變化
基于完美貨架拼接全圖，品牌商可輕松得知，與同品類其它商品相比，自身的商品陳列位置、排面數、線性貨架空間占有率等，為精準了解貨架份額動態變化信息，提供了有力的技術支持，進而助力品牌商占據優渥的貨架位置與份額，從激烈的品類競爭中搶占先機。
成功案例分享
某領先快消品牌商在對貨架數字化過程中，面臨巨大的挑戰：
﹒銷售代表提交的貨架照片角度過于傾斜
﹒銷售代表有時提交的貨架照片不正確，非同一排貨架
﹒圖片重合度太小，照片拼接效果不好
﹒圖片的無法完美拼接，導致識別結果受影響，KPI計算不精準，為業務帶來負面影響
Trax針對該客戶所面臨的圖片拼接問題逐一分析，并進行拼接去重算法優化，降低圖片重合度過小、背景誤匹配、拍攝角度和矯正影響等因素對拼接造成的影響，將完美拼接成功率從原有的24.6%上升至96.5%，為品牌商解決了數據識別結果準確性的難題。精準的貨架數據賦能該快消品牌的終端零售執行和業務績效評估，為深度品類趨勢分析和市場動態監測奠定了扎實的基礎。
一體化圖片拼接不但賦能消費品NXT解決方案的現場數據采集，同時也為零售巡檢機器人的門店巡檢提供了重要技術支撐，為加快零售業數字化進程錦上添花。
