AI

豆乳メーカーの店頭陳列採点、AI導入で20日超から1〜2日に

この記事のポイント

  1. 実現したこと

    店頭写真の採点結果が1〜2日で営業担当へ届き、在庫や陳列の問題への対応に使われている。

  2. 実現の仕組み

    独自の画像認識で商品を識別し、生成AIが承認済みの陳列基準に照らして店舗ごとに採点する。

  3. 得られた結果

    豆乳メーカーのVinasoyは、導入から2カ月以内に取扱店網全体の欠品率が20%低下したと発表した。

  4. 従来との違い

    月間の監視対象は取扱店の約17%から70%超へ広がり、監視頻度も月1回から週1回へ増えた。

明るい店内で、営業担当者が豆乳の紙パックやボトルが並ぶ棚をスマートフォンで撮影し、文字のない商品配置図と陳列を見比べている編集イラスト。
AI生成画像

店頭写真の商品認識と生成AIによる陳列採点が、営業担当への結果返却までつながった。豆乳メーカーのVinasoyによると、20日超を要した採点は1〜2日で結果が届く運用となり、監視する店舗と頻度も拡大した。

店頭写真から包装や容量の異なる商品を識別

豆乳メーカーのVinasoyは、クラウド導入支援企業のRenova Cloudと共同で、Amazon Web Services(AWS)上に店頭陳列監視システムを構築し、導入した。営業担当者が訪問先で陳列を撮影し、写真を流通管理システムのDMSへアップロードするところから処理が始まる。

写真は機械学習サービスのAmazon SageMakerへ渡され、Vinasoy独自の画像認識技術で処理される。包装や容量が異なる24種類の豆乳製品などを識別し、処理速度は毎秒22枚としている。

識別した商品を陳列基準に照らして採点

商品認識に続き、生成AIサービスのAmazon Bedrockを利用する処理が、店舗ごとの陳列を採点する。評価の基準には、承認済みの商品陳列基準を使う。

Vinasoyは、写真の撮影状態が不完全だったり、棚の並び方が通常と異なったりしても、生成AIが状況を判断して採点できるとしている。商品を識別する処理と、陳列が基準に適合するかを評価する処理を組み合わせた構成だ。

採点結果を1〜2日で営業担当へ返す

導入前は、担当者がDMS内の商品陳列写真を手動で採点していた。1サイクルに約2,000人時の作業が必要で、採点処理には20日を超える期間がかかっていた。

Vinasoyによると、導入後は陳列基準への適合度を示す採点結果が1〜2日で営業担当へ届く。営業担当はその結果を使い、在庫の問題や基準に合わない陳列を特定して対応している。

監視対象は70%超へ拡大、欠品率は20%低下

Vinasoyによると、月間の監視対象は取扱店の約17%から70%超へ拡大した。店舗を確認する頻度も月1回から週1回へ増え、対象範囲と確認間隔の両方が変わった。

欠品率の低下は、監視対象店舗だけでなく取扱店網全体について発表されている。導入から2カ月以内に、欠品率は20%低下したとしている。