让货品陈列更智能

袁斯来

Joel Bar-El没有想到，自己会在幼儿园接放学的孩子时，遇到自己后来的合伙人Dror Feldheim。Feldheim曾经为快消品公司提供过多年的咨询服务，闲聊时，Feldheim说起前客户宝洁的困惑。

和众多竞争对手的产品一样，宝洁的产品同样陈列在大大小小的超市或便利店的狭小货架上。这家日化巨头的管理者会考量几项重要的陈列指标：我们的产品究竟放在第几排？是不是消费者一眼就能看到？放在货架上的产品有没有缺货？价格标签是否一一对应？这些看似不起眼的指标，在零售终端会微妙地影响顾客的消费行为。毕竟，很少有人会花力气去扒拉放在最下面货架上的洗发水。

长期以来，快消品公司的终端维护都依赖销售代表人力完成。每个销售代表会负责一定数量店面的走访，他们清点货架上自己公司产品的数量，在纸上记下货架占比和销售情况，同时监督店内的促销活动举办情况，这些活动往往会花费公司额外的费用。林林总总的数字，最终会汇总到该品牌的市场及销售数据中，发给坐在千里之外办公室的总部市场负责人。

这显然是一项琐碎费力的工作，尤其是每隔几天就要到货架上数清楚那些瓶瓶罐罐的数量，这件事非常考验员工的责任心和自觉性。实际上，一家产品遍布全球零售货架公司管理者，很难完全了解每家店头的真实情况。和Feldheim聊天后，Bar-El萌生了一个想法：是否能够让机器代替人，完成这些重复、机械化的产品识别工作，并让管理者能够实时监控？

2010年，Bal-El在新加坡创立了Trax公司。他们为零售商提供的解决方案是通过图像识别技术来扫描和分析货架上的任意产品，然后将销售数据以及促销建议反馈给客户。Trax目前的客户包括宝洁、可口可乐、百威、雀巢等大型零售品牌，今年2月7日，该公司获得了1950万美元D轮融资，由南非Investec Bank领投，本轮融资后，Trax估值达到了2.5亿美元。

Bar-El曾经创立了两家软件类的公司，他很快就组建起了团队，开始着手零售商品图像识别模型的开发。Trax想要达到的最终效果是，当销售代表走到店里，用手机App对着货架或冷藏柜拍一张照片，图片自动上传到云端分析后，直接把可视化的结果反馈给运营部门。

这类应用的核心是算法模型，算法的开发过程就是教机器“识图”的过程。Bar-El和团队会将商品不同角度的照片输入电脑，“重建”3D模型，再利用算法比对货架排面的图片，让机器分辨，照片上不同的图形应该对应什么样的商品。

Trax的图像识别使用了神经网络技术，除了学习的速度更快，这种技术还能分辨细微的差别，比如弱光、玻璃反射、背景模糊不清的情况，加上使用了3D建模，即使物体被移动或转了个身，Trax的算法也能准确找出对应的商品。

不过，对于机器来说，当可乐和洗发水都装在500毫升的瓶子里，还同时贴着红色标签时，要区分二者并不是一件容易的事。一开始，Trax识别的准确度只有20%至30%，公司不得不派了16个员工介入机器学习过程，人工查看和调整图片，充当纠正算法错误的老师。大概半年后，Trax的算法模型已经能做到50%至60%的识别准确度，目前则提升了90%。

分析速度过慢是Trax遇到的另一个瓶颈。在早期，从图片上传到形成可视化图表发给用户，整个过程需要一个小时。在获得投资后，Trax购置了更好的基础设施，包括升级云计算的配置，更换了GPU（图形处理器）和CPU。之后团队花了整整5年时间完善整个系统，目前Trax系统完成整个分析的时间能够压缩到5分钟。“未来我们要争取在几秒钟内就能够做出分析和反馈。”Bar-El对《第一财经周刊》说。

对于这家公司而言，更棘手的问题是怎样改变传统的零售终端维护体系。对于那些分布在世界各地的销售代表来说，他们巡店后，会为每家店打分，这个分数直接影响店铺在制造商那里获得的返利和奖金，其中也可能涉及销售代表的个人利益。“之前他们采取了很多主观的判断，然而引入我们的技术后，就成了纯粹客观的考核，销售代表们自然会抵触。”Bar-El说。

Bar-El在核心产品“零售执行”（Trax Retail Execution）开发出来后不久，就开始和Feldheim一起寻找客户。他们经人介绍，找到了宝洁在日内瓦分管信息技术的高管。抱着试试看的心态，这名高管最终让BarEl把产品先放到委内瑞拉的3000家门店试用，识别宝洁的个人洗护用品，包括香波、母婴用品等。

宝洁给Trax的是一根难啃的骨头。相比欧美市场，委内瑞拉店内执行和管理水平更低，销售代表在日常巡店时，经常应付了事，根本不会花费精力去记录和查看。虽然总部下达任务，将使用Trax技术拍照的行为计入销售代表的个人业绩考核，但是上有政策下有对策，销售代表们想出了各种偷懒的办法—比如他们根本不会到店里拍摄，而是在网上找类似的图片翻拍。或者只进一家店拍些图片，然后在下一家店直接复用。

远在新加坡的Bar-El团队开始与那些销售代表“斗智斗勇”，加快技术和产品迭代。Trax尝试在产品App上增加GPS定位，追踪销售代表的实时动态，看他们是否真正到店。另一个重要的技术更新是提升了像素辨别的能力，所有低像素的翻拍图片都会被打入“不及格”的类别，这会直接影响销售代表的个人绩效。

此外，以往Trax的图片可以存放在手机中，这也给了销售代表重复使用照片蒙混过关的空间。随后的更新版本中，Bar-El干脆直接将图片上传到云端，不再保留在销售代表的手机中，断绝了钻空子的可能。

通过总部的绩效施压，加上一步步在技术上完善监督手段，Trax在委内瑞拉证明了自己的实力。几个月后，宝洁让Trax在巴西和欧美市场的其他店面都铺开了“零售执行”产品。这也成为Trax的第一个标杆案例。

接下来，可口可乐主动找到Trax，希望能在澳大利亚的零售店内使用Trax的产品。Trax为它定制了“Smart Cola”，这款产品能够根据可口可乐的SKU（库存量单位）做图片分析，包括能够识别不同规格的可乐。

除了帮助可口可乐监督自己的产品是否最大程度呈现在消费者面前，Trax还为它提供优化货架的服务，包括摆放在第几排或者应该摆放多少瓶最能吸引顾客的目光。经过了5000家店铺的测试，可口可乐和Trax签署了多年服务协议，成了它的第一个长期客户。

到现在，Trax的合作伙伴中，已经包括百威、雀巢和汉高等全球500强公司，它在全球50多个国家为超过100万家零售商提供服务，每个月扫描的店铺超过50万家，识别超过2.5亿件单品，其数据库内已有逾60亿件商品图像索引。

在推出了针对制造商的“零售执行”产品后，Trax还为大型连锁商超开发了优化货架布局的“零售监测”（Trax Retail Watch），目前正在美国市场的沃尔玛试点，将在今年年底正式推出。

仅仅做图像识别会导致Trax的产品结构過于单一，很快就会遇到增长的瓶颈。好在一开始Trax就积累了大量的前端店铺数据，与后端的库存数据和店中执行数据结合，能够为营销决策提供更多参考。今年，Trax和尼尔森合作，在美国开始试点“市场情报”（Market Intelligence）产品。通过结合Trax的店内执行数据和销售数据，Trax能够分析出哪些店内活动最能促进销量的增加。今后除了图像识别，Trax需要多想一想怎么开发更多的使用场景。